O que é teste A/B: guia completo para fazer um no seu site

Às vezes chamado de split testing, o teste A/B tem o objetivo de comparar duas ou versões de uma página da Web para ver qual tem a melhor performance. Você compara duas páginas da web mostrando as duas variantes (vamos chamá-las de A e B) para visitantes semelhantes ao mesmo tempo. Aquele que dá uma taxa de conversão melhor, ganha.

Todos os sites têm um objetivo – uma razão para eles existir, por exemplo:

• Sites do eCommerce querem visitantes comprando produtos
• Os aplicativos da Web SaaS querem que os visitantes se inscrevam para um teste e se convertam para visitantes pagos
• Os sites de notícias e mídias querem que os leitores cliquem em anúncios ou se inscrevam para assinaturas pagas
• Nós da Polímatas usamos nosso site com o objetivo de que os empreendedores interessantes façam parte de nossa rede

Todo site comercial quer que seus visitantes convertam de apenas visitantes para algo mais. A taxa em que um site é capaz de fazer isso é a “taxa de conversão”. A medição do desempenho de uma variação (A ou B) significa medir a taxa na qual converte visitantes para realizadores de objetivos. Isso é um teste A/B.

Por que você deve fazer um teste A/B?

O teste A/B permite que você aumentar a conversão do seu tráfego existente. Embora o custo de aquisição de tráfego pago possa ser enorme, o custo de aumentar suas conversões é mínimo. Para comparar, você pode mudar uma palavra em seu código e aumentar a conversão de 100 visitantes, de 5 para 15%. Conseguir 15 cliques no seu anúncio do Adwords pode chegar a custar R$30 – de longe o esforço de trocar uma palavra do seu código.

O retorno sobre o investimento de testes A/B pode ser enorme, pois mesmo pequenas mudanças em uma página de destino ou site podem resultar em aumentos significativos nas leads geradas, vendas e receita.

O que você pode testar?

Você pode testar praticamente qualquer coisa em seu site: manchetes, chamadas para ação, texto do corpo, imagens, etc. Se você pode mudar algo, você pode fazer um teste A/B nele. Mas isso não significa que você deve necessariamente passar meses testando todas as pequenas coisas. Em vez disso, concentre-se nas coisas que são mais propensas a ter um grande impacto.

• Cabeçalhos, manchetes e títulos (headers e heading)
• Sub cabeçalhos
• Texto do parágrafo
• Testemunhos
• O texto da chamada à ação
• O botão do seu call-to-action
• Links
• Imagens
• Rodapé
• Prova social
• Menções da mídia
• Prêmios e emblemas

Testes avançados podem incluir estruturas de tabelas de preços, promoções de vendas, duração do teste gratuito, experiências de navegação e UX, frete gratuito ou paga e muito mais.

Testar diferentes ofertas também é importante. Certifique-se de que você tenha métodos para garantir que cada pessoa sempre seja oferecida a mesma promoção. Por exemplo, se um presente gratuito é oferecido ao grupo A, e um desconto é oferecido ao grupo B, então você quer certificar-se de que o grupo A sempre contém os mesmos visitantes, assim como o grupo B.

Você também pode testar coisas em conjunto um com o outro. Por exemplo, você pode querer testar a newsletter A com a página de destino A e a newsletter B com a página de destino B. E então, mais tarde, você pode querer testar a newsletter A com a página de destino B e vice-versa. Isso pode dar um resultado mais concreto se você estiver tendo resultados mistos, ou se seus resultados estão muito próximos.

Teste A/B e SEO.

O Google já esclareceu sobre as implicações de SEO no seu teste A/B na postagem do blog intitulada “Testes de sites e pesquisa do Google“.

