O que são testes A/B
Teste A/B é a comparação entre duas versões de um mesmo elemento — uma página, um e-mail, um anúncio — alterando apenas uma variável de cada vez, para identificar qual versão gera melhor resultado com base em dados reais, não em suposição ou opinião interna.
O princípio é simples: metade do tráfego vê a versão A (controle, geralmente a versão atual), a outra metade vê a versão B (com uma única mudança). No fim, compara-se a taxa de conversão de cada uma.
Teste A/B x teste multivariado
O teste A/B muda uma única variável por vez, isolando exatamente o que causou a diferença de resultado. O teste multivariado altera várias variáveis simultaneamente — título, imagem e CTA ao mesmo tempo, por exemplo — para testar combinações.
A vantagem do multivariado é testar mais coisas de uma vez; a desvantagem é que exige um volume de tráfego muito maior para chegar a uma conclusão confiável, porque o número de combinações cresce rápido. Para a maioria dos sites de pequeno e médio porte, o teste A/B simples é o ponto de partida mais viável.
O que testar primeiro
- Headline / título principal — geralmente o maior impacto isolado em página de conversão;
- Texto e cor do botão de CTA — "Comprar agora" x "Quero garantir o meu", por exemplo;
- Imagem principal — produto em uso x produto isolado, foto x ilustração;
- Assunto de e-mail — impacta diretamente a taxa de abertura antes mesmo do clique;
- Posição do formulário — acima ou abaixo da dobra, número de campos.
Esses cinco elementos concentram a maior parte do ganho possível com o menor esforço de implementação — por isso valem o primeiro ciclo de testes antes de partir para mudanças mais estruturais de layout.
Quanto tráfego e tempo você precisa
Não existe um número fixo universal — depende da taxa de conversão atual da página e da diferença mínima que você quer conseguir detectar. Como regra prática, a maioria das calculadoras de significância pede pelo menos algumas centenas de conversões por variante para um resultado confiável.
Uma página com pouco tráfego pode levar semanas para acumular amostra suficiente — e isso é normal. Rodar o teste por tempo insuficiente é uma das causas mais comuns de conclusão errada.
O que é significância estatística
Significância estatística é a confiança de que a diferença observada entre as variantes não é fruto do acaso. O padrão de mercado é considerar um teste válido a partir de 95% de confiança estatística — abaixo disso, o resultado ainda pode ser ruído.
A maioria das ferramentas de teste A/B calcula esse número automaticamente e indica quando o teste atingiu confiança suficiente para uma decisão.
"Um teste A/B não serve para confirmar o que você já acredita. Serve para descobrir o que você está errado sobre a sua própria página."
Passo a passo para rodar um teste
- Escolha uma métrica única a ser otimizada — taxa de clique, cadastro, compra;
- Formule uma hipótese — "mudar o CTA para X vai aumentar a conversão porque Y";
- Altere apenas uma variável entre a versão A e a versão B;
- Divida o tráfego igualmente e deixe o teste rodar até atingir amostra e significância;
- Implemente o vencedor e documente o aprendizado, mesmo se o resultado for neutro.
Exemplo prático de decisão
Uma página de captura testou dois textos de botão: "Baixar agora" (controle) contra "Quero meu material grátis" (variante). Após duas semanas e amostra suficiente para significância, a variante superou o controle em conversão, com confiança acima de 95%.
A decisão foi implementar o novo texto em todas as páginas de captura do mesmo padrão — e usar o aprendizado (ênfase em benefício + posse, "meu material") como hipótese para o próximo teste, agora no e-mail de confirmação.
Erros mais comuns
Testar várias mudanças de uma vez achando que é um teste A/B é o erro mais frequente — torna impossível saber qual alteração específica causou o resultado. O segundo erro mais comum é interromper o teste assim que uma variante aparenta estar na frente, antes de atingir significância e amostra planejadas, o que aumenta muito a chance de declarar um vencedor que na verdade é só flutuação de curto prazo.
Ferramentas para rodar testes
Google Optimize (descontinuado) deu lugar a opções como VWO e Optimizely para testes de página, além dos testes nativos já integrados a plataformas de e-mail marketing e de anúncios, como Google Ads e Meta Ads, que trazem divisão de tráfego pronta para uso sem ferramenta adicional.
Consulte a documentação oficial do web.dev para referências técnicas sobre experimentação e performance de página relacionadas ao tema.
Perguntas frequentes
O que são testes A/B?
São testes que comparam duas versões de um mesmo elemento — uma página, um e-mail, um anúncio — alterando apenas uma variável de cada vez, para identificar qual versão gera melhor resultado com base em dados reais, não em suposição.
Qual a diferença entre teste A/B e teste multivariado?
O teste A/B muda uma única variável por vez, isolando exatamente o que causou a diferença de resultado. O teste multivariado altera várias variáveis simultaneamente, o que exige um volume de tráfego muito maior para chegar a uma conclusão confiável.
Quanto tráfego é necessário para rodar um teste A/B?
Não existe um número fixo — depende da taxa de conversão atual e da diferença mínima que você quer detectar. Como regra prática, a maioria das calculadoras de significância pede pelo menos algumas centenas de conversões por variante para um resultado confiável.
O que é significância estatística em um teste A/B?
É a confiança de que a diferença observada entre as variantes não é fruto do acaso. O padrão de mercado é considerar um teste válido a partir de 95% de confiança estatística.
Quais elementos costumam ser testados primeiro?
Título e headline, texto e cor do botão de call to action, imagem principal e assunto de e-mail costumam gerar o maior impacto com o menor esforço de implementação, por isso são o ponto de partida mais comum.
Posso encerrar um teste A/B assim que uma variante estiver na frente?
Não é recomendado. Encerrar cedo, antes de atingir significância estatística e o tamanho de amostra planejado, aumenta muito a chance de declarar um vencedor que na verdade é só uma flutuação aleatória de curto prazo.
Testes A/B servem só para páginas de venda?
Não. Também são usados em e-mail marketing, anúncios pagos, apps, formulários de cadastro e fluxos de checkout — qualquer ponto de contato com uma métrica de conversão mensurável pode ser testado.
Que ferramentas permitem rodar testes A/B?
Google Optimize (descontinuado) deu lugar a opções como VWO, Optimizely e testes nativos dentro de plataformas de e-mail marketing e anúncios, como Google Ads e Meta Ads, que já trazem divisão de tráfego integrada.
Qual o erro mais comum ao rodar testes A/B?
Testar várias mudanças de uma vez só, achando que é um teste A/B — isso torna impossível saber qual alteração específica causou o resultado. O segundo erro mais comum é interromper o teste cedo demais.
Um teste A/B sem vencedor claro foi um teste inútil?
Não. Um resultado sem diferença estatística significativa também é uma informação válida: mostra que aquela variável específica não é o fator que está limitando a conversão, e ajuda a direcionar o próximo teste para outro elemento.