Você vende no Mercado Livre, na Shopee e na sua loja própria. Todo final de mês alguém baixa planilha de um lugar, copia dado de outro, abre o relatório do terceiro e tenta juntar tudo isso em algum lugar que faça sentido. O processo leva horas. Os números chegam atrasados. E quando chegam, às vezes não batem.
Isso não é problema de ferramenta. É problema de arquitetura de dados.
A integração via API de marketplace resolve exatamente essa bagunça: ela conecta cada canal a um ponto central, extrai os dados de forma automática e padronizada, e entrega uma visão consolidada que você consegue usar para tomar decisão de verdade, não só para reportar o mês.
Este artigo explica como isso funciona na prática, o que você precisa ter antes de começar e como estruturar um dashboard por canal que vai além do básico.
Uma API é o caminho oficial pelo qual sistemas se comunicam. Cada marketplace relevante no Brasil, Mercado Livre, Shopee, Amazon, Magalu, Americanas, oferece uma forma de consultar pedidos, estoque, precificação, reviews e outros dados diretamente, sem precisar acessar o painel manualmente.
Integração via API significa configurar essa comunicação de forma programática: o seu sistema faz uma requisição ao marketplace, o marketplace responde com os dados no formato padronizado (geralmente JSON), e você armazena, processa e exibe esse conteúdo onde quiser.
Na prática, é o que torna possível:
O conceito não é novo, mas a adoção ainda é baixa entre operações de médio porte porque a implementação exige algum trabalho técnico inicial. A boa notícia é que, feito uma vez com a arquitetura certa, o sistema roda sozinho.
A exportação manual parece funcionar no início. O problema é que ela escala mal e esconde distorções.
Cada marketplace tem seu próprio formato de exportação. O Mercado Livre usa uma nomenclatura de status diferente da Shopee. Uma “venda cancelada” num canal pode aparecer como “devolução” em outro. Quando você junta tudo numa planilha, está comparando coisas que não são exatamente a mesma coisa, sem perceber.
Além disso, relatórios exportados são fotos de um momento. Se você baixa o relatório todo dia, trabalha com dados de ontem. Se baixa toda semana, trabalha com dados da semana passada. Em operações com variação de demanda, promoção ativa ou ruptura de estoque, isso é tarde demais.
A integração via API muda essa lógica. Em vez de você ir buscar o dado, o sistema busca por você, na frequência que você definir, e entrega já no formato que você precisa.
O segundo ponto é rastreabilidade. Com exportações manuais, fica difícil saber se um número mudou porque o dado mudou ou porque alguém baixou o relatório errado. Com API, cada consulta é registrada, versionada e auditável.
As APIs variam em maturidade e cobertura, mas a maioria dos principais marketplaces brasileiros disponibiliza pelo menos:
Mercado Livre: pedidos, itens, estoque, perguntas de compradores, reputação do vendedor, campanhas de publicidade interna. A API é bem documentada e usa OAuth 2.0 para autenticação.
Shopee: pedidos, produtos, histórico de chat, logística, painel de saúde da loja. A autenticação usa app_id + secret com assinatura via HMAC-SHA256.
Amazon (Selling Partner API): pedidos, relatórios financeiros, estoque em centros de distribuição, anúncios patrocinados. É a mais robusta e também a mais complexa de configurar.
Magalu e Americanas: ambas têm APIs para sellers com cobertura de pedidos e catálogo, mas com menos recursos de relatório que as anteriores.
Para o propósito de um dashboard de performance por canal, o mínimo que você precisa extrair de cada plataforma é:
Com esses campos, já dá para montar uma visão comparativa real.
Antes de escrever qualquer linha de código, vale entender a estrutura. Uma integração de marketplace bem feita tem três camadas:
1. Camada de extração (connectors)
São os scripts ou serviços responsáveis por se autenticar em cada API e buscar os dados. Cada marketplace tem um conector próprio porque as APIs são diferentes. Você pode construir esses conectores do zero, usar ferramentas de automação de marketing e integração como Make ou n8n, ou contratar uma integração especializada.
