Os testes A/B são uma das ferramentas mais diretas da otimização da taxa de conversão numa loja online. Dão provas reais do que funciona na tua loja, com os teus clientes. Para uma introdução completa à otimização da taxa de conversão e a razão pela qual melhorá-la importa tanto como aumentar o tráfego, lê o que é a otimização da taxa de conversão e porque importa.
O que é um teste A/B numa loja online?
Um teste A/B divide os teus visitantes em dois grupos e mostra a cada grupo uma versão diferente de uma página ou de um elemento da página. Um grupo vê a versão original, chamada controlo. O outro vê a versão alterada, chamada variação. A alteração é um elemento específico. Pode ser o texto de um botão, a disposição de uma página de produto ou a posição de um selo de confiança. Tudo o resto fica igual.
Os visitantes percorrem a loja como normalmente fariam. Não sabem que fazem parte de um teste. No fim do período de teste, comparas as taxas de conversão entre os dois grupos e determinas qual das versões teve melhor desempenho. Como as duas versões correm ao mesmo tempo com tráfego comparável, fatores externos como a sazonalidade ou uma mudança na tua publicidade afetam os dois grupos por igual. A diferença que vês vem da tua alteração, não do momento.
Porque é que os testes A/B importam para a conversão numa loja online?
Cada alteração que fazes à tua loja é uma aposta. Estás a apostar que a nova descrição do produto vai converter melhor, que o checkout simplificado vai reduzir a desistência, que o botão reposicionado vai receber mais cliques. Sem testes, não tens forma de saber se a aposta compensou. As vendas podem subir por razões totalmente alheias à tua alteração. Ou descer pela mesma razão.
Os testes A/B transformam apostas em decisões. Tens dados que mostram, dentro de uma margem mensurável, se a alteração teve um efeito real. Isto protege-te de dois erros comuns e caros. O primeiro é assumir que uma alteração ajudou quando não ajudou. O segundo é abandonar uma alteração que estava a funcionar, por não lhe teres atribuído a melhoria.
O argumento financeiro é simples. Uma loja que converte um por cento dos visitantes e passa a dois por cento duplicou a receita com o mesmo tráfego, sem aumentar o gasto em publicidade. Testar A/B de forma sistemática é o caminho mais fiável para esses ganhos.
O que podes testar A/B na tua loja online?
Quase tudo o que um visitante vê pode ser testado. Algumas áreas da tua loja têm maior impacto na conversão do que outras, e é nelas que os teus primeiros testes se devem concentrar.
Páginas de produto
A página de produto é onde se tomam a maioria das decisões de compra. Os candidatos de maior impacto para testar incluem a imagem principal do produto, o título do produto, o texto e a posição do botão de adicionar ao carrinho, o comprimento e a estrutura da descrição do produto, a posição das avaliações de clientes e se o preço é mostrado com contexto de apoio, como um preço de comparação ou uma mensagem de valor mínimo para portes grátis. Para veres em pormenor o que torna eficaz uma página de produto, lê como desenhar páginas de produto que levam as pessoas a comprar.
Fluxo de checkout
O checkout é onde as lojas perdem clientes que já decidiram comprar. Testes úteis incluem checkout numa só página contra checkout em vários passos, exigir a criação de conta contra oferecer checkout como convidado, o número e a ordem dos campos do formulário e o ponto do fluxo onde aparece o resumo da encomenda. As alterações no checkout produzem muitas vezes resultados mais rápidos e mais limpos do que as das páginas de produto, porque a intenção do visitante já está estabelecida nesse ponto. Para uma análise das decisões de design do checkout, lê como desenhar uma página de checkout que reduz a desistência.
Página inicial e navegação
A tua página inicial e a navegação moldam a primeira impressão dos visitantes e o caminho que fazem até às tuas páginas de produto. Testa o título da página inicial, que produtos ou coleções apresentas na parte visível sem scroll, a posição dos banners promocionais e se a navegação por categorias funciona melhor como menu permanente ou como um conjunto visível de mosaicos. As alterações aqui afetam todo o tráfego que passa pela tua loja, por isso mesmo melhorias modestas têm grande alcance.
