O que é teste A/B e exemplos práticos

Se você é um empreendedor experiente ou está apenas começando, é bem provável que já tenha visto inúmeros artigos e recursos sobre testes A/B. Você pode até já testar as linhas de assunto dos seus e-mails ou suas postagens nas redes sociais.

Apesar de já ter sido muito falado sobre testes A/B no campo do marketing, muitos empreendedores encontram dificuldades na prática. O resultado? Decisões empresariais importantes baseadas em resultados imprecisos de um teste inadequado.

Os testes A/B costumam ser simplificados, especialmente em conteúdos voltados para proprietários de lojas. A seguir, você encontrará tudo o que precisa para começar com diferentes tipos de testes A/B para e-commerce, explicado da forma mais clara (mas útil) possível. Os testes A/B podem ser um divisor de águas na escolha do posicionamento correto do produto, no aumento das conversões em uma página de destino e muito mais.

O que é teste A/B?

Teste A/B, também conhecido como teste dividido ou teste em balde, é o processo de comparar duas versões da mesma página da web, e-mail ou outro ativo digital para determinar qual delas apresenta o melhor desempenho com base no comportamento do usuário.

É uma ferramenta útil para melhorar o desempenho de uma campanha de marketing e entender melhor o que converte seu público-alvo. O teste A/B permite que você responda perguntas empresariais importantes, ajuda a gerar mais receita do tráfego que você já possui e estabelece a base para uma estratégia de marketing informada por dados.

Como funciona o teste A/B

• Defina seu objetivo: estabeleça suas metas para o teste A/B, como aumentar conversões, taxas de cliques ou vendas gerais.
• Escolha o elemento a ser testado: você pode testar títulos, imagens, linhas de assunto de e-mail, chamadas para ação (CTAs), preços, layouts etc.
• Crie variações: desenvolva duas versões do elemento. A Versão A é a versão original do seu ativo, ou o “controle”. A Versão B, a nova versão com as alterações que você deseja testar, é conhecida como “variante”. No contexto do marketing, você mostra 50% dos visitantes a Versão A e 50% a Versão B.
• Execute o teste: exponha ambos os grupos à mesma versão durante um período pré-determinado. Por exemplo, se você está testando o botão de CTA da página inicial de um site de e-commerce, pode executar testes por duas semanas para obter resultados estatisticamente significativos.
• Coleta de dados: monitore e meça conversões, cliques, níveis de engajamento e vendas em ambas as versões.
• Analise os resultados: compare o desempenho da Versão A com a Versão B para determinar qual atende melhor ao seu objetivo. A versão com a maior taxa de conversão é a vencedora.
• Declare o vencedor: se a Versão B tiver a maior taxa de conversão, declare-a vencedora e direcione 100% dos visitantes para lá. Esta se torna o novo controle, e você deve projetar outra variante para testes futuros.

💡 Observação: a taxa de conversão de um teste A/B pode muitas vezes ser uma medida imperfeita de sucesso.

Por exemplo, se você precificar um item em R$ 50 em uma página e ele estiver completamente gratuito na outra, isso não fornecerá nenhuma visão realmente valiosa. Como qualquer ferramenta ou estratégia que você usa para o seu negócio, ela deve ser estratégica.

Por isso, você deve acompanhar o valor de uma conversão até a venda final.

Quando você deve fazer um teste A/B

Se você está gerenciando um site de baixo tráfego ou um aplicativo web ou móvel, o teste A/B provavelmente não é o melhor esforço de otimização para você. Você provavelmente verá um retorno sobre o investimento (ROI) maior ao realizar testes de usuário ou conversar com seus clientes, por exemplo. Apesar da crença popular, a otimização da taxa de conversão não começa e termina com testes.

Por que de duas a quatro semanas? Lembre-se: você quer executar testes por pelo menos dois ciclos completos de negócios. Normalmente, isso resulta em duas a quatro semanas. Agora, talvez você esteja pensando: “sem problemas, vou executar o teste por mais de duas a quatro semanas para alcançar o tamanho de amostra necessário”. Isso também não funcionará.

Quanto mais tempo um teste estiver em execução, mais suscetível ele se torna a ameaças de validade externa e poluição da amostra. Por exemplo, os visitantes podem excluir cookies e acabar entrando novamente no teste A/B como novos visitantes. Ou alguém pode mudar de um celular para um desktop e ver uma variação alternativa.

