09 de setembro de 2026
Efeito da Ruptura de Produtos no Comportamento de Compra dos Clientes de uma Varejista
Cesar Augusto Ferreira da Silva; Luzia Aparecida Antunes
DOI: 10.22167/2675-6528-202602192
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
Investigou-se o impacto da ruptura de estoque no comportamento de compra de clientes em uma varejista do setor pet em São Paulo. O estudo objetivou analisar a influência da indisponibilidade de produtos, isolando efeitos sazonais para identificar o impacto real no faturamento. A metodologia empregou uma análise exploratória de correlação cruzada que progrediu para uma modelagem de regressão linear múltipla (OLS). Foram utilizadas variáveis dummy para os dias da semana e termos defasados (lags) de 0 a 31 dias para capturar a dinâmica temporal. Os resultados indicaram que a sazonalidade semanal foi o principal determinante da variabilidade das vendas, com alta significância estatística (p < 0,001). Contudo, os coeficientes relacionados à ruptura não apresentaram significância estatística (p > 0,05), sugerindo que a falta de itens específicos não reduziu o faturamento da companhia nos períodos analisados. Essa evidência apontou para a ocorrência de substituição intraloja, onde o consumidor optou por produtos alternativos no mesmo estabelecimento. Concluiu-se que, apesar de a ruptura prejudicar o nível de serviço, a receita macro da empresa foi preservada pela flexibilidade do consumidor, mascarando o impacto financeiro direto da indisponibilidade de produtos.
Palavras-chave: Comportamento do consumidor; Regressão múltipla; Ruptura de estoque; Séries temporais; Varejo pet.
1. Introdução
No varejo moderno, a gestão de estoque é um pilar fundamental para o sucesso operacional e financeiro das empresas. Um gerenciamento eficiente pode impulsionar o crescimento, enquanto falhas nessa administração podem resultar na perda de clientes e, consequentemente, na ruína da organização. Em redes de varejo extensas, a alocação de estoque de um centro de distribuição para os pontos de venda representa um desafio crítico, dada a dinâmica de rápidas mudanças no setor (Martino, 2016). A ruptura de produtos, definida como a indisponibilidade de itens no ponto de venda, é uma das principais causas de insatisfação do consumidor (Araújo, 2009).
Essa insatisfação pode levar à perda de clientes para a concorrência, especialmente quando os produtos não são exclusivos ou facilmente substituíveis. A falta temporária de produtos representa um risco significativo à fidelidade dos clientes à marca ou à loja, pois pode direcioná-los a um concorrente. Se essa primeira experiência for positiva, o relacionamento com a marca ou loja original pode ser enfraquecido (Diels e Wiebach, 2011). A indisponibilidade de produtos, portanto, pode acarretar perdas de receita tanto no curto quanto no médio prazo, como evidenciado por uma varejista espanhola que, ao reduzir a ruptura em 2017, aumentou sua receita em três a quatro por cento (Caro e Gallien, 2010).
Estudos contemporâneos têm explorado as diversas reações dos consumidores diante de gôndolas vazias. Aguiar et al. (2019) categorizam essas reações, que incluem a substituição do item (seja por marca ou tamanho), o adiamento da compra ou, em cenários mais críticos para o varejista, a migração para a concorrência. Os autores enfatizam que a ruptura gera um custo de oportunidade considerável e que o comportamento do consumidor é fortemente influenciado pela urgência da necessidade e pela fidelidade à marca. No contexto do varejo “pet”, essa urgência é particularmente acentuada, pois as necessidades nutricionais e biológicas contínuas dos animais podem forçar uma mudança imediata no comportamento de compra do tutor diante da falta de uma ração específica.
Embora pesquisas anteriores, como a de Aguiar et al. (2019), ofereçam uma compreensão valiosa sobre as intenções e percepções dos clientes, há uma lacuna na análise do impacto transacional real da ruptura. Este estudo avança ao empregar a Função de Correlação Cruzada (CCF) para investigar os efeitos diretos e defasados da ruptura nas vendas, superando as limitações de análises puramente descritivas. Além disso, a complexidade do varejo moderno exige o isolamento de efeitos sazonais para uma mensuração precisa do impacto. Assim, a pesquisa evolui de uma análise exploratória de correlações para uma modelagem estocástica, visando distinguir variações casuais de impactos causais diretos no faturamento.
