O que é Teste A/B e como usá-lo no marketing de lojas virtuais?

Maciej Mozolewski
Maciej Mozolewski · edrone
Publicado em: 7 de fevereiro de 202314 minutos de leitura
Homens conferem estatísticas do teste a/b na edrone

Veja como usar o teste A/B para melhorar os resultados de marketing da sua loja virtual com e-mails personalizados.

Um teste A/B ajuda o seu e-commerce a tomar a decisão certa na hora de se comunicar com clientes e usuários.

Ao desenvolver o teste A/B, deve-se considerar o tamanho da amostra, a conversão esperada, o nível de significância estatística e o tempo de mensuração. Veja neste artigo tudo que você precisa saber sobre teste A/B para melhorar a comunicação de lojas virtuais, e o que mais vale a pena prestar atenção ao planejar e administrar esses testes.

O que é um teste A/B?

O teste A/B é uma ferramenta que permite comparar duas versões de uma determinada solução e avaliar qual traz melhores resultados. Os testes podem ser aplicados aos e-mails enviados aos clientes de uma loja virtual, ao layout das sub páginas do site, ao texto do botão de checkout, aos banners e pop-ups ou à forma como produtos são apresentados nos aplicativos de celular. Exemplo de mensagens preparadas para teste A/B, que diferem em um detalhe no texto. Tudo pode ser testado pelo teste A/B, desde que certos parâmetros sejam atendidos:

  • Ter um impacto sobre o que estamos testando (isso é óbvio: não faz sentido testar algo, se não conseguirmos introduzir as mudanças sugeridas após o teste).
  • Preparar duas versões de uma determinada solução para nossos usuários.
  • Testar apenas um aspecto de alguma solução específica (não tente testar tudo de uma vez).
  • Apresentar cada uma das versões a grupos comparáveis ​​de usuários (muito importante!).
  • Medir quantos usuários se familiarizam com as variantes individuais (se estivermos testando um site, é o número de visualizações da variante do site em questão, no caso de e-mails, geralmente medimos a taxa de abertura).
  • Medir quantos reagiram da maneira desejada (definida de forma variada, dependendo do objetivo das atividades de marketing: podem ser cliques em um link, curtidas, adição de um produto ao carrinho de compras, compra ou avaliação de um produto após a compra, entre outros).
  • Aceitar que o teste A/B é apenas uma ferramenta, que auxilia em nosso trabalho, mas não nos isenta da decisão final.

Teste A/B para E-mail Marketing

Um bom exemplo de Teste A/B é usado para e-mail marketing. Na plataforma edrone selecionamos ENGAJAMENTOS -> NEWSLETTER A/B e criamos uma campanha ou selecionamos uma campanha salva anteriormente; na seção AJUSTE, selecionamos a porcentagem de destinatários para os quais as variantes A e B serão enviadas. Na seção DESIGN definimos o modelo das mensagens – separadamente para a variante A e B. Depois, como em uma newsletter normal, determinamos o remetente e, possivelmente, os cupons e o público-alvo. Painel de controle de Teste A/B para Newslleter na edrone. Usamos essa ferramente para testar a taxa média de abertura de uma newsletter – a porcentagem de clientes que acessa esse tipo de conteúdo – é de cerca de 10%. Além disso, nossa experiência mostra que 75% dos usuários entre os que responderam ao e-mail (abriram a mensagem e/ou clicaram no link da mensagem), o fizeram nas primeiras 24 horas após o envio. Os 25% restantes abriram o e-mail vários dias após o envio. Número ilustrativo de e-mails abertos nas primeiras 24 horas Podemos ver claramente o maior número de newsletters abertas na data de envio e no segundo dia. A mensagem de boas-vindas é aberta imediatamente ou nunca é aberta. Dos fatos acima, podemos tirar duas conclusões muito importantes: ● o teste deve durar um dia (24h) – não vale a pena esperar mais. ● 10% * 75% = 7,5% – esta é a porcentagem de abertura da newsletter que podemos esperar no segundo dia.

Como calcular os resultados do Teste A/B?

