Resposta rápida: teste A/B é um experimento controlado que divide os visitantes de um site ou app entre duas ou mais versões de uma mesma experiência para medir, com dados, qual delas gera mais conversões. A versão atual é o controle; a alterada é a variante. Ao final, a decisão sai da opinião e passa para a evidência.
Como funciona um teste A/B na prática
O funcionamento é simples de descrever e rigoroso de executar. Uma parte dos visitantes vê a página original, a outra vê a variante. Os dois grupos são formados por sorteio, medidos contra o mesmo objetivo — uma compra, um cadastro, um clique — e vivem exatamente o mesmo período. Como a única diferença sistemática entre os grupos é a mudança testada, a diferença de resultado pode ser atribuída a ela.
É isso que separa um teste A/B de uma comparação "antes e depois": no antes e depois, sazonalidade, campanhas de mídia, mudança de preço da concorrência e até o clima contaminam o resultado. Você nunca sabe se a melhora veio da mudança ou do contexto. No teste A/B, os dois grupos atravessam o mesmo contexto ao mesmo tempo — a comparação é limpa por construção.
Os seis elementos de um experimento
- Hipótese: o que você espera que aconteça, por quê, e como vai medir. Sem ela, o teste vira tentativa e erro sem aprendizado.
- Controle e variante: a experiência atual e a alternativa. A variante deve mudar uma ideia por vez — não necessariamente um único pixel, mas um único conceito.
- Público: quem participa. Todos os visitantes? Só mobile? Só quem veio de campanha? A resposta muda a leitura do resultado.
- Amostragem: qual porcentagem do tráfego entra no experimento. Testes arriscados podem começar com uma fração pequena.
- Métrica principal: o número único que decide o vencedor, definido antes de o teste começar.
- Métricas secundárias: indicadores de apoio que revelam efeitos colaterais — a variante aumentou o clique, mas derrubou o ticket médio?
O que dá para testar
Praticamente qualquer elemento que influencie a decisão do usuário: títulos e subtítulos, chamadas para ação, imagens e vídeos, ordem das seções, formulários, formas de exibir preço e frete, quantidade de etapas do checkout, provas sociais, filtros de listagem. Em aplicativos, o mesmo vale para onboarding, paywall, telas de produto e fluxos de compra — com a vantagem de testar sem publicar nova versão na loja.
Quando a mudança é grande demais para ser editada sobre a página atual — um redesign completo, uma landing page com outra abordagem — o formato certo é o teste de redirecionamento, que divide o tráfego entre URLs diferentes.
Quanto tempo e quanto tráfego um teste precisa?
Depende de três fatores: sua taxa de conversão atual, o tamanho da melhoria que você quer detectar e o volume de visitantes. Uma regra prática: melhorias pequenas exigem amostras grandes. Detectar +30% de conversão pede muito menos tráfego do que detectar +5%. Antes de começar, use uma calculadora de tamanho de amostra — ela transforma esses três fatores no número de visitantes necessário por variante.
Sobre o tempo: rode sempre ciclos completos de semana (7, 14, 21 dias), porque o comportamento de terça é diferente do de domingo. Encerrar o teste no primeiro dia em que uma versão aparece na frente é a forma mais comum de chegar a uma conclusão errada.
Como ler o resultado
O resultado de um teste não é "B ganhou por 12%", e sim "B tem X% de probabilidade de ser melhor que A". A leitura com estatística bayesiana responde diretamente essa pergunta: quando a probabilidade da variante passa de um limiar de confiança (95% é o padrão de mercado), você tem base para decidir. Abaixo disso, o honesto é dizer "ainda não sabemos" — e deixar o teste acumular mais dados ou encerrá-lo como inconclusivo.
Quando um teste A/B não é o caminho
Com tráfego muito baixo, o experimento não acumula volume para uma conclusão confiável em tempo razoável. Nesses casos, pesquisa com usuários, análise de heatmaps e correção de problemas evidentes de usabilidade entregam mais valor no curto prazo. Teste A/B também não substitui estratégia: ele compara alternativas, não inventa a alternativa certa.
Erros que invalidam o resultado
- Encerrar o teste no primeiro dia em que uma versão aparece na frente.
- Mudar a variante no meio do experimento — isso zera a validade do que foi medido.
- Testar várias ideias misturadas na mesma variante e não saber qual delas causou o efeito.
- Ignorar o efeito de campanhas: um pico de tráfego pago com perfil diferente distorce os grupos se a segmentação não for pensada.
- Declarar vencedora uma variante "quase significativa" porque o prazo apertou.
Perguntas frequentes
Teste A/B afeta o SEO? Não, quando bem implementado. O Google documenta publicamente que testes temporários são aceitos. Os detalhes estão em Testes A/B e SEO.
Preciso saber programar? Não para a maioria dos testes. Um editor visual permite alterar texto, cor, imagem e layout clicando na página. Código entra em casos avançados.
Posso testar mais de duas versões? Sim — A/B/C ou mais. Cada variante adicional aumenta a amostra necessária, porque o tráfego se divide entre mais grupos.
Qual a diferença para teste multivariado? O multivariado testa combinações de vários elementos ao mesmo tempo e exige muito mais tráfego. Para a maioria das operações, uma sequência de testes A/B simples aprende mais rápido.
Quer ver o processo completo, do zero ao resultado? Siga para Como fazer um teste A/B: passo a passo ou conheça o Teste A/B Web da GoAB.