A compreensão aprofundada do efeito da ruptura de estoque é crucial para a gestão estratégica no varejo, permitindo que as empresas desenvolvam abordagens mais eficazes para mitigar perdas e preservar a satisfação do cliente. A relevância da pesquisa reside em fornecer evidências empíricas sobre o comportamento do consumidor em um setor específico e em aprimorar as ferramentas analíticas para a tomada de decisão. Diante desse cenário, o presente estudo tem como objetivo analisar e mensurar o impacto da ruptura de estoque no comportamento de compra dos clientes de uma varejista do setor “pet” em São Paulo, com foco na frequência de compra e na receita gerada, isolando os efeitos sazonais e identificando o impacto real da indisponibilidade de produtos.
2. Material e Métodos
Esta foi uma pesquisa aplicada e quantitativa, com caráter explicativo, visando entender o comportamento das vendas diante da falta de produtos. Foram utilizados dados extraídos do banco de dados de uma varejista do setor “pet”.
Os dados originais incluíam duas tabelas. A primeira focava em informações de vendas, com variáveis como código do cliente (anonimizado), indicação de participação no programa de fidelidade, data da compra, canal de compra (loja física ou digital), estado [UF], categoria do produto, valor da compra, data da última compra e quantidade de dias desde a última compra. A segunda tabela continha data, código identificador da loja, valor da venda e valor de ruptura. Ambas as tabelas cobriam o período de 01 de janeiro de 2023 a 31 de dezembro de 2024.
A ruptura foi definida pela varejista como a situação em que itens com estoque zero na data correspondente haviam vendido pelo menos uma unidade nas últimas cinco semanas. O indicador de ruptura foi calculado pela multiplicação da quantidade média vendida nas últimas cinco semanas pelo preço de venda do item na data correspondente, inferindo o potencial de venda não realizada.
Para o desenvolvimento do trabalho, utilizou-se a linguagem de programação Python com as bibliotecas Pandas, NumPy, Statsmodels, Matplotlib e Seaborn, além do software Microsoft Excel®.
Modelagem de Séries Temporais e Forma Funcional
O estudo adotou uma modelagem estocástica de séries temporais para investigar a relação entre a ruptura e as vendas, considerando a forte ciclicidade dos dados transacionais do varejo “pet”. A modelagem foi estruturada em duas etapas.
Forma Funcional da Decomposição
Para isolar os componentes das séries de Vendas (Yt) e Ruptura (Xt), utilizou-se o modelo de decomposição aditiva, conforme a Equação 1:
Yt = Tt + St + Rt (1)
Onde Tt (Tendência) representa a direção de longo prazo das vendas; St (Sazonalidade) captura os padrões que se repetem em intervalos fixos (ex: ciclo semanal); e Rt (Resíduo ou Erro) representa a variação aleatória, livre de influências sazonais e de tendência. A análise de correlação subsequente foi aplicada exclusivamente sobre os resíduos (Rt) para eliminar efeitos sazonais.
Modelo de Dependência Temporal [CCF]
A Função de Correlação Cruzada [CCF] foi utilizada para investigar relações temporais entre a ruptura de produtos e o desempenho das vendas, superando a limitação da correlação de Pearson. Para sua execução, optou-se pela utilização exclusiva do componente Resíduo (Rt), garantindo que a correlação identificada não fosse “inflada” por padrões sazonais. A forma funcional do coeficiente no “lag” k é definida pela Equação 2:
rxy(k) = Cxy(k) / sqrt(Cxx(0)Cyy(0)) (2)
Em que cxy(k) é a função de covariância cruzada entre a ruptura no instante t e a venda no instante t + k. Essa abordagem permitiu avaliar a existência de efeitos defasados da indisponibilidade de produtos sobre o faturamento.
Testes de Validação do Modelo
Para garantir a robustez das inferências, a análise integrou o teste de significância estatística dos coeficientes em cada defasagem (“lag”), avaliando se os coeficientes de correlação são estatisticamente diferentes de zero. O limite crítico foi definido pelo erro padrão aproximado de ±1,96/√n, conferindo um nível de confiança de 95%, conforme a Equação 3:
IC = ± 1,96 / sqrt(n) (3)
Sendo n o número de observações da série temporal. Este critério foi fundamental para distinguir o impacto real da ruptura do ruído branco.
Modelagem Estatística: Regressão Linear Múltipla
Para mensurar o efeito isolado da ruptura sobre o volume de vendas, aplicou-se um modelo de regressão linear múltipla por Mínimos Quadrados Ordinários [MQO]. Esta técnica permite controlar simultaneamente múltiplos fatores que influenciam a variável dependente (GUJARATI; PORTER, 2011). A sazonalidade semanal foi tratada pela inserção de variáveis “dummy”, que são variáveis binárias (0 ou 1) utilizadas para capturar efeitos qualitativos, como os dias da semana (WOOLDRIDGE, 2010). Para evitar multicolinearidade perfeita, utilizou-se n – 1 categorias, sendo a Segunda-Feira o dia de referência. A forma funcional do modelo é expressa pela Equação 4:
Yt = β0 + Σ δi · Diai,t + Σ Φj · Rupt-j + εt (4)
Em que Yt é o faturamento diário, Diai,t são as variáveis “dummy” sazonais, e Rupt-j representa a ruptura nos “lags” estratégicos (j) identificados na fase exploratória.