Essencialmente, deixar seu teste rodar por muito tempo pode distorcer os resultados tanto quanto não deixá-lo rodar o suficiente.

Testar vale o investimento para lojas que podem atender ao tamanho de amostra necessário em duas a quatro semanas. Lojas que não conseguirem isso devem considerar outras formas de otimização até que seu tráfego aumente.

Configure seu processo de teste A/B

Priorize ideias para testes A/B

Uma lista enorme de exemplos de testes A/B é empolgante, mas pouco útil para decidir o que testar. Por onde você começa? É aí que a priorização entra.

Existem alguns frameworks comuns de priorização de testes A/B que você pode usar.

• ICE: ICE significa “impacto, confiança e facilidade”. Cada um desses fatores recebe uma classificação de 1 a 10. Por exemplo, se você puder facilmente executar o teste por conta própria, sem a ajuda de um desenvolvedor ou designer, pode dar uma nota 8 para facilidade. Você está usando seu julgamento aqui e, se houver mais de uma pessoa executando testes, as classificações podem se tornar muito subjetivas. É útil ter um conjunto de diretrizes para manter todos objetivos.
• PIE: PIE significa “potencial, importância e facilidade”. Novamente, cada fator recebe uma classificação de 1 a 10. Por exemplo, se o teste atingir 90% do seu tráfego, você pode dar uma nota 8 para importância. O PIE é tão subjetivo quanto o ICE. Portanto, diretrizes também podem ser úteis para esse framework.
• PXL: PXL é o framework de priorização da plataforma educacional CXL. É um pouco diferente e mais personalizável, forçando decisões mais objetivas. Em vez de três fatores, você encontrará perguntas de “Sim”/“Não” e uma pergunta sobre facilidade de implementação. Por exemplo, o framework pode perguntar: “O teste é projetado para aumentar a motivação?”. Se sim, recebe 1. Se não, recebe 0.

Quando você tiver uma ideia de onde começar, pode ser útil categorizar suas ideias. Por exemplo, durante alguma pesquisa de conversão, você pode usar três categorias: implementar, investigar e testar.

• Implementar: apenas faça isso. Tem algo errado ou é óbvio.
• Investigar: requer mais reflexão para definir o problema ou estreitar uma solução.
• Testar: a ideia é sólida e informada por dados. Teste-a!

Com essa categorização e priorização, você estará pronto para começar os testes A/B.

Desenvolva uma hipótese

Antes de testar qualquer coisa, você precisa ter uma hipótese. Por exemplo: “se eu reduzir o que cobro pelo frete, as taxas de conversão aumentarão”.

Não se preocupe. Formar uma hipótese nesta situação não é tão complicado quanto pode parecer. Basicamente, você precisa testar uma hipótese, não uma ideia. Uma hipótese é mensurável, aspira resolver um problema específico de conversão e foca em insights em vez de vitórias.

Ao escrever uma hipótese, é útil usar uma fórmula emprestada do “Hypothesis Kit” de Craig Sullivan:

• porque você vê [insira dados/feedback da pesquisa];
• você espera que [mudança que você está testando] cause [impacto que você antecipa], e;
• você medirá isso usando [métrica de dados].

Parece fácil, certo? Tudo o que você precisa fazer é preencher as lacunas e sua ideia de teste A/B se transforma em uma hipótese.

Escolha uma ferramenta de teste A/B

Agora você pode começar a escolher uma ferramenta de teste A/B ou um serviço de teste dividido. Na maioria das vezes, você pensará em Google Optimize, Optimizely e VWO primeiro. Todos são boas opções seguras.

A seguir, estão mais informações sobre essas ferramentas populares de teste A/B.

• Google Optimize: gratuito, exceto por algumas limitações multivariadas, que não devem impactar você se estiver apenas começando. Funciona bem ao realizar testes A/B com o Google Analytics, o que é uma vantagem.
• Optimizely: é fácil de colocar testes menores em funcionamento, mesmo sem habilidades técnicas. O Stats Engine facilita a análise dos resultados dos testes. Normalmente, o Optimizely é a opção mais cara das três.
• VWO: possui SmartStats para facilitar a análise. Além disso, tem um ótimo editor WYSIWYG para iniciantes. Cada plano do VWO vem com mapas de calor, pesquisas no site, análises de formulários etc.

Existem também ferramentas de teste A/B na Shopify App Store que você pode achar úteis.