Quando realizamos o teste, determinamos um valor percentual, para qual parte do banco de dados o teste será enviado. Para estimar quantos e-mails serão abertos até que o teste seja concluído, os supostos 7,5% de respostas obtidas após 24 horas devem ser multiplicados pela porcentagem de newsletters direcionada ao teste e pelo tamanho do nosso banco de dados. Vamos supor que nosso banco de dados contenha 100 mil e-mails. Em AJUSTAR -> “Determine a porcentagem de destinatários” definimos, por exemplo, 10% para a variante A e 10% para a variante B (é sempre a escolha mais segura testar o mesmo número para a variante A e a variante B). O teste incluirá: 10% * 100.000 = 10.000 e-mails na variante A e o mesmo número na variante B. No total, enviaremos 20.000 e-mails. Diante disso, após 24 horas, podemos esperar 750 aberturas de e-mails na variante A e o mesmo número na variante B (total de 1500 em ambos os grupos de teste). Agora precisamos usar estes dados para determinar qual das variantes – A ou B – é melhor.

A estatística por trás do Teste A/B

Antes de determinar o resultado do teste A/B para o envio das newsletters vamos entender como funciona um teste estatístico, com o exemplo simples de um cara e coroa! Em primeiro lugar: Vamos supor que queremos verificar se uma moeda é viciada ou não. Planejamos um experimento, por exemplo, decidimos que jogaremos uma moeda 10 vezes. Contaremos o número de vezes que saiu coroa e o número de vezes que saiu cara. Na próxima etapa, calcularemos a probabilidade de nosso resultado, que obtivemos no experimento, assumindo que a moeda não era viciada. A suposição de que a moeda não é viciada é conhecida como hipótese nula. Vamos comparar a probabilidade calculada com certo número convencional que nos diz o quão improvável deve ser o resultado do nosso experimento, a fim de determinar se a moeda está viciada ou não. Diríamos então que rejeitamos a hipótese nula em favor da chamada “hipótese alternativa”: a moeda é viciada. Em segundo lugar: significância estatística – este é o número, que nos diz quão improvável deve ser o resultado do nosso experimento, a fim de rejeitar a hipótese nula (0 hipótese) em favor da hipótese alternativa. Por outro lado, isso significa a porcentagem de casos em que vamos determinar erroneamente que a moeda é viciada (hipótese alternativa), quando na verdade ela não é viciada (hipótese nula). Normalmente, são 5%. Em terceiro lugar: o poder do teste – este é um número que especifica com que frequência percebemos uma moeda viciada, com a suposição de que ela é realmente viciada. Normalmente, são 80%. O número de tentativas (lançamentos de moedas), a significância estatística e o poder do teste são definidos antes de realizar o experimento! Um exemplo com uma moeda: planejamos 10 tentativas e também decidimos um determinado nível de significância estatística. Como resultado do experimento, obtivemos 3 coroas em 10 jogadas de moeda. O que podemos dizer sobre essa moeda? Se a moeda não for viciada (hipótese nula), tal resultado ocorre em 12% dos casos. Anteriormente, definimos a significância estatística no nível de 5%, que é um valor inferior. Isso significa que não podemos rejeitar a hipótese nula (a moeda não é viciada) – então reconhecemos que a moeda não é viciada. No entanto, se como resultado do experimento obtivemos apenas 2 coroas em 10 tentativas, calcularemos que a probabilidade de tal resultado para uma moeda não viciada é de apenas 4% e rejeitamos a hipótese nula em favor da hipótese alternativa: a moeda é viciada. Importante ressaltar que, geralmente, queremos rejeitar a hipótese nula, porque significa a ocorrência de um efeito (por exemplo, a diferença dos e-mails no teste A/B), portanto, ao contrário da vida real, ficamos felizes quando demonstrarmos que nossa moeda é viciada. Agora que aprendemos a fazer testes estatísticos, vamos voltar à nossa pergunta inicial: qual deve ser o tamanho da amostra (quantas vezes temos que jogar a moeda) para poder determinar no nível de significância estatística se a moeda é viciada ou não? Tudo depende de quão precisos queremos ser. A capacidade de detectar uma moeda viciada que dá coroa em 99% das tentativas e cara em 1% das tentativas é diferente da capacidade de detectar uma moeda que dá coroa em 60% das tentativas e cara em 40% das tentativas. No primeiro caso são necessárias apenas 16 tentativas para obter um resultado estatisticamente significativo (ou seja, indicando a rejeição da hipótese nula) em 95% dos experimentos, enquanto, no segundo caso, são necessárias até 369 tentativas.

