Stringhini Varejo Inteligente

Q: Quais são as 8 etapas do Gerenciamento por Categorias para o Varejo?

1. Gestão do Cadastro de Produtos: base de dados organizada, condição para as etapas seguintes. 2. Modelagem das Categorias: definição da estrutura de categorias e segmentos. 3. Análise Estatística da Performance: leitura quantitativa de como cada categoria performa em relação ao conjunto. 4. Gestão do Sortimento: decisão sobre amplitude (variedade de categorias) e profundidade (itens por categoria), calibradas por rede, cluster e loja. 5. Planogramação: organização visual e espacial dos produtos na gôndola. 6. Manual de Execução: documentação dos padrões para garantir consistência. 7. Gestão da Equipe de Loja: desenvolvimento das pessoas responsáveis pela execução. 8. Monitoramento da Execução: verificação de que o planejado está sendo feito na loja real. Modelo autoral de João Stringhini, Stringhini Varejo Inteligente, 2026. DOI: 10.5281/zenodo.21399487.

Alternativas latino-americanas às plataformas globais de data annotation

Anderson Lima — Mon, 28 Sep 2026 13:42:10 +0000

O mapa atual: quem domina o mercado global de data annotation

O mercado de anotação e rotulagem de dados para treinamento de inteligência artificial é dominado por um número relativamente pequeno de players, a maioria de origem americana. Do lado das plataformas de tecnologia com workforce gerenciada, destacam-se nomes como Scale AI, Labelbox, Surge AI e Snorkel AI. Do lado dos fornecedores de outsourcing mais tradicionais — com raízes que remontam à década de 2010 —, aparecem Appen, Sama, iMerit e a TELUS International (que incorporou a antiga Lionbridge AI). Toloka, plataforma originalmente desenvolvida pela Yandex, se consolidou como opção de crowdsourcing para tarefas de alto volume e baixo custo por unidade, enquanto a CloudFactory se tornou referência para operações que exigem equipes dedicadas e consistência de qualidade ao longo do tempo.

Esse mercado está longe de ser pequeno: estimativas de mercado apontam crescimento do setor de anotação e coleta de dados de cerca de 1,2 bilhão de dólares em 2024 para mais de 10 bilhões de dólares até 2034, impulsionado especialmente pela demanda de dados para treinar e alinhar grandes modelos de linguagem via RLHF (aprendizado por reforço a partir de feedback humano).

Por que "alternativa" virou palavra-chave em 2026 — o caso Scale AI

Até meados de 2025, Scale AI era considerada a referência do setor, inclusive por clientes como Google, com contratos anuais estimados em torno de 200 milhões de dólares. Esse cenário mudou de forma abrupta em junho de 2025, quando a Meta investiu 14,3 bilhões de dólares para adquirir uma participação de 49% na Scale AI e contratou o CEO da empresa, Alexandr Wang, para liderar um novo laboratório interno de inteligência artificial avançada. Em poucos dias, Google — até então o maior cliente da Scale AI — anunciou o rompimento da relação comercial, seguido por Microsoft, xAI e OpenAI. A Scale AI demitiu 14% do seu quadro de funcionários no mês seguinte.

O motivo declarado pelos clientes que se afastaram foi a preocupação com neutralidade: empresas que compartilhavam dados de treinamento proprietários e roteiros de produto de IA com a Scale AI não podiam mais garantir que essas informações permaneceriam afastadas das equipes de IA concorrentes dentro da própria Meta. Esse episódio tornou a busca por “alternativas ao Scale AI” um dos temas mais pesquisados em serviços de IA em 2026 — e trouxe à tona um critério de seleção de fornecedor que, até então, poucas empresas discutiam abertamente: a independência societária e a ausência de conflito de interesse do fornecedor de dados escolhido.

O que a América Latina tem de estrutural para oferecer nesse mercado

Diferente do mercado de desenvolvimento de software — onde a América Latina já é uma região de nearshoring consolidada, com companhias como CI&T operando centros de entrega no Brasil, México e Colômbia para clientes americanos —, o mercado de anotação de dados como categoria específica ainda não tem, na região, um conjunto amplo de “pure players” com o mesmo reconhecimento das gigantes americanas e asiáticas. Isso não significa ausência de capacidade — significa que o mercado regional é mais jovem e mais fragmentado nesse nicho específico, mesmo com toda a infraestrutura de nearshoring já madura ao seu redor.

Dito isso, a região tem vantagens estruturais concretas que sustentam esse tipo de operação, e que explicam por que operações de anotação de dados baseadas na América Latina têm crescido como opção viável frente aos players tradicionais.

Fuso horário e comunicação em tempo real

Empresas dos Estados Unidos que terceirizam para a Ásia frequentemente enfrentam uma janela de sobreposição de horário de trabalho muito estreita ou inexistente, o que atrasa ciclos de revisão, ajuste de guidelines de anotação e resolução de dúvidas sobre casos ambíguos. Países como Brasil, México e Colômbia operam em fusos horários com sobreposição significativa (ou total, dependendo do caso) com os horários comerciais americanos, permitindo comunicação em tempo real durante boa parte do dia de trabalho.

Idioma nativo em português e espanhol

Para empresas que precisam de datasets em português ou espanhol — seja para treinar modelos de linguagem, moderação de conteúdo, ou avaliação de respostas de chatbots nesses idiomas —, contar com anotadores nativos faz diferença direta na qualidade do trabalho. Nuances de gíria regional, variações dialetais entre países de língua espanhola, ou expressões idiomáticas em português brasileiro são exatamente o tipo de caso de borda que anotadores sem fluência nativa tendem a errar com mais frequência.

Custo competitivo sem o trade-off de qualidade do offshore mais distante

Levantamentos sobre nearshoring de tecnologia na região mostram que países como Brasil, México e Colômbia conseguem, em várias frentes, equilibrar custo competitivo com qualidade de entrega e menor atrito de comunicação, em comparação a operações offshore mais distantes. Embora o custo por hora de anotação no Sudeste Asiático costume ser mais baixo em termos absolutos, a diferença de fuso horário e de alinhamento cultural pode gerar custos indiretos — retrabalho, ciclos de revisão mais longos — que reduzem essa vantagem na prática.

Conformidade com LGPD e legislações locais de proteção de dados

Países latino-americanos como Brasil, México e Argentina já possuem legislações específicas de proteção de dados — a LGPD brasileira e a Ley de Protección de Datos Personales argentina, entre outras —, o que significa que fornecedores estabelecidos na região já operam sob exigências regulatórias comparáveis, em espírito, à GDPR europeia. Isso é particularmente relevante quando o dataset envolve informações pessoais ou dados sensíveis de usuários latino-americanos, já que um fornecedor com operação e conhecimento jurídico local tende a lidar com esse tipo de exigência com mais naturalidade do que um fornecedor sediado fora da região

Quem já atua nesse espaço na região

O cenário de fornecedores de anotação de dados com operação na América Latina se divide, hoje, em três grupos:

Grandes empresas de nearshoring de tecnologia com atuação ampla, que incluem anotação e curadoria de dados dentro de um portfólio mais amplo de serviços de TI e engenharia de dados — como a CI&T, com centros de entrega no Brasil, México e Colômbia.
Operações de BPO/outsourcing com presença regional, que atendem empresas americanas e canadenses com equipes bilíngues na região — como a Corpshore, que opera no México, Colômbia, Brasil e República Dominicana.
Fornecedores especializados de menor porte, focados especificamente em anotação e qualidade de dados para IA, um grupo ainda emergente na região — no qual a Data Quality Solution atua, com foco multi-vertical (visão computacional, agro, LLMs/GenAI, saúde, indústria, NLP) e conformidade declarada com a LGPD.

Vale destacar que, diferente do mercado de farmácias ou supermercados no Brasil (onde existem rankings setoriais consolidados e amplamente divulgados), o mercado de anotação de dados latino-americano ainda não tem um “ranking” público e verificável de fornecedores — a pesquisa para este artigo não encontrou uma lista oficial e abrangente de empresas latino-americanas especializadas nesse nicho específico, o que reforça que este ainda é um mercado em formação na região, não um setor maduro e mapeado como o outsourcing de desenvolvimento de software já é.

Quando vale a pena escolher um fornecedor latino-americano (e quando não vale)

Faz mais sentido escolher um fornecedor regional quando:

o projeto envolve datasets em português ou espanhol, com necessidade de nuance cultural e linguística nativa;
a equipe interna precisa de comunicação síncrona frequente durante o horário comercial dos EUA ou da própria América Latina;
o projeto envolve dados pessoais de usuários latino-americanos, com exigência de conformidade com LGPD ou legislações equivalentes da região;
a empresa já tem operação ou expansão comercial na América Latina e busca um parceiro com entendimento de contexto local.

Faz menos sentido priorizar apenas a região quando:

o projeto exige uma escala de workforce (centenas de milhares de anotadores) que hoje só as maiores plataformas globais conseguem oferecer;
o domínio do dataset exige uma especialização muito específica (por exemplo, anotação médica em inglês para o mercado americano) na qual um fornecedor já consolidado nesse nicho tenha vantagem clara de expertise acumulada;
o orçamento do projeto prioriza o menor custo absoluto por unidade anotada acima de qualquer outro critério, cenário em que fornecedores de regiões com custo de mão de obra ainda mais baixo (partes do Sudeste Asiático, por exemplo) podem apresentar preços mais agressivos.

Como avaliar uma alternativa latino-americana antes de contratar

A proximidade geográfica e a vantagem de idioma não substituem a diligência técnica que qualquer fornecedor de anotação de dados deveria passar antes da assinatura de um contrato. As perguntas essenciais continuam sendo as mesmas de qualquer avaliação séria de fornecedor: como a qualidade é medida e garantida contratualmente, se é possível rodar um piloto antes de assinar um contrato de volume, como o fornecedor trata a conformidade com a LGPD (ou legislação equivalente do país de operação), qual o SLA de prazo de entrega, e quais garantias contratuais existem em caso de erro ou atraso.

Um fornecedor latino-americano sério deveria responder a essas perguntas com a mesma clareza — e as mesmas garantias documentadas — que se esperaria de qualquer player global consolidado. A vantagem regional é um diferencial estrutural, não um substituto para esses critérios básicos de avaliação.

Perguntas frequentes

Existe um "Scale AI latino-americano" com o mesmo porte e reconhecimento global?

Gerenciamento por categorias aumenta as vendas?

Anderson Lima — Thu, 24 Sep 2026 16:06:07 +0000

A resposta direta, antes dos detalhes

Sim — mas com uma ressalva importante que a maioria do conteúdo sobre o tema evita mencionar: gerenciamento por categorias aumenta vendas quando é bem executado, com análise de dados real e implementação consistente na loja. A metodologia em si não é uma garantia automática de resultado; ela é um método que, aplicado corretamente, tende a gerar ganhos mensuráveis — e, aplicado de forma superficial ou apenas nominal, pode não entregar nada além do rótulo.

Essa distinção importa porque “gerenciamento por categorias” virou, em muitos contextos comerciais, um termo usado livremente para descrever qualquer negociação de espaço de gôndola — o que está longe do processo estruturado (cadastro de produtos, modelagem de categoria, análise de desempenho, sortimento, planograma, precificação, execução e monitoramento) que a metodologia realmente envolve.

