Teste A/B: Ferramenta poderosa de otimização
Utilizar testes A/B é uma das formas mais efetivas de aumentar conversões. Veja quando usar, como medir a significância e o que fazer com o resultado.
Utilizar testes A/B é uma das formas mais efetivas de aumentar as conversões no seu site.
Neste artigo, iremos explicar como funcionam os testes A/B e como você pode implantá-los no seu negócio.
- Quando usar Teste A/B?
- Como fazer um Teste A/B?
- O que fazer com o resultado do Teste A/B?
- Dica #1: Pare o teste!
- Dica #2: Tenha um repositório de testes A/B.
- Dica #3: Faça mais testes!
Quando usar Teste A/B?
Quando realizamos um teste A/B, queremos entender algum comportamento de um grupo.
Com essa informação, podemos otimizar alguma métrica importante para o resultado do negócio, como acessos, cliques, geração de leads ou vendas. Dá para testar quase tudo: um anúncio, um e-mail, o preço e, principalmente, a experiência na página de destino.
Para ilustrar, vou falar do João, que possui um e-commerce de camisas. João tem a importante tarefa de decidir qual camisa ele coloca em promoção na sua loja online.
Como ele não sabe qual escolha irá lhe trazer melhor resultado nas vendas, ele decide fazer um teste: colocar duas versões diferentes do seu site no ar, onde metade dos usuários são redirecionados para a variação A e a outra metade para a variação B.
Como fazer um Teste A/B?
Depois de criar as variações A e B para os testes e mensurar seus resultados (métricas como cliques, vendas ou leads), você precisa calcular o nível de confiança estatística.
Esse nível de confiança irá te dizer se há ou não significância estatística para concluir se uma das variações do teste é vencedora. E significância depende do tamanho da amostra: com poucas visitas e conversões, nenhuma diferença é confiável, por maior que pareça.
Por exemplo, vamos imaginar que João obteve os seguintes dados ao final do teste:
| Variação | Cliques | Vendas | Taxa de conversão |
|---|---|---|---|
| A | 1.000 | 30 | 3% |
| B | 1.000 | 50 | 5% |
Segundo os dados, a variação B obteve uma taxa de conversão maior em comparação à variação A.
Para calcular o nível de confiança deste experimento, podemos utilizar uma calculadora online de teste A/B. Colocando esses dados nesse tipo de calculadora, obtemos um nível de confiança de 97% para o experimento, acima do corte usual de 95%.
Ou seja, há confiança estatística relevante para afirmarmos que a variação B é a vencedora.
O que fazer com o resultado do Teste A/B?
Após realizar o teste A/B, algumas ações são essenciais para tirar o máximo proveito do experimento realizado:
Dica #1: Pare o teste!
Após obter confiança estatística e compreender qual é a melhor variação, é importante que você retire a variação perdedora do ar.
A variação perdedora é a variação que tem menor eficiência, com confiança estatística. Por exemplo, no caso do João, a variação A foi a perdedora para o teste.
O contrário também vale: não encerre o teste antes da hora. Parar cedo, com amostra pequena, é o jeito mais rápido de coroar um vencedor falso.
Dica #2: Tenha um repositório de testes A/B.
O teste, além de ser uma ferramenta de otimização poderosa, irá lhe fornecer uma informação de negócio relevante que deve ser armazenada.
No exemplo da loja do João, descobriu-se que o público dele reage melhor a promoções da camisa amarela.
Se João fizer uma promoção no próximo mês, ele irá escolher a camisa amarela e com isso aproveitará o conhecimento de negócio que conseguiu nesse teste A/B.
Dica #3: Faça mais testes!
É importante sempre fazer testes A/B para otimizar continuamente o site e os resultados. O mesmo raciocínio vale para anúncios: testar títulos e descrições diferentes é o caminho mais curto para melhorar a relevância dos anúncios no Google Ads. A Marktech mantém ferramentas gratuitas para quem anuncia: a calculadora de teste A/B é uma delas.

Quer ajuda para desenhar e rodar seus testes? Fale com a gente.
Quer esses resultados nas suas campanhas?
Fale com um consultor da Marktech e receba um diagnóstico gratuito da sua operação de mídia.
Falar com consultor