Quando você tiver selecionado uma ferramenta de teste A/B ou software de teste dividido, preencha o formulário de inscrição e siga as instruções fornecidas. O processo varia de ferramenta para ferramenta. Normalmente, você terá de instalar um trecho em seu site e definir metas.

Decida como analisar os resultados

Se você formular sua hipótese corretamente, mesmo um perdedor é um vencedor, porque você obterá insights que pode usar para testes futuros e em outras áreas do seu negócio. Portanto, ao analisar os resultados do seu teste, você precisa se concentrar nos insights, não se o teste ganhou ou perdeu. Sempre há algo a aprender, sempre algo a analisar. Não descarte os perdedores!

A coisa mais importante a notar aqui é a necessidade de segmentação. Um teste pode ser um perdedor no geral, mas é provável que tenha se saído bem com pelo menos um segmento de público.

Aqui estão alguns exemplos de segmentos de público:

• novos visitantes;
• visitantes recorrentes;
• visitantes de iOS;
• visitantes de Android;
• visitantes do Chrome;
• visitantes do Safari;
• visitantes de desktop;
• visitantes de tablet;
• visitantes de busca orgânica;
• visitantes pagos;
• visitantes de redes sociais;
• compradores logados.

É provável que a hipótese tenha sido comprovada entre certos segmentos. Isso também informa algo para você.

A análise é sobre muito mais do que se o teste foi um vencedor ou um perdedor. Segmente seus dados para encontrar insights ocultos.

O software de teste A/B não fará essa análise por você, então essa é uma habilidade importante a ser desenvolvida ao longo do tempo.

Arquive os resultados dos seus testes

Imagine que você executará seu primeiro teste amanhã. Daqui a dois anos, você se lembrará dos detalhes desse teste? Não é provável.

É por isso que arquivar os resultados dos testes A/B é importante. Sem um arquivo bem mantido, todos aqueles insights que você está obtendo serão perdidos. Além disso, é muito fácil testar a mesma coisa duas vezes se você não estiver arquivando.

Não há uma maneira “certa” de fazer isso. Você pode usar uma ferramenta como Effective Experiments ou pode usar uma planilha simples. A escolha é sua, principalmente quando você está apenas começando.

Independente da ferramenta que você usar, certifique-se de acompanhar:

• a hipótese testada;
• capturas de tela do controle e da variação;
• se ganhou ou perdeu;
• insights obtidos através da análise.

À medida que você cresce, você se agradecerá por manter esse arquivo. Ele não apenas ajudará você, mas também novos contratados e conselheiros/partes interessadas.

Exemplos de testes A/B

Análise técnica

Seu site carrega correta e rapidamente em todos os navegadores? Em todos os dispositivos? Você pode ter um smartphone novíssimo, mas alguém em algum lugar ainda está usando um celular flip de 2005. Se seu site não funcionar correta e rapidamente, definitivamente não converterá tão bem quanto poderia.

Pesquisas no site

Essas aparecem enquanto os visitantes da sua loja navegam. Por exemplo, uma pesquisa no site pode perguntar aos visitantes que estão na mesma página há algum tempo se há algo que os impede de fazer uma compra hoje. Se sim, o que é? Você pode usar esses dados qualitativos para melhorar seu texto e taxa de conversão.

Entrevistas com clientes

Nada pode substituir a conversa ao telefone com seus clientes. Por que eles escolheram sua loja em vez de lojas concorrentes? Qual problema eles estavam tentando resolver quando chegaram ao seu site? Existem milhões de perguntas que você poderia fazer para chegar ao cerne de quem são seus clientes e por que eles realmente compram de você.

Pesquisas com clientes

Pesquisas com clientes são questionários completos que são enviados a pessoas que já realizaram uma compra (em oposição a visitantes). Ao projetar uma pesquisa com clientes, você deve se concentrar em: definir seus clientes, seus problemas, hesitações que tiveram antes da compra, além de identificar palavras e frases que usam para descrever sua loja.

Análise de análises

Suas ferramentas de análise estão rastreando e relatando seus dados corretamente? Isso pode parecer bobo, mas você se surpreenderia com quantas ferramentas de análise estão configuradas incorretamente. A análise de análises tem a ver com descobrir como seus visitantes se comportam. Por exemplo, você pode se concentrar no funil: onde estão os maiores vazamentos do funil de conversão? Em outras palavras, onde a maioria das pessoas está saindo do seu funil? Esse é um bom lugar para começar a testar.