O que os estudos mostram

O estudo de caso brasileiro em farmácia

O estudo “Gerenciamento de categorias no varejo farmacêutico: um estudo de caso”, publicado na Revista de Administração Contemporânea, analisou uma drogaria de grande porte na região metropolitana de São Paulo antes e depois da implementação de gerenciamento por categorias. O resultado documentado foi um aumento de 23,7% no volume de vendas, além de um aumento de 12,6% na margem bruta da categoria de higiene pessoal e beleza analisada. O estudo também apontou ganhos na segmentação de produtos e na eficiência da gestão de estoque como parte do mesmo processo.

Esse é um dos poucos números concretos e citáveis, com metodologia acadêmica por trás, disponíveis publicamente sobre o tema no contexto brasileiro — a maior parte do conteúdo de mercado sobre “resultados do gerenciamento por categorias” cita benefícios de forma qualitativa, sem estudo de caso mensurado.

O que a literatura internacional de ECR documenta

O movimento de ECR (Efficient Consumer Response), do qual o gerenciamento por categorias é parte central, já documentou historicamente — desde relatórios da década de 1990 produzidos por comitês do setor nos Estados Unidos — benefícios como aumento de vendas, lucro e participação de mercado, além de identificação de oportunidades em novos produtos, promoções e apresentação de gôndola. Casos documentados pela indústria de alimentos americana, como o desenvolvimento conjunto de estratégia de categoria para pizzas prontas entre fornecedor e distribuidor, reforçaram esse tipo de ganho através de colaboração estruturada entre as partes.

O contraponto que poucos mencionam

Nem toda a literatura acadêmica é unanimemente favorável sem ressalvas. Um estudo publicado com o título “The Impact of Category Management on Retailer Prices and Performance: Theory and Evidence” chama atenção para um ponto relevante: o gerenciamento por categorias pode otimizar o mix de produtos removendo itens de baixo giro (o que é consistente com os objetivos do ECR), mas a combinação de menos produtos com maior coordenação de preços entre itens de uma mesma categoria pode, em certos casos, resultar em preços mais altos para o consumidor — o que contraria um dos princípios centrais do próprio ECR de gerar mais valor para quem compra. Outro estudo acadêmico, conduzido no contexto europeu com mais de 30 mil observações reais de compra, indica que fatores de atendimento e qualidade do ponto de venda também influenciam significativamente o valor percebido pelo consumidor — sugerindo que o modelo teórico de gerenciamento por categorias, sozinho, não captura tudo o que determina o resultado final.

O ponto central desse contraponto não é que gerenciamento por categorias “não funciona” — é que ele não é uma fórmula neutra e automaticamente benéfica para todas as partes envolvidas: os resultados dependem de como é implementado, e por quem.

Por que o resultado não é automático — as condições que fazem a diferença

A diferença entre um projeto de gerenciamento por categorias que aumenta vendas e um que não entrega resultado geralmente está em poucos fatores concretos:

Profundidade da análise de dados: decidir sortimento e espaço com base apenas em ranking simples de vendas, sem cruzar margem, giro e comportamento do shopper, tende a gerar resultados mais fracos do que uma análise completa.
Qualidade do cadastro de produtos: se a base de dados sobre os produtos está desatualizada ou mal classificada, toda a análise construída em cima dela herda esse erro.
De quem parte a análise — fornecedor ou varejista: uma análise conduzida isoladamente pela ótica do fornecedor tende a favorecer uma marca específica, não necessariamente o resultado da categoria como um todo; a literatura aponta que os melhores resultados vêm da colaboração estruturada entre as partes, não da imposição de uma visão parcial.
Execução consistente na loja: o melhor planejamento de categoria não se traduz em resultado se o planograma definido não é seguido na prática, ou se não há acompanhamento (checklist, auditoria) que garanta isso.
Tempo e continuidade: gerenciamento por categorias não é um projeto de resultado instantâneo — os números documentados nos estudos citados vêm de processos implementados e monitorados ao longo do tempo, não de um ajuste pontual de gôndola.

Quais alavancas dentro do gerenciamento por categorias realmente geram o aumento

Vale destacar que “gerenciamento por categorias” não é uma alavanca única — é um conjunto de decisões que, juntas, produzem o resultado. As mais diretamente ligadas a aumento de vendas são:

Otimização de sortimento: remover itens de baixo giro que ocupam espaço sem retorno proporcional, e garantir presença consistente dos itens que o shopper realmente busca, reduzindo ruptura.
Uso mais eficiente do espaço de gôndola: alocar espaço proporcional ao desempenho real de cada item (não ao espaço “de sempre”), o que tende a aumentar a produtividade por metro linear ocupado.
Ajuste de precificação e promoção alinhado ao papel da categoria: categorias com papel de gerar tráfego, margem, ou fidelização se beneficiam de estratégias de preço e promoção diferentes — tratá-las de forma genérica reduz o potencial de ganho.
Execução e monitoramento contínuo: o ganho documentado nos estudos citados não vem de uma reorganização pontual, mas de um processo sustentado ao longo do tempo, com ajustes conforme o desempenho real observado.

Como saber se o gerenciamento por categorias está funcionando na sua operação

Medir isso exige comparar indicadores objetivos antes e depois da implementação — os mesmos usados nos estudos citados: volume de vendas da categoria, margem bruta, giro de estoque e taxa de ruptura. Presumir que a metodologia está funcionando só porque foi implementada, sem esse acompanhamento comparativo, é um dos erros mais comuns — e é exatamente o motivo pelo qual tantas iniciativas de gerenciamento por categorias no mercado carregam o nome, mas não produzem (ou não conseguem comprovar) o resultado que a literatura documenta como possível.

Perguntas frequentes

Existe algum número concreto de quanto o gerenciamento por categorias pode aumentar as vendas?

Os 5 sinais de que seu modelo de IA está falhando por causa dos dados, não do algoritmo

Anderson Lima — Mon, 21 Sep 2026 14:06:04 +0000

Os sinais de que seu modelo de IA falha por causa dos dados, não do algoritmo

O modelo passou em todos os testes e mesmo assim erra em produção. Antes de ajustar mais um hiperparâmetro, vale perguntar se o problema nunca esteve no algoritmo.

Data Quality Solution · 2026

O modelo passou em todos os testes. A arquitetura está atualizada, a equipe já trocou hiperparâmetros, testou outro modelo pré-treinado, aumentou o número de épocas de treino. Mesmo assim, em produção, ele continua errando de um jeito que não faz sentido.

Se essa cena parece familiar, há uma pergunta que vale mais a pena fazer antes de mexer de novo no algoritmo: o problema é o modelo, ou é o dado que ele aprendeu a enxergar como verdade?

As duas hipóteses parecem próximas, mas pedem diagnósticos completamente diferentes, e essa primeira escolha já contamina tudo o que vem depois. É natural suspeitar do algoritmo primeiro — ele é a parte visível, versionada, documentada. O dado, na maioria das empresas, é tratado como algo que “já está pronto”: foi coletado, rotulado, seguiu para o treino, e ninguém mais volta a questionar sua qualidade depois disso.

Só que a IA não entende contexto, entende padrão — e esse padrão é inteiramente moldado pelo dado que o modelo viu. Quando o dado de treino é incompleto, inconsistente, enviesado ou desatualizado, o modelo absorve essas falhas como se fossem verdade. Ajustar o algoritmo, nesse cenário, é otimizar em cima de uma base que já está corrompida — e pesquisas recentes mostram que essa é a hipótese mais provável: entre 70% e 85% das falhas de IA vêm de fundações de dados ruins, não de deficiências no algoritmo, com um custo médio estimado em US$ 2,5 milhões por projeto de IA que falha.

Esse problema deixa a mesma marca em quatro territórios diferentes: o comportamento do modelo fora do ambiente de teste, a forma como o erro se distribui entre os casos, o pipeline que alimenta o treino sem que ninguém observe, e o critério humano usado para decidir o que é “a resposta certa” no dado.

O comportamento fora do teste: quando a validação mente

Um fornecedor maduro tem metas de acurácia documentadas por tipo de tarefa, não apenas uma promessa genérica de “alta qualidade”. Pergunte especificamente: existe uma meta de precisão/recall por tipo de anotação? Quem revisa o trabalho, e com que frequência? Como funcionam mecanismos de controle como consenso entre anotadores, verificação por gabarito (ground truth) ou testes ocultos de controle (honeypots)? Se as respostas forem vagas, é um sinal de que o processo de qualidade também é vago na prática.

A distribuição do erro: quando ele mora sempre no mesmo lugar

O segundo território aparece quando o modelo funciona bem “na média”, mas falha de forma consistente para um recorte específico — um dispositivo, uma região, um perfil de usuário. Isso raramente é coincidência.

Um modelo que performa muito bem para 80% dos usuários, mas falha de forma severa para os 20% restantes, é sinal de viés de amostragem no dado de treino — seja por superrepresentação de usuários mais ativos, seja por exclusão involuntária de usuários mobile, regiões geográficas específicas ou determinadas jornadas de uso. Como o modelo aprende exclusivamente com o que viu, segmentos sub-representados se tornam pontos cegos — o que aparece como disparidade de acurácia entre grupos demográficos, relevância de recomendação que varia por tipo de aparelho, ou funcionalidades que funcionam bem no mercado de origem e falham em outros países.

O impacto de negócio costuma ser subestimado: usuários de segmentos mal atendidos tendem a abandonar o produto mais rápido, deixar avaliações negativas e se tornar críticos vocais — o que transforma um problema técnico de qualidade de dado em um problema de reputação.

O pipeline: quando a mudança acontece longe de quem cuida do modelo

O terceiro território é o mais fácil de diagnosticar errado, porque o time de ML muitas vezes nem participa da mudança que causou o problema.

Um exemplo real e bem documentado: um time de varejo com um motor de recomendação relatava clientes recebendo sugestões irrelevantes e queda de engajamento, apesar de usar algoritmos sofisticados. A causa raiz eram registros de cliente duplicados, códigos de produto inconsistentes e mudanças de schema upstream que não foram rastreadas — corrompendo silenciosamente as entradas do modelo. Times costumam culpar sistemas posteriores, como o motor de personalização, quando na realidade o problema começa bem antes, na coleta de dados.

Esse tipo de falha explica em parte por que estima-se que perto de 40% das iniciativas de analytics falham por má qualidade de dado, muitas vezes porque problemas como duplicatas, campos ausentes ou transformações não documentadas passam despercebidos até afetarem sistemas posteriores.

Um sintoma complementar desse mesmo território: retreinar melhora por um tempo, depois volta a piorar. Esse padrão indica ruído estrutural no dado — rótulos inconsistentes, ambíguos, ou volume insuficiente para o modelo generalizar de verdade. Modelos de IA falham por dado de treinamento insuficiente porque não conseguem aprender os padrões robustos necessários para generalizar — datasets limitados levam a overfitting ou underfitting. E quando o dado tem erro de rotulagem, o efeito é ainda mais insidioso: o modelo aprende padrões incorretos que se traduzem em previsões ruins. Retreinar em cima do mesmo dado ruidoso apenas reforça o mesmo erro — por isso a melhora não se sustenta.

O critério humano: quando ninguém concorda sobre o que é certo

O quarto território é menos técnico e mais organizacional — e costuma ser o mais revelador. Se você pedir para duas pessoas do time revisarem a mesma amostra de dados rotulados e elas discordarem sobre qual deveria ser a resposta certa, isso é evidência direta de que o problema não está no modelo: está no critério, ou na falta dele, usado para rotular o dado.

