Revisado em
CRO, sigla em inglês para otimização da taxa de conversão, é o trabalho de aumentar a parcela de visitantes que compra, se cadastra ou pede proposta. Pela conta ilustrativa do curso, um programa de testes A/B só vale a pena a partir de cerca de 50 conversões por semana na página principal. Nesse piso, o teste só enxerga efeitos grandes. Abaixo dele, pesquisa com usuários e correção de falhas tendem a render mais. O curso reúne 30 módulos gratuitos em três rotas de leitura, do diagnóstico do funil à política de experimentação que define orçamento, dono e critério de parada.
Você começa pelo vocabulário e aprende cada conta antes de chegar aos métodos avançados. Ao final, enxerga CRO como um sistema inteiro: decide se vale investir, encontra a perda que mais custa, formula hipóteses, escolhe a evidência compatível com volume e risco, governa alçadas e leva ao conselho uma projeção que sobrevive à calculadora do CFO.
As três rotas usam a mesma taxonomia e o mesmo registro de progresso. A diferença está na profundidade necessária para sua função agora; você pode migrar de rota sem recomeçar.
CEO, diretoria, CFO e patrocinadores
Decidir se vale investir, separar resultado válido de resultado bonito, definir alçadas, cobrar o programa e aprovar um piloto de 90 dias.
Heads de growth, produto e e-commerce
Conduzir diagnóstico, priorização, experimentos, superfícies, tráfego de IA e risco, com a leitura econômica de cada decisão.
Growth, dados, UX, engenharia e analytics
Percorrer os 30 módulos, inclusive a camada de aprofundamento opcional: monitoramento contínuo, CUPED, bandits, performance, assinatura, IA na operação, personalização e projeto auditável.
O sistema em uma página, o business case com o topo do funil encolhendo e a conta de volume que diz se o programa se paga.
O vocabulário, a sequência e as três rotas de leitura que impedem o curso de virar uma coleção de táticas desconectadas.
Segunda-feira, 9h. O CEO pergunta por que a caiu. Antes de qualquer resposta, a reunião precisa de duas decisões: qual rota de leitura cada pessoa vai seguir e quem responde por cada etapa do trabalho, da meta ao aprendizado.
Marketing culpa a qualidade do tráfego, Produto aponta uma mudança no formulário, Tecnologia lembra a lentidão do checkout e Finanças pergunta se o problema está na receita ou apenas no painel. Todos podem estar parcialmente certos, e daí vem a confusão: cada área olha uma peça diferente e chama a peça de . Comece organizando as peças; o aprofundamento vem depois.
Carregando a vídeo-aula: CRO e experimentação: da meta ao aprendizado
Carregando o podcast: CRO e experimentação
Artigo do Nielsen Norman Group sobre três usos de analytics em experiência do usuário, com título, autoria e o início da explicação.
Parte: Parte 1: Vale montar um programa de CRO? Pergunta a responder: Quais etapas formam um programa de CRO e quem responde por cada uma? Quem decide: o patrocinador executivo, com os donos de marketing, produto, dados e tecnologia.
Dono: o patrocinador executivo do programa. Prazo: a próxima reunião de diretoria, nesta semana. Artefato: a tabela de camadas abaixo, com um nome por linha e a rota de leitura escolhida para cada pessoa da mesa. Linha sem nome é a etapa que vai parar o programa primeiro.
CRO é o sistema de gestão que transforma evidência sobre comportamento em decisões verificáveis de receita, experiência e risco. Analytics mostra onde algo mudou; pesquisa ajuda a explicar por quê; uma hipótese formula o mecanismo; um experimento estima o efeito causal; a governança decide se a mudança entra em produção. Confundir essas funções produz dashboards cheios e decisões fracas.
O que significa: CRO é uma maneira organizada de melhorar os pontos em que pessoas desistem, hesitam ou não conseguem concluir uma ação valiosa. Ele conecta meta de negócio, comportamento do cliente, mudança proposta, medição e decisão. Um teste A/B pode fazer parte desse sistema, mas o trabalho começa antes do teste e termina depois dele. Por que isso importa na empresa: Sem esse mapa, cada área usa a palavra conversão para uma coisa diferente. Marketing fala em lead, vendas fala em oportunidade, finanças fala em receita e produto fala em ativação. O sistema cria uma cadeia comum para que uma melhora local não seja confundida com melhora do negócio.
Página do livro Trustworthy Online Controlled Experiments, de Kohavi, Tang e Xu, com capa e descrição da obra.
Declare o resultado econômico ou humano que merece atenção.
