Previsões
As previsões avaliam cada cliente pelo histórico de compras e pelo comportamento: grupo RFM, risco de churn, probabilidade de compra, receita esperada, engajamento, risco de carrinho abandonado e, além disso, o melhor horário de envio e o canal preferido. Os resultados são gravados no perfil como atributos comuns, então você pode usá-los imediatamente em segmentos, jornadas e modelos de mensagem.
A seção fica no menu Dados → Previsões. Todas as funções com acesso às análises podem ver a página; alterar as configurações e iniciar o recálculo é permitido para “Administrador” e “Proprietário”.
Como ativar as previsões
As previsões de compras começam a ser calculadas quando um evento de compra é escolhido. A melhor hora e o canal de envio são calculados mesmo sem ele.
- Abra Previsões. Se o OneTrace.pro encontrar eventos parecidos (por exemplo,
order_completedcom a propriedadeamount), aparece uma dica no topo: clique em Usar. - No bloco O que conta como compra, escolha:
- Evento de compra: o evento de pedido concluído;
- Valor da compra: a propriedade numérica com o valor do pedido. Sem ela, não são calculados o total de compras, a nota de valor do RFM nem a previsão de receita;
- Horizonte da probabilidade de compra: 7, 14, 30, 60 ou 90 dias, o prazo em que a compra é prevista.
- No bloco Comportamento para o modelo de atividade, informe, se existirem, o Evento de visualização de produto e o Evento de adição ao carrinho. Com eles, a previsão fica mais precisa, e o risco de carrinho abandonado só é calculado quando o evento de carrinho está escolhido.
- Deixe o Modelo de probabilidade em Automático: o OneTrace.pro escolhe sozinho o modelo mais preciso para o seu projeto.
- Clique em Salvar. O primeiro cálculo começa na hora e costuma levar alguns minutos.

Quando são recalculadas
As previsões são recalculadas toda noite: as compras são consideradas em todo o histórico do projeto, e a atividade, nos últimos 90 dias. Depois de uma mudança nas configurações, o cálculo começa imediatamente, e o botão Recalcular o inicia manualmente, por exemplo depois de uma importação ou migração do histórico de pedidos.
Recebem os atributos os clientes e visitantes que estiveram ativos nos últimos 90 dias. Somente os valores alterados são gravados no perfil, e cada alteração pode disparar uma jornada com o gatilho “Atributo alterado”.
Quais atributos aparecem
| Atributo | O que significa |
|---|---|
rfm_recency, rfm_frequency, rfm_monetary |
notas de 1 a 5 para a recência da última compra, o número de compras e o valor; 5 é melhor |
rfm_segment |
grupo RFM: champions, loyal, at_risk, lost e outros |
purchase_count, total_revenue, last_purchase_at |
número de compras, valor total e horário da última |
churn_risk |
risco de churn, de 0 a 1 |
purchase_probability |
probabilidade de compra no horizonte escolhido, de 0 a 1 |
predicted_revenue |
receita esperada do cliente no horizonte (estimativa do valor futuro do cliente, CLV) |
next_purchase_days |
em quantos dias o cliente provavelmente vai comprar de novo |
engagement_score |
engajamento de 0 a 100 pela atividade dos últimos 30 dias; 0 significa que não acessou em 30 dias |
last_activity_at, sessions_30d, product_views_30d |
última atividade, número de sessões e de visualizações de produtos nos últimos 30 dias |
cart_abandon_risk |
probabilidade de que um produto colocado no carrinho nos últimos 7 dias não seja comprado; é zerado após a compra |
best_send_hour |
melhor horário de envio, de 0 a 23, no fuso horário do cliente; veja abaixo |
preferred_channel |
canal ao qual o cliente reage melhor: email, sms, web_push… |
A lista completa, com explicações, está no bloco Atributos do perfil, na parte de baixo da página.
Grupos RFM
| Grupo na interface | Valor de rfm_segment |
Quem são |
|---|---|---|
| Campeões | champions |
compram com frequência e recentemente |
| Fiéis | loyal |
clientes regulares |
| Potencialmente fiéis | potential_loyalists |
recentes, compraram pela segunda vez |
| Novos clientes | new_customers |
uma compra recente |
| Promissores | promising |
uma compra, relativamente recente |
| Precisam de atenção | need_attention |
recência e frequência medianas |
| Prestes a adormecer | about_to_sleep |
uma compra, há tempo não voltam |
| Não podemos perder | cant_lose |
compravam com muita frequência, mas sumiram há tempo |
| Em risco | at_risk |
compravam muito, mas há tempo |
| Hibernando | hibernating |
compras raras e antigas |
| Perdidos | lost |
uma compra antiga |
O que a página mostra
- Modelo: status do cálculo, modelo escolhido, número de clientes e de visitantes sem compras, previsão de receita no horizonte, número de carrinhos abertos, quantos perfis mudaram e o horário do cálculo.
- Segmentos RFM: quantos clientes há em cada grupo.
- Distribuição de probabilidades: quantos clientes caem em cada faixa de risco de churn e de probabilidade de compra.
- Engajamento: distribuição do
engagement_score.