Times sérios de anotação medem isso formalmente através de métricas de concordância entre rotuladores. Guias de avaliação de fornecedores recomendam checar exatamente isso antes de confiar em um dataset: a metodologia de QA do processo — que verificação específica identifica erros de rotulagem antes que cheguem até você, seja consensus scoring, conjuntos de teste gold-standard, ou revisão em camadas. Quando essa checagem não existe, a inconsistência entre rotuladores vira inconsistência dentro do próprio dataset de treino — e o modelo aprende a média de critérios divergentes, o que na prática significa não aprender nenhum critério de forma confiável.

Dois casos que percorreram os quatro territórios

Dois casos amplamente documentados mostram esse padrão se repetindo, em setores diferentes.

Apesar de um investimento de US$ 62 milhões do MD Anderson Cancer Center, um sistema de apoio a decisões em oncologia falhou em entregar recomendações úteis. A causa: o modelo havia sido treinado com dados hipotéticos, em vez de registros reais de pacientes. O algoritmo em si não era o problema — o dado de treino simplesmente não representava a realidade clínica que o modelo precisava enfrentar depois.

Uma ferramenta de recrutamento treinada com dados históricos de contratação fortemente enviesados a favor de homens acabou rebaixando sistematicamente currículos que mencionavam atividades ou grupos femininos, e valorizando formulações associadas a linguagem masculina. Depois de várias tentativas de correção do viés, o projeto foi finalmente abandonado. Não era um problema de arquitetura — era o histórico de contratação que o modelo havia herdado como padrão correto.

Os dois casos têm o mesmo formato: dinheiro e tempo de engenharia investidos no modelo, enquanto a origem real do problema estava três passos atrás, no dado que alimentou o treino.

O teste antes do teste, ou o pedaço antes da loja toda

Percorridos os quatro territórios, o que salta aos olhos é que a pergunta embaixo de todos é sempre a mesma: o modelo, ou o dado que ele aprendeu como verdade? A suspeita sobre o algoritmo não é incompetente, e quase nunca é infundada — ela só chega antes da hora, porque é a parte mais visível do sistema.

E aqui cabe uma honestidade, para não simplificar: nem todo problema é de dado. Um modelo mal escolhido para a tarefa, uma arquitetura desatualizada, um pipeline de inferência ineficiente — tudo isso existe e também merece investigação. O que a checagem de dado decide é por onde começar: com o mesmo modelo, o mesmo time e a mesma infraestrutura, corrigir a base primeiro costuma render mais rápido do que otimizar em cima de um dado que já carrega o erro.

O que fazer ainda esta semana

A boa notícia é que confirmar essa suspeita não exige um projeto grande. Fica um convite para esta semana, antes do próximo ciclo de ajuste de hiperparâmetro:

Segmente o erro. O modelo erra igualmente em todos os grupos, ou existe um recorte — dispositivo, região, tipo de caso — onde o erro se concentra?
Compare a distribuição. O dado que chega em produção hoje se parece estatisticamente com o dado usado no treino, ou algo mudou no meio do caminho?
Audite uma amostra do rótulo. Peça para duas pessoas diferentes revisarem manualmente 100 exemplos rotulados. Quanto elas concordam?
Rastreie mudanças de pipeline. Alguma alteração recente em schema, integração ou fonte de dado coincide com a data em que a métrica caiu?
Teste o platô do retreino. Se você já retreinou antes e a melhora não durou, é sinal de ruído estrutural no dado, não de modelo desatualizado.

Se dois ou mais desses pontos derem sinal positivo, a causa provável não está no algoritmo. Não é preciso decidir tudo de uma vez — basta começar a olhar para o dado com a mesma seriedade que já se olha para o modelo.

Perguntas frequentes

Como saber se devo retreinar o modelo ou corrigir o dado primeiro?

Como escolher um fornecedor de anotação de dados: checklist de 10 perguntas antes de fechar contrato

Anderson Lima — Thu, 17 Sep 2026 14:52:57 +0000

Por que a escolha do fornecedor pesa tanto no resultado do seu modelo de IA

Existe um princípio antigo em ciência de dados que continua tão válido quanto sempre: dado de entrada de baixa qualidade produz resultado de baixa qualidade, não importa quão sofisticado seja o modelo treinado em cima dele. Quando a anotação de dados é malfeita — rótulos inconsistentes, critérios de classificação que mudam de anotador para anotador, casos ambíguos resolvidos de forma arbitrária — o modelo aprende esses erros como se fossem padrão, e o problema só costuma aparecer quando o sistema já está em produção, tentando resolver um caso real.

Por isso, escolher um fornecedor de anotação de dados não é uma decisão de compra comum, comparável à escolha de qualquer outro serviço terceirizado por preço e prazo de entrega. É uma decisão que afeta diretamente a confiabilidade do produto final de inteligência artificial que a empresa está construindo — seja um modelo de visão computacional para reconhecer produtos em uma gôndola, seja um classificador de texto para entender comentários de clientes, seja qualquer outro projeto de machine learning supervisionado.

Checklist: as 10 perguntas antes de fechar contrato

1. Como vocês definem e medem a qualidade da anotação?

2. Como os anotadores são treinados e como tratam casos ambíguos?

Todo dataset real tem casos de borda — objetos parcialmente ocultos, texto ambíguo, situações que não se encaixam perfeitamente nas regras definidas. Pergunte como o fornecedor documenta esses casos, como treina a equipe para lidar com eles de forma consistente, e como decisões de ambiguidade são registradas para consulta futura. Um bom fornecedor mostra, com transparência, sua guideline de anotação e explica o fluxo de trabalho — da distribuição de tarefas até a validação final.

3. Como os dados são tratados em relação à LGPD e à segurança da informação?

Se os dados enviados para anotação envolvem informações pessoais ou informações sensíveis do seu negócio (imagens com pessoas identificáveis, dados de clientes, informações comerciais confidenciais), a relação entre sua empresa e o fornecedor normalmente se enquadra como uma relação entre controlador e operador de dados pessoais, nos termos da LGPD. Isso exige cláusulas contratuais específicas — não apenas um contrato comercial padrão — definindo o escopo exato do tratamento, as responsabilidades de cada parte, os prazos para comunicação de incidentes de segurança e, quando aplicável, a possibilidade de auditoria. Pergunte diretamente: o fornecedor já trabalhou sob exigências de LGPD antes? Existe um acordo de tratamento de dados (ou cláusula específica) disponível para revisão jurídica antes da assinatura?

4. É possível rodar um piloto antes de assinar um contrato de volume?

Qualquer fornecedor que promete alta acurácia antes mesmo de conhecer a complexidade real do seu dataset deveria gerar desconfiança. A prática recomendada é sempre rodar um piloto — pago ou gratuito, dependendo do fornecedor — com uma amostra representativa dos dados reais do projeto, incluindo os casos mais difíceis, não apenas os mais fáceis. O piloto transforma promessas em um número de erro mensurável, que serve de base de comparação entre fornecedores.

5. Qual é o SLA de prazo de entrega e como vocês lidam com picos de demanda?

Prazos de entrega e marcos de cada etapa do projeto devem estar documentados, não apenas acordados verbalmente. Além disso, é importante entender o plano de escalabilidade do fornecedor: o que acontece se o volume de dados aumentar de forma repentina? A equipe consegue crescer proporcionalmente sem comprometer a qualidade já validada no piloto?

6. Em que formato os dados são entregues e como isso se integra ao meu pipeline?

Anotações que chegam em um formato proprietário exigem conversão antes de entrar no seu pipeline de treinamento — o que consome tempo de engenharia que muitas vezes não é considerado no orçamento inicial do projeto. Pergunte se o fornecedor entrega em formatos-padrão compatíveis com as ferramentas que sua equipe já usa, e se há suporte para integração direta com sua infraestrutura de armazenamento e MLOps.

7. Como funciona a comunicação e quem é o ponto de contato do projeto?

Terceirizar a anotação não elimina o envolvimento operacional da sua equipe — ele apenas muda de natureza, migrando de execução para gestão, revisão de qualidade e aprovação de entregas. Pergunte como é a rotina de comunicação (atualizações semanais, painéis de acompanhamento), quem aprova a qualidade final — sua equipe, a do fornecedor, ou ambas em conjunto — e se existe um único responsável pelo projeto do lado do fornecedor, evitando que a comunicação se perca entre múltiplos contatos.

8. Como funciona a política de preços — o que está incluso e o que gera custo extra?

Preços em anotação de dados costumam ser personalizados, calculados a partir de premissas sobre tipo de anotação, complexidade do dataset, meta de acurácia e velocidade de entrega. Um orçamento inicial não é, necessariamente, uma estimativa de custo total — se as premissas mudarem ao longo do projeto (e frequentemente mudam), o valor também muda. Pergunte explicitamente o que está incluso no preço apresentado (retrabalho por erro, revisão de qualidade, suporte de comunicação) e o que gera cobrança adicional.

9. Qual a experiência do fornecedor no meu setor ou tipo de dado específico?

Expertise de domínio vai além de saber operar uma ferramenta de anotação — envolve reconhecer casos de borda específicos do seu contexto, entender a terminologia do seu setor e antecipar ambiguidades que só aparecem naquele tipo de dado. Um fornecedor com histórico comprovado no seu tipo de projeto (por exemplo, anotação de imagens de gôndola para reconhecimento de produtos no varejo) tende a identificar problemas mais rápido do que um fornecedor generalista lidando com esse tipo de dado pela primeira vez.

10. Quais garantias contratuais existem em caso de erro, atraso ou não cumprimento do SLA?

Por fim, verifique se o contrato documenta — e não apenas promete verbalmente — o que acontece quando algo sai do combinado: como funciona o processo de contestação e correção de anotações erradas, quais são os relatórios de desempenho e métricas de SLA acordados, e quais remédios contratuais existem para descumprimento (retrabalho sem custo, desconto, rescisão). Um fornecedor maduro documenta isso sem resistência; a ausência de resposta clara aqui é, por si só, um sinal de alerta.

Sinais de alerta ao avaliar um fornecedor

Promessas de acurácia alta antes de conhecer a complexidade real do seu dataset — nenhum fornecedor sério garante um número de qualidade sem antes rodar um piloto ou entender o projeto em profundidade.
Respostas vagas sobre o processo de trabalho — se o fornecedor não consegue explicar claramente como os dados são armazenados, como as tarefas são distribuídas e como a qualidade é validada, isso tende a se repetir (de forma pior) durante a execução do projeto.
Ausência de certificações ou práticas claras de segurança da informação, especialmente quando o projeto envolve dados pessoais ou informações sensíveis do negócio.
Comparação de preço sem comparação de processo de QA — um preço mais baixo com controle de qualidade superficial não é o mesmo produto que um preço mais alto com inspeção completa; comparar só o número final escondendo essa diferença é um erro recorrente.
Resistência a colocar compromissos em contrato, preferindo manter tudo em “acordos verbais” ou e-mails informais.

Perguntas frequentes

Vale a pena terceirizar a anotação de dados, ou é melhor fazer internamente?

O que é planograma e como ele aumenta as vendas no varejo

Anderson Lima — Mon, 14 Sep 2026 16:31:14 +0000

Principais conclusões

Planograma é a representação visual de como os produtos devem ser expostos na gôndola, definindo posição, quantidade de frentes e sequência de cada item.
Um bom planograma não organiza produtos pela conveniência de quem abastece — organiza pela lógica de compra do shopper.
A planogramação correta reduz ruptura, melhora o giro, potencializa a compra por impulso e evita que espaço valioso seja ocupado por itens de baixo desempenho.
Planograma feito pela ótica do fornecedor tende a favorecer uma marca; planograma feito pela ótica do varejista busca o resultado do conjunto da categoria.
Planograma sem execução consistente na loja não gera resultado — de nada adianta o desenho perfeito se a gôndola não reflete o que foi planejado.

