Análise de captação e funil de matrículas

Captação vira caixa previsível quando o funil de matrículas para de morar em planilha#

A maioria das instituições de ensino que atendemos sabe quantos alunos matriculou no ano passado. Poucas sabem quantos leads precisaram entrar no topo para chegar naquele número, quanto custou cada um e em qual etapa o candidato desistiu. Sem isso, a captação vira aposta: contrata-se mídia, roda-se campanha, e no fim do ciclo se descobre se deu certo ou não. O funil de matrículas existe justamente para tirar essa decisão do escuro, medindo cada passagem do candidato entre lead, visita, inscrição e matrícula, e mostrando onde o dinheiro está entrando e onde está vazando.

O problema quase nunca é falta de dado. O CRM de captação registra tudo: quando o lead chegou, de qual campanha veio, se agendou visita, se pagou a taxa de inscrição. O problema é que esse dado fica preso na tela do CRM, exportado em planilha uma vez por mês e esquecido. Este artigo mostra como transformar essa base em um funil de matrículas vivo no Power BI, com conversão por etapa, custo de aquisição por origem e leitura correta da sazonalidade, que no setor educacional é brutal.

O funil de matrículas tem quatro etapas, não uma taxa de conversão só#

O erro mais comum é resumir captação a um número: "convertemos 8% dos leads em matrícula". Esse número esconde tudo o que importa. Um candidato passa por estágios de naturezas diferentes, e cada transição tem seu próprio gargalo. Modelar o funil de matrículas etapa a etapa é o que permite agir, porque uma queda entre visita e inscrição pede uma ação de comercial, enquanto uma queda entre lead e visita pede uma ação de marketing.

Chamamos de conversão de etapa a razão entre quem chegou ao estágio seguinte e quem estava no anterior. É diferente da conversão acumulada, que compara cada etapa com o topo do funil. As duas leituras coexistem no painel.

Etapa	Volume no ciclo	Conversão de etapa	Conversão acumulada (vs. lead)
Lead	4.000	100%	100%
Visita agendada e realizada	1.400	35,0%	35,0%
Inscrição (taxa paga)	560	40,0%	14,0%
Matrícula efetivada	336	60,0%	8,4%

Os números acima são ilustrativos e servem só para mostrar a mecânica. O que a tabela ensina é onde olhar: neste exemplo, a maior perda absoluta acontece entre lead e visita, onde 65% do topo evapora. Se a diretoria só olha a conversão final de 8,4%, ela nunca descobre que o gargalo real é agendamento de visita, e não fechamento. No Power BI, isso vira um funil visual com rótulos de conversão de etapa e detalhamento por unidade, série e turno, porque o gargalo raramente é igual em toda a instituição. A medida usa sempre DIVIDE, e nunca o operador de divisão, para não quebrar quando o denominador é zero em uma unidade nova ou fora de temporada.

Origem do lead decide o CAC, não o volume da campanha#

Volume de leads é a métrica preferida de quem quer parecer ocupado, e quase não diz nada sozinha. Uma campanha que traz 2.000 leads a custo alto e converte mal é pior do que uma indicação que traz 200 leads baratos que quase todos matriculam. Por isso o funil de matrículas precisa ser cruzado com a origem do lead e com o custo de aquisição de cliente, o CAC.

O CAC de captação é o investimento de marketing e comercial atribuível a uma origem, dividido pelo número de matrículas que aquela origem gerou. O detalhe que muita gente erra: o denominador é matrícula, não lead. CAC por lead é vaidade; CAC por matrícula é o que entra na conta do orçamento.

Origem do lead	Leads	Matrículas	Conversão lead a matrícula	CAC (faixa)
Indicação de aluno atual	320	96	30,0%	mais baixo
Google Ads (busca)	1.500	120	8,0%	médio
Meta Ads (social)	1.700	85	5,0%	mais alto
Eventos e feiras	480	35	7,3%	médio-alto

Repare no que a tabela expõe. A indicação tem o menor volume e a maior conversão, quase sempre com o menor CAC, porque a confiança já vem embutida. Social costuma trazer volume e converter pior. Quando a instituição enxerga isso num painel, a conversa de orçamento muda: em vez de aumentar a verba de mídia, passa a ser criar um programa estruturado de indicação e realocar parte da verba de social. É a diferença entre um relatório que descreve e um que orienta decisão.

Para o CAC ficar honesto, o custo precisa entrar no modelo. Investimento de mídia vem de planilhas de agência ou de conectores das plataformas de anúncio, e a alocação de comercial vem do RH ou do próprio CRM. Consolidar essas fontes com a base de matrículas é trabalho de engenharia de dados, não de fórmula na tela.