As partes importantes dessa publicação no site do Google são:

Sem cloaking:

Cloaking é o ato de mostrar um conjunto de conteúdo para as pessoas e um conjunto diferente para os robôs do Google – isso é contra Diretrizes para webmasters da gigante, se você está executando um teste ou não. Certifique-se de que você não esteja decidindo se deseja servir o teste, ou qual variante de conteúdo para servir, com base no usuário-agente. Um exemplo disso seria sempre servir o conteúdo original quando você vir o usuário-agente “Googlebot”. Lembre-se de que infringir as Diretrizes pode fazer com que seu site seja rebaixado ou removido dos resultados de pesquisa do Google – provavelmente não é o resultado desejado do seu teste.

Use 302s, não 301s:

Se você estiver executando um teste A/B que redireciona os usuários da URL original para uma URL de variação, use um redirecionamento 302 (temporário), e não um redirecionamento 301 (permanente). Isso diz aos motores de busca que esse redirecionamento é temporário – ele só estará ativo desde que esteja executando a experiência – e que eles devem manter o URL original em seu índice em vez de substituí-lo pelo alvo do redirecionamento (a página em teste). Os redirecionamentos baseados em JavaScript também são bons.

Execute rode o experimento enquanto que necessário:

A quantidade de tempo necessário para um teste confiável variará dependendo de fatores como suas taxas de conversão e quanto de tráfego seu site possui; uma boa ferramenta de teste deve dizer quando você reuniu dados suficientes para obter uma conclusão confiável. Depois de concluir o teste, você deve atualizar seu site com a(s) variação(ões) de conteúdo desejada e remover todos os elementos do teste o mais rápido possível, como URLs alternativos ou testes de scripts e marcação.

Passo-a-passo para fazer um teste A/B:

A maneira correta de executar uma experiência de teste A/B é seguir um processo científico. Inclui as seguintes etapas:

1) Estude os dados do seu site:

Use uma ferramenta de análise de sites, como o Google Analytics, e encontre as áreas problemáticas em seu funil de conversão. Por exemplo, você pode identificar as páginas com a maior taxa de rejeição. Digamos, sua página inicial tem uma taxa de rejeição excepcionalmente alta.

2) Observe o Comportamento do Usuário:

Utilize ferramentas de análise de comportamento do visitante, como Heatmaps, gravações de visitantes, análises de formulários e pesquisas no próprio site, e encontre o que está impedindo que os visitantes se convertam. Por exemplo, “O botão CTA não é óbvio na página inicial”.

3) Construa uma hipótese:

Através dos insights das ferramentas de análise do comportamento do visitante, crie uma hipótese com o objetivo de aumentar as conversões. Por exemplo, “Aumentar o tamanho do botão CTA o tornará mais óbvio e aumentará as conversões”.

4) Teste sua Hipótese:

Crie uma variação por sua hipótese, e faça um teste A/B na página original. Por exemplo, “Teste A/B na sua página inicial original VS uma versão que tenha um botão CTA maior”. Calcule a duração do teste em relação ao número de visitantes mensais, taxa de conversão atual e a alteração esperada na taxa de conversão

5) Analise os dados do teste e tire suas conclusões:

Analise os resultados do teste A/B e veja qual variação entregou as conversões mais altas. Se houver um vencedor claro entre as variações, vá em frente com sua implementação. Se o teste for inconclusivo, volte para a etapa número três e retrabalhe sua hipótese.

6) Informe os resultados para todos os interessados:

Deixe os outros em Marketing, TI e UI / UX saberem dos resultados do teste e os insights gerados.

Fazendo seu primeiro teste A/B.

Para fazer seu primeiro teste A/B no seu site, vamos te dar um passo-a-passo de como fizemos na Polímatas, mas com ferramentas mais simples, para você iniciar e já ter resultados. Primeiro, crie uma planilha no Google Drive entitulada “Testes A/B no site” ou nomeie como quiser. Em seguida, crie três abas: problemas, hipóteses e testes.

A) Liste os problemas:

Nesta aba, você deve colocar as seguintes colunas: página, objetivo, problemas.

Liste na primeira coluna as páginas do seu site e, na segunda coluna, o objetivo delas. Por exemplo: na primeira página é que as pessoas preencham o formulário. Nas páginas de posts de blog que as pessoas deixem o email. Na página de “contato”, que as pessoas enviem uma mensagem. E assim por diante.

