Teste A/B em site pequenoQuando vale a pena, como calcular a amostra e como não se enganar com o acaso.
Mudar o botão, ver as vendas subirem e concluir que “funcionou” é um dos erros mais comuns do marketing. Este guia mostra como pensar um teste A/B com pouco tráfego, calcular o tamanho da amostra, interpretar o resultado e saber a hora de usar outro método.
Dá para fazer teste A/B em site pequeno?
Dá, mas depende das conversões por mês na página, não só das visitas. Com poucas conversões, prefira pesquisa qualitativa e mudanças grandes. Com volume suficiente, defina hipótese, métrica principal, tamanho de amostra e duração antes de começar, divida o tráfego aleatoriamente e não pare o teste cedo.
A página que “ganhou” sem ter mudado nada
Antes de falar de ferramentas, um experimento: duas páginas idênticas, visitantes aleatórios. Quantas vezes você declararia um vencedor?
Imagine que você tem duas versões exatamente iguais da mesma página, e divide os visitantes entre elas ao acaso. Se você olhar os números todos os dias, em alguns momentos uma delas vai parecer melhor, e às vezes com o rótulo de “estatisticamente significativo” de uma calculadora qualquer. Isso é o acaso trabalhando: com poucos dados, a variação natural é grande e parece sinal.
Esse é o maior risco de um teste A/B em site pequeno: tirar conclusões cedo demais. A simulação abaixo roda um teste A/A (sem diferença real) com 28 dias de tráfego. Observe a linha: ela oscila em torno de zero, mas muitas vezes cruza a faixa cinza, que seria o limite de “significância”. Clique em “Rodar outro” várias vezes.
Como ler: A faixa cinza é um intervalo aproximado de 95% para a diferença entre as páginas. Se a linha sai dela, a calculadora mostra “significativo”; como as páginas são idênticas, isso é um falso positivo.
O que é (e o que não é) um teste A/B
Os termos se misturam com facilidade. Definir cada um evita meia dúzia de erros.
Duas versões, ao mesmo tempo
Os visitantes são divididos aleatoriamente entre A (original) e B (variação) durante o mesmo período. Isso neutraliza sazonalidade e campanhas.
Duas versões iguais
Serve para validar a ferramenta e mostrar o efeito do acaso. Se ele “acha” diferença sem haver, algo está errado, ou é só variação.
Várias mudanças combinadas
Testa combinações de elementos. Exige muito tráfego, e por isso raramente cabe em um site pequeno.
Versões em endereços diferentes
Útil para páginas muito distintas. Exige cuidado com SEO (veja a seção 08).
NÃO é teste A/B
Comparar a semana passada com esta mistura efeito da mudança com sazonalidade, anúncios, feriados e acaso. Serve como pista, não como prova.
A pergunta que o teste responde
“Se eu fizer X, a métrica Y vai mudar porque Z”. Sem hipótese, você coleciona números e nenhum aprendizado.
Quantos visitantes você precisa? Calculadora de amostra
O tamanho da amostra depende de três coisas: a sua conversão atual, o menor ganho que valeria detectar e o nível de segurança que você exige.
Quanto menor o ganho que você quer detectar, maior a amostra necessária. Detectar um aumento de 5% relativo (de 4,0% para 4,2%) exige muito mais gente do que detectar um aumento de 30% (de 4,0% para 5,2%). Por isso, em site pequeno, o caminho é testar mudanças grandes, que tenham chance real de gerar diferença visível.
A calculadora abaixo usa o teste de duas proporções, com a fórmula padrão adotada por ferramentas de experimentação. Ela mostra quantos visitantes são necessários por versão e quantos dias levaria com o seu tráfego.
De 4% para 5% é um ganho relativo de 25%.
O teste terminou. Houve vencedor?
Informe os números finais. A ferramenta calcula o ganho, o p-valor, o intervalo de confiança e mostra as duas distribuições.
As curvas mostram a incerteza sobre a conversão verdadeira de cada versão. Quanto mais se sobrepõem, menos certeza de que são diferentes.
O que o p-valor diz: a probabilidade de observar uma diferença tão grande quanto a vista se as duas versões fossem iguais. Um p-valor de 0,03 não significa “97% de chance de B ser melhor”, e sim que, se não houvesse diferença, resultados assim aconteceriam cerca de 3% das vezes. É uma medida de surpresa, não de certeza.
Prefira olhar o intervalo de confiança do ganho: ele mostra a faixa plausível do efeito. Um ganho “significativo” de 2% a 60% é uma conclusão fraca: o efeito real pode ser pequeno ou grande, e o teste não sabe dizer.