Apelos à ação
O texto, a cor, o tamanho e a posição dos botões afetam todos se os visitantes dão o passo seguinte. "Adicionar ao carrinho" e "Comprar agora" são os pares de botões mais testados. Podes também testar se acrescentar linguagem de urgência perto de um botão ("Só restam 3") ou prova social ("Mais de 200 encomendas esta semana") altera a taxa de cliques.
Apresentação de preços e ofertas
A forma como apresentas os preços afeta as decisões de compra para além do próprio preço. Testa se mostrar o preço original riscado ao lado do preço de saldo aumenta as conversões, em comparação com mostrar só o preço de saldo. Testa se uma mensagem de "portes grátis em encomendas acima de X" perto do carrinho gera encomendas maiores. Testa se uma garantia de devolução do dinheiro na página do produto, e não só no rodapé, altera as taxas de conclusão do checkout.
Como fazer um teste A/B?
Formula uma hipótese
Todos os testes começam com uma pergunta cuja resposta consegues medir. "Se mudar a imagem do produto para uma fotografia de estilo de vida que mostra o produto em uso, mais visitantes vão clicar em adicionar ao carrinho?" Essa pergunta define o que estás a alterar, o que esperas que aconteça e como vais saber se funcionou. Escreve a hipótese antes de começares. Um teste sem hipótese é só uma alteração sem acompanhamento.
Escolhe a métrica de sucesso
Define a métrica que vais medir antes de o teste começar. Na maioria dos testes de lojas online, é a taxa de conversão num passo específico. Pode ser a taxa de adição ao carrinho, a taxa de início do checkout ou a taxa de compras concluídas. Escolhe a métrica que corresponde diretamente ao elemento que estás a testar. Se testas um elemento da página de produto, mede como afeta a taxa de adição ao carrinho. Se testas um elemento do checkout, mede a taxa de conclusão do checkout. Usar a receita total da loja como métrica traz demasiado ruído de outras partes do funil.
Configura o teste
Usa uma ferramenta de testes A/B para criar a variação e dividir o tráfego entre as duas versões. Uma divisão 50/50 é o habitual. Mantém a loja a funcionar normalmente durante o período de teste. Evita fazer grandes promoções ou alterações significativas na publicidade enquanto um teste está ativo, porque alteram o comportamento dos visitantes de formas que afetariam os dois grupos de modo desigual e tornariam os resultados difíceis de interpretar.
Deixa o teste correr até ao fim
Não pares o teste cedo só porque uma das versões parece estar a ganhar. Os resultados iniciais enganam com frequência. O comportamento dos visitantes varia consoante o dia da semana, e os padrões que aparecem nos primeiros dias muitas vezes não se mantêm ao fim de uma ou duas semanas completas. Parar cedo quando uma versão parece promissora aumenta muito a probabilidade de agires com base num falso positivo. Deixa o teste correr até atingires a dimensão de amostra pretendida.
Analisa e aplica o resultado
Quando tiveres dados suficientes, compara as taxas de conversão entre o controlo e a variação. Se a variação superar o controlo com significância estatística, implementa a alteração. Se os resultados forem inconclusivos, a alteração não fez diferença mensurável e deves manter o original e escolher outro elemento para testar. Se a variação teve pior desempenho, mantém o original e revê a tua hipótese. Todos os resultados te ensinam algo útil.
Quanto tempo deve correr um teste A/B?
Dois fatores determinam quanto tempo deves deixar um teste a correr. Um é o teu volume de tráfego. O outro é a dimensão da melhoria que queres detetar.
As melhorias mais pequenas exigem mais tráfego para serem detetadas com fiabilidade. Se a tua loja converte a dois por cento e queres detetar uma melhoria relativa de 20 por cento, precisas de substancialmente mais visitantes do que se quisesses detetar uma melhoria de 50 por cento. Na maioria das lojas com tráfego moderado, o mínimo recomendado é de duas a quatro semanas. As lojas com muito tráfego podem atingir significância mais depressa. As lojas com pouco tráfego podem precisar de mais tempo.