Sazonalidade não é ruído, é o eixo do planejamento de captação#

Quem trabalha com educação sabe que a demanda não é constante. Existe um ciclo de matrículas com picos concentrados nos meses que antecedem o início do período letivo e vales longos no resto do ano. Ignorar isso produz duas bobagens: comparar um mês de pico com um mês de vale como se fossem iguais, e dimensionar mídia de forma linear ao longo do ano.

A leitura correta exige comparação ano contra ano na mesma janela do ciclo, não mês contra mês corrido. O candidato que entra como lead em outubro não está no mesmo momento do funil que o de fevereiro. No Power BI, isso se resolve com uma dimensão de calendário bem construída e uma coluna de safra de captação, que marca a qual ciclo letivo cada lead pertence, independente da data-calendário. Sem essa coluna, um lead que chega em dezembro para o ano seguinte cai no ano errado, e todo o funil desanda.

Alguns pontos que tratamos como padrão em projetos de captação educacional:

• Safra de captação como chave, não o mês civil. Um mesmo lead percorre lead, visita, inscrição e matrícula ao longo de meses. Ele pertence a uma safra, e é por ela que se mede conversão.
• Comparação com o mesmo ponto do ciclo anterior. "Estamos com 12% menos inscrições que no mesmo ponto da safra passada" é acionável. "Caímos 40% em relação ao mês passado" no meio do vale é só sazonalidade.
• Velocidade do funil, não só volume. O tempo médio entre lead e matrícula, o ciclo de venda, encurta ou alonga conforme a proximidade das aulas. Medir isso evita pânico quando o funil está apenas mais lento por estar longe do pico.

Integração com o CRM de captação exige modelagem, não conector mágico#

Aqui é onde a maioria dos projetos trava. A expectativa é que basta plugar o Power BI no CRM e o painel nasce pronto. Não nasce. O CRM guarda o dado orientado a operação, não a análise: uma tabela de leads, uma de atividades, uma de negociações, cada uma com seu ritmo de atualização e suas chaves. Transformar isso em um modelo dimensional que responde perguntas de funil é trabalho de modelagem.

A ordem que seguimos é sempre a mesma. Primeiro, extração e tratamento das entidades do CRM em uma camada confiável, com regras claras de deduplicação, porque o mesmo candidato costuma virar dois ou três leads em campanhas diferentes. Depois, um modelo estrela com uma tabela fato de eventos do funil e dimensões de origem, unidade, curso e calendário. Só então as medidas de conversão, CAC e ciclo. Pular a modelagem e empilhar medida sobre a base bruta do CRM é a receita para um painel lento e cheio de número que não bate.

O motor ajuda quando o modelo está certo. O VertiPaq, motor de armazenamento colunar do Power BI, comprime cada coluna de acordo com sua cardinalidade: colunas com poucos valores distintos, como origem do lead ou etapa do funil, comprimem muito bem, enquanto colunas de altíssima cardinalidade, como um identificador único de lead ou um carimbo de data e hora completo, incham o modelo. Por isso separamos data e hora em colunas distintas e evitamos arrastar campos de texto livre do CRM para o modelo. É modelagem, não mágica, e boa parte do desempenho nasce dessa decisão. Quem quiser aprofundar a parte de medidas encontra o essencial no nosso guia de modelagem e boas práticas de DAX.

Sobre licenciamento. Um painel de captação para um time comercial pequeno roda tranquilo com Power BI Pro, licença por usuário, que atende à maioria das instituições. Quando o volume de dados e de usuários cresce, o caminho passa por PPU (também por usuário) ou por capacidade dedicada. No Microsoft Fabric, anunciado pela Microsoft em 2023, o consumo é medido em Capacity Units e o dimensionamento se dá por SKUs, das menores como F2 às maiores como F2048, além das capacidades Premium P1 a P5. Recursos como Direct Lake, que lê os dados diretamente do OneLake, fazem diferença em volumes grandes, mas raramente são necessários para o funil de matrículas de uma rede de médio porte. Dimensionar plataforma acima da necessidade é queimar orçamento, e nós ajudamos a calibrar isso em projetos de Power BI antes de comprar capacidade. A Microsoft é reconhecida como Líder no Quadrante Mágico do Gartner para Analytics e Business Intelligence, o que dá segurança à stack, mas não substitui a decisão de dimensionamento caso a caso.

