Métricas de Página de Vendas: o Que Medir de Verdade

“Minha página teve 12 mil visitas esse mês.”

Ótimo. E daí?

Visita não paga servidor. A pergunta que importa é: dessas 12 mil pessoas, quantas fizeram o que a página pede? E das que não fizeram, onde elas desistiram e por quê?

Se você não sabe responder, este artigo é o seu mapa. Vamos cobrir as métricas que realmente decidem o jogo de uma página de vendas, como medir cada uma, e como um relatório de análise preditiva entrega essas respostas antes mesmo de você ter tráfego.

As 6 métricas que decidem (e as vaidosas que distraem)

Métrica de vaidade: visitas, impressões, curtidas. Sobem, descem, e não mudam seu faturamento.

Métricas de decisão são seis:

1. Taxa de conversão: % de visitantes que completam a ação (compra, aplicação, cadastro). É o placar do jogo.
2. Taxa de rejeição (bounce): % que sai sem interagir. Mede se a promessa do anúncio bate com a primeira dobra.
3. Tempo médio na página: proxy de engajamento com a narrativa. Página de vendas longa com tempo médio de 20 segundos é página não lida.
4. Profundidade de scroll: até onde as pessoas rolam. Se 80% nunca chega na sua seção de preço, sua oferta é invisível na prática.
5. Pontos de drop-off: as seções exatas onde o abandono se concentra. É aqui que mora o diagnóstico.
6. Custo por lead/aquisição: quanto custa cada conversão, somando tráfego. Define o teto do que você pode pagar e o piso do que precisa converter.

Regra de leitura: conversão é resultado, comportamento é diagnóstico, custo é limite. Você otimiza o comportamento pra mover o resultado dentro do limite.

Como medir cada uma (o kit mínimo)

Você não precisa de stack cara. Precisa de duas ferramentas e disciplina:

• GA4 (grátis): conversão, rejeição, tempo, origem de tráfego. Configure a ação da página como evento de conversão no primeiro dia.
• Microsoft Clarity (grátis): mapa de calor real, profundidade de scroll, gravações de sessão. É onde você enxerga o drop-off com os próprios olhos.
• Pixel da plataforma de anúncio: pra fechar o ciclo do custo por conversão.

Instale antes do primeiro real de tráfego. Dado que não foi coletado não volta.

O problema: essas métricas só falam depois que você pagou

Aqui está o dilema que quase ninguém verbaliza: todas as métricas acima são retrovisores. Elas contam o que já aconteceu, com tráfego que você já pagou.

Pra um mapa de calor do Clarity ter leitura confiável, você precisa de centenas ou milhares de sessões. Pra uma taxa de conversão ser estatisticamente honesta, idem. Ou seja: o aprendizado custa o preço do tráfego queimado durante a coleta.

É esse buraco que a análise preditiva preenche: estimar o comportamento antes do tráfego, pra você corrigir o grosso dos problemas antes de pagar pra descobri-los.

Como um relatório preditivo entrega essas métricas

O Vai Converter mantém pública uma análise real da página marciomarcal.com.br (score 81 de 100, o link está na home do produto). Vale usar como exemplo real do que um laudo preditivo entrega em matéria de métricas:

1. Métricas estimadas com faixa e justificativa

O bloco de métricas do relatório real trouxe, sempre como estimativa fundamentada no conteúdo da página:

• Taxa de conversão estimada: 2,5% a 4% de aplicações sobre visitantes qualificados, com a justificativa (página de alto ticket com filtro de qualificação explícito).
• Taxa de rejeição estimada: 48% a 55%, com o motivo (autoridade forte no topo retém quem chega buscando o autor).
• Tempo médio estimado: 2min40s a 3min50s, apontando quais seções seguram a atenção.
• Custo por lead estimado: R$60 a R$140 por aplicação qualificada em tráfego frio, caindo em audiência aquecida.
• Benchmarks do setor rotulados como referência: páginas de aplicação de alto ticket no mercado brasileiro convertendo na faixa de 3% a 6% quando a autoridade é forte.

Nenhum desses números é promessa. São faixas condicionadas ao conteúdo real da página, e o próprio relatório lista as premissas que assumiu.

2. O trio de comportamento do mapa de calor

O relatório resume o destino previsto dos visitantes em três números. No caso real:

• 38% saem em até 15 segundos
• 47% exploram sem converter
• 15% convertem ou avançam

Esse trio é o raio-X mais rápido de uma página: quanto ela perde na porta (primeira dobra), quanto ela entretém sem fechar (meio), e quanto ela efetivamente move (fim). Cada um dos três pede um remédio diferente. O detalhe visual disso, zona por zona da página, é o assunto do artigo sobre o mapa de calor preditivo.

3. Analítica de abandono: onde e por quê

Além dos números, o bloco de analítica do relatório aponta:

• Padrão de abandono: no caso real, concentrado em dois pontos (a transição do hero pra seção seguinte e o longo bloco de trajetória sem CTA intermediário).
• Pontos de fuga: as três maiores fugas nomeadas, como a sequência de 9 blocos sem respiro visual gerando fadiga de scroll no mobile e a ausência de depoimentos de terceiros na hora da decisão.
• Oportunidades: os quick wins correspondentes, como inserir 2 ou 3 depoimentos reais antes do formulário.
• Dispositivos: a estimativa de comportamento mobile vs desktop (no caso real, rejeição estimada 8 a 12 pontos maior no mobile).
• Funil: a frase que resume onde o fluxo quebra. No caso real: a página constrói autoridade muito bem e perde força exatamente entre a prova e a decisão de aplicar.