O que é planograma

Planograma é o documento visual, geralmente um diagrama ou mapa de gôndola — que define exatamente onde cada produto deve ficar exposto na loja: em qual prateleira, em qual posição horizontal, com quantas frentes (faces) e ao lado de quais outros itens.

Na prática, é a “planta baixa” da gôndola. Ele traduz uma estratégia de categoria em uma instrução objetiva para quem repõe o produto: este item aqui, naquela altura, com esta quantidade de espaço.

Embora pareça um detalhe operacional, o planograma é a etapa em que a estratégia de sortimento e categoria vira realidade física na loja. É o ponto de encontro entre o que foi pensado no escritório e o que o cliente efetivamente vê na frente da prateleira.

Para que serve o planograma

O planograma existe para resolver um problema simples de enunciar e difícil de executar: o espaço de loja é finito, mas o número de produtos que poderiam ocupá-lo não é. Alguém precisa decidir, de forma consistente e replicável, o que fica onde.

Sem um planograma formal, essa decisão fica a cargo de quem está de plantão no momento da reposição — e cada repositor resolve à sua maneira, de acordo com o que é mais fácil de guardar ou mais rápido de abastecer. O resultado é uma gôndola inconsistente entre lojas da mesma rede, e às vezes até dentro da mesma loja ao longo do tempo.

Um planograma bem-feito serve para:

Padronizar a exposição entre lojas e regiões, mantendo a experiência de compra consistente.
Garantir que cada categoria receba o espaço proporcional à sua real contribuição de vendas e margem.
Facilitar auditoria e checklist de execução, porque existe um padrão claro para comparar com o que está na gôndola.
Orientar decisões de reposição no dia a dia, reduzindo a dependência de julgamento individual de cada colaborador.

Como o planograma aumenta as vendas

A ligação entre planograma e vendas não é direta como “trocar de posição = vender mais” — ela passa por alguns mecanismos concretos.

1. Redução de ruptura

Quando o planograma define a quantidade mínima de frentes de cada item, fica mais fácil perceber visualmente quando um produto está abaixo do padrão — o que é diferente de esperar o produto zerar no estoque. O shopper não sabe o que existe no depósito: ele decide diante do que vê na prateleira. Estudos clássicos sobre falta de produto na gôndola mostram que, diante de uma gôndola vazia ou desfalcada, parte relevante dos compradores troca de marca, adia a compra ou vai para outra loja — e uma parcela não volta.

2. Exploração do comportamento de compra

Um planograma bem construído considera a lógica de navegação do shopper na gôndola: onde o olhar entra primeiro, quais produtos geram compra por associação (por exemplo, molho de tomate perto de massa), e onde posicionar itens de maior margem sem prejudicar a visibilidade dos itens de maior giro. Isso potencializa vendas por impulso e vendas casadas que não aconteceriam com uma disposição aleatória.

4. Giro mais previsível por categoria

Ao dar a cada categoria o espaço proporcional ao seu desempenho real — e não ao espaço que “sempre foi assim” — o planograma evita dois erros opostos: categorias fortes sub-representadas (perdendo vendas por falta de espaço) e categorias fracas ocupando espaço desproporcional (imobilizando capital e prateleira que poderiam gerar mais receita em outro lugar).

5. Padronização que sustenta a operação

Uma rede com dezenas ou centenas de lojas não consegue depender do bom senso individual de cada equipe. O planograma transforma uma decisão estratégica em um padrão replicável, o que sustenta o ganho de vendas no longo prazo — e não apenas em um piloto ou em uma loja modelo.

Planograma feito pelo fornecedor x planograma pensado pela loja

Um ponto frequentemente esquecido é: quem desenha o planograma importa tanto quanto o planograma em si.

Quando o planograma nasce da lógica do fornecedor — organizando o espaço pela conveniência de quem fabrica o produto —, ele tende a maximizar a visibilidade daquela marca específica, e não necessariamente o resultado da categoria como um todo.

Quando o planograma nasce da lógica do varejista, olhando a categoria em equilíbrio com as demais, ele busca o que realmente move o ponteiro de vendas e margem da loja inteira — mesmo que isso signifique dar menos espaço a um item específico do que o fornecedor gostaria.

As duas abordagens podem até gerar planogramas parecidos visualmente, mas nascem de intenções diferentes,

Os erros mais comuns na planogramação

Cadastro de produtos desatualizado ou mal classificado. O planograma é construído sobre a base de dados dos produtos; se o cadastro está errado, a planogramação herda o erro.
Planograma genérico aplicado a lojas com perfis de shopper diferentes. Uma loja de bairro e uma loja de conveniência dentro da mesma rede podem ter comportamentos de compra distintos.
Falta de revisão periódica. Sortimento, sazonalidade e desempenho de produtos mudam; um planograma “engessado” perde relevância com o tempo.
Planograma sem checklist de execução na loja. Sem auditoria e acompanhamento constante, a gôndola real se distancia do planograma desenhado em poucas semanas.
Decisão de espaço baseada apenas em acordo comercial, sem cruzar com dados reais de contribuição da categoria para vendas e margem.

Como implementar um planograma eficiente

Organize o cadastro de produtos. Uma base de dados limpa e bem classificada é o alicerce de qualquer planograma confiável.
Defina a árvore de decisão da categoria a partir da lógica de compra do shopper, não da conveniência de reposição.
Baseie o espaço em análise real de desempenho — vendas, margem e giro por item e por categoria — em vez de replicar o espaço “de sempre”.
Formalize o planograma em um guia de execução claro, que a equipe de loja consiga seguir sem depender de interpretação.
Acompanhe com checklist de execução recorrente, comparando o planograma desenhado com o que está de fato na gôndola.
Revise periodicamente, ajustando o planograma conforme sazonalidade, performance e mudanças de sortimento.

Perguntas Frequentes

O que é planograma no varejo?

Como eu posso fazer um planograma para minha empresa

Anderson Lima — Wed, 09 Sep 2026 17:57:54 +0000

Principais Conclusões

Fazer um planograma não é um exercício estético de gôndola: é traduzir a lógica de compra do seu shopper em um mapa físico de exposição.

Um planograma genérico, que ignora como o seu cliente realmente decide a compra, até parece organizado visualmente, mas não converte.

Um planograma só sustenta resultado quando nasce de cadastro de produtos organizado, análise real de desempenho e é acompanhado por execução constante na loja.

Planograma sem checklist de execução se distancia da realidade da gôndola em poucas semanas, não importa o quanto o desenho inicial seja bom.

Por que o planograma precisa refletir o seu shopper

O planograma não organiza produtos, organiza decisões de compra. Por isso, antes de desenhar qualquer planograma, é preciso entender como o seu shopper realmente decide diante da gôndola, o que ele busca resolver, em que ordem ele navega pela categoria, e o que faz ele levar um produto em vez de outro.

Quando o planograma ignora essa lógica e replica um modelo genérico, ele pode até parecer bem organizado visualmente, mas não conversa com a forma como o cliente daquela loja realmente decide — e isso se reflete diretamente no resultado de vendas.

1. Organize o cadastro de produtos

O planograma é construído em cima da base de dados dos produtos. Se o cadastro está mal classificado, toda a análise seguinte herda esse erro — a categoria, o sortimento e o próprio planograma ficam comprometidos antes mesmo de chegar na gôndola.

2. Defina a árvore de decisão da categoria

Mapeie como o shopper decide a compra naquela categoria específica, e não como é mais conveniente para quem abastece a loja. Essa é a etapa que mais diferencia um planograma que converte de um que só organiza espaço.

3. Analise o desempenho real por item e categoria

Levante vendas, margem e giro de cada produto. Evite decidir o espaço só pelo ranking de vendas: cruzar esses dados com participação no faturamento e variação ao longo do tempo evita repetir o espaço “de sempre” para itens que já perderam relevância.

4. Dimensione o espaço proporcional ao desempenho da categoria

Distribua os módulos de gôndola de acordo com a contribuição real de cada categoria para vendas e margem, e não pelo espaço que ela sempre ocupou.

5. Desenhe considerando o comportamento do shopper na gôndola

Posicione os itens de maior giro em pontos de fácil visualização e explore adjacências que estimulem a compra casada. Defina também a quantidade mínima de frentes de cada produto para evitar a ruptura visual na prateleira.

6. Formalize em um guia de execução claro

Transforme o planograma em instruções objetivas que qualquer colaborador consiga seguir sem depender de interpretação pessoal.

7. Acompanhe com checklist de execução recorrente

Audite periodicamente se a gôndola real reflete o planograma desenhado. Sem esse acompanhamento, a exposição se distancia do planejado em poucas semanas.

8. Revise periodicamente

Ajuste o planograma conforme sazonalidade, lançamentos e mudanças de desempenho.

✓

Cadastro de produtos desatualizado ou mal classificado, que distorce toda a análise seguinte.

✓

Aplicar um modelo genérico de exposição, ignorando como o shopper daquela loja realmente decide.

✓

Planograma sem checklist de execução, que se distancia da realidade da gôndola em poucas semanas.

✓

Falta de revisão periódica, deixando o planograma "engessado" mesmo quando sortimento e sazonalidade mudam.

✓

Decisão de espaço baseada só em ranking de vendas ou em acordo comercial, sem cruzar com dados reais de contribuição da categoria.

Perguntas Frequentes

Por onde começar a fazer um planograma?

O que é gerenciamento por categorias?

Anderson Lima — Mon, 31 Aug 2026 16:00:06 +0000

Stringhini Varejo Inteligente

Leitura de 8 minutos · Atualizado em agosto de 2026

Principais conclusões

Gerenciamento por categorias é a estratégia que organiza a oferta da loja sob a ótica de quem compra, tratando cada categoria como uma unidade de negócio dentro do varejo.

Não se resume a negociar espaço de gôndola: envolve cadastro de produtos, sortimento, análise de dados, planogramação e execução consistente na loja.

Quando desenhado pela ótica do fornecedor, tende a favorecer uma marca específica. Quando desenhado pela ótica do varejista, busca o equilíbrio e o resultado do conjunto da loja.

Ranking de vendas e participação no faturamento ajudam a entender o comportamento das categorias, mas não bastam para sustentar um projeto de gerenciamento por categorias.

Sem execução consistente na ponta, mesmo o melhor planejamento de categorias não se traduz em resultado na gôndola.

O que é gerenciamento por categorias

Gerenciamento por categorias (também conhecido como GC) é uma metodologia de gestão do varejo que organiza os produtos da loja em categorias — entendidas como unidades estratégicas de negócio — e as administra de forma individual, mas sempre em equilíbrio com as demais categorias da operação.

Na prática, significa deixar de olhar para “um monte de produtos” e passar a enxergar cada categoria como uma pequena empresa dentro da loja, com sortimento, espaço, precificação e execução pensados de forma específica para atender às necessidades de quem compra.

O ponto central do conceito é a ótica do shopper: as categorias não devem ser organizadas pela conveniência de quem fabrica ou de quem abastece a loja, mas pela forma como o cliente realmente busca resolver suas necessidades no ponto de venda.