Teste de usuário

É onde você observa pessoas reais em um experimento controlado e pago tentando realizar tarefas em seu site. Por exemplo, você pode pedir que encontrem um videogame na faixa de US$ 40 a US$ 60 e o adicionem ao carrinho. Enquanto realizam essas tarefas, eles narram pensamentos e ações em voz alta.

Replays de sessão

Replays de sessão são semelhantes ao teste de usuário, mas agora você está lidando com pessoas reais com dinheiro real e intenção real de comprar. Você assistirá enquanto seus visitantes reais navegam em seu site. O que eles têm dificuldade em encontrar? Onde ficam frustrados? Onde parecem confusos?

Existem outros tipos de pesquisa também, mas comece escolhendo o melhor método de teste A/B para você. Se você passar por alguns deles, terá uma enorme lista de ideias informadas por dados que valem a pena testar.

📚Saiba mais: 7 exemplos de testes A/B para sua loja virtual

Processos de teste A/B dos profissionais

Agora que você passou por um tutorial padrão de teste A/B, vamos dar uma olhada nos processos exatos dos profissionais.

Krista Seiden, KS Digital

“Meu processo passo a passo para testes A/B em web e aplicativos começa com a análise. Na minha opinião, este é o núcleo de qualquer bom programa de testes. Na fase de análise, o objetivo é examinar seus dados de análise, dados de pesquisa ou experiência de usuário (UX), ou qualquer outra fonte de insights do cliente que você possa ter para entender onde estão suas oportunidades de otimização.

“Quando você tiver um bom pipeline de ideias da fase de análise, pode passar a formular hipóteses sobre o que pode estar dando errado e como você poderia potencialmente corrigir ou melhorar essas áreas de otimização.

“Em seguida, é hora de construir e executar seus testes. Certifique-se de executá-los por um período razoável ( costumo usar duas semanas para garantir que estou levando em conta mudanças ou anomalias semanais), e quando você tiver dados suficientes, analise seus resultados para determinar seu vencedor.

“Também é importante dedicar um tempo nesta fase para analisar os perdedores. O que você pode aprender com essas variações?

“Finalmente, e você pode chegar a essa fase apenas depois de passar um tempo estabelecendo as bases para um programa de otimização sólido, é hora de olhar para a personalização. Não requer necessariamente um conjunto de ferramentas sofisticadas, mas pode vir dos dados que você tem sobre seus usuários.

“A personalização de marketing pode ser tão simples quanto direcionar o conteúdo certo para os locais certos ou tão complexa quanto segmentar com base nas ações individuais do usuário. Não se jogue de cabeça na parte de personalização. Certifique-se de passar tempo suficiente para acertar o básico primeiro.”

Alex Birkett, Omniscient Digital

“Em um nível alto, tento seguir este processo:

• Coletar dados e garantir que as implementações de análise sejam precisas.
• Analisar dados e encontrar insights.
• Transformar insights em hipóteses.
• Priorizar com base no impacto e na facilidade, e maximizar a alocação de recursos (especialmente recursos técnicos).
• Executar um teste (seguindo as práticas recomendadas e estatísticas na melhor das minhas capacidades).
• Analise os resultados e implemente ou não de acordo com os resultados.
• Iterar com base nas descobertas e repetir.

“Colocando de forma mais simples: pesquise, teste, analise, repita.

“Embora esse processo possa se desviar ou mudar dependendo do contexto (estou testando um recurso fundamental para o negócio? Um CTA de post de blog? Qual é o perfil de risco e o equilíbrio entre inovação e mitigação de riscos?), ele é bastante aplicável a qualquer tamanho ou tipo de empresa.

“A questão é que esse processo é ágil, mas também coleta dados suficientes, tanto feedback qualitativo de clientes quanto análises quantitativas, para poder gerar melhores ideias de teste e priorizá-las melhor para que você possa atrair tráfego para sua loja online.”

Ton Wesseling, online Dialogue

“A primeira pergunta que sempre respondemos quando queremos otimizar a jornada do cliente é: onde este produto ou serviço se encaixa no modelo ROAR que criamos na Online Dialogue? Você ainda está na fase de risco, onde poderíamos fazer muitas pesquisas, mas não podemos validar nossas descobertas por meio de experimentos online de teste A/B (abaixo de mil conversões por mês), ou você está na fase de otimização? Ou até mesmo acima?