Como ponto de partida prático, procura pelo menos 100 conversões por variação antes de tirares conclusões. A uma taxa de conversão de dois por cento, isso significa pelo menos 5000 visitantes por variação. Se a tua loja não gera esse tráfego num prazo razoável, a comparação antes e depois torna-se uma alternativa mais prática: altera uma coisa, mede durante três a quatro semanas e compara com o mesmo período do mês anterior.
A regra mais importante é definires a dimensão de amostra pretendida antes de o teste começar e não veres os resultados até a atingires. Verificar de poucos em poucos dias e parar quando uma versão parece estar à frente faz subir a tua taxa de falsos positivos muito acima do que a significância estatística, por si só, sugeriria.
Como saber se os resultados do teste A/B são fiáveis?
A significância estatística é a medida que te diz se a diferença entre as duas versões reflete provavelmente um efeito real e não uma variação aleatória. As ferramentas de teste costumam indicá-la como nível de confiança. Um nível de confiança de 95 por cento significa que há cinco por cento de probabilidade de o resultado se dever ao acaso. Na maioria das decisões de uma loja online, 95 por cento de confiança é fiável o suficiente para agir.
Verifica também se há fatores externos que possam ter distorcido o teste. Um teste que correu durante um grande evento de saldos, num período em que a publicidade mudou muito ou numa semana em que a tua principal origem de tráfego mudou pode dar resultados que não representam o desempenho normal da loja. Se algo significativo aconteceu durante o período de teste, regista-o antes de agires com base no resultado.
Mais uma verificação que vale a pena fazer é olhar para métricas secundárias ao lado da principal. Se a tua variação tem uma taxa de adição ao carrinho mais alta mas uma taxa de conclusão do checkout mais baixa, algo na variação pode estar a atrair visitantes menos comprometidos, em vez de converter mais deles em compradores. Uma variação vencedora deve mostrar melhoria no passo visado sem degradação relevante noutros pontos do funil.
Que erros tornam os testes A/B pouco fiáveis?
Testar vários elementos ao mesmo tempo é o erro mais comum. Se alterares a imagem do produto, o título e a cor do botão no mesmo teste, não consegues atribuir o resultado a nenhuma alteração em concreto. Faz um teste por elemento e mantém tudo o resto constante.
Parar demasiado cedo é o segundo problema mais comum. Uma variação que parece ganhar nos primeiros três dias pode não mostrar diferença, ou até inverter-se, ao fim de duas semanas completas. Compromete-te com a duração planeada do teste antes de começar e não te desvies.
Testar cedo demais páginas com pouco tráfego é um terceiro problema. Se a tua página de produto recebe 50 visitantes por semana, chegar a 100 conversões por variação com uma taxa de conversão de dois por cento levaria muitos meses. Dá prioridade às páginas com mais tráfego e passa às de menos tráfego só depois de teres aproveitado os ganhos disponíveis no topo.
Ignorar o que já sabes também é um problema. Os testes A/B são mais eficazes quando guiados por dados sobre onde os visitantes já desistem, e não por testes ao acaso. Usa a tua análise para identificar as páginas e os passos onde mais visitantes saem sem converter. São esses os sítios certos para concentrar os testes. Para um guia prático sobre como perceber a desistência dos visitantes na tua loja, lê porque é que os clientes abandonam o carrinho e o que podes fazer.
O que deves testar primeiro?
Começa onde mais visitantes perdem o interesse. Na maioria das lojas, é a página de produto ou o checkout. O checkout é muitas vezes a maior prioridade, porque os visitantes que lá chegam já mostraram uma intenção clara. Uma alteração que melhore a conclusão do checkout, mesmo que por uma pequena percentagem, afeta todos os visitantes que chegam a esse ponto.
Depois do checkout, concentra-te nas páginas de produto com mais tráfego. Uma alteração numa página de produto que recebe 3000 visualizações por mês tem mais impacto potencial do que a mesma alteração numa página que recebe 100. Dá prioridade pelo alcance potencial, não pelas páginas em que te parece mais interessante trabalhar.