Quando parar o teste (e quando não parar)
A regra mais violada em experimentos de marketing é a mais simples: decidir antes de começar.
O teste deve ter duração e tamanho de amostra definidos de antemão. Quando você olha os resultados todos os dias e para no primeiro momento “significativo”, está dando ao acaso várias chances de acertar. A simulação da seção 01 mostrou isso: a taxa de falsos positivos sobe muito acima dos 5% prometidos.
Boas práticas para sites pequenos:
- Defina a duração em semanas completas (7, 14 ou 21 dias), para cobrir o comportamento de todos os dias da semana.
- Não pare antes do número de visitantes calculado, mesmo que um lado esteja “ganhando”.
- Escolha uma métrica principal antes de começar. Se olhar dez métricas, uma delas parecerá boa por acaso.
- Evite mexer em anúncios, preços ou promoções durante o teste.
- Registre tudo: hipótese, datas, tráfego, resultado e decisão.
E se o meu site tem pouco tráfego?
Boa parte dos sites de empresas locais não tem volume para um teste A/B tradicional. Isso não impede de melhorar com método.
Uma regra prática: o que importa não é o número de visitas, e sim o número de conversões por mês na página testada. Com poucas dezenas de conversões, um teste A/B clássico leva meses ou nunca conclui. Nesses casos, outros métodos oferecem mais aprendizado por real investido.
Escolha o seu nível ao lado. A recomendação é uma orientação geral, não uma regra rígida, e deve ser combinada com bom senso e conhecimento do seu negócio.
| Método | Quando usar | O que você aprende |
|---|---|---|
| Testes de usabilidade (5 a 8 pessoas) | Qualquer volume | Onde as pessoas travam e por quê, em palavras delas. |
| Gravações e mapas de calor | Poucas centenas de visitas | Onde o clique e a rolagem acontecem, e o que é ignorado. |
| Análise de funil por etapa | Qualquer volume com eventos configurados | Em que degrau a página perde pessoas. |
| Pesquisa com clientes | Base pequena | Palavras, dúvidas e motivos de compra que viram texto. |
| Mudança grande e comparação antes e depois | Volume baixo, com cautela | Pista de direção. Anote tudo que mudou ao mesmo tempo. |
| Teste A/B clássico | Conversões suficientes | Efeito de uma mudança, com controle do acaso. |
Das ideias à fila de testes: hipótese e priorização ICE
Você terá mais ideias do que tempo. Pontue cada uma por impacto, confiança e facilidade e comece pelas melhores.
Uma boa hipótese segue este modelo: “Se [mudança], então [métrica] vai [aumentar/diminuir] porque [razão baseada em evidência]”. A razão é a parte mais importante: ela vem de dados (gravações, perguntas de clientes, funil) e impede testes aleatórios.
A priorização ICE dá notas de 1 a 10 para Impacto (quanto pode mudar a métrica), Confiança (quanta evidência há de que vai funcionar) e Facilidade (esforço de executar). A média ordena a fila. Edite as ideias de exemplo ou adicione as suas.
| Ideia de teste | Impacto | Confiança | Facilidade | ICE |
|---|
Boas ideias para sites pequenos são mudanças grandes e de clareza: reescrever a promessa da primeira dobra, mudar a oferta do botão (“Pedir orçamento” × “Receber diagnóstico gratuito”), trocar o formulário longo por WhatsApp, adicionar prova social perto do botão. Evite microtestes (cor do botão, uma palavra) com pouco tráfego: o efeito é pequeno demais para ser detectado.
Como rodar o teste sem prejudicar o SEO
A parte técnica é simples se você respeitar algumas regras do Google.
Escolha a ferramenta
Existem plataformas de experimentação, soluções para WordPress e testes feitos no servidor. O Google Optimize foi descontinuado em 2023: considere alternativas atuais e confira a integração com o GA4.
Divida o tráfego aleatoriamente
A divisão deve ser feita por visitante e não por dia: se A roda segunda e B terça, você mede dias da semana e não páginas.
Configure a métrica principal
Um evento de conversão claro no GA4 (envio do formulário, clique no WhatsApp, compra). Valide antes de ligar o teste.
Siga as regras para o Google
Não mostre conteúdo diferente ao Googlebot e aos usuários (cloaking). Em testes com URLs diferentes, use
rel="canonical"apontando para a original e redirecionamentos 302 (temporários).Execute pelo tempo planejado
Sem interferência, sem mudanças em anúncios. Atualize ou encerre as variações quando o teste terminar, sem deixar versões no ar.
