Uma mediana menor do tempo entre carrinho e compra pode resultar da contagem escolhida
As mesmas compras registradas produziram 2 medianas diferentes no histórico de uma loja. Uma comparação pareada mostra de onde veio a diferença.
Análise original de pares usuário-produto registrados no histórico de eventos de novembro de 2019 de uma loja de cosméticos, fornecido pela REES46.
Resumo
2 relatórios podem usar as mesmas compras e mostrar medianas diferentes do tempo entre carrinho e compra. Testamos isso no histórico de eventos de novembro de 2019 de 1 loja de cosméticos. Entre 193.397 pares usuário-produto registrados com uma compra em até 7 dias, a mediana foi de 44 minutos e 16 segundos desde o primeiro evento de carrinho observado e de 36 minutos e 48 segundos desde o último evento de carrinho anterior à compra. As 2 contagens terminaram na mesma compra registrada.
Ainda assim, 82,4% dos pares tiveram contagens idênticas, e a mediana da diferença calculada dentro de cada par foi 0. Os 7 minutos e 28 segundos entre as medianas gerais não descrevem a mudança típica de 1 par. Para empresas e criadores que comparam relatórios, a primeira pergunta é o que inicia a contagem. Este exemplo histórico de uma única loja examina essa escolha de relatório; ele não testa lembretes nem mudanças na finalização da compra.
Imagine uma pequena loja de cadernos analisando um relatório mensal. Um resumo diz que o intervalo típico entre adicionar um produto e comprá-lo foi de cerca de 44 minutos. Outro diz cerca de 37 minutos. Antes de o responsável pela loja mudar o comentário ao lado desse número, quem faz a análise precisa resolver uma questão básica: qual evento de carrinho iniciou cada contagem?
Um produto pode ter vários eventos de carrinho vinculados ao mesmo ID de usuário registrado. Começar no primeiro evento observado inclui o tempo anterior às ações de carrinho posteriores. Começar no último evento antes da compra deixa esse período anterior fora do intervalo. Os 2 cálculos podem estar corretos e descrever coisas diferentes.
Comparamos essas 2 definições em um histórico público de eventos de uma loja de cosméticos fornecido pela REES46. A análise mantém fixa cada compra registrada de um par usuário-produto e muda apenas o evento de carrinho anterior usado como ponto de partida. Isso permite medir a diferença entre as contagens sem tratá-la como uma mudança no comportamento de compra.[1][2]
Para uma empresa ou um criador que vende produtos, a decisão útil é como descrever e comparar o relatório. Uma mudança na mediana exibida pede uma explicação sobre a regra de eventos, o grupo incluído e a janela de observação antes de se tornar uma afirmação sobre o desempenho da loja. Os resultados pareados mostram por que esses detalhes devem acompanhar o número.
2 pontos de partida podem ter 1 ponto final comum

As mesmas compras produziram 2 medianas diferentes
A comparação contém 193.397 pares usuário-produto correspondentes, que representam 23.692 IDs de usuário registrados. Cada par tem um primeiro evento de carrinho utilizável em novembro e uma compra posterior registrada em até 7 dias. Um usuário pode contribuir com vários produtos, portanto a quantidade de pares não é uma contagem de pessoas, carrinhos ou pedidos.
Para cada par, a primeira contagem começa no evento de carrinho observado mais antigo de novembro. A segunda começa no evento de carrinho mais recente estritamente anterior à mesma compra. Portanto, “primeiro” significa o primeiro neste arquivo de novembro, não o primeiro interesse no produto em toda a história. O ponto final da compra permanece inalterado.