Dado de aluno é dado pessoal, e a LGPD não é opcional#

Captação lida com nome, telefone, e-mail, às vezes dado de menor de idade e informação financeira da família. Tudo isso é dado pessoal sob a LGPD, a Lei nº 13.709/2018, e levar essa base para um painel sem cuidado de acesso é criar risco. Na prática, isso significa segurança em nível de linha para que um coordenador só enxergue os leads da sua unidade, e não expor campos sensíveis que não agregam à análise de funil. Tratamos isso como parte do desenho, e não como remendo, no nosso trabalho de governança de dados e LGPD no Power BI.

As métricas que a diretoria realmente cobra#

Um painel de captação que presta responde a um conjunto pequeno e estável de perguntas. Encher a tela de gráfico é o caminho mais rápido para um relatório que ninguém abre. As medidas abaixo formam o núcleo, todas sobre o modelo dimensional, não sobre a base bruta.

Métrica	O que responde	Como se lê
Conversão por etapa	Onde o funil vaza	DIVIDE(etapa_atual, etapa_anterior)
Conversão lead a matrícula	Eficiência geral da safra	matrículas sobre leads da safra
CAC por origem	Quanto custa cada aluno por canal	investimento sobre matrículas da origem
Ciclo médio de captação	Velocidade do funil	dias médios entre lead e matrícula
Cobertura da meta	Quanto falta para o alvo do ciclo	matrículas realizadas sobre meta

O poder do painel não está em nenhuma medida isolada, e sim em cruzá-las. CAC por origem sozinho engana, porque uma origem cara pode trazer o aluno que mais permanece. Por isso, em projetos mais maduros, conectamos o funil de captação ao dado de retenção e receita ao longo da vida do aluno, terreno de analytics avançado. A pergunta deixa de ser "qual canal traz mais matrícula" e passa a ser "qual canal traz o aluno que fica e paga em dia".

Perguntas frequentes#

Qual a diferença entre conversão de etapa e conversão acumulada no funil de matrículas? A conversão de etapa compara cada estágio com o imediatamente anterior, mostrando o gargalo local, por exemplo quantos dos que visitaram chegaram a se inscrever. A conversão acumulada compara cada estágio com o topo do funil. As duas convivem no mesmo painel: a de etapa diz onde agir, a acumulada diz o tamanho do resultado.

CAC deve ser calculado por lead ou por matrícula? Por matrícula. O CAC por lead é uma métrica de vaidade que faz um canal barato de topo parecer eficiente mesmo quando não converte. O que importa para o orçamento é quanto custou cada aluno que efetivamente matriculou: o denominador é o número de matrículas atribuídas àquela origem, e o numerador é o investimento total de marketing e comercial do canal.

Por que não basta conectar o Power BI direto no CRM de captação? Porque o CRM é organizado para a operação do dia a dia, não para análise. Sem uma camada de tratamento e um modelo dimensional, o painel fica lento, os números não batem e a deduplicação de leads não acontece. É um projeto de dados, não um clique em conector.

Como o Power BI trata a sazonalidade do ciclo de matrículas? Com uma dimensão de calendário robusta e uma coluna de safra de captação que amarra cada lead ao ciclo letivo a que ele pertence, independentemente do mês em que cada evento ocorreu. Isso permite comparar o mesmo ponto de safras diferentes, a única comparação justa em captação, em vez de comparar meses corridos e confundir sazonalidade com desempenho.

Preciso de Microsoft Fabric ou de capacidade dedicada para um painel de captação? Na maioria dos casos, não. Um funil de matrículas de uma instituição de médio porte roda bem com Power BI Pro. Fabric, com consumo em Capacity Units e SKUs de F2 a F2048, ou recursos como Direct Lake sobre o OneLake, entram quando o volume de dados e de usuários cresce de fato. Dimensionar plataforma antes de precisar é desperdício de orçamento.

Como manter o painel de captação em conformidade com a LGPD? Tratando o dado de candidato como dado pessoal desde o desenho, sob a Lei nº 13.709/2018. Isso inclui segurança em nível de linha para restringir cada usuário à sua unidade e não expor campos sensíveis que não agregam à análise de funil. Um bom painel entrega conversão e CAC sem espalhar a lista nominal de candidatos.

Conclusão#

Captação previsível não vem de mais campanha, vem de enxergar o funil de matrículas inteiro: onde vaza, quanto custa cada aluno por origem e como o ciclo se comporta ao longo do ano. Isso exige integração séria com o CRM, modelagem correta e leitura honesta da sazonalidade, não uma planilha exportada uma vez por mês. Se a sua instituição quer transformar a base de captação em decisão de orçamento, fale com a gente.