Documente e aplique
Implante a versão vencedora para todos, registre o aprendizado e use-o na próxima hipótese.
Referência: Mais detalhes na página oficial Testes de sites e a Pesquisa Google. Para configurar a conversão, veja o guia de o que medir no GA4.
Seis armadilhas que invalidam um teste
O teste pode estar “correto” na ferramenta e errado na prática.
Parar cedo
Declarar vencedor no primeiro dia em que a calculadora mostrou significância. É a fonte número um de falsos vencedores.
Muitas métricas
Se você olha vinte indicadores, é quase certo que um deles “melhore” por acaso. Defina uma principal.
Divisão desigual sem querer
Se pediu 50/50 e a ferramenta entregou 58/42, há um erro de implementação (sample ratio mismatch). O resultado não é confiável.
Sazonalidade e campanhas
Rodar o teste durante uma promoção ou feriado distorce o comportamento. Teste em período representativo.
Efeito de novidade
Algo novo chama atenção no começo e perde força. Testes curtos demais capturam o brilho e não o efeito duradouro.
Testar o irrelevante
Cores e palavras soltas, sem hipótese. Com pouco tráfego, o ganho é invisível e o custo de oportunidade é alto.
Seu registro de experimentos e checklist final
O aprendizado se acumula quando você anota. Use o checklist antes de cada teste.
Resumindo: testar é uma forma de reduzir o risco de decidir por opinião, mas só funciona com hipótese clara, amostra suficiente e disciplina para esperar. Em sites pequenos, o melhor caminho costuma ser combinar pesquisa qualitativa, mudanças grandes e testes A/B apenas nas páginas que concentram as conversões.
Modelo de registro para cada experimento:
- Hipótese e razão (evidência)
- Página, versões e público
- Métrica principal e tamanho de amostra planejado
- Datas de início e fim
- Resultado, intervalo de confiança e decisão
- Aprendizado para o próximo teste
Como este guia foi feito
Conteúdo escrito pela equipe da Criação de Sites São Paulo, com base na documentação oficial listada ao lado e na nossa experiência em projetos de sites, lojas virtuais e presença digital. Última revisão em 14 de outubro de 2026.
As simulações e os números de exemplo são didáticos: troque pelos valores da sua operação. Informações técnicas, legais e de plataformas mudam; confirme na fonte oficial e, quando for o caso, com um profissional habilitado.
Quer aplicar isso no seu projeto? Você pode pedir ajuda para planejar e medir testes no seu site.
Perguntas frequentes
Perguntas frequentes sobre experimentos em páginas com pouco tráfego.
Quantos visitantes preciso para um teste A/B?
Depende da conversão atual e do ganho mínimo que você quer detectar. Detectar ganhos pequenos exige muito mais visitantes. Use a calculadora da seção 03 para estimar.
O que é significância estatística?
É uma medida de quão improvável seria a diferença observada se as duas versões fossem iguais. Não diz quão grande ou importante é o ganho, e perde o sentido se o teste for interrompido cedo.
Posso parar o teste quando a ferramenta mostrar “vencedor”?
Não é recomendado. Olhar o resultado várias vezes e parar no primeiro “significativo” aumenta muito a chance de falso positivo. Defina duração e amostra antes de começar.
Teste A/B prejudica o SEO?
Não, se seguir as orientações do Google: sem cloaking, com rel=canonical nas variações de URL e redirecionamentos temporários (302), e encerrando o teste quando concluído.
Qual a diferença entre teste A/B e antes e depois?
No A/B as duas versões rodam ao mesmo tempo, o que controla sazonalidade e campanhas. No antes e depois, outros fatores mudam junto e podem explicar a diferença.
Qual ferramenta usar?
O Google Optimize foi descontinuado em 2023. Existem plataformas de experimentação, plugins e soluções no servidor. Escolha considerando integração com o GA4, impacto na velocidade e custo.
O que testar primeiro?
Mudanças grandes e de clareza: promessa da primeira dobra, oferta do botão, formulário e prova social. Microtestes (cor do botão) raramente valem a pena com pouco tráfego.
Posso testar mais de uma coisa ao mesmo tempo?
É possível em testes multivariados, mas eles exigem muito mais tráfego. Em sites pequenos, teste uma hipótese por vez.
Leia também
Outros guias práticos da Criação de Sites São Paulo para quem quer decidir melhor.
Quer melhorar a conversão do seu site com método?
Medimos o funil, priorizamos hipóteses e implementamos as mudanças com cuidado de SEO, velocidade e medição.