3 distribuições: tempo desde o primeiro evento, tempo desde o último evento e diferença pareada
193.397 pares usuário-produto registrados e correspondentes no histórico de novembro de 2019 da loja de cosméticos. Todas as durações abaixo estão em minutos.
| Percentil | Tempo desde o primeiro evento de carrinho (minutos) | Tempo desde o último evento de carrinho (minutos) | Diferença dentro do par (minutos) |
|---|---|---|---|
| 10º percentil | 5,52 | 4,60 | 0,00 |
| 25º percentil | 13,60 | 11,47 | 0,00 |
| 50º percentil (mediana) | 44,27 | 36,80 | 0,00 |
| 75º percentil | 676,92 | 404,70 | 0,00 |
| 90º percentil | 3.160,50 | 2.740,70 | 4,10 |
A mediana da contagem desde o primeiro evento foi de 2.656 segundos, ou 44 minutos e 16 segundos. A mediana da contagem desde o último evento foi de 2.208 segundos, ou 36 minutos e 48 segundos. Subtrair esses 2 resumos resulta em 448 segundos: 7 minutos e 28 segundos.
As diferenças dentro dos pares contam outra história: sua mediana foi 0. O valor central de um relatório e a mudança de um registro individual são resumos diferentes. As próximas seções mostram por que os 2 resultados podem estar corretos.
A tabela mantém as 2 contagens e as diferenças dentro dos pares em colunas separadas. Cada coluna é ordenada separadamente, portanto uma linha não identifica o mesmo par naquela posição nas 3 listas.
Em 82,4% dos pares correspondentes, as contagens foram idênticas
Em 159.358 pares, as 2 contagens começaram no mesmo horário distinto de evento de carrinho. A diferença entre elas foi 0. Esses pares representaram 82,4% do grupo de pares correspondentes, o que explica por que a mediana da diferença pareada foi 0, embora as medianas das 2 contagens fossem diferentes.
Os 34.039 pares restantes, ou 17,6%, tiveram pelo menos 2 horários distintos de evento de carrinho antes da compra fixa. Nesse grupo menor, a mediana da diferença entre as contagens foi de 469 segundos: 7 minutos e 49 segundos. Essa mediana condicional descreve esses 34.039 pares, não todos os 193.397.
A maioria dos pares correspondentes teve o mesmo horário inicial
Uma base comum de 193.397 pares usuário-produto registrados e correspondentes; as contagens e porcentagens se referem a pares, não a pessoas únicas.
| Relação entre as contagens de tempo | Pares usuário-produto registrados | Parcela de todos os pares correspondentes |
|---|---|---|
| Contagens idênticas: 1 horário distinto de evento de carrinho anterior à compra | 159.358 | 82,4% |
| Contagens diferentes: pelo menos 2 horários distintos de evento de carrinho anteriores à compra | 34.039 | 17,6% |
As 2 formas de identificar esse grupo menor são equivalentes. Se houver mais de 1 horário distinto de evento de carrinho anterior à compra, o último será posterior ao primeiro e, assim, sua contagem de tempo decorrido será menor. As informações medidas que são úteis são a frequência com que isso ocorreu e a duração do período registrado. A direção da diferença decorre das próprias definições.
Uma contagem idêntica significa que o mesmo horário de evento de carrinho registrado forneceu os 2 pontos de partida. Isso não descreve todas as etapas do histórico de compras. Várias ações de carrinho também deixam sua finalidade em aberto: a fonte não tem um campo de quantidade que explique o que mudou entre elas.
A mediana pode mudar mesmo quando a maioria dos pares não muda
Um exemplo pequeno facilita a compreensão dessa distinção. Considere 3 registros fictícios de pares usuário-produto, com todas as durações medidas em minutos. Suas durações desde o primeiro evento de carrinho são 10, 20 e 30. Nos 2 primeiros registros, as durações desde o último evento de carrinho continuam sendo 10 e 20. No terceiro, começar em um evento de carrinho posterior resulta em uma duração de 5.
O primeiro relatório ordena as durações como 10, 20, 30. Seu valor central, a mediana, é 20. O segundo as ordena como 5, 10, 20. Sua mediana é 10. Apenas 1 dos 3 registros mudou, mas isso bastou para mudar o valor que ocupa o centro da lista ordenada.