Qualidade do modelo
O OneTrace.pro testa a previsão no passado: calcula-a para a data “um horizonte atrás” e compara com o que aconteceu depois.
- Comparação de modelos: métricas dos dois modelos sobre os mesmos clientes. O AUC mostra o quanto o modelo distingue bem quem compra de quem não compra (0,5 equivale a um palpite; quanto mais perto de 1, melhor). Log-loss e Brier mostram a precisão das próprias probabilidades: quanto menores, melhor. No modo “Automático”, é escolhido o modelo com menor log-loss, destacado em negrito.
- Calibração de probabilidades: proporção prevista e real de compras em grupos de clientes. Quanto mais próximas as colunas “Previsto” e “Real”, mais você pode confiar nas probabilidades nas regras de segmento.
- O que influencia as compras: quais fatores aumentam ou diminuem a probabilidade de compra: dias ativos, carrinho aberto, tempo desde a última compra e outros.
Melhor hora e canal de envio
Toda noite, o OneTrace.pro analisa quando o cliente abre e clica nas mensagens e grava dois atributos no perfil:
best_send_hour: a hora (0–23), no fuso horário do cliente, em que ele mais reagiu às mensagens nos últimos 180 dias. Se houver poucas reações, a hora é definida pela atividade no site nos últimos 90 dias. O fuso vem do atributotimezonee, se ele não existir, das configurações do projeto.preferred_channel: o canal em que o cliente reage às mensagens de forma mais marcante do que a média do projeto. Cada canal é comparado com a própria média: nos e-mails contam as aberturas, e no SMS e no push, apenas os cliques, por isso não dá para comparar as proporções diretamente.
Clientes novos e os que têm pouco histórico não recebem esses atributos. O evento de compra não é necessário para isso.
O bloco Melhor hora e canal de envio mostra quantos clientes há em cada hora, a Melhor hora do projeto (a melhor hora mais comum entre os clientes) e quantos clientes preferem cada canal.

Onde isso funciona:
- nas campanhas: “No melhor horário de cada destinatário”, cada pessoa recebe a mensagem no próprio melhor horário dentro de um dia;
- nas jornadas: o nó “Aguardar o melhor horário” antes do envio;
- na cascata: “Primeiro o canal preferido do perfil”;
- em segmentos e condições, como atributos comuns, por exemplo
preferred_channel=web_push.
Como usar as previsões
No editor de segmentos, adicione a condição Atributo e escolha um atributo de previsão:
- “Clientes valiosos indo embora”:
rfm_segmenté um deat_risk,cant_lose, para uma jornada de reconquista com desconto personalizado; - “Vão comprar em breve”:
purchase_probabilitymaior que 0,6; não dê desconto a eles, basta um lembrete; - “Em risco de churn”:
churn_riskmaior que 0,7 eengagement_scoremenor que 20; - “Carrinho abandonado”:
cart_abandon_riskmaior que 0,5.
Os atributos de previsão também estão disponíveis nas jornadas (condições e o gatilho “Atributo alterado”) e nos modelos de mensagem, por exemplo {{ traits.purchase_probability }}. O nó de jornada “Decisão” escolhe sozinho, pelos atributos de previsão, a quem dar desconto, a quem enviar uma seleção de produtos e a quem não enviar nada, e aprende com os resultados.
O que é importante saber
- As probabilidades precisam de histórico: pelo menos 50 clientes, 10 deles com compras repetidas, para o modelo de compras, e pelo menos 200 perfis para o modelo de atividade. Enquanto houver poucos dados, o status será “Dados insuficientes”, e só são calculadas as notas RFM, os contadores e o engajamento.
- Várias compras no mesmo dia contam como uma.
- O modelo não considera sazonalidade nem promoções: depois de uma liquidação, as probabilidades ficam atrás da realidade por algum tempo. Compare os clientes entre si, em vez de usar a probabilidade como uma previsão exata.
- Devoluções não são descontadas do número de compras.
- A melhor hora se concentra em torno dos horários em que as mensagens já eram enviadas: se as campanhas sempre saíram às 10:00, o cálculo não vai enxergar outra hora até que as mensagens comecem a sair em horários diferentes.
- Não altere os atributos de previsão pela API nem por importação: eles serão sobrescritos no próximo cálculo.