2. Camada de armazenamento
Os dados extraídos precisam ir para algum lugar: um banco relacional como PostgreSQL, uma planilha no Google Sheets, um data warehouse como BigQuery ou uma ferramenta de BI com conexão direta via API. A escolha depende do volume de dados e da frequência de consulta.
3. Camada de visualização
É o dashboard em si. Pode ser Looker Studio, Metabase, PowerBI, ou uma interface personalizada. O que importa é que ele consuma os dados da camada de armazenamento de forma padronizada.
Essa separação em três camadas é o que garante que o sistema funcione a longo prazo. Se uma API muda (o que acontece com frequência), você ajusta só o conector, sem precisar mexer no banco ou no dashboard.
Um dashboard de marketplace por canal não é uma lista de números. É uma estrutura de visualização de dados que responde perguntas específicas. Antes de escolher qualquer ferramenta de visualização, defina quais perguntas o dashboard precisa responder.
As mais comuns em operações multicanal:
Inclusive, se você quer entender como mensurar conversões por cada canal de rede social, escrevi um artigo que vai direto ao ponto: Como medir conversões por canal de rede social.
Com as perguntas definidas, a estrutura do dashboard se organiza em torno de visões:
Visão geral (comparativo de canais)
Uma tabela ou conjunto de cards mostrando, lado a lado para cada marketplace: pedidos no período, faturamento bruto, faturamento líquido, ticket médio e taxa de cancelamento. Isso dá a fotografia rápida de onde a operação está.
Visão de tendência temporal
Um gráfico de linha ou barra mostrando a evolução de faturamento por canal ao longo do tempo. Serve para identificar sazonalidade, impacto de promoções e o efeito de mudanças de estratégia.
Visão de produto por canal
Quais produtos vendem bem em cada marketplace e quais não. Isso orienta decisões de catálogo: onde anunciar determinado produto, onde colocar estoque prioritário, onde o preço pode ser diferente sem canibalizar outros canais.
Visão de custo operacional
Comissões, tarifas de frete subsidiado, custo de anúncio interno. Esse painel normalmente é o que mais surpreende quem nunca consolidou esse dado: a margem líquida de um canal pode ser significativamente menor do que parece quando você olha só o faturamento bruto.
Um ponto que causa problema em muitas implementações é ignorar os limites de requisição (rate limits) de cada API. Cada marketplace define quantas chamadas você pode fazer por minuto ou por hora. Se você configurar uma extração muito frequente sem controle, a API vai começar a retornar erros e seus dados vão ficar com lacunas.
A boa prática é:
Para operações que precisam de dados em tempo real (como controle de estoque em flash sale), é possível usar webhooks que alguns marketplaces disponibilizam: em vez de você consultar a API a todo momento, o marketplace te avisa quando algo muda.
Toda API de marketplace exige autenticação. A maioria usa OAuth 2.0, o que significa que você vai trabalhar com tokens que expiram e precisam ser renovados. Outros usam chaves fixas de API com assinatura de requisição.
Alguns cuidados que fazem diferença no longo prazo:
Nunca armazene tokens ou chaves de API direto no código-fonte. Use variáveis de ambiente ou um gerenciador de segredos. Isso parece óbvio, mas repositórios com credenciais hardcoded são mais comuns do que deveriam ser.
Implemente logs de autenticação. Quando um token expira e a extração para de funcionar, você precisa saber exatamente quando e por quê, não descobrir horas depois quando alguém perceber que o dashboard está desatualizado.
Defina permissões mínimas no app cadastrado em cada marketplace. Se a integração só precisa ler pedidos, não dê permissão de alterar preços. Isso limita o impacto em caso de comprometimento de credencial.
Para uma visão completa sobre como implementar integrações com segurança e as melhores práticas técnicas envolvidas, vale conhecer o que o serviço de integrações cobre nesse contexto.
Cada API retorna dados no seu próprio formato. O Mercado Livre chama o valor de venda de unit_price. A Shopee usa item_price. A Amazon tem ItemPrice.Amount. Se você armazenar esses campos sem normalizar, vai ter três colunas diferentes para a mesma coisa, e a comparação entre canais vai exigir lógica manual toda vez.