Agora compare cada registro consigo mesmo. As diferenças são 0, 0 e 25. O valor central dessa lista é 0. A diferença entre as medianas dos relatórios é 10, enquanto a mediana da diferença dentro dos registros é 0. As 2 afirmações decorrem diretamente desses valores fictícios.
O resultado do histórico da loja, com mais registros, funciona pelo mesmo princípio. Suas medianas resumem distribuições inteiras; as diferenças pareadas mantêm cada compra como sua própria referência de comparação. Interpretar a mediana menor como o quanto uma compra típica “acelerou” confundiria essas 2 perguntas. Nenhum ponto final de compra mudou em nossa análise.
A faixa de duração do relatório mudou para 4,5% dos pares correspondentes
Uma equipe pode resumir as durações em faixas, além de usar uma mediana. Usamos 3 faixas descritivas fixas: menos de 1 hora, de 1 hora a menos de 1 dia e de 1 dia até 7 dias, inclusive. Esses agrupamentos ilustram um relatório; não são propostas de horários para um e-mail ou outra mensagem.
Mudar o evento inicial levou 8.749 pares correspondentes para uma faixa de duração menor, ou 4,5% de todos os 193.397. Desses, 3.841 passaram da faixa intermediária para menos de 1 hora; 3.020 passaram da faixa mais longa para menos de 1 hora; e 1.888 passaram da faixa mais longa para a intermediária.
Tabela cruzada completa das faixas de tempo desde o primeiro e o último evento
Todas as 9 combinações são mostradas. Primeiro e último se referem ao evento de carrinho que inicia a contagem; o ponto final da compra registrada permanece fixo.
| Faixa desde o primeiro evento; faixa desde o último evento | Pares usuário-produto registrados | Parcela de todos os pares correspondentes |
|---|---|---|
| Primeiro evento: menos de 1 hora; último evento: menos de 1 hora | 106.722 | 55,2% |
| Primeiro evento: menos de 1 hora; último evento: de 1 hora a menos de 1 dia | 0 | 0,0% |
| Primeiro evento: menos de 1 hora; último evento: de 1 dia até 7 dias, inclusive | 0 | 0,0% |
| Primeiro evento: de 1 hora a menos de 1 dia; último evento: menos de 1 hora | 3.841 | 2,0% |
| Primeiro evento: de 1 hora a menos de 1 dia; último evento: de 1 hora a menos de 1 dia | 48.555 | 25,1% |
| Primeiro evento: de 1 hora a menos de 1 dia; último evento: de 1 dia até 7 dias, inclusive | 0 | 0,0% |
| Primeiro evento: de 1 dia até 7 dias, inclusive; último evento: menos de 1 hora | 3.020 | 1,6% |
| Primeiro evento: de 1 dia até 7 dias, inclusive; último evento: de 1 hora a menos de 1 dia | 1.888 | 1,0% |
| Primeiro evento: de 1 dia até 7 dias, inclusive; último evento: de 1 dia até 7 dias, inclusive | 29.371 | 15,2% |
A maioria dos pares permaneceu na mesma faixa de duração do relatório. Isso inclui alguns cuja duração exata mudou sem ultrapassar o limite de uma faixa. Assim, a tabela de faixas e a tabela de contagens idênticas respondem a perguntas diferentes: a duração numérica mudou? O relatório colocou o par em outro grupo?
Todas as porcentagens desta tabela cruzada usam os 193.397 pares correspondentes. Por exemplo, os 3.841 pares que passaram da faixa intermediária para menos de 1 hora representam 2,0% de todo o grupo de pares correspondentes. Eles não são 2,0% da linha intermediária. Manter o denominador comum visível permite usar a tabela junto da comparação geral.
1 compra fictícia de caderno, 2 tempos decorridos
Considere a Paper Orchard, uma loja fictícia de cadernos. A linha do tempo e o resumo de relatório abaixo são exemplos inventados, separados dos resultados da loja de cosméticos. Suponha que os 3 eventos tenham os mesmos identificadores de usuário e produto registrados e que todos os horários estejam em UTC.