Localize a transição em que valor ou pessoas se perdem.
Explique o comportamento que pode estar causando a perda.
Escolha correção, pesquisa, experimento ou rollout conforme a dúvida.
Registre o que muda, quem assume o risco e o que foi aprendido.
| Situação | Conta | Como interpretar | Decisão executiva |
|---|---|---|---|
| Uma empresa recebe 10.000 visitas, gera 500 pedidos de demonstração, aceita 150 como oportunidades e fecha 30 contratos. | Visita → lead = 500 ÷ 10.000 = 5%. Lead → oportunidade = 150 ÷ 500 = 30%. Oportunidade → contrato = 30 ÷ 150 = 20%. | Dizer apenas que a conversão é 0,3% esconde três decisões diferentes e três donos diferentes. | A diretoria escolhe uma transição, valida a definição e mede o valor perdido antes de pedir uma nova página. |
Os números foram criados para ensinar o raciocínio. Substitua base, janela, valor e premissas pelos dados validados da sua empresa.
O painel não pilota sozinho, e nenhum mostrador isolado diz se a aeronave chegará ao destino. Altitude, combustível, velocidade e clima cumprem papéis diferentes. O OEC, a métrica principal que decide a rodada, é o destino; os guardrails, métricas que podem vetar um lançamento, são os limites de segurança; o diagnóstico interpreta os instrumentos; o experimento muda uma variável em condições controladas; a governança define quem pode alterar a rota.
Quando uma equipe tenta maximizar todos os mostradores ao mesmo tempo, ela perde a prioridade. Toda rodada precisa de uma métrica que decide e de poucas métricas que vetam.
Ação pontual
Coluna a evitar
Sistema de CRO
Coluna recomendada
Qual resultado importa e vale investir?
Onde há perda e por que ela acontece?
Qual mecanismo pode mudar o comportamento?
Que desenho separa efeito de coincidência?
Lançar, iterar, parar ou repetir?
O que a organização aprendeu e reutilizará?
| Camada | Pergunta executiva | Dono mais comum | Artefato verificável |
|---|---|---|---|
| Direção | Qual resultado econômico justifica atenção agora? | CEO, CMO, diretor de produto ou e-commerce | OEC, guardrails e tese de valor |
| Diagnóstico | Em qual transição a perda é material e qual evidência explica o mecanismo? | Growth, analytics, UX research | Mapa do funil e dossiê de evidências |
| Desenho | Qual mudança, população e comparação podem refutar a hipótese? | Produto, dados e engenharia | Protocolo pré-experimento |
| Decisão | O efeito compensa incerteza, risco e custo de implantação? | Dono da métrica com vetos técnicos | Registro de decisão |
| Governança | Quem decide, quem veta e quando o conflito sobe? | Patrocinador, dados, jurídico e tecnologia | Política de experimentação |
| Memória | O que passa a ser verdade provisória sobre o cliente? | Líder do programa | Repositório de testes e síntese trimestral |
A sequência não obriga que toda hipótese vire A/B. Ela obriga que toda decisão importante deixe clara a evidência usada e o limite daquela evidência.
Rota executiva: “O sistema CRO em uma página”, “CRO quando o topo do funil encolheu”, “Montar ou não montar: a decisão de abrir um programa”, “Antes de aprovar o vencedor: seis checagens de validade”, “Governança: quem decide, quem veta e com que cadência”, “Maturidade, metas e como cobrar o programa”, “Apresentar resultados para a diretoria” e “Plano de 90 dias: provar o sistema antes de escalar”. Rota de liderança: soma à executiva diagnóstico, testes, superfícies, tráfego de IA e risco. Trilha completa: os 30 módulos na ordem, com o aprofundamento opcional, como CUPED (ajuste pelo comportamento anterior do visitante que encurta o teste) e switchback (alternância da versão inteira por período).
Diretora comercial de uma empresa SaaS B2B
Software empresarial
Dor
O painel mostra queda de conversão de MQL (lead que o marketing considera qualificado) para SQL (lead que vendas aceita trabalhar), mas marketing quer trocar a landing page e vendas quer contratar mais SDRs, os pré-vendedores que fazem o primeiro contato.
Solução
Ela separa a conversão em duas transições, verifica se a definição de MQL mudou, ouve dez ligações perdidas e descobre que o formulário promete demonstração enquanto o fluxo entrega contato comercial em até dois dias.
Resultado do exemplo
O primeiro trabalho vira correção de promessa e de SLA, o prazo de atendimento combinado entre as áreas, com medição antes e depois. O A/B fica para a etapa seguinte, quando houver duas propostas comparáveis e volume suficiente.