Como surgiu o gerenciamento por categorias

O conceito de gerenciamento por categorias foi desenvolvido nos Estados Unidos nos anos 1990, a partir de uma parceria entre o Walmart e a Procter & Gamble, e se espalhou pelo varejo mundial como uma forma de estruturar a relação entre indústria e varejista em torno do desempenho conjunto das categorias, em vez de negociações item a item.

Desde então, a metodologia evoluiu e se desdobrou em diferentes abordagens — algumas mais próximas da lógica da indústria, outras mais alinhadas à perspectiva do varejista, que enxerga a loja como um todo em vez de uma categoria isolada.

Para que serve o gerenciamento por categorias

O gerenciamento por categorias existe para resolver um desafio permanente do varejo: como decidir, de forma consistente, o que vender, em que quantidade, com que espaço e de que forma expor, dentro de um espaço de loja que é sempre finito.

Entre os principais objetivos da metodologia estão:

✓

Definir o sortimento ideal de cada categoria, evitando excesso de produtos de baixo giro e falta de produtos relevantes para o shopper.

✓

Distribuir o espaço de gôndola de forma proporcional à real contribuição de cada categoria para vendas e margem.

✓

Reduzir ruptura e melhorar a disponibilidade dos produtos que o cliente realmente busca.

✓

Orientar decisões de precificação e promoção com base no comportamento de compra da categoria.

✓

Criar um padrão de execução replicável entre lojas, sustentando o resultado no longo prazo.

As etapas do gerenciamento por categorias

Embora existam diferentes modelos na literatura e no mercado, um projeto de gerenciamento por categorias bem estruturado costuma passar pelas seguintes etapas:

Gestão do cadastro de produtos

Toda a análise de categoria é construída sobre a base de dados dos produtos. Um cadastro mal classificado distorce a leitura de sortimento, espaço e desempenho antes mesmo de a estratégia ser definida.

Modelagem das categorias

Define-se como os produtos serão agrupados — por exemplo, por ocasião de consumo ou por necessidade do shopper — em vez de simplesmente seguir a lógica de fabricação ou fornecimento.

Análise de desempenho

Levanta-se o comportamento de vendas, margem e giro de cada categoria e item, buscando entender não apenas o que vende mais, mas o que realmente sustenta o crescimento da operação.

Definição de sortimento

A partir da análise, decide-se quais produtos devem compor cada categoria, em que quantidade, equilibrando variedade e giro.

Planogramação

A estratégia de categoria é traduzida em um planograma — o desenho físico de como os produtos devem ser expostos na gôndola.

Precificação e promoção

Define-se a política de preços e as ações promocionais da categoria, alinhadas ao papel estratégico que ela cumpre dentro da loja.

Execução na loja

O planejamento é implementado no dia a dia da operação, com o apoio de guias de execução claros para a equipe de loja.

Monitoramento e revisão

O desempenho é acompanhado continuamente, e a estratégia é ajustada conforme mudanças de sortimento, sazonalidade e comportamento do shopper.

Erros comuns no gerenciamento por categorias

Um dos pontos mais importantes — e mais frequentemente ignorados — do gerenciamento por categorias é quem está por trás da decisão.

Ótica do fornecedor

Análise categoria por categoria, isoladamente. Tende a favorecer a marca que patrocina a análise. Abordagem legítima e útil, mas parcial.

Ótica do varejista

Todas as categorias em equilíbrio ao mesmo tempo, pela perspectiva de quem é dono da loja inteira. Sustenta o crescimento do negócio como um todo.

Quando o gerenciamento por categorias é conduzido pela ótica do fornecedor, a análise costuma acontecer categoria por categoria, isoladamente, e tende a favorecer a marca que está patrocinando aquela análise. É uma abordagem legítima e útil, mas parcial.

Quando é conduzido pela ótica do varejista, a análise olha todas as categorias em equilíbrio ao mesmo tempo, pela perspectiva de quem é dono da loja inteira — e não apenas de uma categoria específica. É essa visão do conjunto que permite decisões que realmente sustentam o crescimento do negócio como um todo, e não apenas de uma parte dele.

As duas abordagens não são excludentes, mas é fundamental que o varejista saiba identificar de qual lugar cada análise está vindo antes de tomar decisões estruturais de espaço e sortimento.

Erros comuns no gerenciamento por categorias

Tratar gerenciamento por categorias como sinônimo de negociação de espaço ou de ponto extra, em vez de uma estratégia ampla de sortimento e execução.

Decidir com base apenas em ranking, variação e participação de vendas, sem análise estatística mais aprofundada de causa e efeito.

Deixar o cadastro de produtos como um problema secundário, quando na verdade é a base de toda a estratégia.

Planejar bem, mas não sustentar a execução na loja — o que faz o plano se distanciar da realidade da gôndola em poucas semanas.

Aplicar a mesma estratégia de categoria em lojas com perfis de shopper muito diferentes, sem qualquer adaptação.

Perguntas frequentes

O que é gerenciamento por categorias, resumidamente?

É a estratégia que organiza a oferta da loja em categorias — tratadas como unidades de negócio — administradas em equilíbrio entre si, sob a ótica de quem compra.

Gerenciamento por categorias é a mesma coisa que planogramação?

Não. Planogramação é uma das etapas do gerenciamento por categorias — a que traduz a estratégia definida em um desenho físico de exposição na gôndola.

Qual a diferença entre o gerenciamento por categorias da indústria e o do varejo?

O modelo da indústria costuma analisar uma categoria por vez, pela ótica do fornecedor. O modelo do varejo olha todas as categorias em equilíbrio, pela perspectiva de quem é dono da loja inteira.

Ranking e participação de vendas bastam para o gerenciamento por categorias?

Não. Esses indicadores ajudam a entender o comportamento de produtos e categorias, mas não são suficientes para sustentar um projeto de gerenciamento por categorias nem para manter vendas crescentes.

Por que o cadastro de produtos é tão importante no gerenciamento por categorias?

Porque toda a análise de sortimento, espaço e desempenho é construída sobre ele. Um cadastro mal classificado distorce a leitura de tudo o que vem depois.

Gerenciamento por categorias funciona para qualquer tipo de loja?

Sim, mas a forma como as categorias são modeladas precisa refletir como o shopper daquele tipo de loja realmente decide a compra — não existe um modelo único aplicável sem adaptação.

Quer estruturar o gerenciamento por categorias da sua operação?

A Stringhini organiza cadastro, sortimento, planograma e execução de loja com base em dados — do plano da categoria até a gôndola.

Fale com um especialista

Análise do Varejo Brasileiro: Desempenho Regional e o Novo Índice de Probabilidade de Consumo

Anderson Lima — Mon, 24 Aug 2026 14:00:53 +0000

É um erro buscar estabilidade quando tratamos do mercado varejista? Ao analisar minuciosamente os dados mensais do IBGE, do Banco Central e as tendências de comportamento do consumidor, a resposta revela que a volatilidade é, muitas vezes, o ambiente ideal para a expansão do market share. Afinal, onde há instabilidade, há brecha para novos “jogadores”.

Neste estudo aprofundado da Stringhini, vamos explorar dois fenômenos cruciais: a “Lacuna Econômica” do varejo nas regiões brasileiras e a sazonalidade comportamental através do novo Índice de Probabilidade de Consumo no Varejo.

1. O Varejo está se separando da economia real? (Análise da Lacuna)

Talvez você nunca tenha parado para pensar se o seu estado está crescendo acima da economia regional média. Foi pensando nisso que comparamos a variação do Varejo (dados do PMC/IBGE) com a atividade econômica geral (IBCR do Banco Central) dos últimos 12 meses.

Entendendo a Lacuna: Se o varejo cresce 5% em um estado e a economia local cresce apenas 1%, existe uma Lacuna Positiva de 4%. Isso significa que, naquele estado específico, as empresas varejistas estão ganhando mercado real.

Top 3 Estados onde o Varejo cresce acima da economia (Oportunidades)

Estado (UF)	Variação do Varejo (12m)	Cresc. Ativ. Econômica (12m)	Lacuna de Mercado
Maranhão	2,3%	-3,2%	5,5%
Rio Grande do Norte	6,1%	0,6%	5,5%
Pernambuco	5,5%	1,5%	4,0%

Gráfico 1

Lacuna entre varejo e economia por estado

Variação em 12 meses · Fontes: PMC/IBGE e IBCR/Banco Central

Ganho de mercado Acompanha a economia Abaixo da economia

Como interpretar os dados regionais:

Pontos verdes: Estados com varejo crescendo acima da economia (ganho de mercado/oportunidade de expansão).

Pontos cinzas: O varejo apenas acompanha a média da economia regional.

Pontos vermelhos: Varejo performando abaixo da economia (oportunidade não explorada ou saturação de mercado local).

2. O Novo Índice Stringhini de Probabilidade de Consumo no Varejo

"O mês de fevereiro é um mês forte para o varejo brasileiro atualmente?"

A resposta pode sair da avaliação prática de fevereiro, pois é justamente o mês de volta às aulas e o mês que antecede o Dia Internacional das Mulheres. Mas, para a tomada de decisão profissional, a resposta deve sair dos dados.

Foi pensando nisso que a Stringhini desenvolveu mais um novo Índice Brasileiro, projetado para medir mensalmente a probabilidade de consumo da população.

Nascido do cruzamento de bases de dados públicas (IBGE, Banco Central, Google Trends e SPC Brasil), o indicador mapeia a movimentação real de vendas.

Gráfico 2

Índice de Probabilidade de Consumo no Varejo

Base 100 = neutro · Fontes: IBGE, BCB, Google Trends, CNDL/SPC Brasil

Como interpretar os dados regionais:

Considere a linha pontilhada (100 pontos) como o resultado neutro:

Meses acima de 100

Os fatores estimulantes (como concessão de crédito e alto volume de buscas online) superam os restritivos. É momento de dinamismo.

Meses abaixo de 100

Fatores de contenção (como juros e inadimplência) sufocam o ímpeto de compra. Nesses meses o mercado atua na defensiva.

Antecipando os padrões dos últimos dois anos, vemos picos óbvios em dezembro. No entanto, o dado mais acionável é a queda brutal em fevereiro.

A Dica de Ouro

Se você trabalha com varejo, guarde fluxo de caixa em janeiro. Afinal, fevereiro revelou-se consistentemente um mês de forte retração operando abaixo da linha neutra.

Tabela Resumo do Comportamento do Varejo (2025-2026)

Período Analisado	Interpretação da Inteligência de Mercado
Dezembro de 2024 e 2025	Forte otimismo sazonal de fim de ano.
Fevereiro de 2025	Baixa pós-festas; primeiro sinal forte de retração.
Maio a Novembro de 2025	Mercado "morno", atuando perto da linha de estabilidade, sem clara tendência.
Fevereiro de 2026	Retração agressiva, mais forte que a do ano anterior.
Março a Junho de 2026	Estabilização animadora, operando acima da linha neutra.

Marea Albuquerque — Equipe de Data Quality

Stringhini Varejo Inteligente · 24 de agosto de 2026

Quer aplicar esses índices na sua operação?

A equipe de Data Science da Stringhini cruza dados públicos e de sell-out para orientar sortimento, execução e calendário comercial.