4. A régua de acompanhamento: score e checkpoints

O laudo fecha com o score de conversão (0 a 100, escala térmica) que funciona como métrica-mãe pra acompanhar evolução, e com checkpoints de 30, 60 e 90 dias definindo qual métrica real deve atingir qual alvo. No caso real: conversão saindo de 1,8% estimado pra pelo menos 2,2% em 30 dias, com ação definida tanto pra se bater quanto pra se falhar.

Ou seja: a análise preditiva não substitui suas métricas reais. Ela te diz o que corrigir antes de medir e o que esperar de cada métrica quando medir.

O fluxo completo: prever, corrigir, medir, comparar

O jeito maduro de operar métricas de página junta os dois mundos:

1. Prever: rode a análise preditiva na página (ou na versão nova, antes do lançamento). Anote score, conversão estimada e pontos de fuga.
2. Corrigir: execute as tarefas críticas do plano antes de escalar tráfego.
3. Medir: com GA4 + Clarity instalados, deixe o tráfego contar a história real.
4. Comparar: os dados reais bateram com a previsão? Onde divergiram é onde está seu próximo aprendizado. Re-análises periódicas mostram o delta de evolução, tema do artigo sobre a evolução da página no dossiê vivo.

Benchmarks: com o que comparar seus números

A pergunta inevitável: “e o que é um número bom?”. A resposta profissional tem três camadas, em ordem de confiabilidade:

1. Seu próprio histórico (a régua de ouro). A comparação mais honesta é você contra você: a conversão desta semana contra a média das últimas oito, a página nova contra a antiga com o mesmo tráfego. Todo o resto tem asterisco.

2. Benchmarks do seu tipo de funil, rotulados como referência. Números de mercado ajudam a calibrar expectativa, desde que comparem comparáveis. No relatório real citado acima, o benchmark veio delimitado: páginas de aplicação pra serviço de alto valor no mercado brasileiro, com autoridade forte e filtro de qualificação explícito, convertendo na faixa estimada de 3% a 6%. Repare em quantas condições cercam o número. Benchmark sem condição é isca de frustração.

3. O que NÃO fazer: comparar funis diferentes. E-commerce de ticket baixo, captura de lead gratuito e aplicação pra consultoria de alto valor têm conversões que diferem por ordem de grandeza. Comparar sua página de aplicação com “a média de landing pages” do mercado é como comparar maratona com corrida de 100 metros porque ambas usam tênis.

A leitura madura: use benchmark pra saber se você está no planeta certo, use seu histórico pra saber se está melhorando, e use o diagnóstico pra saber o que fazer a respeito.

Erros de medição que custam caro

• Medir a página inteira como um bloco. Sem scroll depth e drop-off, você sabe que perde, não sabe onde.
• Julgar conversão sem segmentar origem. Tráfego frio e lista quente na mesma média escondem a verdade dos dois.
• Decidir com amostra pequena. 50 visitas não provam nada, nem a favor nem contra.
• Instalar tracking depois do lançamento. Os dados mais valiosos (o começo) se perdem pra sempre.
• Ignorar o custo. Conversão de 5% com CPL acima do lucro por venda quebra a operação do mesmo jeito.

Conclusão: quem não mede, opina

Página de vendas sem métricas é debate de opinião: o designer acha que o problema é o layout, o copywriter acha que é a oferta, o gestor de tráfego acha que é o público.

As seis métricas de decisão encerram o debate. E a análise preditiva permite começar essa conversa antes de gastar: score, conversão estimada, destino dos visitantes e pontos de fuga, tudo na mesa antes do primeiro clique pago.

Comece pelo diagnóstico: analise sua página grátis em vaiconverter.com.br.

Perguntas frequentes

Qual é a métrica mais importante de uma página de vendas?

A taxa de conversão, porque é a única que vira dinheiro: porcentagem de visitantes que completam a ação da página. As demais métricas, como scroll, tempo e rejeição, existem para explicar por que a conversão está no nível em que está e onde ela pode subir.

O que é uma boa taxa de conversão para página de vendas?

Depende do ticket, do tráfego e do tipo de funil. Como referência do relatório real citado no artigo, páginas de aplicação para serviços de alto valor no mercado brasileiro operam na faixa estimada de 3% a 6% quando a autoridade é forte. Ticket baixo com tráfego quente pode ir bem além. Compare sempre com o próprio histórico.

O que é drop-off em uma página?

Drop-off é o ponto do scroll onde os visitantes abandonam a página. Identificar as seções de maior abandono mostra onde a narrativa perde força ou onde falta um elemento de decisão, como prova social ou CTA. Mapas de calor e gravações de sessão revelam esses pontos.

Dá para estimar métricas antes de ter tráfego?

Dá. A análise preditiva estima taxa de conversão, rejeição, tempo de página e custo por lead a partir do conteúdo real da página e de referências de mercado, sempre rotuladas como estimativa. Serve para decidir o que corrigir antes de investir, e os dados reais validam depois.