Como fazer um teste A/B?

Vamos voltar aos testes A/B. Primeiro, queremos determinar quantos e-mails devemos enviar. Para isso, vamos usar uma calculadora de teste A/B. Calculadora de tamanho real da amostra em um teste A/B.

Como usar calculadora de Teste A/B?

Assim como no exemplo da moeda, onde o tamanho da amostra depende se temos uma moeda para a qual sai coroa em 99% das tentativas e cara em 1% das tentativas, ou uma moeda na qual sai coroa em 60% das tentativas e cabeça em 40% das tentativas; também neste caso precisamos estabelecer a suposição quanto ao efeito esperado. No nosso caso é a conversão (as visualizações de produtos, adição de produtos ao carrinho de compras, dependendo do que queremos medir). No campo Baseline Conversion rate ou “Taxa de conversão da base”, inserimos a taxa de conversão esperada, com a qual nossas variantes serão comparadas. De onde vem esse valor? É melhor baseá-lo em newsletters anteriores, estudo ou desenvolvimento apresentado no setor. Sugerimos colocá-lo em 10%, que é o valor médio de conversão para os clientes da edrone. No campo Minimum Detectable Effect ou “Efeito Mínimo Detectável”, inserimos a precisão com a qual nosso teste será capaz de indicar que as versões do teste A/B (variação) diferem do nível da linha de base. Se selecionarmos uma linha de base de 10% e um “Efeito mínimo detectável” em 2%, a taxa de conversão real da variante A será de 10%.

  • Se a taxa de conversão real na variante B for inferior a 8% ou superior a 12%, poderemos detectar essas diferenças com nosso teste em 80% dos casos (80% é o poder do teste). Em outras palavras, nosso teste detectou diferenças maiores que 2% com uma eficácia de 80%, assumindo que a taxa de conversão média estará no nível de cerca de 10%.
  • Se a taxa de conversão real na variante B estiver na faixa de 8-12%, nosso teste não detectou essa diferença e não permitirá rejeitar a hipótese nula, afirmando que a variante fornecida difere da conversão de linha de base.
  • Também é possível que a hipótese B possa ter uma conversão de 10% e que A difira ou não difira em +- 2% dela. A situação é totalmente simétrica. Outros dados que devem ser observados:
  1. “Nível de significância α” é o nível de significância que discutimos anteriormente (geralmente definido em 5%). É melhor deixar o valor padrão.
  2. A opção “Absoluta” / “Relativa” determina se usamos porcentagens ou pontos percentuais (é melhor deixar “Absoluta”).
  3. “Potência estatística 1-β” é a potência do teste (geralmente 80%). Também é melhor deixar o valor padrão. Na calculadora, lemos um valor de tamanho de amostra de 1629 por variante de teste. No exemplo que apresentamos no início deste artigo, enviamos 10.000 e-mails por variante e esperamos 750 e-mails abertos por variante após 24 horas. Se nosso teste fosse a conversão de um e-mail aberto para, por exemplo, uma compra, que ocorre com uma taxa média de conversão de 10%, então deveríamos enviar duas vezes mais e-mails! Neste ponto, poderíamos perguntar por que estamos comparando a taxa de conversão com o nível da linha de base, e não as duas variantes entre si. Por enquanto, ainda não estamos verificando o resultado do teste. A calculadora descrita é usada para calcular o tamanho da amostra e o valor da “Taxa de conversão da linha de base”, que deve ser tratado como o valor médio da conversão das variantes A e B (que não é conhecido no momento do teste, mas contamos com nossa experiência ou conhecimento dos especialistas da edrone). O que acontece se cometermos um erro em nossa suposição em relação à conversão da linha de base? Suponhamos que o valor real de conversão da variante A seja 15% e o da variante B seja 17%. A conversão média de ambas as versões será de 16% e a diferença 1%. A calculadora indicará um tamanho de amostra de 5352 por variante. Se enviarmos apenas 1629 e-mails por variante, de acordo com nossas suposições, isso significa que nossa precisão será muito baixa para detectar a diferença entre A e B com 80% de chance. Por outro lado, devemos nos perguntar se precisamos de tal precisão; se as versões diferem em apenas 2% na conversão, com um nível médio de 16%, provavelmente não importa muito qual versão enviaremos eventualmente.