Com base nos passos 1 e 2 do nosso passo-a-passo anterior, você deve listar todos os possíveis problemas que podem estar acontecendo em cada uma dessas páginas. Caso você encontre um possível problema com a mesma página, pode duplicar a linha e colocar um novo problema na segunda linha. Tente descrever o problema, listando como ele quebra seu objetivo.

Para listar como fizemos aqui na Polímatas, vamos dar como exemplo que nosso objetivo é que as pessoas clicassem mais no botão que fica no menu no topo do nosso site, aquele “Fazer parte”.

B) Hora de refletir sobre as hipóteses:

Na sua segunda aba, você deve colocar as colunas: problema, causa, hipótese, seguindo o passo 3.

Na primeira coluna de problemas, você pode copiar e colar os problemas da aba anterior. Em seguida, você deve listar quais são as possíveis causas. Se um problema tiver mais de uma possível causa, você pode multiplicar as linhas. Na parte de hipótese, você deve listar o que você vai testar para solucionar o problema – ela tem que ser listada em forma de uma frase, por exemplo, “Mudar a cor do botão de ‘enviar’ para vermelho para chamar mais atenção em relação ao fundo”

Em nosso exemplo usando a Polímatas, antes o botão estava escrito “Inscrever-me” e era cinza. Nós listamos como problema é que poucas pessoas clicavam nesse botão. As duas causas que levantamos é que o botão não era chamativo e as pessoas não sabiam para que elas se inscreveriam. Como hipóteses, listamos “mudar o texto do botão para fazer parte” e “mudar a cor do botão para verde”.

C) Escolha seus objetivos:

Todos os testes A/B têm metas cuja taxa de conversão você deseja aumentar. Esses objetivos podem ser diretos (clique em links, página de visitas) ou podem usar o código de conversão personalizado avançado.

Na terceira aba chamada “hipóteses”, você deve colocar quais hipóteses você vai trabalhar. Existe uma boa quantidade de maneiras de fazer isso, eu incluiria nessa aba algumas colunas: hipótese, objetivo, dificuldade, importância, data de início, data final.

Na primeira coluna, você deve listar as hipóteses que levantou na aba anterior. Na segunda coluna, coloca qual a meta que você quer cumprir – ou seja, aumentar em de x para y o número de cliques no link, por exemplo. Não tenha medo de “chutar”, isso vai ser comum no começo. Depois, com o tempo, você vai aperfeiçoando. Nas colunas de dficuldade e importância, você deve colocar numa escala de 0 a 10 quão difícil e custoso será para você executar esse teste (dificuldade) e qual é o potencial de retorno que você terá caso seu teste seja bem sucedido (importância).

A escala de 0 a 10 é arbitrária, você quem decide, mas é importante avaliar esses dois aspectos. Nas colunas de datas, você deve colocar o começo e qual o prazo – isso vai depender muito de quanto tráfego aquela página em específica contém. Eu colocar que você tem que ter no mínimo 1.000 visualizações para ter alguma perspectiva. Com seus dados do Google Analytics, você será capaz de calcular quanto tempo isso vai levar.

No exemplo da Polímatas, nós colocamos as duas hipóteses “mudar o botão para verde” e “mudar o texto do botão para fazer parte”. A dificuldade dos dois era igual: 1, pois era só mudar texto – um era o texto literal do botão e, o outro, texto do código de CSS. Contudo, eu acreditei que mudar a cor para verde teria um impacto maior, pois deixaria o botão mais evidente. Coloquei esse teste como primeiro a ser realizado.

D) Comece e acompanhe seu teste:

Agora, seguindo os passos 4 e 5, você deve colocar o seu teste em ação. É importante testar uma ou duas coisas de uma vez só numa mesma página, ainda mais se elas cumprirem com objetivos semelhantes. Assim você não confundirá qual mudança surtiu efeito. Você pode querer configurar eventos no Google Analytics para acompanhar o seu teste.