As variáveis do modelo de regressão linear múltipla são detalhadas na Tabela 1.
Tabela 1. Dicionário e Especificação das Variáveis do Modelo
| Sigla no Modelo | Nome da Variável | Explicação |
|---|---|---|
| VALOR_COMPRA | Faturamento Diário | Variável dependente (Y₁); representa o valor total das vendas diárias líquidas da categoria de Alimentos. |
| Segunda-feira | Categoria de referência para as variáveis binárias de dia de semana, omitida no modelo para evitar a multicolinearidade perfeita. | |
| dia_1 | Terça-feira | Variável binária (“dummy”) que captura o efeito qualitativo das terças-feiras sobre o faturamento. |
| dia_2 | Quarta-feira | Variável binária (“dummy”) que captura o efeito qualitativo das quartas-feiras sobre o faturamento. |
| dia_3 | Quinta-feira | Variável binária (“dummy”) que captura o efeito qualitativo das quintas-feiras sobre o faturamento. |
| dia_4 | Sexta-feira | Variável binária (“dummy”) que captura o efeito qualitativo das sextas-feiras sobre o faturamento. |
| dia_5 | Sábado | Variável binária (“dummy”) que captura o efeito qualitativo dos sábados sobre o faturamento. |
| dia_6 | Domingo | Variável binária (“dummy”) que captura o efeito qualitativo dos domingos sobre o faturamento. |
| ruptura_lag_0 | Ruptura (Lag 0) | Impacto imediato da indisponibilidade de estoque no dia da venda. |
| ruptura_lag_4 | Ruptura (Lag 4) | Efeito da falta de produtos ocorrida 4 dias antes da data do faturamento. |
| ruptura_lag_10 | Ruptura (Lag 10) | Efeito da falta de produtos com 10 dias de atraso (ciclo logístico intermediário). |
| ruptura_lag_24 | Ruptura (Lag 24) | Impacto da ruptura no início do ciclo de recompra mensal do consumidor. |
| ruptura_lag_31 | Ruptura (Lag 31) | Impacto da ruptura após um ciclo completo (31 dias) de consumo de itens essenciais, como rações. |
Fonte: Resultados originais da pesquisa
3. Resultados e Discussão
Inicialmente, para compreender o comportamento das vendas, realizou-se uma análise exploratória das transações. Os dados foram agrupados por categoria de produto, revelando que aproximadamente 80% do volume de vendas está concentrado em três categorias principais: Alimentos, Farmácia e Higiene e Beleza. Essa concentração é detalhada na Tabela 2.
Tabela 2. Participação das categorias na venda da varejista em 2023 e 2024
| Descrição Categoria | Valor Compras Clientes Em Milhões de R$ | Participação % |
|---|---|---|
| Alimentos | 3.498.777,81 | 55,94 |
| Farmácia | 865.775,47 | 13,84 |
| Higiene E Beleza | 634.403,90 | 10,14 |
| Acessórios | 421.481,95 | 6,74 |
| Pequenos Animais | 276.349,71 | 4,42 |
| Jardim | 268.506,52 | 4,29 |
| Casa E Piscina | 143.013,95 | 2,29 |
| Serviços | 99.235,68 | 1,59 |
| Check-Stand | 44.609,64 | 0,71 |
| Mundo Pet | 2.428,98 | 0,04 |
| Material De Uso E Consumo | 13,48 | 0,00 |
| Brindes A Clientes | 2,59 | 0,00 |
Fonte: Resultados originais da pesquisa
Em seguida, os dados foram agrupados por Unidade Federativa (UF), evidenciando uma significativa concentração regional da atividade comercial. O Estado de São Paulo representou 66,6% das vendas totais, e a região Sudeste concentrou 73,8% da participação. A distribuição completa é apresentada na Tabela 3.