Custo estimado no exemplo: Cenário de rotina; números e empresa são ilustrativos.
Cenário construído para fins didáticos. Números não correspondem a cliente específico.
A Microsoft descreve experimentação como uma forma de avaliar ideias em diferentes estágios do planejamento, apoiada por randomização e desenho adequado. A plataforma protege a comparação; a pergunta continua sendo trabalho de quem decide.
Página da Microsoft Research com o resumo do artigo Online Experimentation at Microsoft e o link para o texto completo.
Anos depois, o Spotify formalizou outra correção de rota: passou a medir “experimentos com aprendizado”, porque um teste útil pode impedir uma decisão ruim mesmo sem produzir vencedor. A empresa relatou taxa de aprendizado próxima de 64%, acima da taxa de vitórias.
Artigo do blog de engenharia do Spotify intitulado Beyond Winning, sobre o framework Experiments with Learning.
Não. Qualquer percurso com mudança de estado pode ser melhorado: ativação de software, renovação, agendamento, contratação, doação ou adesão a um serviço.
Não. Defeito evidente, obrigação legal ou problema grave de acessibilidade pode exigir correção direta e rollout monitorado. O método deve combinar com a dúvida e com o risco.
Abra uma pauta real desta semana e complete seis frases: a meta é ___; a perda aparece em ___; a evidência disponível é ___; o mecanismo suspeito é ___; a decisão necessária é ___; o que ainda não sabemos é ___. Se alguma frase não puder ser preenchida, você encontrou a próxima tarefa do programa.
Por que a conversão virou a alavanca principal quando 68% das buscas deixaram de gerar clique, e qual é o tamanho realista do ganho por teste.
Quanto custa, quantas pessoas, ferramenta, agência ou time próprio, e o piso de volume abaixo do qual a decisão correta é não montar programa nenhum.
Como dividir o funil em topo, meio e fundo, medir cada transição com o denominador certo e ordenar a fila de trabalho pela perda em reais.
Os seis canais que trazem tráfego em 2026, a intenção e o custo de cada um e por que a conversão só se lê separada por origem antes de qualquer teste.
Mapa de calor, gravação de sessão, enquete e teste de usabilidade para achar a causa da perda, com a triagem por IA de 2026 e a base legal da LGPD.
Como escolher a única métrica que decide um experimento, quais guardrails vetam sem decidir e por que otimizar microconversão isolada piora o negócio.
Como ordenar um backlog quando a maioria das ideias não vence e o aprendizado é o retorno que se acumula.
Testar duas versões da página para ver qual vende mais: significância, poder e MDE explicados sem fórmula, e por que o efeito que você quer detectar define o custo do teste.
As seis checagens que o executivo exige antes de aprovar um vencedor, para que o ganho do teste não suma quando a mudança vai para todo o tráfego.
Aprofundamento opcional: para quem acompanha o painel do teste todo dia ou negocia plataforma. Mostra quando olhar cedo é legítimo e o que exigir do fornecedor.
Aprofundamento opcional: para quem precisa encurtar testes em métrica cara. Mostra quando o histórico do visitante corta o prazo e quando não ajuda.
Aprofundamento opcional: para campanhas curtas, marketplace e logística, onde o A/B por usuário erra a alocação ou a medida.
Por que a clareza da proposta de valor pesa acima do gatilho psicológico, como ligar anúncio e página e como filtrar regra de conversão sem procedência.
Por que o cliente desiste na hora de preencher os dados e pagar: as razões de abandono lidas sem somar percentuais, os meios de pagamento do Brasil e a taxa de aprovação como alavanca de receita.
Aprofundamento opcional: para quem contrata ou cobra front-end. INP, LCP e CLS medidos em campo, o critério de aceite no contrato e o custo do snippet anti-flicker.
A obrigação brasileira e a europeia sobre o seu checkout, o WCAG 2.1 AA como piso e o 2.2 AA como alvo, e as correções que também reduzem erro de preenchimento.
Aprofundamento opcional: para quem vende assinatura, SaaS ou infoproduto recorrente. Trial, ativação, preço, cancelamento, cobrança e expansão.
Por que quem chega de um assistente de IA converte acima da média, quanto esse canal pesa diante do orgânico e como medir o que se esconde em Direto.
Como o comprador que é software lê a sua loja, o que cada protocolo resolve, o que arrumar agora no catálogo e o que deixar em monitoramento.
Aprofundamento opcional: para quem compra ferramenta de experimentação com IA. Onde a IA encurta o ciclo, por que a coleta não encolhe e o custo de marca.
