Resposta rápida: com pouco tráfego, o problema não é fazer o teste — é fechar a amostra em tempo útil. As saídas, em ordem: teste mudanças maiores (efeitos grandes exigem amostras menores), suba no funil para páginas de mais volume, use métricas mais frequentes, aceite conscientemente menos rigor em decisões reversíveis — e quando nada disso fechar a conta, troque o teste por heatmap e pesquisa, que aprendem com qualquer volume.
Primeiro, faça a conta de verdade
"Pouco tráfego" é sensação até virar número. Pegue a conversão atual da página e a melhoria mínima que interessaria e rode a calculadora de amostra. Divida pelo tráfego diário. Se o prazo fica em até 4–6 semanas, você tem tráfego para testar — só não tinha feito a conta. Se dá 6 meses, bem-vindo ao clube: as estratégias abaixo são para você.
Estratégia 1: aumente o tamanho do efeito
A amostra necessária cai drasticamente quando o efeito buscado cresce — detectar +25% exige uma fração do tráfego de detectar +5%. Tradução prática: com pouco volume, esqueça o tom do botão; teste conceitos. Promessa completamente diferente, página reorganizada, oferta reformulada, split test entre abordagens opostas. Ironia produtiva: a limitação de tráfego força os testes mais interessantes.
Estratégia 2: suba no funil
Sua página de checkout tem 800 visitas por mês, mas a de produto tem 15 mil e a home 40 mil. Teste onde o volume está, com hipóteses que influenciem o funil inteiro: clareza da proposta, encaminhamento para o produto certo, resposta antecipada às objeções que hoje matam o checkout.
Estratégia 3: métricas mais frequentes
Compra é rara; adição ao carrinho, clique no CTA e início de checkout acontecem múltiplas vezes mais. Para hipóteses sobre o topo da página, uma métrica intermediária fecha amostra numa fração do tempo — com a compra como métrica de guarda, para garantir que o clique extra não é curiosidade vazia. O mapa das métricas está em métrica primária, secundárias e de guarda.
Estratégia 4: rigor calibrado ao risco
95% de confiança é o padrão, não um mandamento. Para decisões baratas e reversíveis — um texto, uma ordenação — decidir a 90% é uma troca consciente: mais erros eventuais, muito mais aprendizado por trimestre. O inaceitável é afrouxar o critério depois de ver o resultado. Declare antes, registre, siga. Fundamentos em significância estatística.
Estratégia 5: quando o teste não fecha, aprenda por outra via
Abaixo de certo volume, o teste A/B simplesmente não é a ferramenta do momento — e insistir nele é procrastinação estatística. O que aprende rápido com pouco tráfego: heatmaps (padrões de clique e scroll estabilizam com centenas de sessões), pesquisas no site (dezenas de respostas já revelam as objeções dominantes) e correção direta de fricções evidentes — formulário quebrado não precisa de teste, precisa de conserto. Cada uma dessas frentes alimenta hipóteses melhores para quando o tráfego crescer.
O que não fazer
- Rodar o teste "até dar": teste de 5 meses atravessa sazonalidades e expira cookies — o resultado final não compara grupos comparáveis.
- Empilhar variantes: A/B/C/D com pouco tráfego é dividir o pouco por quatro.
- Copiar o vencedor alheio: estudo de caso de outro público é hipótese, nunca conclusão.
Perguntas frequentes
Qual o mínimo absoluto de tráfego para testar? Não existe número universal — existe a conta amostra ÷ tráfego diário. Faça-a para a sua página e o seu efeito mínimo.
Testes sequenciais (um mês cada versão) valem? São comparações antes/depois com todos os vieses de contexto. Melhor que nada, muito pior que um A/B — use só quando o A/B for impossível e leia com ceticismo.
Quando meu tráfego crescer, o que muda? A conta. Refaça-a a cada trimestre: o site que não fechava amostra no ano passado talvez feche em três semanas hoje.
Comece pela conta: tamanho de amostra em teste A/B.