Tabela 3. Participação das UFs na venda da varejista em 2023 e 2024
| UF | Valor Compras Clientes Em Milhões de R$ | Participação % |
|---|---|---|
| SP | 4.172.984,43 | 66,57 |
| RS | 368.572,22 | 5,88 |
| PR | 330.656,42 | 5,27 |
| RJ | 229.752,93 | 3,67 |
| MG | 202.241,04 | 3,23 |
| DF | 195.156,24 | 3,11 |
| CE | 175.186,69 | 2,79 |
| SC | 174.297,21 | 2,78 |
| PE | 81.081,67 | 1,29 |
| BA | 76.677,99 | 1,22 |
| MT | 51.401,75 | 0,82 |
| PA | 50.922,00 | 0,81 |
| GO | 40.795,36 | 0,65 |
| RN | 33.763,15 | 0,54 |
| ES | 24.051,29 | 0,38 |
| PB | 22.573,29 | 0,36 |
| SE | 18.755,69 | 0,30 |
| TO | 11.699,19 | 0,19 |
| AL | 4.981,47 | 0,08 |
| MS | 3.061,71 | 0,05 |
Fonte: Resultados originais da pesquisa
A evolução mensal das vendas, conforme a Figura 1, mostrou uma tendência geral de crescimento ao longo dos dois anos analisados (2023 e 2024). Observaram-se quedas em fevereiro de ambos os anos e em junho de 2024, enquanto novembro e dezembro de 2023 e março de 2024 apresentaram os melhores desempenhos, sugerindo eventos sazonais.
Figura 1. Evolução mensal das vendas

Fonte: Dados originais da pesquisa
O comportamento das rupturas foi avaliado por meio do agrupamento temporal dos dados. A Figura 2 indica que a ruptura de produtos se manteve relativamente estável em 2023, mas apresentou um aumento significativo no primeiro semestre de 2024, com pico em junho. A partir de julho, houve uma redução gradual, com nova alta em dezembro.
Figura 2. Evolução mensal das rupturas

Fonte: Dados originais da pesquisa
Com base nessas observações, as análises subsequentes foram focadas no mercado paulista para reduzir a variabilidade logística e comportamental.
Dinâmica Temporal da Ruptura na Base Geral
A aplicação da Função de Correlação Cruzada (CCF) sobre os resíduos das vendas em São Paulo foi uma etapa exploratória para mapear associações temporais entre variações na ruptura e o faturamento. Verificou-se uma correlação positiva nos Lags 0 e 1, indicando ruptura por exaustão. Adicionalmente, correlações negativas foram observadas a partir do Lag 4, sugerindo um tempo médio de reação do consumidor à indisponibilidade. A Figura 3 ilustra a CCF para um horizonte de 30 dias.
Figura 3. Correlação Cruzada [CCF] entre Ruptura e Venda Geral [SP] – 30 dias

Fonte: Dados originais da pesquisa
A análise foi estendida para um horizonte de 120 dias, conforme a Figura 4, com foco nos Lags 24 e 31, períodos relevantes para os ciclos de reposição de itens essenciais no varejo pet. A hipótese era que a ruptura inicial pudesse desencadear a quebra de fidelidade no primeiro ciclo de recompra mensal. Após esse período, os coeficientes retornaram aos limites de confiança, indicando o restabelecimento do comportamento de compra ou a diluição do efeito da ruptura.
Figura 4. Correlação Cruzada [CCF] entre Ruptura e Venda Geral [SP] – 120 dias

Fonte: Dados originais da pesquisa
Validação Estatística: Regressão Linear Múltipla e Controle de Efeitos Sazonais
A Regressão Linear Múltipla foi aplicada para mensurar o efeito isolado da ruptura sobre o volume de vendas. O modelo explicou 44% da variabilidade das vendas (R² = 0,440). Os resultados revelaram que a sazonalidade semanal, especialmente nos sábados e domingos, exerce um domínio estatístico superior à ruptura, apresentando elevada significância (p < 0,001). Em contraste, os coeficientes associados aos lags de ruptura testados (ruptura_lag_0, ruptura_lag_4, ruptura_lag_10, ruptura_lag_24, ruptura_lag_31) apresentaram p-valores superiores a 0,05, indicando ausência de significância estatística. A Tabela 4 detalha os resultados da regressão.
