Métricas de try-on virtual: o que medir depois do go-live

A maior parte dos projetos de prova virtual é avaliada por um único indicador: conversão. É um atalho que esconde mais do que revela. Sem um conjunto de métricas de try-on virtual bem definido antes do go-live, o time fica com um gráfico que sobe ou desce e nenhuma pista do porquê. Este guia organiza o que medir em cada etapa — da descoberta da ferramenta à recompra — e como instrumentar isso em cada modo de operação, por foto ou ao vivo no navegador.

Por que a prova virtual não cabe no funil padrão

Um botão de try-on não é um botão de compra. Ele é uma etapa intermediária, opcional, que o cliente usa para resolver uma dúvida específica — normalmente de tom. Quando o único número no relatório é a taxa de conversão da página, três coisas diferentes ficam coladas: quantas pessoas descobriram a ferramenta, quantas conseguiram usá-la e quantas mudaram de decisão por causa dela.

Separar essas camadas é o que permite agir. Se poucos descobrem, o problema é de posicionamento do botão. Se muitos abrem e poucos concluem, o problema é técnico ou de usabilidade. Se muitos concluem e nada muda no carrinho, o problema é a cartela — ou a jornada depois da prova.

As métricas de try-on virtual em quatro camadas

1. Descoberta e ativação

Comece pelo básico: taxa de abertura do try-on (sessões que abriram a ferramenta sobre sessões na página de produto) e taxa de conclusão (quem abriu e chegou a ver um produto renderizado no próprio rosto). A diferença entre as duas é onde mora a fricção: permissão de câmera negada, foto recusada, carregamento lento, instrução confusa.

Segmente por dispositivo e por origem de tráfego. Desktop e mobile costumam se comportar de forma muito diferente, e tráfego pago de topo de funil raramente se engaja como tráfego de busca por nome de produto.

2. Engajamento dentro da ferramenta

Aqui ficam os sinais mais ricos e os mais ignorados. Vale acompanhar:

• Número de tons provados por sessão. Uma única prova indica confirmação; cinco ou seis indicam exploração — e exploração alta em uma categoria é pedido de ajuda para escolher.
• Tons mais provados versus tons mais vendidos. O descompasso aponta cores que atraem na cartela e não convencem no espelho, ou o contrário.
• Tempo até a primeira renderização e abandono no meio da sessão.
• Uso de combinações, quando o cliente monta mais de um produto na mesma sessão.

No SDK em navegador, que cobre treze produtos de maquiagem mais o Full Look em modo ao vivo pela câmera ou modo foto, esses eventos existem no front-end e cabe ao time decidir quais enviar para a própria analytics. No modo por foto da prova virtual de maquiagem, a chamada é server-side, então o registro de qual produto foi renderizado já está no seu log de aplicação.

3. Impacto comercial

É a camada que o comitê quer ver, mas só faz sentido com grupo de comparação. Compare quem usou o try-on com quem visitou a mesma página e não usou, no mesmo período:

• taxa de adição ao carrinho;
• taxa de conversão;
• ticket médio e itens por pedido;
• participação de SKUs novos ou de cauda longa no mix.

Duas ressalvas honestas. Primeira: quem abre a ferramenta já demonstrou intenção maior que a média, então parte da diferença é autosseleção, não efeito causal. Segunda: resultados variam com catálogo, tráfego e canal de cada marca — números publicados por outras empresas servem de referência de mercado, nunca de meta herdada. Se quiser isolar o efeito de verdade, rode um teste A/B com a ferramenta desligada para uma fatia do tráfego, por categoria, durante um período sem campanha.

4. Pós-compra

A prova virtual costuma pagar a conta depois do checkout. Acompanhe taxa de devolução e troca por tom entre quem provou e quem não provou, volume de contatos no SAC sobre cor e recompra do mesmo SKU em 60 ou 90 dias. Recompra do mesmo tom é o sinal mais limpo de que o cliente acertou.

Instrumentação: o que muda entre foto e modo ao vivo

Os dois formatos geram dados diferentes, e isso precisa estar claro no plano de medição. A API por foto recebe a imagem, devolve a renderização e deixa rastro no servidor: cada chamada é um evento confiável, fácil de cruzar com pedido. O modo ao vivo do SDK roda localmente no navegador, sem upload da imagem — o que é ótimo para privacidade e significa que a métrica nasce de eventos de front-end que você mesmo dispara. A diferença prática entre as duas abordagens está detalhada em try-on virtual por foto versus AR.

Em qualquer um dos casos, use um identificador de sessão consistente entre a ferramenta, o carrinho e o CRM. Sem essa chave, nenhuma das métricas da terceira e quarta camadas pode ser calculada.

Três erros frequentes de leitura

1. Comparar períodos com campanhas diferentes. Black Friday contra semana comum não mede try-on, mede mídia.
2. Olhar só a média. Batom e base têm comportamentos distintos; a média esconde a categoria que está indo mal.
3. Medir tarde. Se o evento de abertura não foi instrumentado antes do lançamento, o primeiro mês vira estimativa.

Um plano mínimo de medição

Antes de subir: defina os eventos (abriu, renderizou, trocou de tom, adicionou ao carrinho), a chave de sessão e o recorte de comparação. Nas primeiras semanas: olhe abertura e conclusão, corrija fricção. A partir do segundo mês: traga conversão, ticket e mix. No trimestre: devoluções e recompra. Quem quiser ver os formatos de resposta e desenhar a instrumentação com calma encontra tudo na documentação da API.

Quer montar esse painel com os dados da sua operação? Crie sua conta e sua chave de API ou fale com o time da MaIA para desenhar o piloto.