Segunda-feira, 4 de novembro, 09:00: um evento de carrinho é registrado para um caderno. Terça-feira, 5 de novembro, 09:00: outro evento de carrinho é registrado para esse caderno sob o mesmo ID de usuário. Terça-feira, 5 de novembro, 09:30: um evento de compra é registrado.
A contagem desde o primeiro evento de carrinho mede 24 horas e 30 minutos. A contagem desde o último evento de carrinho mede 30 minutos. A diferença dentro do par é de 24 horas, exatamente o período entre os 2 horários de evento de carrinho. A compra continua sendo na terça-feira às 09:30 nos 2 cálculos.
O exemplo explica a aritmética dos eventos sem fornecer um histórico do conteúdo do carrinho. Ele não informa se o caderno permaneceu no carrinho durante a noite, se as quantidades mudaram ou se a compra se tornou um pedido atendido. Um relatório pode identificar os 2 intervalos decorridos sem preencher essas lacunas com uma história sobre a pessoa que comprou.
Um resumo de relatório preenchido para a loja fictícia
Quem analisa os dados da Paper Orchard pode entregar ao responsável pela loja uma explicação preenchida das 2 durações. Essa entrega usa apenas o registro do caderno acima, portanto diz respeito àquela compra, e não a uma mediana mensal.
Objetivo: explicar por que 2 resumos de tempo da mesma compra de caderno diferem. O responsável pela loja precisa descrever o relatório com precisão antes de usá-lo em comentários sobre campanhas.
Registro e janela: o único par fictício usuário-caderno mostrado acima, de 4 a 5 de novembro, UTC. Mantenha fixa a compra de terça-feira às 09:30. O registro cabe na janela de acompanhamento de 7 dias do exemplo. Ele não fornece nenhum histórico anterior ao período mostrado.
Eventos iniciais: chame uma medida de “Tempo desde o primeiro evento de carrinho observado” e a outra de “Tempo desde o último evento de carrinho antes da mesma compra”. Preserve os 2 horários no registro de origem de quem faz a análise. Não reduza os 2 rótulos a “tempo de compra”, pois isso esconderia seus significados diferentes.
Comparação preenchida: intervalo desde o primeiro evento de carrinho, 24 horas e 30 minutos; intervalo desde o último evento de carrinho, 30 minutos; diferença pareada, 24 horas. O relatório pode dizer: “Esses 2 intervalos terminam na mesma compra registrada. A diferença entre eles vem do uso de eventos de carrinho diferentes como ponto de partida.”
Interpretação do responsável pela loja: coloque essa explicação ao lado da comparação. O intervalo menor descreve o tempo desde a ação de carrinho registrada mais tarde. Ele não fornece evidências de melhora na finalização da compra nem de que o caderno permaneceu continuamente em um carrinho durante a noite.
Próximo relatório: quem faz a análise levará os rótulos de evento escolhidos, a referência de horário UTC e a regra fixa de acompanhamento para a próxima comparação. Se a definição mudar, o responsável pela loja descreverá essa mudança antes de comparar os números principais. Qualquer avaliação de mensagens ou promoções precisa de evidências próprias.
Leia as contagens e suas diferenças pareadas separadamente

Mantenha a compra fixa
Use a mesma compra registrada do par usuário-produto como ponto final das 2 contagens.
Identifique os 2 eventos iniciais
Compare o primeiro evento de carrinho observado com o último evento de carrinho estritamente anterior a essa compra.
Mantenha os resumos separados
Leia a distribuição de cada contagem separadamente das diferenças calculadas dentro dos pares.
Esse resumo dá a um criador ou a uma pequena loja algo concreto para resolver com quem prepara seus relatórios: onde cada duração começa e onde termina. Ele deixa a explicação comercial em aberto até que haja evidências para sustentá-la, sem deixar de informar diretamente o intervalo medido.