Aqui na Polímatas temos eventos do Google Analytics em diversas partes do nosso site. Eles nos ajudam a definir a eficácia de nossos testes e nossos call-to-action. Hoje em dia não temos rolado tantos testes por falta de colocar esforço nisso, mas eles já nos serviram muito mesmo e temos a certeza que continuarão. O resultado do teste anterior: acabamos testando a variação do botão para laranja e foi ainda melhor que o verde. Também mudamos o texto para “fazer parte”.

Outras coisas não tão óbvias para se fazer um teste A/B.

Falamos bastante sobre aparência, sobre texto e do planejamento em si, mas faltaram especificar mais oportunidades de teste A/B que você pode realizar em seu site.

• Posicionamento do seu botão (rodapé, começo)
• Tipos de exibição de informação: com ícones, sanfonas, carrossel, etc.
• Efeitos especiais da experiência do usuário: formulários que respondem à interação do usuário, ou imagens que têm um ícone de lupa sobreposto quando o cursos está em cima, etc.

É um processo de brainstorm, e é comum que múltiplos testes A/B sejam realizados antes de tomar uma decisão final ou mudança final. Vale muito a pena você olhar em diversos sites, concorrentes ou não, por ideias do que possa ser testado.

Certifique-se de que, antes de começar a testar, você tenha uma ideia clara dos resultados que você está procurando. Você já deve saber o resultado atual, quais são os resultados que você está recebendo. Você quer testar as opções A e B um contra o outro, mas também quer saber que o que faz melhor no teste também está melhor do que os resultados atuais. Alternativamente, você pode usar A como seu controle (deixando o que você estiver usando atualmente) e então use algo novo para B.

Os testes precisam ser executados simultaneamente para explicar as variações no tempo. Você não pode testar uma variação hoje e a outra amanhã, porque não pode influenciar quaisquer variáveis que possam ter mudado entre hoje e amanhã. Em vez disso, você precisa dividir o tráfego observando suas variações ao mesmo tempo.

Dedicando tempo para fazer teste A/B.

O teste A/B não é um projeto de uma noite. Dependendo da quantidade de tráfego que você recebe, você pode querer executar testes para qualquer quantidade de alguns dias a até algumas semanas. E você só quer executar um teste de cada vez para os resultados mais precisos.

Dar um tempo de teste insuficiente pode significar resultados distorcidos, pois você não obtém um grupo suficientemente grande de visitantes para ser estatisticamente preciso. Executar um teste por muito tempo também pode dar resultados negativos, porém, uma vez que existem mais variáveis que você não pode controlar durante um período mais longo. Certifique-se de estar atento a qualquer coisa que possa afetar seus resultados de teste, para que você possa explicar quaisquer anomalias estatísticas ao revisar seus resultados. Se você está em dúvida, é perfeitamente razoável testar novamente.

Considerando o impacto que o teste A/B pode ter em seus resultados, porém, vale a pena levar algumas semanas para realizar testes adequadamente. Teste uma variável de cada vez e dê a cada teste tempo suficiente para executar.

Pergunta final sobre o que é teste A/B:

Posso testar mais do que uma coisa ao mesmo tempo?

Existem duas abordagens para esta questão. Em primeiro lugar, digamos que você só quer testar um texto, mas você tem três variações possíveis. Nesse caso, executar um único teste e dividir seus visitantes (ou destinatários no caso de um e-mail) em três grupos em vez de dois é razoável e provavelmente ainda será considerado um teste A/B. Isso é mais eficiente do que executar três testes separados (A vs. B, B vs. C e A vs. C). Você pode dar seu teste um par de dias extras para ser executado, para que você ainda tenha resultados suficientes para basear quaisquer conclusões.

Testar mais de uma coisa de cada vez, como título e chamada para ação, é um teste multi-variável e é mais complicado de ser executado. Existem muitos recursos para testes multi-variáveis, mas não vamos cobrir isso quando falamos sobre testes A/B. Isso exige, com certeza, um nível de programação a mais para acompanhar cliques e mapa de calor.