Agência de Testes A/B
A maioria dos testes A/B falha porque são terminados cedo demais, correm com tráfego insuficiente ou são tratados como experiências pontuais em vez de conhecimento composto. Concebemos cada teste com cálculos de efeito mínimo detectável e requisitos de tamanho de amostra documentados antes de qualquer variante entrar em produção — para que saiba se o teste vale a pena correr antes de o correr.
Rigor Estatístico Aplicado a Cada Experiência
O padrão da indústria é lançar um teste, observar o dashboard durante uma semana e declarar um vencedor quando o gráfico de barras parece bom. Essa abordagem produz falsos positivos a uma 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 uma aprendizagem documentada independentemente do resultado. Os testes perdedores dizem-nos algo real sobre os seus utilizadores. Esse conhecimento acumulado compõe-se — cada hipótese é mais precisa por causa do que o último teste nos ensinou. Rastreamos e partilhamos todos os insights para que a aprendizagem viva no seu negócio de forma permanente.
Serviços de Testes A/B
Concepção de Testes e Hipóteses
Cada experiência começa com uma hipótese fundamentada ligada ao comportamento observado dos utilizadores. 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 correr dado o seu tráfego, dizemos-lho antecipadamente.
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 após 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 experiência de primeira classe e não como um pensamento secundário.
Testes Multivariados
Quando precisa de compreender como múltiplos elementos interagem e que combinações têm melhor desempenho, concebemos testes multivariados com a estrutura factorial correcta e a alocação de tráfego adequada. As páginas de alto tráfego onde os efeitos de interacção importam recebem a abordagem que merecem.
Perguntas frequentes
Quanto tempo deve correr 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 dois semanas no mínimo). A duração exacta depende da sua taxa de conversão base, do efeito mínimo detectável que lhe interessa 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 utilizador 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 demasiado a atingir significância. Priorizamos testes em páginas de alto tráfego e alto impacto onde os resultados são alcançáveis num prazo razoável.
Que significância estatística usam para os testes A/B?
Visamos 95% de confiança (p < 0,05) como mínimo, com 80% de poder estatístico — o que significa 80% de hipótese 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 justificação 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 está a tentar detectar. Como orientação aproximada: se a sua página converte a 3% e 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 requerem proporcionalmente mais tráfego. Realizamos o cálculo de poder para os seus números específicos e dizemos-lhe se um teste é viável antes de o concebermos.
Pare de Correr Testes A/B que Não Atingem Significância
Diga-nos a sua taxa de conversão actual e os volumes de tráfego. Calcularemos o que é realmente testável e que experiências vão compor mais rapidamente.
Contacte-nos → Optimização da Taxa de Conversão →