Mantenha a regra de eventos visível ao comparar relatórios
A mesma questão pode surgir quando uma agência e uma loja usam ferramentas de relatório diferentes ou quando uma nova exportação contém um período de histórico diferente. Um rótulo comum, como “tempo entre carrinho e compra”, não demonstra que os 2 números usam o mesmo evento inicial, a mesma regra de correspondência de compra ou a mesma janela de observação.
Para quem compara os relatórios mensais de sua loja, isso importa antes de descrever uma tendência. Se um mês começa no primeiro evento de carrinho observado e o seguinte começa no último evento de carrinho antes da compra, a série combina 2 definições. Um número menor pode, então, refletir a mudança de regra junto de outras diferenças entre os meses. Nossa comparação com compra fixa isola a diferença de definição; ela não mede uma mudança de desempenho de um mês para outro.
Quando a ferramenta de relatório ou a exportação mudar, mantenha a mudança de definição visível na entrega. A pergunta útil é se o resumo antigo e o novo descrevem a mesma coisa. Se os históricos disponíveis também forem diferentes, identifique essa diferença separadamente. Um primeiro evento observado depende de onde começa o histórico mantido, mesmo que seu rótulo pareça indicar o início de toda a jornada de um cliente.
As ferramentas de análise já fazem escolhas explícitas sobre a entrada no funil e a correspondência de conversões. A Amplitude, por exemplo, documenta regras de entrada mais antiga dentro de uma sessão ou janela retrospectiva, além de como são selecionados os caminhos de conversão que atendem aos critérios. Essas definições dão contexto à leitura de um relatório; nosso cálculo com 2 contagens não recria um relatório da Amplitude.[3]
A escolha ainda pode ser deliberada. Um intervalo desde o primeiro evento de carrinho observado descreve o período registrado a partir desse evento inicial. Um intervalo desde o último evento de carrinho anterior à compra descreve o tempo desde a ação de carrinho registrada mais recente antes da compra. Uma empresa pode escolher a medida que responde à pergunta de seu relatório e manter esse significado estável entre as comparações.
O rótulo deve levar essa distinção ao relatório que o responsável pela loja de fato lê. “Mediana do tempo desde o primeiro evento de carrinho observado” e “Mediana do tempo desde o último evento de carrinho antes da compra” comunicam pontos de partida diferentes. Chamar ambos apenas de “tempo de compra” elimina a informação necessária para entender por que divergem. Mantenha por perto também o grupo incluído e a janela de acompanhamento.
Isso é especialmente útil quando um criador ou uma pequena empresa depende de outra pessoa para preparar a análise. O responsável não precisa inspecionar cada evento para pedir uma definição clara. Quem prepara os relatórios deve conseguir explicar qual início, ponto final e conjunto de registros elegíveis produziram o número antes de atribuir a ele uma interpretação comercial.
Para o estudo acima, a interpretação sustentada é específica: as mesmas compras registradas tiveram resumos de tempo decorrido diferentes sob 2 regras de início. Decidir se uma página de produto, uma promoção ou uma mensagem de recuperação melhorou a experiência de compra requer evidências sobre essa mudança separada.
Como a comparação pareada foi calculada
Usamos o arquivo de novembro de 2019 da versão 6 do conjunto público de dados da loja de cosméticos. Ele contém 4.635.837 linhas de eventos com os rótulos view, cart, remove_from_cart e purchase. Os horários estavam em UTC, com registros em todos os dias de novembro. Isso documenta a cobertura do arquivo fornecido, não comprova um acompanhamento contínuo de cada pessoa.[1][2]
Havia 1.061.242 pares usuário-produto registrados com um evento de carrinho. Mantivemos os primeiros eventos de carrinho utilizáveis de novembro ocorridos de 1 a 23 de novembro, exigindo 7 dias até o fim do arquivo observado. Os 270.024 pares cujo primeiro evento de carrinho ocorreu mais tarde em novembro ficaram fora dessa coorte. Nenhum dos pares elegíveis pela data deixou de cumprir o requisito de fim do arquivo.