A normalização é a etapa de padronização: antes de salvar o dado no banco, você traduz os campos de cada API para uma estrutura comum. Um esquema simples funciona assim:
orders (
id_externo TEXT, -- ID do pedido no marketplace
canal TEXT, -- 'mercado_livre' | 'shopee' | 'amazon'
data_pedido DATE,
status TEXT, -- normalizado: 'concluido' | 'cancelado' | 'em_disputa'
valor_bruto NUMERIC,
valor_liquido NUMERIC, -- valor_bruto - comissoes - taxas
produto_id TEXT,
quantidade INTEGER
)Com essa estrutura, todas as consultas do dashboard funcionam independente do canal. Você filtra por canal e compara sem precisar de lógica condicional por plataforma.
Essa normalização acontece na camada de extração, antes de o dado ir para o banco. É o trabalho que mais tempo leva no início, mas é o que torna tudo o mais simples para sempre.
Construir tudo do zero faz sentido quando você tem uma operação grande com necessidades específicas. Para operações menores, existem alternativas que reduzem o tempo de implementação:
Make (ex-Integromat): permite criar fluxos visuais que consultam APIs, transformam dados e os enviam para planilhas, bancos ou dashboards. Bom para começar com volume menor e menos complexidade técnica.
n8n: similar ao Make, mas auto-hospedado e open source. Mais flexível para customização e sem limite de execuções baseado em volume.
Airbyte: ferramenta especializada em extração e carga de dados (ELT). Tem conectores prontos para Shopee, Amazon e outros. Ideal para quem vai para um data warehouse como BigQuery ou Redshift.
Pipedream: permite escrever código em JavaScript ou Python direto nos fluxos, com hospedagem gerenciada. Bom equilíbrio entre flexibilidade e velocidade de implementação.
Apps Script é uma alternativa gratuita para começar: com poucas linhas de JavaScript, você consegue consultar a API de um marketplace, normalizar os campos e jogar o resultado direto numa planilha do Google Sheets, tudo rodando automaticamente em intervalos definidos por você, sem precisar de servidor.
Para dashboards, o Looker Studio é o ponto de partida mais acessível porque é gratuito, conecta direto com Google Sheets e BigQuery, e tem recursos de comparação de períodos e filtros por dimensão que já atendem a maioria dos casos.
Ferramentas low-code resolvem bem cenários mais simples. Quando a operação cresce, alguns sinais indicam que uma integração sob medida faz mais sentido:
Nesse cenário, uma integração desenvolvida diretamente, com API client específico por plataforma, banco estruturado e pipeline de dados com agendamento, entrega mais controle, mais confiabilidade e menor custo por execução a longo prazo.
O dashboard não é o destino final, é o ponto de partida para as análises. Com os dados consolidados e atualizados automaticamente, você passa a ter condições de fazer perguntas que antes seriam inviáveis de responder com velocidade:
Por que o ticket médio do canal A caiu nessa semana? O produto campeão de vendas no Mercado Livre está sendo anunciado também na Shopee com mesma performance? A taxa de cancelamento subiu junto com o aumento de promoções? O custo de ads internos justifica o volume gerado?
Essas perguntas geram hipóteses, que geram testes, que geram dados novos. É esse ciclo que diferencia uma operação que usa dados para reportar do passado de uma que usa dados para tomar decisão sobre o futuro.
A integração via API é a infraestrutura que viabiliza esse ciclo. Sem ela, você está sempre olhando para o retrovisor com atraso.
Se você quer montar essa estrutura de integração via API para a sua operação ou precisa de uma automação diferente entre em contato.
GA4 e Meta Ads nunca vão mostrar os mesmos números. Entenda por que isso acontece, o que cada plataforma está medindo de verdade e como tomar decisões com dados que se contradizem.
Eventos customizados, dataLayer, CAPI server-side e atribuição real: entenda por que certas configurações de GA4 dependem de código e como um programador resolve o que a interface não alcança.
Aprenda a medir conversões de todos os canais com UTMs, GA4 e Google Tag Manager. Guia técnico e prático com exemplos reais, checklists e padrão de nomenclatura.