Fale com um especialista

O gerenciamento por categorias começa na cabeça de quem decide

João Stringhini — Wed, 05 Aug 2026 18:31:34 +0000

Principais conclusões

No gerenciamento por categorias, a mentalidade vem antes da ferramenta, do dado e do método, e se revela em pequenas decisões tomadas no automático.
A pergunta embaixo de tudo é uma só: quem opera está pensando na loja toda ou apenas num pedaço dela?
A mentalidade deixa marca em quatro territórios: a loja, as categorias, o ambiente e a execução.
Ranking, variação e participação ajudam a entender, mas não bastam: sustentar vendas crescentes exige análise estatística de causa e efeito sobre sortimento, espaço e número de marcas.
Com o mesmo sistema, o mesmo espaço e a mesma equipe, o olhar da loja inteira rende mais, porque faz cada decisão pequena remar para o mesmo lado.

A loja toda ou um pedaço dela? A mentalidade que determina como a empresa organiza, analisa e executa sua estratégia de categorias.

João Stringhini · Stringhini Varejo Inteligente · 2026 · DOI: 10.5281/zenodo.21795259

Quantas empresas nós vemos fazendo bons e grandes investimentos em gerenciamento por categorias, com equipes de profissionais sérios e comprometidos, e mesmo assim sem alcançar os resultados que tanto perseguem? Não é falta de recurso, e tampouco falta de dedicação dos times. É um fato que passa despercebido, e que é fundamental, a base de tudo: a mentalidade.

A mentalidade determina o que fazemos, como vemos o mundo e como usamos os recursos que temos à disposição. A mentalidade vem antes das ferramentas, antes dos dados e até antes do método. Ela, por estar dentro de nós, é a última coisa que percebemos. É a nossa natureza, e ninguém enxerga a sua própria natureza no espelho.

A mentalidade, dificilmente, aparece quando falamos dela. Ela se traduz em pequenas decisões que tomamos no automático, no dia a dia, quase sem pensar. Cada uma dessas decisões, quando olhadas juntas, responde a uma única pergunta escondida no fundo: quem opera está pensando na oferta como um todo ou apenas em uma parte da oferta?

Vamos percorrer este tema com calma. A mentalidade não se revela num único gesto grandioso. Ela se espalha em pequenas decisões que vão compor o que é o nosso gerenciamento por categorias. O fruto do nosso gerenciamento por categorias evidencia-se em quatro territórios:

A loja: como vemos e entendemos a oferta;
Categorias: como montamos e as analisamos;
O ambiente: como é organizado;
Execução: como envolvemos as pessoas.

Em cada um desses territórios, a mentalidade deixa a sua marca.

A loja: como vemos e entendemos a oferta

Vamos falar em loja pois é mais fácil de visualizar. Agora, quando estamos falando em loja estamos falando da oferta da empresa, seja na loja, no site etc.

Comece pela pergunta mais básica de todas: o que é, afinal, gerenciar as categorias? Para alguns, é negociar espaço, fechar acordos, arrumar os produtos pela conveniência de quem abastece. Para outros, é organizar a oferta da loja sob a ótica de quem compra. As duas definições parecem próximas, mas nascem de mentalidades opostas, e essa primeira escolha já contamina tudo o que vem depois.

Repare em quem decide o desenho das categorias. Se quem define é o fornecedor, que conhece profundamente o produto dele, cada categoria nasce desenhada para vender aquele produto. Se quem define é o varejista, olhando todas as categorias em equilíbrio, elas nascem desenhadas para a loja vender melhor no conjunto. É o mesmo espaço, recortado por duas cabeças diferentes, e o recorte carrega a intenção de quem o faz.

A mesma mentalidade aparece em onde o gerenciamento por categorias mora dentro da empresa. Quando ele é um apêndice da área de compras, ele pensa como compra: preço, acordo, volume. Quando responde à direção, como estratégia da loja, ele pensa como dono do resultado. E aparece também no alcance do olhar. Quem enxerga a loja inteira gerencia o salão todo. Quem enxerga pedaços de destaque cuida da ponta de gôndola, da entrada, do ponto-extra negociado, e chama isso de gerenciamento por categorias. Não é. É gerência de vitrines, espaços, campanhas etc. Gerenciamento por Categorias é conseguir ver a loja como um todo, é olhar cada metro de área útil de vendas como parte de um todo que precisa funcionar junto.

Categorias: como montamos e as analisamos

Tendo a visão do todo, é preciso compor as categorias. E aqui a mentalidade se revela em duas frentes que nem sempre recebem a devida atenção.

A primeira é o cadastro de produtos. Parece burocracia, mas as categorias são construídas sobre ele. Uma base suja, com produtos mal classificados, gera uma leitura distorcida de tudo o que vem depois: a análise distorce, o sortimento desequilibra, o planograma repete erros em escala. Quem trata o cadastro como detalhe está, sem saber, comprometendo cada decisão que vai tomar a partir dele. Quem trata o cadastro como fundação sabe que ali ganha ou perde a categoria antes mesmo da sua presença em gôndola.

A segunda frente é a forma de leitura dos resultados de vendas. Diante de um resultado, o desinformado decide com base em ranking de vendas dos produtos e categorias, variação de vendas dos produtos e categorias e/ou a participação dos produtos ou categorias no faturamento. Estes indicadores sempre serão utilizados para compreender melhor o comportamento de produtos e categorias, mas nem de perto são suficientes para sustentar um projeto de gerenciamento por categorias e, menos ainda, para manter vendas crescentes de uma operação de varejo.

Na leitura de vendas temos que ter domínio de análises estatísticas de causa e efeito para identificar qual o conjunto de produtos, a quantidade de produtos, a quantidade de marcas por categoria, o espaço por categoria etc que melhor explicam o crescimento de vendas e margem. Assim, saberemos o que fazer para manter vendas crescentes. Quantos produtos devemos trabalhar, quanto cada categoria tem de participar, qual o espaço que cada categoria deve receber etc. A diferença entre as duas mentalidades é significativa, uma ficará na eterna tentativa e erro e a outra terá o domínio das causas reais de desenvolvimento das suas categorias e do seu negócio.

O ambiente: como é organizado

O espaço de loja é finito. Cada centímetro dado a um produto é um centímetro tirado de outro, e é por isso que as decisões de espaço são as que mais denunciam a mentalidade do negócio e de suas lideranças.

Quando um produto ganha o melhor ponto, vale perguntar por quê. Porque ele vende e conversa com a estratégia da loja, ou porque um contrato pagou por aquela posição? Ambas convivem o tempo todo, e a ordem em que elas entram na decisão revela a cultura e a mentalidade dominante na empresa. Primeiro o resultado da loja e a margem, com o contrato entrando como consequência? Ou, primeiro o contrato, e a loja que se ajuste ao que foi vendido?

A exposição dos produtos e a planogramação contam a mesma história. Vale a árvore de decisão da categoria ou a lógica do fornecedor, organizando os produtos pela vontade de quem o fabrica? Uma explora os mecanismos inconscientes do shopper que decide na frente da gôndola, potencializando a compra por impulso no momento certo. Outra expressa a vontade do fabricante que na grande maioria das vezes não mantém nenhuma relação com fenômenos psíquicos capazes de gerar mais vendas.

Assim, o mobiliário, os equipamentos, as formas de expor, que muita gente trata como assunto neutro, determinam como a loja comunica-se e vende. Nada disso é neutro. Cada decisão de espaço serve a alguém: ao shopper e à loja inteira, ou ao pedaço que gritou mais alto na negociação.

Execução: como envolvemos as pessoas

E chega o território onde a mentalidade encontra o chão de loja, o mais mal compreendido de todos. Porque execução parece assunto de controle, e é, na verdade, assunto de gente.

Comece pelo ritmo. Com que frequência se olha a gôndola de verdade? Quem a revê no relatório mensal trata a loja como uma fotografia, revista de vez em quando. Quem a acompanha a cada turno trata a loja como um organismo vivo, que muda da manhã para a tarde. É a mesma loja, vista por dois tipos de mentalidade, e o cliente sente a diferença na prateleira.

Repare no que se chama de ruptura. Para alguns, ruptura é o produto que faltou no estoque, e eles olham de dentro do depósito. Para outros, ruptura é a presença de produtos em uma quantidade inferior ao mínimo estabelecido, estes olham com o olho do shopper. O shopper não quer saber o que existe no estoque e não costuma gostar de levar a última ou uma das últimas unidades. Sem produto, pior, ele vê a lacuna e vai embora. E vai mais rápido do que se imagina: os estudos clássicos de falta na prateleira mostram que, diante da gôndola vazia, boa parte dos compradores troca de produto, adia a compra ou vai para outra loja, e uma parte não volta.

Mas o ponto mais fundo deste território é outro, e é onde a palavra execução engana. A gente pensa em execução como cumprir o que foi mandado, e monta auditoria para fiscalizar. Só que o plano mais bem-feito morre no chão de loja se quem o executa não entende por que está fazendo aquilo. O manual de execução não é um regulamento para cobrar. É a ponte que leva a estratégia pensada lá em cima até a mão de quem repõe a gôndola. E as pessoas executam bem apenas aquilo que compreendem. Uma equipe que entende o objetivo corrige sozinha o que nenhuma auditoria chegaria a ver. Uma equipe que só recebe ordem executa a ordem, não o resultado. Por isso gerir a execução é, no fundo, gerir o entendimento das pessoas. A mentalidade de quem opera só vira resultado quando vira, também, a mentalidade de quem executa.

A loja toda, ou um pedaço dela

Percorridos os quatro territórios, o que salta aos olhos é que a pergunta embaixo de todos é sempre a mesma: a loja toda, ou um pedaço dela? A visão de pedaço não é incompetente, e quase nunca é má. Ela herdou um jeito de enxergar que cuida bem de uma parte, e cuida com esmero, e é justamente por isso que engana. Ela faz uma categoria crescer, um ponto render, um acordo fechar, o número sobe, o relatório fica bonito, e ninguém percebe que a loja inteira não andou, ou recuou. Foi o pedaço que venceu, às custas do resto.

E aqui cabe uma honestidade, para não simplificar. Mentalidade não fabrica o recurso que falta. A pesquisadora Carol Dweck, que estudou a fundo como a nossa maneira de encarar as coisas molda o que alcançamos, faz questão de alertar: mentalidade não é só disposição, ela exige estratégia e recurso, e serve para fechar lacunas de desempenho, não para escondê-las. O que a mentalidade decide é o quanto se extrai do que já se tem na mão. Com o mesmo sistema, o mesmo espaço e a mesma equipe, o olhar da loja inteira rende mais do que o olhar de pedaço. Não porque pensa mais bonito, mas porque faz cada decisão miúda remar para o mesmo lado.

O que fazer ainda esta semana

A boa notícia é que ninguém muda a própria mentalidade lendo sobre ela. Mas dá para começar a enxergá-la, e o que se enxerga se pode corrigir. Fica um convite, para esta semana. Na próxima decisão sobre a loja, qualquer uma, o preço de um item, o espaço de uma marca, a ordem de uma reposição, cabe uma pausa de um segundo antes: essa decisão está a favor de um pedaço, ou da loja toda? Não é preciso nem mudar a decisão. Basta ver de que tipo de mentalidade ela veio.

Porque no dia em que a gente começa a enxergar o próprio olhar, ele deixa de mandar sozinho. E é por aí que tudo começa.

Perguntas frequentes

O que é gerenciamento por categorias?

É organizar a oferta da loja sob a ótica de quem compra, olhando todas as categorias em equilíbrio para a loja vender melhor no conjunto. Não se confunde com negociar espaço ou arrumar produtos pela conveniência de quem abastece. É ver a loja como um todo, cada metro de área útil como parte de um sistema.

Por que empresas investem em gerenciamento por categorias e não alcançam resultado?