A confiança é outra área que muitas vezes compensa testar. Muitas lojas perdem conversões não por causa de um elemento específico da página, mas porque os visitantes não se sentem suficientemente seguros na loja para concluir a compra. Testar onde aparecem os sinais de confiança e como são apresentados pode dar resultados significativos. Para uma visão geral dos sinais de confiança que mais importam numa loja online, lê como usar sinais de confiança na tua loja online.
Como a WEMASY apoia os teus testes de conversão
Um bom teste A/B começa com dados de base rigorosos. Precisas de saber a tua taxa de conversão atual, onde os visitantes desistem e que páginas têm fraco desempenho antes de formulares uma hipótese útil e medires se um teste mudou alguma coisa. A Análise e estatísticas da WEMASY acompanha as visitas, o desempenho das páginas e o comportamento de conversão na tua loja, dando-te os números de base em que os testes assentam. O sistema de e-commerce fornece os dados das encomendas que podes usar para medir as compras concluídas durante os períodos de teste. Vê todas as funcionalidades nos planos de preços.
Perguntas frequentes
Posso fazer um teste A/B se a minha loja tiver pouco tráfego?
Pouco tráfego torna mais difícil atingir significância estatística num prazo razoável. Se a tua loja recebe menos de 1000 sessões por semana, os testes podem demorar meses a atingir as dimensões de amostra necessárias para resultados fiáveis com uma taxa de conversão típica de loja online. Nesse caso, as comparações antes e depois durante um período consistente podem ser uma alternativa prática. Altera uma coisa, mede durante três a quatro semanas e compara o resultado com o mesmo período do mês anterior. É menos preciso do que um teste A/B controlado, mas é mais informativo do que fazer alterações sem qualquer medição. Com o criador de websites da WEMASY, podes configurar isto diretamente na tua loja.
Posso fazer mais do que um teste A/B ao mesmo tempo?
Sim, mas só em páginas diferentes ou em elementos claramente separados que não interajam entre si. Testar ao mesmo tempo o título de uma página de produto e a disposição do formulário de checkout é geralmente seguro, porque os dois testes envolvem páginas diferentes e pontos de decisão diferentes do funil. Testar dois elementos diferentes na mesma página ao mesmo tempo cria o mesmo problema de testar vários elementos num só teste: não consegues isolar que alteração causou que resultado.
Qual é a diferença entre testes A/B e testes multivariáveis?
Um teste A/B compara duas versões de um elemento: o original e uma variação. Um teste multivariável compara vários elementos alterados em simultâneo, correndo todas as combinações possíveis para identificar que conjunto de alterações dá o melhor resultado. Os testes multivariáveis exigem bastante mais tráfego para chegar a conclusões fiáveis, porque divides os visitantes por mais variações. Para a maioria das lojas, o teste A/B é a abordagem mais prática. Os testes multivariáveis servem melhor lojas com muito tráfego que já fizeram as melhorias óbvias com testes A/B normais e querem explorar as interações entre vários elementos da página ao mesmo tempo.
E se precisar de fazer outras alterações à loja enquanto um teste está a correr?
Alterações menores e sem relação com a página testada costumam ser aceitáveis. As alterações que afetam as páginas ou os elementos do teu teste são um problema, porque introduzem uma segunda variável que pode afetar os resultados. Se precisares de fazer uma alteração importante na página testada, a opção mais limpa é parar o teste, implementar a alteração, deixar a loja estabilizar durante alguns dias e reiniciar o teste. Também vale a pena evitar uma promoção ou um grande reforço de publicidade enquanto um teste está ativo, porque altera o comportamento dos visitantes de formas que podem não afetar os dois grupos por igual.
Preciso de uma ferramenta própria de testes A/B para fazer testes?
Uma ferramenta de testes dedicada automatiza a divisão do tráfego, regista os dados de conversão por variação, calcula a significância estatística e impede que o mesmo visitante veja as duas versões. Sem uma ferramenta, terias de implementar tudo isto manualmente, o que é propenso a erros e dá resultados menos fiáveis. Se a tua loja ou o teu sistema de websites não inclui testes A/B nativos, é possível acrescentar ferramentas de teste de terceiros à maioria das lojas. O investimento compensa se pretendes testar com regularidade, porque a fiabilidade dos resultados depende muito de como a divisão do tráfego e a recolha de dados são tratadas.