Princípios Fundamentais
A experimentação eficaz não é apenas sobre tecnologia, e sim sobre metodologia. Siga estes princípios para extrair o máximo valor dos seus testes A/B.Teste uma coisa por vez
Mudanças isoladas geram insights claros
Formule hipóteses claras
Saiba o que você está testando e por quê
Aguarde significância
Decisões prematuras levam a conclusões erradas
Documente tudo
Aprendizados se acumulam ao longo do tempo
1. Formulação de Hipóteses
Antes de criar qualquer experimento, formule uma hipótese clara usando este framework:Framework: Se → Então → Porque
Exemplos
✅ Bom
❌ Ruim
2. Isolar Variáveis
Regra de Ouro: Teste UMA coisa por vez
Por que isso importa?
Se você mudar múltiplas variáveis, não saberá o que causou a diferença:3. Tamanho da Amostra
Regra Prática
Calculadora Simplificada
Use calculadoras online como Evan Miller’s AB Test Calculator para cálculos precisos.
Sinais de Que Você Precisa Esperar Mais
- ❌ Menos de 100 conversões por variante
- ❌ Teste rodando há menos de 1 semana
- ❌ Taxa de conversão mudando drasticamente dia a dia
- ❌ Significância estatística < 95%
4. Estrutura de Experimentos
Anatomia de um Bom Experimento
5. Quando Parar um Experimento
Critérios para Declarar Vencedor
✅ Todos estes devem ser verdadeiros:- Significância estatística ≥ 95%
- Mínimo de 100-200 conversões por variante
- Teste rodou por pelo menos 1-2 semanas completas
- Resultado é consistente (não oscila dia a dia)
Exemplo de Análise
Quando NÃO Declarar Vencedor
6. Testes Sequenciais vs Simultâneos
Rodando Múltiplos Testes
✅ Testes Simultâneos (Recomendado)
❌ Testes Conflitantes (Evitar)
Priorização de Testes
Quando você tem recursos limitados, priorize assim:7. Evitando Armadilhas Comuns
Armadilha 1: Peeking (Espiar Resultados)
Armadilha 2: Mudar o Teste no Meio
Armadilha 3: Ignorar Sazonalidade
Armadilha 4: Winner’s Curse
8. Documentação de Experimentos
Template de Documentação
Ferramenta de Documentação
Crie um documento compartilhado (Notion, Google Docs, Confluence) com todos os experimentos:9. Métricas Além da Conversão
Nem tudo se resume a taxa de conversão. Considere:Métricas Secundárias
Exemplo
10. Checklist de Pré-Lançamento
Antes de colocar qualquer experimento no ar:✅ Hipótese e Planejamento
✅ Hipótese e Planejamento
- Hipótese está clara (Se → Então → Porque)
- Métrica de sucesso está definida
- Tamanho de amostra foi calculado
- Duração mínima foi definida (1-2 semanas)
- Experimento foi documentado
✅ Implementação Técnica
✅ Implementação Técnica
- useExperiment está implementado corretamente
- Estados de loading e error têm fallbacks
- Conversão está sendo rastreada corretamente
- Apenas UMA variável está sendo mudada
- Testado em ambiente de desenvolvimento
✅ Qualidade
✅ Qualidade
- Variantes têm qualidade similar (sem typos, bugs)
- Design é consistente entre variantes
- Performance não foi afetada (CLS, LCP)
- Funciona em mobile e desktop
- Acessibilidade foi verificada
✅ Monitoramento
✅ Monitoramento
- Dashboard do Testly está configurado
- Alertas estão ativos (se disponível)
- Time sabe que o experimento está rodando
- Calendário tem data de revisão marcada
11. Casos de Uso por Tipo de Produto
SaaS B2B
Foco: Trial e conversão para pagoE-commerce
Foco: Add to cart e checkoutConteúdo/Media
Foco: Engajamento e newsletter signupResumo: Regras de Ouro
1 coisa por vez
Isole variáveis para insights claros
Hipótese clara
Se → Então → Porque
Amostra adequada
Mínimo 100-200 conversões/variante
Tempo suficiente
Pelo menos 1-2 semanas completas
Significância 95%+
Não declare vencedor prematuramente
Documente tudo
Aprendizados se acumulam
Fallbacks sempre
Experimentos não quebram o produto
Métricas secundárias
Conversão não é tudo
Próximos Passos
Debugging
Troubleshooting avançado
Significância Estatística
Entenda a matemática por trás
Exemplos
Veja implementações práticas
useExperiment
Hook principal do SDK