Na maioria dos casos não falta recurso nem dedicação. Falta perceber a base: a mentalidade. Ela decide o quanto se extrai do sistema, do espaço e da equipe que já se tem, e uma mentalidade de pedaço faz uma parte crescer enquanto a loja inteira não anda.

Qual a diferença entre gerenciar a loja toda e cuidar de um pedaço?

Cuidar de um pedaço é tratar ponta de gôndola, entrada e ponto-extra como se fossem o gerenciamento por categorias. Isso é gerência de vitrines. Gerenciar a loja toda é olhar cada categoria em equilíbrio com as demais, para o conjunto vender melhor.

Ranking e participação de vendas bastam?

Não. Ajudam a entender o comportamento de produtos e categorias, mas não sustentam um projeto de GC. É preciso análise estatística de causa e efeito para saber qual conjunto de produtos, quantas marcas e quanto espaço por categoria explicam o crescimento de vendas e margem.

Por que o cadastro de produtos importa tanto?

Porque as categorias são construídas sobre ele. Uma base suja distorce a análise, desequilibra o sortimento e faz o planograma repetir erros em escala. Quem trata o cadastro como fundação sabe que ali ganha ou perde a categoria antes da gôndola.

O que é ruptura no gerenciamento por categorias?

Depende da mentalidade. Para alguns, é o produto que faltou no estoque, olhando de dentro do depósito. Para outros, é a presença de produtos abaixo do mínimo na prateleira, olhando com o olho do shopper. O shopper não quer saber o que existe no estoque: diante da gôndola vazia, boa parte troca de produto, adia a compra ou vai para outra loja, e uma parte não volta.

Como começar a mudar a mentalidade ainda esta semana?

Ninguém muda a própria mentalidade lendo sobre ela, mas dá para começar a enxergá-la. Na próxima decisão sobre a loja, uma pausa de um segundo: essa decisão está a favor de um pedaço ou da loja toda? Não é preciso mudar a decisão, basta ver de que mentalidade ela veio.

Referências e evidências

Gruen, T., & Corsten, D. (2008). A Comprehensive Guide to Retail Out-of-Stock Reduction in the FMCG Industry. Grocery Manufacturers of America. https://www.nacds.org/pdfs/membership/out_of_stock.pdf

Crisp. (s.d.). Tracking and Improving On-Shelf Availability (OSA): Getting Started. gocrisp.com. https://www.gocrisp.com/learning-center/retailer-guides/tracking-and-improving-on-shelf-availability-osa-getting-started

Aalto University. (s.d.). Category management and captainship in retail: Case baby food in Finland. Aaltodoc. https://aaltodoc.aalto.fi/items/c97cf489-60b4-4386-b5af-f6190e4ef471

Making Business Matter. (s.d.). Category Management: The Ultimate Guide. makingbusinessmatter.co.uk. https://www.makingbusinessmatter.co.uk/category-management-ultimate-guide/

Centric Software. (s.d.). Category Management vs Assortment Planning Explained. centricsoftware.com. https://www.centricsoftware.com/blog/category-vs-assortment-management

Dweck, C. (2015). Carol Dweck Revisits the “Growth Mindset”. Education Week. https://www.edweek.org/leadership/opinion-carol-dweck-revisits-the-growth-mindset/2015/09

Como citar este artigo

STRINGHINI, J. O gerenciamento por categorias começa na cabeça de quem decide. Stringhini Varejo Inteligente, 2026. DOI: 10.5281/zenodo.21795259.

Sobre o autor

João Stringhini é psicólogo e consultor de varejo, uma combinação rara que está na origem do Neurovarejo, conceito que desenvolveu para aplicar neurociência e comportamento do consumidor à gestão completa da loja. São mais de 30 anos trabalhando com líderes e equipes de varejo e indústria. É professor dos cursos de pós-graduação da PUCRS, sócio-fundador da Stringhini Varejo Inteligente e sócio da Involves Tecnologia, maior plataforma de Trade Marketing da América Latina.

Se este artigo te fez olhar diferente para a próxima decisão sobre a loja, ele cumpriu o que devia. A mentalidade não muda lendo sobre ela, mas começa a mudar no instante em que a gente aprende a enxergá-la. Continue por aqui: os quatro territórios do gerenciamento por categorias dão muito pano para conversa, e ela está só começando.

Existem dois gerenciamentos por categorias. Só um pertence ao varejista.

João Stringhini — Sat, 11 Jul 2026 03:00:00 +0000

Principais conclusões

Existem dois gerenciamentos por categorias em circulação no varejo: o modelo da indústria, desenvolvido por Brian Harris e difundido no Brasil pelo ECR nos anos 1990 via Joint Business Plan, e o modelo do varejo, que olha todas as categorias em equilíbrio ao mesmo tempo, pela perspectiva do dono da loja inteira.
O modelo da indústria analisa uma categoria por vez, pela ótica do fornecedor. O modelo do varejo considera o conjunto de todas as categorias simultaneamente, pelo equilíbrio da loja. A indústria cuida de uma árvore; o varejista precisa cuidar da floresta.
O modelo da indústria não está errado: está incompleto do ponto de vista do varejista. Ele cabe dentro do modelo do varejo como uma ferramenta entre outras. O gerenciamento por indústria é parcial; o gerenciamento pelo varejo é completo.
Cada categoria tem uma faixa de participação ideal no sortimento total da loja: um piso mínimo, um centro de equilíbrio e um teto máximo. Fora dessa faixa, a categoria prejudica as vendas do conjunto. Em uma rede de farmácias, Medicamento fica em torno de 35% do sortimento e Higiene Oral em torno de 4%.
O Gerenciamento por Categorias para o Varejo, modelo autoral de João Stringhini (Stringhini Varejo Inteligente, 2026), organiza a gestão em 8 etapas: 1. Gestão do Cadastro de Produtos; 2. Modelagem das Categorias; 3. Análise Estatística da Performance; 4. Gestão do Sortimento; 5. Planogramação; 6. Manual de Execução; 7. Gestão da Equipe de Loja; 8. Monitoramento da Execução.

Stringhini Varejo Inteligente · 11 de julho de 2026 · série: Gerenciamento por Categorias (artigo 1) · DOI: 10.5281/zenodo.21399487

Pense e analise comigo. Nos últimos dois anos, uma categoria de produtos qualquer, ou até um único produto dentro dela, cresceu 40% em vendas. As vendas subiram. O comprador responsável pelo setor recebeu parabéns. O fornecedor saiu satisfeito da última reunião de planejamento.

E, no entanto, a loja não cresceu no resultado geral. A margem até encolheu.

O diagnóstico: a categoria performou às custas das outras. O espaço físico, o espaço no sortimento e o foco da equipe foram migrando para aquele setor que “estava indo bem”. O que ninguém enxergou é que o bem de uma categoria estava consumindo o equilíbrio da loja inteira.

O exemplo pode soar extremo, mas o cenário se repete no modelo de gerenciamento por categorias mais praticado no varejo brasileiro. É um modelo concebido pela indústria. Funciona bem no que se propõe. Mas foi construído para outra perspectiva, com outro objetivo e outro dono do problema.

Precisamos falar sobre isto.

Os dois gerenciamentos por categorias

O modelo clássico de gerenciamento por categorias foi sistematizado por Brian Harris e ganhou escala no Brasil pelo movimento ECR (Efficient Consumer Response), nos anos 1990. Na prática, ele opera via Joint Business Plan: o fornecedor chega com dados, análise de mercado e propostas e, junto ao varejista, define como desenvolver a sua categoria dentro da rede parceira.

O modelo é legítimo. Tem rigor metodológico e entrega valor real. O limite não é de qualidade: é de escopo. Ele enxerga, por design, um fabricante de uma categoria por vez. É um recorte intencional, que faz todo sentido para quem produz.

O problema aparece quando o varejista adota esse mesmo recorte como modelo de gestão da própria operação. Porque o resultado de uma rede não vem da maximização de uma categoria. Vem do equilíbrio entre todas as categorias no ambiente de loja. A loja é um ecossistema e, como tal, precisa de equilíbrio para manter-se saudável.

Existe, portanto, um Gerenciamento por Categorias para o Varejo, distinto do modelo da indústria. O modelo da indústria cabe dentro do modelo do varejo como uma peça, um subsídio, um plano de campanha por fornecedor. A indústria cuida de uma árvore. O varejista responde pela floresta inteira.

A distinção é necessária para que cada modelo ocupe o lugar certo. E o modelo que organiza a loja inteira só pode ser construído por quem é dono da loja inteira.

Não é uma leitura solitária

Essa distinção não é uma invenção isolada. Nos últimos anos, parte da própria indústria de varejo passou a questionar o modelo tradicional. Ganhou nome o conceito de Total Store Optimization, que propõe exatamente o que defendo aqui: abandonar a lógica de otimizar categoria por categoria e passar a olhar a loja inteira. Publicações do setor já perguntam, sem rodeios, se não é hora de reinventar o gerenciamento por categorias. É bom ter essa companhia, porque mostra que a leitura não é excêntrica: é uma fronteira que começa a se abrir.

Há ainda um ponto que a literatura reconhece há tempos: existe uma tensão natural entre quem fabrica e quem vende. O fabricante se interessa pela rentabilidade da sua marca; o varejista, pela rentabilidade de todas as marcas e categorias juntas. Não é defeito de ninguém, é a posição de cada um na cadeia. Por isso o varejista não pode terceirizar a visão do todo para quem, com toda a legitimidade, enxerga uma parte.

A contribuição do nosso trabalho está no próximo passo. Enquanto o debate aponta que o varejo deveria olhar o todo, o que ofereço é um caminho para fazer isso: um método que vai do dado à prateleira e à equipe de loja. A direção o mercado já discute. O como, em oito etapas integradas, é o que desenvolvemos na prática.

A perspectiva de quem é dono da loja

Há uma frase da Cristina Lopes: “O shopper é fiel à loja; o consumidor é fiel à marca.”

A diferença parece sutil, mas muda tudo. O consumidor tem preferência de marca: compra Dove, não sabonete genérico. O shopper é essa mesma pessoa em estado de compra: entra na loja, compara os produtos das prateleiras, sofre influência do ambiente e toma a decisão ali, no ponto de venda.

A indústria pensa no consumidor e na marca. O varejista precisa pensar no shopper e na loja.

Organizar a loja pela lógica do shopper significa agrupar produtos pela forma como ele decide, não pela forma como o fabricante produz. Uma mesma categoria pode reunir itens de muitos fornecedores diferentes, porque o shopper os vê como alternativas num mesmo momento de decisão ou de consumo. Nenhum fornecedor vai propor isso no Joint Business Plan dele.

O ponto central é este: o Gerenciamento por Categorias para o Varejo é responsabilidade de quem detém a loja inteira. Só esse dono pode equilibrar todas as categorias ao mesmo tempo. E esse equilíbrio não é intuitivo.

O equilíbrio que uma categoria por vez não enxerga

Para cada operação de varejo existe uma participação ideal de cada categoria de produtos. Cada categoria deve ocupar uma faixa ideal no sortimento total, faixa que determina um número mínimo e máximo de produtos para ela. Toda vez que o varejista não respeita esses limites, inferior e superior, perde vendas no total da loja. Sem respeitar essas faixas, o mix de produtos fica deficitário.

Numa rede de farmácias, por exemplo, a categoria Medicamento fica em torno de 35% do sortimento total. Higiene Oral, em torno de 4%. Cada categoria tem a sua faixa: mínima, centro e máxima. Quando uma delas passa do teto, prejudica as vendas do todo.