• Fase de risco: muitas pesquisas, que serão traduzidas em qualquer coisa, de uma mudança de modelo de negócios a um novo design e proposta de valor.
• Fase de otimização: grandes experimentos que otimizarão a proposta de valor e o modelo de negócios, bem como pequenos experimentos para validar hipóteses de comportamento do usuário, que acumularão conhecimento para mudanças de design maiores.
• Automação: você ainda tem poder de experimentação (visitantes) restante, o que significa que seu potencial total de teste não é necessário para validar sua jornada do usuário. O que restar deve ser usado para explorar, para expandir mais rápido agora (sem foco em aprendizados de longo prazo). Isso pode ser automatizado executando bandits/usando algoritmos.
• Repensar: você para de adicionar muitas pesquisas, a menos que seja uma mudança para algo novo.

“Portanto, o teste A/B em web ou aplicativos é uma grande coisa apenas na fase de otimização do ROAR e além (até repensar).

“Nossa abordagem para realizar experimentos é o modelo FACT & ACT:

“A pesquisa que fazemos é baseada em nosso Modelo 5V:

“Coletamos todos esses insights para chegar a uma hipótese principal respaldada por pesquisa, que levará a sub-hipóteses que serão priorizadas com base nos dados coletados por meio de testes A/B em desktop ou mobile. Quanto maior a chance de a hipótese ser verdadeira, maior será a classificação.

“Quando soubermos se nossa hipótese é verdadeira ou falsa, podemos começar a combinar aprendizados e dar passos maiores redesenhando/realinhando partes maiores da jornada do cliente. No entanto, em algum momento, todas as implementações vencedoras levarão a um máximo local. Então você precisa dar um passo maior para alcançar um potencial máximo global.

“Os principais aprendizados serão disseminados por toda a empresa, o que levará a todos os tipos de otimização e inovação mais amplas com base em seus insights validados de primeira parte.

“Você está fazendo marketing para um público internacional? Aprenda como facilitar esse processo com pseudolocalização.”

Julia Starostenko, Pinterest

“O propósito de um experimento é validar que fazer alterações em uma página da web existente terá um impacto positivo nos negócios.

“Antes de começar, é importante determinar se executar um experimento é realmente necessário. Considere o seguinte cenário: há um botão com uma taxa de cliques extremamente baixa. Seria quase impossível diminuir o desempenho desse botão. Validar a eficácia de uma mudança proposta para o botão (ou seja, executar um experimento) não é necessário.

“Da mesma forma, se a mudança proposta para o botão for pequena, provavelmente não vale a pena gastar tempo configurando, executando e desmontando um experimento. Nesse caso, as mudanças devem ser apenas implementadas para todos e o desempenho do botão pode ser monitorado.

“Se for determinado que executar um experimento seria de fato benéfico, o próximo passo é definir as métricas de negócios que devem ser melhoradas (por exemplo, aumentar a taxa de conversão de um botão). Então, garantimos que a coleta de dados adequada esteja em vigor.

“Quando isso for concluído, o público é aleatoriamente dividido, testando entre dois grupos: um grupo vê a versão existente do botão enquanto o outro grupo recebe a nova versão. A taxa de conversão de cada público é monitorada e, quando a significância estatística for alcançada, os resultados do experimento são determinados.”

Peep Laja, CXL

“O teste A/B é parte de uma imagem maior de otimização de conversão. Na minha opinião, é 80% sobre a pesquisa e apenas 20% sobre testes. A pesquisa de conversão ajudará você a determinar o que testar para começar.

“Meu processo normalmente se parece com isso (um resumo simplificado):

1. Realizar pesquisa de conversão usando um framework como o ResearchXL para identificar problemas em seu site.
2. Escolher um problema de alta prioridade (um que afete uma grande parte dos usuários e seja um problema grave) e gerar o maior número possível de soluções para esse problema. Informe seu processo de ideação com os insights da sua pesquisa de conversão. Determine em qual dispositivo você deseja executar o teste (você precisa executar testes A/B em mobile separados dos de desktop).
3. Determine quantas variações você pode testar (com base no seu nível de tráfego/transações) e, em seguida, escolha as melhores ideias para uma solução a ser testada contra o controle.
4. Crie o wireframe dos tratamentos exatos (escreva o texto, faça as alterações de design etc.). Dependendo do escopo das mudanças, você pode também precisar incluir um designer para criar novos elementos.
5. Peça ao seu desenvolvedor front-end para implementar os tratamentos na sua ferramenta de teste. Configure as integrações necessárias (Google Analytics) e defina metas apropriadas.
6. Realize uma avaliação de qualidade (QA) no teste (testes sem sucesso são de longe os maiores assassinos de testes A/B) para garantir que funcione com cada combinação de navegador/dispositivo.
7. Lance o teste!
8. Quando o teste estiver concluído, conduza a análise pós-teste.
9. Dependendo do resultado, implemente o vencedor, itere com base nos tratamentos ou teste algo diferente.”