Dos 791.218 pares elegíveis, 193.397 tiveram uma compra posterior registrada sem ambiguidade dentro desse horizonte fixo. Os outros 597.821 não tiveram uma compra correspondente em até 7 dias. Eles não são carrinhos abandonados observados: uma compra pode ocorrer depois, não ser registrada ou usar outro identificador. As medidas de tempo são condicionais ao grupo com compra correspondente, não uma taxa de conversão ou abandono.
Selecionamos a compra mais antiga no mesmo horário do primeiro evento de carrinho ou depois dele, até o ponto final de 7 dias, inclusive. Uma compra com o mesmo horário do primeiro evento de carrinho, ou qualquer evento de carrinho com o mesmo horário dessa compra candidata, seria excluída por ambiguidade, sem substituí-la por uma compra posterior. Não houve casos assim. Tuplas selecionadas de eventos repetidos idênticos foram consolidadas; remoções não reiniciaram um estado de carrinho presumido.
O conjunto de dados não contém ID de carrinho, ID de pedido, quantidades nem situação de devolução. Pesquisas anteriores sobre o mesmo histórico examinaram sessões e reconstruíram o estado do carrinho por mineração de processos. Nosso cálculo, por sua vez, compara 2 eventos iniciais observados para 1 compra fixa de um par usuário-produto, sem reconstruir o conteúdo do carrinho.[4]
Fixamos a coorte, o horizonte, as regras de empate de horário e as faixas descritivas antes de calcular os resultados. Os percentis usam interpolação linear. As figuras descrevem os registros elegíveis sem intervalos de confiança populacionais nem inferência causal. O download fornece resultados agregados, definições exatas e código de reprodução, sem históricos de pares usuário-produto da fonte.[5]
Não é necessário se cadastrar. O ZIP compartilhado contém resultados agregados em segundos e instruções traduzidas para reproduzir a análise. O texto do artigo, o exemplo resolvido, o resumo de relatório preenchido e o CSV dos resultados exibidos estão disponíveis em todos os idiomas do artigo. O pacote não inclui linhas de eventos da fonte nem históricos de pares usuário-produto.
Fontes e notas
- Michael Kechinov, eCommerce Events History in Cosmetics Shop, conjunto de dados 426888 do Kaggle, versão 6; arquivo fixo 2019-Nov.csv. O produtor descreve uma loja virtual de cosméticos de médio porte e horários de eventos em UTC. A página do conjunto permite uso gratuito com links para o Kaggle e a REES46; os direitos autorais dos dados permanecem com os autores originais. O Influence IQ calculou os agregados.
- O diretório oficial de conjuntos de dados da REES46 tem um link para a publicação de dados de comportamento na loja de cosméticos de outubro de 2019 a fevereiro de 2020. Este artigo usa apenas o arquivo de novembro de 2019. A fonte descreve registros de eventos, não uma amostra representativa de lojas ou consumidores atuais.
- Amplitude, How Amplitude computes conversions through funnels. Documentação oficial sobre entrada, limites de sessão e janela retrospectiva e seleção de conversões que atendem aos critérios. Essas definições nativas do produto oferecem contexto, não validam um relatório equivalente da Amplitude.
- Bilal Topaloglu, Basar Oztaysi e Onur Dogan, Cart-State-Aware Discovery of E-Commerce Visitor Journeys with Process Mining, Journal of Theoretical and Applied Electronic Commerce Research 19(4), 2024, pp. 2851–2879, DOI 10.3390/jtaer19040138. O artigo examina a análise de sessões e jornadas e o enriquecimento com estado do carrinho na mesma fonte de histórico de eventos. Sua comparação por sessões difere da comparação de tempos com compra fixa feita aqui.
- Pacote de análise do Influence IQ: segundos agregados canônicos, tabela cruzada completa de faixas, contagem de registros da coorte, definições, identificadores da fonte e código de reprodução. Não inclui linhas de eventos nem históricos de pares usuário-produto da fonte.
Todas as edições de idioma descrevem o mesmo histórico de uma loja de cosméticos. A tradução não cria estimativas para outro país, mercado ou período.