Resultados do Teste A/B

Agora estamos chegando ao cerne da questão. Após planejarmos qual percentual da base de dados enviaremos a newsletter, é hora do envio e dos resultados. Os resultados são coletados no guia Resumo A/B. Resultados de um teste A/B no sistema edrone. Olhando apenas para os números, poderíamos pensar que a criação A está ganhando em relação à criação B. No entanto, quando inserimos os resultados na calculadora de resultados, verificamos que a diferença não é estatisticamente significativa.

Ferramentas de marketing para teste A/B

Alguns sistemas de marketing usados ​​para verificar qual opção é melhor após um período estabelecido (por exemplo, 24 horas) são interrompidos se o teste mostrar que a diferença entre A e B é estatisticamente significativa. Isto é um erro! Cada execução do teste está associada a um erro específico decorrente do nível de significância estabelecido e do poder do teste. Se realizarmos o teste muitas vezes, até o momento em que obtivemos um resultado estatisticamente significativo, sempre introduziremos um erro que se soma a cada teste. Isso pode ser comparado a uma situação em que gostaríamos de provar que temos uma moeda que dá cara 30% das vezes e coroa 70% das vezes. Faríamos o teste jogando a moeda e anotando o número de caras e coroas que obtivemos até aquele ponto. Continuaríamos até que a média de todos os lançamentos fosse realmente 30% de caras e 70% de coroas. Claro, isso não faz sentido. Mesmo que a moeda não seja viciada (é caracterizada por 50% de chance de cair cara e 50% de chance de cair coroa), com certo número de tentativas pode acontecer que os lançamentos resultem em 30% de cara para cima e 70% das coroas para cima. Verificar a significância do teste, sem decidir se devemos parar ou continuar o teste, não é incorreto, mas é uma perda de tempo, porque não poderíamos usar o conhecimento dos resultados do teste. No exemplo de teste A/B para o envio de e-mails, a audiência é limitada. A situação é um pouco diferente quando estamos testando, por exemplo, a página inicial, quando novos usuários estão entrando constantemente. Não podemos adicionar novos destinatários depois de enviarmos a correspondência. Isso significa que antes de enviar a mensagem precisamos fazer um cálculo: quantos usuários abrirão nosso e-mail e se esse número é suficiente para avaliar as versões testadas. O plano de marketing normalmente prevê o envio de vários e-mails em uma semana. Repetir um teste que não terminou com uma conclusão clara pode ser uma perda de tempo. Mas, isso não deve interromper nossas atividades de marketing. É melhor encerrar o teste após 24 horas e realizar o envio independentemente do resultado. Se o teste não terminou com resultados estatisticamente significativos, vamos testar outra mensagem com base nos conhecimentos anteriores. Também devemos resistir à tentação de interromper o teste muito cedo. Se definirmos um tempo de duração do teste de 24 horas só é possível avaliar os resultados após esse tempo.

Conclusão sobre Teste A/B para e-commerce

Como vimos, o teste A/B é um tópico amplo. A boa notícia é que você não precisa memorizar tudo isso, porque o sistema edrone irá guiá-lo neste processo. Além disso, o algoritmo da edrone sempre indicará o vencedor do teste e verificará se as versões A/B diferem estatisticamente ou não. Agende uma demonstração gratuita do sistema edrone e adote o teste A/B para melhorar os resultados de marketing da sua loja virtual.

Maciej Mozolewski
Maciej Mozolewski · edrone

Postgraduate studies in Statistical Methods in Business at the University of Warsaw. Since then, he’s been dealing with the issues of artificial intelligence and machine learning.