Operamos uma loja em um prédio corporativo de ~180 unidades em Curitiba. Durante seis meses, olhávamos para as câmeras procurando entender por que o ticket médio caía toda segunda-feira. Nada de anormal. Clientes pagando, produtos saindo normalmente. Até que alguém do time abriu o painel HRM e viu o óbvio: não havia clientes na segunda-feira para câmera filmar.

O que os sensores de acesso e os logs de transação mostravam era bem diferente das impressões visuais. O cliente aparecia na loja, mas não estava comprando. Ou comprava menos. Ou entrava duas vezes por semana em horários que a gente não havia notado olhando tela de CFTV.

Como câmera engana o que você realmente vende

Câmera filma comportamento. Mostra o cara abrindo a porta, pegando um café, fechando a porta. Pronto, parece que a loja funcionou. Mas o dashboard HRM mostra o que importa: quantas transações de verdade saíram, qual o ticket médio por hora, quem comprou e quanto. Dados de sensor de peso, sensores de abertura de porta, logs do app. A câmera não vê nada disso.

Nas lojas que operamos agora, a gente cruza informação de três fontes: fluxo de pessoas (sensor de movimento), transações confirmadas (Pix, cartão, app), e inventário físico (sensores de peso na gôndola). Câmera é terceira fila. Ela ajuda se rolou alguma confusão ou acusação de cliente, mas não diz nada sobre o que vende.

Padrão de compra que só aparece nos números

Um dos dados mais úteis do HRM é a frequência de compra por horário e dia. A gente descobriu que em um condomínio de ~140 unidades em São Gonçalo, o pico de vendas não era na saída para o trabalho. Era 22h30. Meia-noite. Gente voltando de sair, voltando de academia próxima, voltando de trabalho remoto pra cozinha.

A câmera mostrava movimento o tempo todo. O HRM mostrou que 35% do faturamento semanal saía em 4 horas, entre 21h e 1h. Isso mudava tudo: mix de produtos, reposição, até luminosidade da loja. Mas ninguém veria isso em vídeo sem passar horas acelerado.

Produto que sai e ninguém percebe

Outro padrão: cliente que compra água e energético todo sábado de manhã. Nada de especial. Câmera vê ele pegando a garrafa. HRM, porém, descobre que esse cliente representa 2% do faturamento semanal sozinho, que ele nunca compra nada além desses dois itens, e que paga sempre com Pix. Se você não está olhando o dado, pensa que a margem de energético está errada ou que a reposição não funciona. Na verdade, o cliente compra exatamente o que você precisa que ele compre.

Mas tem o inverso também. Cliente que entra todo dia útil, câmera mostra movimento constante, HRM mostra que ele compra uma vez a cada oito dias. Oito dias. Ele está ali, mas não está gerando ticket. Está olhando, pensando, adiando. A câmera não vê hesitação. O app vê: quantas vezes ele abriu o QR, quantas vezes saiu sem confirmar pagamento.

Quando os dados revelam o que mata sua margem

Em uma academia parceira em Belo Horizonte, o dashboard mostrou que 60% das transações aconteciam em 90 minutos: entre 6h30 e 8h. Café, barra de proteína, água. Ticket médio R$ 22. Simples. Depois disso, tudo cai. Tarde inteira move coisa de R$ 8 a R$ 12 por venda. À noite, sobe de novo, mas com produto diferente: energético, lanches maiores.

Câmera não diferencia café de lanches. Mostra pessoas entrando. HRM diz: você tem duas operações distintas na mesma loja, com margens diferentes, horários diferentes, produtos diferentes. Se você repõe café para noite ou lanches para manhã, mata sua própria venda. E ninguém veria isso sem os dados.

Roubo que sensor vê mas câmera não

Sensor de peso na gôndola registra quando produto sai. Se sai sem passar por transação no app, você tem dois cenários: falha do app, ou roubo. Câmera cego em ângulo, cliente abaixado, prateleira no meio do corredor. Tudo difícil de ver. Sensor de peso, porém, é literal: saiu produto, faltou transação. HRM emite alerta. Pode não dizer nome do cliente, mas diz: entre 14h e 15h, uma cerveja saiu e ninguém pagou.

Nas operações que acompanhamos, sensor de peso detecta ~40% mais de inconsistências que câmera sozinha. Não é que câmera não funcione, é que ela não vê tudo. Sensor vê.

Quando é melhor fechar a loja sem saber disso

Tem caso onde você abre loja em prédio com 100+ unidades e o HRM mostra que 15% do faturamento vem de três clientes. Três pessoas. Se uma delas se muda, você cai de uma hora pra outra. Câmera não avisa disso. Você só vê movimento. HRM avisa: você tá vendendo pra três pessoas. Concentração demais. Precisa de estratégia diferente ou aceitar que a loja não paga o custo fixo se qualquer coisa muda.

Outro limite: em condomínios abaixo de ~80 unidades, o dashboard mostra que ticket médio por transação precisa estar acima de R$ 30 pra cobrir custo de reposição e máquina. Câmera não diz nada disso. Ela só mostra que tem gente comprando. HRM diz: não, não tá funcionando, essa quantidade de gente comprando pouco não sustenta a operação.

Como começar a usar dados de verdade

Não precisa de tecnologia complicada. No padrão Be Honest, você vê em tempo real: quantas transações por hora, ticket médio por dia, produto que mais sai, horário de pico, taxa de abandono no app (cliente que escaneia QR mas não confirma pagamento), e inconsistência de peso (produto que saiu sem pagar).

Toma uns 15 dias de operação pra padrão ficar claro. Depois disso, uma reunião por semana olhando o dashboard já muda decisão sobre reposição, mix, horário de funcionamento, preço. Câmera você assiste quando precisa investigar algo específico. HRM é seu termômetro diário.

Se você está operando franquia Be Honest ou avaliando abrir uma, peça pra ver o painel HRM de uma loja que já tá rodando há alguns meses. Não olhe a câmera. Olhe os números. Números mostram se a loja merece estar lá.