Agência de Testes A/B
A maioria dos testes A/B falha porque são encerrados cedo demais, rodam com tráfego insuficiente ou são tratados como experimentos pontuais em vez de conhecimento composto. Desenhamos cada teste com cálculos de efeito mínimo detectável e requisitos de tamanho de amostra documentados antes de qualquer variante entrar em produção — para que você saiba se o teste vale a pena rodar antes de rodá-lo.
Rigor Estatístico Aplicado a Cada Experimento
O padrão do mercado é lançar um teste, ficar de olho no dashboard durante uma semana e declarar um vencedor quando o gráfico de barras parece bom. Essa abordagem produz falsos positivos numa taxa que preocuparia um estudante de estatística do primeiro ano. Calculamos o efeito mínimo detectável, determinamos o tamanho de amostra necessário e definimos o tempo de execução antes do lançamento do teste — não depois.
Cada teste produz um aprendizado documentado independentemente do resultado. Os testes perdedores nos dizem algo real sobre os seus usuários. Esse conhecimento acumulado se compõe — cada hipótese é mais precisa por causa do que o último teste nos ensinou. Rastreamos e compartilhamos todos os insights para que o aprendizado viva no seu negócio de forma permanente.
Serviços de Testes A/B
Concepção de Testes e Hipóteses
Cada experimento começa com uma hipótese fundamentada ligada ao comportamento observado dos usuários. Calculamos o efeito mínimo detectável e o tamanho de amostra necessário antes de qualquer coisa entrar em produção — se o teste não vale a pena rodar dado o seu tráfego, avisamos você com antecedência.
Análise Estatística e Relatórios
Teste de significância bayesiano ou frequentista, dependendo da sua tolerância ao risco e padrões de tráfego. A significância é avaliada apenas depois de atingir o tamanho de amostra pré-especificado. Os resultados incluem intervalos de confiança, aumento observado versus previsto e uma interpretação em linguagem simples ao lado dos números.
Testes de Copy e Mensagem
Títulos, CTAs, propostas de valor, posicionamento de prova social e microcopy movem as taxas de conversão — muitas vezes mais do que alterações de layout. Escrevemos e testamos variantes de copy sistematicamente, tratando a mensagem como uma variável de experimento de primeira classe e não como um pensamento secundário.
Testes Multivariados
Quando você precisa entender como múltiplos elementos interagem e quais combinações têm melhor desempenho, desenhamos testes multivariados com a estrutura fatorial correta e a alocação de tráfego adequada. As páginas de alto tráfego onde os efeitos de interação importam recebem a abordagem que merecem.
Perguntas frequentes
Quanto tempo deve rodar um teste A/B?
Tempo suficiente para atingir o seu tamanho de amostra pré-calculado, e nunca menos de dois ciclos de negócio completos (tipicamente duas semanas no mínimo). A duração exata depende da sua taxa de conversão base, do efeito mínimo detectável que interessa a você e do seu tráfego diário. Calculamos o tempo de execução necessário antes do lançamento do teste — parar cedo porque a variante parece boa é a causa mais comum de falsos positivos nos testes A/B.
O que pode ser testado em testes A/B?
Quase qualquer elemento que um usuário vê ou com que interage: títulos, CTAs, imagens de hero, apresentações de preços, layouts de formulários, passos de fluxo de checkout, navegação, posicionamento de prova social, estrutura de página e microcopy. A restrição é o tráfego — elementos profundos num funil de baixo tráfego demoram tempo demais para atingir significância. Priorizamos testes em páginas de alto tráfego e alto impacto onde os resultados são alcançáveis num prazo razoável.
Que significância estatística vocês usam para os testes A/B?
Buscamos 95% de confiança (p < 0,05) como mínimo, com 80% de poder estatístico — o que significa 80% de chance de detectar um efeito real, se existir. Para testes de alto tráfego e baixo risco, podemos aceitar 90% de confiança. Para testes com consequências de negócio significativas (preços, grande reestruturação de UX) mantemos 95% ou superior. Documentamos o limiar escolhido e a justificativa antes do início de cada teste, para que os critérios de decisão estejam fixados antes de os resultados chegarem.
Quanto tráfego precisamos para testes A/B?
Depende da sua taxa de conversão base e do tamanho de melhoria que você está tentando detectar. Como orientação aproximada: se a sua página converte a 3% e você quer detectar uma melhoria relativa de 15% (para 3,45%), precisa de aproximadamente 10.000 visitantes por variante. Taxas base mais baixas ou efeitos-alvo menores exigem proporcionalmente mais tráfego. Fazemos o cálculo de poder para os seus números específicos e dizemos se um teste é viável antes de desenhá-lo.
Pare de Rodar Testes A/B que Não Atingem Significância
Diga qual é a sua taxa de conversão atual e os volumes de tráfego. Calcularemos o que é realmente testável e quais experimentos vão compor mais rápido.
Fale conosco → Otimização da Taxa de Conversão →