Tabela 4. Resultado da regressão linear múltipla (Variável dependente: VALOR_COMPRA)
| Variável | Coeficiente | t | p |
|---|---|---|---|
| Constante | 5,786e+6* | 59.145 | 0,000 |
| dia_1 | -210,600** | -2.209 | 0,028 |
| dia_2 | -111.600 | -1.061 | 0,289 |
| dia_3 | 235.200 | 0,251 | 0,802 |
| dia_4 | 159.000 | 1.564 | 0,118 |
| dia_5 | 1,513e+6* | 14.970 | 0,000 |
| dia_6 | 3,539e+6* | 3.765 | 0,000 |
| ruptura_lag_0 | -8,60E+09 | -1.598 | 0,111 |
| ruptura_lag_4 | -2,98E+09 | -0.508 | 0,612 |
| ruptura_lag_10 | -7,51E+09 | -1.316 | 0,189 |
| ruptura_lag_24 | 1,05E+09 | 0,019 | 0,985 |
| ruptura_lag_31 | 2,66E+09 | 0,051 | 0,959 |

Notas: * significativo a 1%; ** significativo a 5%; *** significativo a 10%. Os valores entre
parênteses correspondem ao desvio-padrão. Os valores entre chaves correspondem ao valor
da probabilidade do teste.
Fonte: Dados originais da pesquisa
Este achado sugere que, embora exista uma correlação temporal, a ruptura não possui um efeito redutor estatisticamente significante no faturamento da companhia no Estado de São Paulo. Esse comportamento indica a ocorrência de substituição intraloja, onde o consumidor, diante da urgência da necessidade de alimentação pet, opta por produtos alternativos disponíveis na mesma gôndola (Aguiar et al., 2019). Assim, a receita da loja é protegida no curto prazo, mascarando o impacto financeiro direto da indisponibilidade de itens específicos.
Em síntese, os resultados indicaram que a sazonalidade semanal é o principal fator de variação das vendas na varejista estudada, enquanto a ruptura de produtos, embora possa gerar insatisfação, não demonstrou um impacto estatisticamente significativo no faturamento total no curto prazo, devido à flexibilidade do consumidor em optar por substitutos dentro da loja.
4. Conclusão
A presente investigação objetivou analisar e mensurar o impacto da ruptura de estoque no comportamento de compra de clientes de uma varejista do setor pet em São Paulo, com foco na frequência de compra e na receita gerada, isolando os efeitos sazonais. Verificou-se, por meio de uma modelagem de regressão linear múltipla, que a sazonalidade semanal constituiu o principal determinante da variabilidade das vendas, apresentando significância estatística elevada. Em contraste, os coeficientes associados aos diferentes lags de ruptura não demonstraram significância estatística sobre o faturamento total da companhia. Esse achado sugere que, diante da indisponibilidade de produtos específicos, os consumidores, impulsionados pela urgência das necessidades de seus animais, optaram por substitutos intraloja. A principal contribuição do estudo reside em fornecer evidências empíricas de que, embora a ruptura possa comprometer o nível de serviço, a receita agregada da empresa foi preservada pela flexibilidade do consumidor, mascarando o impacto financeiro direto da falta de itens e direcionando a gestão para a importância de um sortimento robusto.
Como limitação, o estudo concentrou-se no faturamento total no Estado de São Paulo, não explorando as possíveis perdas de margem decorrentes da substituição de produtos por alternativas de menor valor, nem a potencial erosão da fidelidade a marcas específicas em um nível mais granular. Sugere-se que pesquisas futuras utilizem dados em nível de cliente para investigar a consistência da substituição intraloja ao longo do tempo e se situações recorrentes de desabastecimento podem, em última instância, levar ao abandono definitivo do canal de compra.
Referências Bibliográficas
Aguiar, F. H. O.; Silva, A. L.; Santos, R. R.; Oliveira, M. S. 2019. Comportamento do consumidor frente à ruptura de estoque. South American Development Society Journal 5(13): 108-126. Disponível em: http https://www.sadsj.org/index.php/revista/article/view/206/204. Acesso em: 15 fev. 2026.
Araújo, S.B. 2009. Análise da ruptura de produtos nas gôndolas supermercadistas: um problema enfrentado por um supermercado de pequeno porte. Disponível em: . Acesso em: 15 mar. 2025.
Caro, F.; Gallien, J. 2010. Inventory management of a fast-fashion retail network. Operations research 58(2): 257-273. Disponível em: .
Diels, J. L.; Wiebach, N. 2011. Customer Reactions in Out-of-Estoque Situations. Disponível em: . Acesso em: 15 mar. 2025.
Gujarati, D. N.; Porter, D. C. 2011. Econometria básica. 5. ed. Porto Alegre: AMGH.
Martino, G.; Yuce, B.; Iannone, R.; Packianather, M.S. 2016. Optimisation of the replenishment problem in the Fashion Retail Industry using Tabu-Bees algorithm. IFAC-PapersOnLine 49(12): 1685-1690. Disponível em:< https://doi.org/10.1016/j.ifacol.2016.07.823>.
Wooldridge, J. M. 2010. Introdução à econometria: uma abordagem moderna. 4. ed. São Paulo: Cengage Learning.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

