Testando o que converte

As opiniões sobre o que gera conversões costumam estar erradas. Os testes substituem as suposições por evidências, comparando versões de uma página com o comportamento real dos visitantes.

A otimização da taxa de conversão, ou CRO, é a prática disciplinada de executar esses testes para melhorar os resultados continuamente, em vez de reformular a página com base em uma intuição.

Um teste A/B mostra a versão A para metade dos visitantes e a versão B para a outra metade, depois mede qual delas converte melhor.

Como o tráfego é dividido aleatoriamente e ao mesmo tempo, fatores externos afetam as duas versões da mesma forma. A diferença na taxa de conversão aponta para a alteração que você fez.

Um bom teste começa com uma hipótese clara, não com tentativas aleatórias. Declare o que você vai alterar, o resultado esperado e o motivo.

Isso mantém os testes focados e torna o resultado relevante, independentemente de vitória ou derrota. Um teste que perde, ao refutar uma crença, ainda proporciona um learning valioso.

Para saber o que causou uma mudança nos resultados, altere um elemento por vez: o título principal, a cor do botão ou o tamanho do formulário, mas não os três ao mesmo tempo.

Alterar várias coisas em conjunto ainda pode mostrar que a página melhorou, mas não qual alteração causou isso. Isole a variável para aprender a lição.

Nem todos os elementos têm a mesma importância. O título principal, a oferta principal, a CTA e o destaque principal geralmente influenciam mais a conversão, portanto teste esses elementos primeiro.

Pequenos ajustes estéticos raramente produzem grandes variações. Invista seu orçamento de testes onde o ganho potencial é maior.

Um teste precisa de visitantes e conversões suficientes antes que seu resultado signifique alguma coisa. Declarar uma versão vencedora depois de apenas algumas conversões é o erro mais comum em testes.

Defina o tamanho necessário da amostra antes de começar e deixe o teste rodar por tempo suficiente para capturar a variação normal do dia a dia, de preferência semanas completas.

A significância estatística estima a probabilidade de uma diferença ser real, e não apenas ruído aleatório. Um limite comum é um nível de confiança de 95%.

Abaixo desse nível, a versão aparentemente vencedora pode ser apenas fruto da sorte. A significância protege você contra a implementação de uma alteração que, na prática, não ajuda.

Interromper um teste no momento em que a versão B parece estar à frente, prática chamada de espiar os resultados, aumenta as falsas vitórias. Vantagens iniciais costumam desaparecer à medida que mais dados chegam.

Defina antecipadamente as condições de encerramento e siga-as. Evite também executar testes durante períodos incomuns, como uma promoção de feriado, que distorcem o comportamento normal.

Um teste multivariado altera vários elementos ao mesmo tempo e mede todas as combinações. Ele pode revelar como os elementos interagem, mas precisa de muito mais tráfego.

Para a maioria das páginas, testes A/B sequenciais são mais práticos. Reserve os testes multivariados para páginas com muito tráfego, nas quais você possa obter esse volume.

Um teste só é útil se você agir com base nele. Publique a versão vencedora, documente o que aprendeu e use essa percepção na próxima hipótese.

CRO é um ciclo: pesquise, formule hipóteses, teste, aprenda e repita. A repetição constante se acumula em grandes ganhos ao longo do tempo.

O ganho mede quanto uma variante vencedora melhorou em relação ao controle, como porcentagem da taxa original. Ele comunica o impacto com clareza às partes interessadas.

Associe sempre o ganho ao nível de confiança para que o resultado seja honesto. Um grande ganho com baixa confiança ainda não é uma decisão.

Teste sua compreensão dos testes de conversão.

Os testes substituem opiniões por evidências. Os testes A/B dividem o tráfego para comparar versões, orientados por uma hipótese clara e uma única variável isolada, priorizando primeiro os elementos de maior impacto.

Aguarde um tamanho de amostra adequado e significância estatística, evite consultar os resultados antecipadamente e, então, publique a versão vencedora e faça novas iterações. Relate os resultados como aumento acompanhado do nível de confiança.