Erros comuns em testes A/B

Testar muitas variáveis simultaneamente

Quando você compara duas variáveis ao mesmo tempo, pode não conseguir determinar qual mudança causou o efeito.

Suponha que você queira otimizar uma página de destino. Em vez de apenas testar um título, você testa:

• texto da chamada para ação;
• cor do botão CTA;
• imagens do cabeçalho;
• títulos.

As taxas de conversão aumentam, mas você não consegue identificar qual mudança foi responsável. Se você testar uma variável por vez, poderá isolar o impacto de cada mudança e obter resultados mais precisos.

💡 Observação: o teste multivariado é uma opção se você quiser entender como várias variáveis interagem entre si. Mas para executar um teste multivariado, você precisa de mais tráfego e uma página já bem otimizada para fazer melhorias adicionais. O processo é muito mais complexo do que executar um teste A/B.

Tamanho de amostra insuficiente

A confiabilidade dos resultados do seu teste A/B depende do tamanho da amostra utilizada. Amostras pequenas podem gerar falsos positivos e negativos, dificultando a conclusão se as diferenças são resultado de suas mudanças ou de uma chance aleatória.

Suponha que você está testando duas versões de uma página de produto para ver qual delas leva a taxas de compra mais altas. Você divide o tráfego, mas acaba com apenas 100 visitantes na Versão A e 100 visitantes na Versão B.

Se a Versão A tiver uma taxa de conversão de 6% e a Versão B tiver uma taxa de 5%, você pode pensar que a Versão A é melhor. Mas, com apenas 100 visitantes por versão, isso não é estatisticamente significativo. É possível que, se você testasse com mais visitantes, os resultados poderiam ser diferentes.

A melhor maneira de determinar um tamanho de amostra saudável é usar um calculador de tamanho de amostra.

Durações de teste curtas

Execute seu teste A/B por pelo menos um ciclo completo de negócios (idealmente dois ciclos). Não pare seu teste apenas porque você alcançou uma significância. Você também precisará atender ao seu tamanho de amostra pré-determinado. Finalmente, não se esqueça de executar todos os testes em incrementos de semanas completas.

Por que dois ciclos completos de negócios? Para começar, dois ciclos ajudam você a levar em conta:

1. compradores do estilo “preciso pensar sobre isso”.
2. Diferentes fontes de tráfego (Facebook, newsletter por e-mail, busca orgânica etc.)
3. Anomalias (por exemplo, sua newsletter de e-mail de sexta-feira).

Dois ciclos de negócios geralmente são tempo suficiente para obter insights valiosos sobre o comportamento do usuário do seu público-alvo.

Se você usou qualquer tipo de ferramenta de teste de página de destino A/B, provavelmente está familiarizado com o pequeno ícone verde “Estatisticamente significativo”.

Para muitos, infelizmente, esse é o sinal universal de “o teste não funcionou; encerre-o”. Apenas porque a significância estatística do teste A/B foi alcançada, não significa que você deve parar o teste.

Ignorar a segmentação de usuários

Se você não considerar diferentes segmentos de usuários, obterá resultados generalizados que podem não se aplicar a todos.

É útil segmentar usuários por demografia, comportamento ou outros fatores relevantes. O que funciona para novos usuários pode não funcionar para usuários recorrentes. Se você não segmentar, alienará grupos de usuários importantes e comprometerá a integridade do seu teste.

Otimize o teste A/B para o seu negócio

Você tem o processo, você tem o poder! Vá em frente, obtenha o melhor software de teste A/B e comece a testar sua loja. Antes que você perceba, esses insights se acumularão em mais dinheiro no banco.

Se você quiser continuar aprendendo sobre otimização, considere fazer um curso gratuito, como Teste A/B da Udacity do Google. Você pode aprender mais sobre testes A/B em web e aplicativos móveis para aprimorar suas habilidades de otimização.