Aprofundamento opcional: para quem recebe proposta de personalização com IA. Os quatro degraus por custo e retorno e como medir o ganho com holdout.
O que mudou de fato em cookies, consentimento e LGPD, e como medir sem confundir número modelado com número observado.
Urgência fabricada e fricção de cancelamento viraram infração sancionada, com valores e órgãos definidos, e o ECA Digital amplia o risco no Brasil.
Direitos de decisão escritos antes do primeiro teste, separação entre veto técnico e decisão de negócio, arranjo organizacional e ritmo de reporte.
A pauta semanal e mensal que leva um problema do painel a uma decisão registrada, usando as reuniões que a empresa já tem e as alçadas da governança.
Como se comparar ao mercado sem se enganar, quais métricas cobrar do programa, que perguntas fazer ao head de growth e quando parar de investir.
Como reportar uplift com faixa e premissa, defender um teste sem significância e pedir orçamento com base em aprendizado acumulado.
Um piloto executivo com entregas quinzenais, casos de e-commerce, SaaS e marketplace, critérios de avanço e a saída certa quando experimentar não compensa.
Aprofundamento opcional: para quem vai montar o programa, o projeto que junta as peças do curso num documento auditável.
Plataforma de visibilidade algorítmica com análises contínuas em ChatGPT, Gemini, Claude e Perplexity. R$ 99/mês nos primeiros 3 meses com cupom ALE99. Ideal para aplicar o que você aprendeu em CRO: Otimização de Conversão e Experimentação.
Sem cartão para começar · cancele quando quiser · cupom ativo por 3 meses consecutivos
Esta seção decide se o resultado do painel no topo da página autoriza lançar a variação B. Também mostra, pelo seu volume semanal de conversões, quantas semanas um teste precisa rodar antes de dar veredito.
O Experimento 042 é um caso ilustrativo. Em 21 dias, 28.400 visitantes foram divididos meio a meio, com 14.200 por braço. A versão de controle A teve 328 conversões (2,31%), e a variação B teve 366 (2,58%). A diferença é de +0,27 ponto percentual, ou 11,6% a mais em termos relativos.
O número que decide é o intervalo de confiança de 95%, a faixa de efeitos compatíveis com os dados do teste. Aqui, ele vai de -4,0% a +27,1% no efeito relativo. Como a faixa inclui o zero, os dados não distinguem B pior, igual ou melhor que A. Por isso o painel diz que não há evidência para lançar.
Quanto tráfego faltou? Pela conta da amostra, detectar 11,6% exigiria cerca de 52 mil visitantes por braço com poder estatístico de 80%, que é a chance de enxergar um efeito que existe de fato. São cerca de 104 mil visitantes no total, 3,7 vezes o que o teste teve. No ritmo de 1.350 visitantes por dia, seriam cerca de 77 dias.
| Conversões por semana | Efeito de 25% | Efeito de 10% | Efeito de 5% | Decisão prática |
|---|---|---|---|---|
| 25 | 24,8 | 135 | 515 | Até para efeito de 25%, quase meio ano; não monte programa. |
| 50 | 12,4 | 67,5 | 258 | Piso mínimo; teste só mudanças grandes, com cerca de 12 semanas. |
| 100 | 6,2 | 33,8 | 129 | Efeitos de 25% em seis semanas; 10% ainda leva quase oito meses. |
| 250 | 2,5 | 13,5 | 51,5 | Programa viável; ganhos de 10% saem em cerca de 14 semanas. |
| 500 | 1,2 | 6,8 | 25,8 | Ritmo regular; 10% em sete semanas, 5% em cerca de seis meses. |
| 1.000 | 0,6 | 3,4 | 12,9 | Testes de 10% em menos de um mês; 5% em 13 semanas. |
Fontes: Robert Lehr, “Sixteen S-squared over D-squared”, Statistics in Medicine, 15/06/1992. Ron Kohavi, Diane Tang e Ya Xu, “Trustworthy Online Controlled Experiments”, Cambridge University Press, 2020.
Escolha uma atividade no painel e volte a este curso quando quiser.
Atividades e evolução ficam reunidas no painel da sua conta.
Cada um dos 30 capítulos tem página própria, para ler direto, compartilhar ou citar. O progresso é preservado quando você registra a conclusão.
Cursos do portal que aprofundam ou complementam o que você estudou aqui.
Seleção automática baseada nos tópicos, audiência e jornada desta página.
Usamos cookies para medir o uso do site, melhorar os cursos e, se você aceitar, medir anúncios. Política de privacidade
