[pt] O presente estudo tem como objetivo analisar as estratégias competitivas adotadas por empresas varejistas brasileiras e o impacto dessas estratégias em seus resultados, gerando uma taxionomia que possibilite um melhor entendimento deste setor. As empresas selecionadas são as maiores do segmento no Brasil, representando mais de 60 por cento do faturamento no período entre 2017 a 2021. Foram utilizados dados secundários da Economática e dos portais de informação ao investidor de cada empresa para seleção das variáveis estratégicas e de desempenho. Tais dados foram analisados por meio de algoritmos do SPSS (Statistical Package for Social Science). Após a preparação da base de dados, constituída por 37 empresas e com tratamento de outliers e valores ausentes, foram extraídos do espaço estratégico os fatores relevantes para definição das variáveis de clusterização. A aplicação de análise de cluster hierárquica e k-means possibilitou determinar o número ótimo de clusters e gerar grupos de empresas com perfis estratégicos definidos, de forma a perceber que, as que fazem parte do mesmo grupo, adotam estratégias semelhantes, distintas daquelas empregadas por empresas de outros grupos. Testes MANOVA foram realizados para validar tal conclusão. Finalmente, foram calculados os vetores de desempenho de cada cluster e realizados os testes estatísticos adequados, MANOVA e ANOVA, incluindo análise post hoc, para elaborar uma hierarquia que emprestasse sentido prático à taxionomia. A conclusão é que a taxionomia com três clusters tem melhor aderência à realidade do setor e que as empresas que praticam estratégias de diferenciação ampla apresentam desempenho melhor do que aquelas que praticam custo ou qualquer tipo de enfoque. / [en] The present study aims to analyze the competitive strategies adopted by Brazilian retail companies and the impact on their results, generating a taxonomy that allows a better understanding of this sector. The selected companies are the largest in the segment in Brazil, representing more than 60 percent of revenue, from 2017 to 2021. Secondary data from Economática and from the investor information of each company were used to select strategic and performance variables. Such data were analyzed using SPSS (Statistical Package for Social Science) algorithms. After preparing the database, consisting of 37 companies, with treatment of outliers and missing values, the relevant factors for defining the clustering variables were extracted from the strategic space. The application, in sequence, of hierarchical cluster analysis and k-means made it possible to determine the optimal number of clusters and generate groups of companies with defined strategic profiles, so that those in the same group adopt similar strategies, although different from those employed by companies in other groups. MANOVA tests were performed to validate this conclusion. Finally, the performance vectors of each cluster were calculated and the appropriate statistical tests, MANOVA and ANOVA, including post hoc analysis, were performed to create a hierarchy that would lend practical meaning to the taxonomy. The conclusion is that the taxonomy with three clusters has better adherence to the reality of the sector and that companies that practice broad differentiation strategies perform better than those that practice cost or any type of approach.