Esse é o ponto que o modelo da indústria, por construção, não alcança. Pense na Coca-Cola. Ela sabe, melhor que ninguém, o peso que o tema saúde ganhou para o consumidor. Ainda assim, dificilmente vai incluir uma barra de cereal no seu mix ou ajudar o varejista a construir uma categoria de saúde. Não por má vontade: não é o papel dela. Enxergar esse equilíbrio é responsabilidade do varejista.

O modelo em 8 etapas

O Gerenciamento por Categorias para o Varejo é estruturado em oito etapas.

1. Gestão do Cadastro de Produtos. A base. Sem um cadastro correto e consistente, as análises não se sustentam. A estrutura do cadastro deve refletir a estratégia e a proposta de valor da empresa.

2. Modelagem das Categorias. Agrupar produtos por categoria e subcategoria seguindo a ótica do shopper, não do fabricante. O uso de ferramentas estatísticas leva à construção de categorias com rigor matemático, voltadas para resultados.

3. Análise Estatística da Performance. Integração de análises de causa e efeito às habituais análises descritivas. A empresa passa a dominar os fatores que explicam, estatisticamente, seus resultados de vendas e margem.

4. Gestão do Sortimento. Definição do sortimento baseada em dados. Apoio à área comercial para qualificar a tomada de decisão e desenvolver as políticas de modelagem das categorias e do sortimento.

5. Planogramação. Determinação do posicionamento dos produtos nos equipamentos. Gestão da ocupação do mobiliário a partir das regras de exposição, considerando árvore de decisão, vendas, estratégia de posicionamento da operação e margens.

6. Manual de Execução. A conexão entre estratégia e execução. Sistema de registro e acesso às orientações de execução, em texto e imagem, dos departamentos, seções, categorias e equipamentos.

7. Gestão da Equipe de Loja. As pessoas não se comprometem com aquilo que não entendem. Sistema voltado à integração e ao acompanhamento das lideranças e das equipes em torno dos objetivos de execução da loja.

8. Monitoramento da Execução. Materializa a conexão entre a execução de loja e os dados de vendas, respondendo à pergunta central: qual exposição gerou qual venda? Sistema de coleta de dados e auditoria remota para monitorar o cumprimento das regras de execução previstas, promoções, posicionamento, exposição, ruptura, organização e comunicação de preço.

O modelo é cíclico, não linear. A loja muda, o mercado muda, o comportamento do shopper muda. O modelo acompanha.

O que muda em relação ao modelo de Harris

Uma coincidência curiosa: o modelo clássico de Brian Harris também tem oito etapas. E há pontos de encontro claros, definir a categoria pela ótica do shopper, analisar a performance, montar o planograma. A diferença está no peso de cada parte.

O modelo de Harris concentra força no planejamento estratégico feito junto ao fornecedor e se encerra na implementação e na revisão. O nosso dedica metade das etapas à execução e às pessoas: planograma, manual, equipe de loja e monitoramento. Isso não é acaso. A própria literatura aponta que o maior furo do gerenciamento por categorias tradicional está na execução: boa parte do que se planeja nunca chega à loja como foi planejado. As quatro últimas etapas do nosso modelo existem justamente para fechar esse furo.

Sua operação hoje sabe dizer qual é a participação ideal de cada categoria no total do sortimento? Não o quanto uma categoria entrega sozinha, mas o equilíbrio entre todas elas?

Se a resposta for “mais ou menos” ou “olho por setor”, este é um bom momento para revisar. Não porque o que você faz seja errado, mas porque pode estar faltando a perspectiva do todo.

Nos próximos artigos desta série, cada etapa do modelo ganha profundidade: o que é, por que importa e como aplicar. Começamos pelo cadastro de produtos, porque é onde a maioria das operações tem o primeiro furo.

João Stringhini é psicólogo e consultor de varejo, uma combinação rara que está na origem do Neurovarejo, conceito que desenvolveu para aplicar neurociência e comportamento do consumidor à gestão completa da loja. São mais de 30 anos trabalhando com líderes e equipes de varejo e indústria. É professor dos cursos de pós-graduação da PUCRS, sócio-fundador da Stringhini Varejo Inteligente e sócio da Involves Tecnologia, maior plataforma de Trade Marketing da América Latina.

Perguntas frequentes

O que é o Gerenciamento por Categorias para o Varejo?

O Gerenciamento por Categorias para o Varejo é o modelo que gerencia todas as categorias de uma loja ao mesmo tempo, pelo equilíbrio do conjunto, pela perspectiva do varejista. Ele se distingue do modelo clássico da indústria, que analisa uma categoria por vez, pela ótica do fornecedor. O varejista é o único agente que detém a visão completa da loja inteira e, por isso, é o único capaz de fazer o gerenciamento por categorias em sua forma completa. O modelo operacional em 8 etapas é desenvolvimento autoral de João Stringhini, Stringhini Varejo Inteligente, 2026.

Qual a diferença entre o gerenciamento por categorias da indústria e o do varejo?

O modelo da indústria, desenvolvido por Brian Harris nos anos 1980 e disseminado no Brasil pelo ECR nos anos 1990, opera via Joint Business Plan entre fabricante e varejista. Ele olha uma categoria por vez, pela ótica do fornecedor, que tem interesse no crescimento de sua própria marca ou segmento. O modelo do varejo olha todas as categorias ao mesmo tempo, pelo equilíbrio da loja inteira. O shopper é fiel à loja; o consumidor é fiel à marca. Por isso, o varejista precisa de uma visão que nenhum fornecedor individual tem condições de oferecer: a visão do conjunto.

Por que só o varejista pode fazer o gerenciamento por categorias completo?

Porque só o varejista é dono da loja inteira. O fornecedor tem incentivo para crescer sua categoria, mesmo que isso desequilibre o conjunto. O varejista precisa equilibrar todas as categorias simultaneamente para maximizar o resultado da loja. Como sintetizou a pesquisadora Cristina Lopes: “O shopper é fiel à loja; o consumidor é fiel à marca.” O gerenciamento por categorias completo exige a perspectiva de quem responde pelo conjunto, não por uma parte dele.

Quais são as 8 etapas do Gerenciamento por Categorias para o Varejo?

As 8 etapas do modelo são, em ordem:

Gestão do Cadastro de Produtos: base de dados de produtos organizada e atualizada, condição para tudo que vem depois.
Modelagem das Categorias: definição da estrutura de categorias, subcategorias e segmentos da loja.
Análise Estatística da Performance: leitura quantitativa de como cada categoria performa em relação ao conjunto.
Gestão do Sortimento: decisão sobre amplitude (variedade de categorias) e profundidade (itens por categoria), calibradas por rede, cluster e loja.
Planogramação: organização visual e espacial dos produtos na gôndola, derivada das decisões de sortimento.
Manual de Execução: documentação dos padrões para garantir consistência na implementação.
Gestão da Equipe de Loja: desenvolvimento das pessoas responsáveis por executar e manter o modelo no dia a dia.
Monitoramento da Execução: verificação sistemática de que o que foi planejado está sendo feito na loja real.

O que é a participação ideal de cada categoria e como funciona o equilíbrio entre categorias?

Cada categoria tem uma faixa de participação ideal no sortimento total da loja: um piso (participação mínima), um centro (equilíbrio ótimo) e um teto (participação máxima). Quando uma categoria fica abaixo do piso, a loja perde vendas por desabastecimento de variedade. Quando ultrapassa o teto, ocupa espaço que reduziria as vendas de outras categorias mais rentáveis. Em uma rede de farmácias, por exemplo, Medicamento fica em torno de 35% do sortimento e Higiene Oral em torno de 4%. Esses percentuais variam por rede, cluster e loja, e são calculados pelas etapas de Análise Estatística da Performance e Gestão do Sortimento do modelo.

O modelo de Brian Harris está errado?

Não. O modelo de Brian Harris, desenvolvido nos anos 1980 e disseminado no Brasil pelo ECR nos anos 1990, não está errado: está incompleto do ponto de vista do varejista. Ele foi construído pela ótica da indústria e cumpre bem esse papel. O modelo do varejo não substitui o de Harris: engloba-o. O gerenciamento por indústria, feito via Joint Business Plan, cabe dentro do modelo do varejo como uma ferramenta entre outras. A diferença é de perspectiva: a indústria gerencia uma árvore; o varejista precisa gerenciar a floresta.

O que é Total Store Optimization e como se relaciona com o modelo do varejo?

Total Store Optimization é o conceito que reconhece a necessidade de gerenciar todas as categorias de uma loja como um sistema integrado, e não como categorias isoladas gerenciadas individualmente por fornecedores. O debate internacional em torno desse conceito e a revisão do papel do fornecedor no processo de gerenciamento por categorias convergem com o que o modelo de João Stringhini propõe: o varejista precisa de um método operacional próprio, centrado no equilíbrio da loja inteira. O modelo em 8 etapas (Stringhini Varejo Inteligente, 2026) é a contribuição operacional brasileira a esse debate.

Referências e evidências

O modelo clássico e suas origens

HARRIS, Brian F. Origem do gerenciamento por categorias e o movimento ECR (Efficient Consumer Response), anos 1990. Disponível em: https://en.wikipedia.org/wiki/Brian_F._Harris e https://www.ecr-community.org/category-management-2/

Estudos sobre os limites do modelo e a tensão fabricante-varejista

DHAR, S. K.; HOCH, S. J.; KUMAR, N. Effective Category Management Depends on the Role of the Category. Journal of Retailing, v. 77, n. 2, p. 165-184, 2001.

GOONER, R. A.; MORGAN, N. A.; PERREAULT, W. D. Is Retail Category Management Worth the Effort (and Does a Category Captain Help or Hinder)? Journal of Marketing, v. 75, n. 5, p. 18-33, 2011. Disponível em: https://doi.org/10.1509/jmkg.75.5.18

MORGAN, N. A.; KALEKA, A.; GOONER, R. A. Focal Supplier Opportunism in Supermarket Retailer Category Management. Journal of Operations Management, v. 25, n. 2, p. 512-527, 2007. Disponível em: https://www.researchgate.net/publication/257527103_Focal_Supplier_Opportunism_in_Supermarket_Retailer_Category_Management

A revisão do modelo: Total Store Optimization

PRECIMA. From Category Management to Total Store Optimization. Disponível em: https://precima.com/insights/from-category-management-to-total-store-optimization/

RETAIL TOUCHPOINTS. Why Category Management Needs a Rethink for Today’s Omnichannel Retail Reality. Disponível em: https://www.retailtouchpoints.com/executive-viewpoints/why-category-management-needs-a-rethink-for-todays-omnichannel-retail-reality/620095

RETAILWIRE. Is it time to reinvent category management? Disponível em: https://retailwire.com/discussion/is-it-time-to-reinvent-category-management/

Gerenciamento por categorias e shopper (Brasil)

LOPES, Cristina. Guia de Gerenciamento por Categorias: Otimizando a Relação Entre Indústria e Varejo. São Paulo: M.Books do Brasil Editora, 2013.

PATH TO PURCHASE INSTITUTE (P2PI). Pesquisa de shopper marketing. Disponível em: https://p2pi.org/

Como citar este artigo

STRINGHINI, J. Existem dois gerenciamentos por categorias: só um pertence ao varejista. Stringhini Varejo Inteligente, 11 jul. 2026. Disponível em: https://doi.org/10.5281/zenodo.21399487. DOI: https://doi.org/10.5281/zenodo.21399487.