Teste A/B na PDP: como a remoção de um CTA gerou +55% em transações e +48% em receita

A página de produto (PDP) é onde a decisão de compra acontece — ou não acontece. É o ponto de chegada do usuário que já passou pelo catálogo, pelo filtro, pela busca. Ele chegou até ali por algum motivo. O que faz ele não converter, então?

Na maioria dos casos, a resposta não está em falta de informação ou em preço fora de mercado. Está em atrito. Um atrito pequeno, invisível a olho nu, mas mensurável quando você tem os dados certos na frente.

Foi exatamente isso que identificamos na PDP de um e-commerce de marca própria no segmento alimentício. A taxa média de adição ao carrinho estava em 16% — um número que, à primeira vista, parecia razoável. Mas quando cruzamos com os dados de comportamento na página, ficou claro que o funil estava vazando antes mesmo do clique no botão de compra. Este artigo documenta o raciocínio por trás dos testes, o experimento que falhou, o que aprendemos com ele e o resultado final: +55% em transações e +48,49% em receita no desktop, com 80% de significância estatística.

O diagnóstico: funil instrumentado aponta onde a oportunidade está

CRO eficiente começa com dados, não com achismo. Antes de formular qualquer hipótese, instrumentamos o funil completo com eventos customizados em cada etapa do checkout — da visualização de produto até a confirmação de pedido. Esse monitoramento mensal permite identificar, com precisão, onde os usuários abandonam e qual etapa tem maior potencial de impacto nos resultados.

Esse é um princípio central da metodologia de CRO da Nerau: todo teste parte de um dado real, não de uma suspeita de mercado. A plataforma de rastreamento comportamental, combinada com os eventos de funil no GA4, é o que transforma uma PDP comum em fonte de insight acionável.

O diagnóstico foi direto: a PDP não estava convertendo adições ao carrinho na proporção esperada. Com 16% de média, havia espaço mensurável para melhora — e era aí que deveríamos concentrar esforço. A plataforma do cliente era Magento com arquitetura headless via Increazy, o que nos deu velocidade e flexibilidade técnica para implementar variantes com precisão. Os testes foram executados na ferramenta Varify, em split 50/50, entre os dias 08 e 27 de maio, com aproximadamente 5.000 usuários participantes.

A hipótese: duas opções de ação podem paralisar o usuário

A PDP contava com dois CTAs visíveis: “Adicionar à Cesta” e “Comprar”. Dois botões, dois caminhos, uma única decisão de compra.

Em usabilidade, esse tipo de bifurcação tem nome: paradoxo da escolha. Quando o usuário se depara com duas opções de ação equivalentes, a tendência é hesitar — e hesitação, em e-commerce, tem custo direto em conversão. Mas uma coisa é a teoria; outra é o dado do seu site.

Para não partir de intuição, criamos eventos rastreados nos dois CTAs e monitoramos o comportamento real por algumas semanas. O resultado foi revelador: a maioria dos usuários clicava em “Comprar” — o botão de maior destaque visual. Só que as transações não acompanhavam esse volume de cliques. O CTA de maior tráfego era o que menos entregava resultado.

Com esse dado em mãos, a hipótese ficou clara: se eliminarmos um dos CTAs, concentrando a ação em um único ponto, o usuário vai converter mais. A questão seguinte era qual dos dois manter. A resposta parecia óbvia — mas o primeiro teste provou que dados mal interpretados levam a decisões erradas.

Teste V01: a hipótese lógica que o dado derrubou

A primeira versão do teste seguiu a lógica dos eventos: se “Comprar” recebia mais cliques, fazia sentido mantê-lo e remover “Adicionar à Cesta”. O mini cart foi acionado por esse botão para garantir continuidade de navegação sem redirecionar o usuário para o checkout imediatamente.

O resultado foi negativo — e de forma expressiva.

Em desktop, a variante registrou queda de -57,94% nas adições ao carrinho e -62,50% nas transações.

Em mobile, o clique no CTA “Comprar” cresceu 96,92% — um sinal aparentemente positivo. Mas as adições ao carrinho caíram -16,92% e as transações recuaram -5,26%.

O padrão ficou evidente: o botão “Comprar” atraía cliques, mas não convertia em compra. Era um CTA de alta intenção declarada e baixa execução real. O usuário clicava, mas o fluxo que aquele botão acionava — o mini cart — não estava alinhado com a expectativa que o label “Comprar” criava. A dissonância entre o que o CTA prometia e o que entregava gerava abandono.

Diante dos resultados negativos em ambos os dispositivos, encerramos o teste antes do prazo e evoluímos para a segunda versão.

Teste V02: inverter a hipótese e encontrar a resposta certa

Na V02, a abordagem foi completamente invertida: removemos o botão “Comprar” e mantivemos apenas “Adicionar à Cesta”, também com acionamento do mini cart.

Mesmo princípio de simplificação. Mesmo fluxo de pós-clique. Resultado completamente diferente.

Em desktop:

• Adições ao carrinho: +6,24%
• Transações: +55,56%
• Taxa de conversão por usuários: +42,13%
• Receita: +48,49%

Em mobile:

• Adições ao carrinho: +18,12%
• Transações: +38,89%
• Taxa de conversão por usuários: +38,71%

Os resultados foram positivos em ambos os dispositivos, com 80% de significância estatística. O teste foi aprovado e a alteração implementada definitivamente no site.

O que os dados revelaram foi contra-intuitivo à primeira leitura: o botão que recebia menos cliques era o que mais convertia. “Adicionar à Cesta” criava alinhamento entre expectativa e fluxo — o usuário sabia exatamente o que aconteceria ao clicar, sem ambiguidade sobre o próximo passo. Esse alinhamento eliminou o atrito que a V01 havia revelado de forma involuntária.

O que esse teste revela sobre comportamento de compra digital

Há uma distinção importante que esse experimento torna visível: clique não é intenção de compra confirmada. Um CTA pode gerar muito engajamento e pouca conversão quando o fluxo que ele dispara não corresponde à expectativa do usuário naquele momento da jornada.

O botão “Comprar” comunicava urgência e finalização — mas o usuário na PDP ainda estava em modo de avaliação, não de checkout. O gap entre o que o CTA prometia e o que entregava criava atrito invisível, capturável apenas quando você mede o que acontece depois do clique, não apenas o clique em si.

Esse tipo de insight não vem de benchmarks genéricos ou melhores práticas copiadas de mercado. Vem de instrumentar o funil com as ferramentas certas, formular hipóteses baseadas em comportamento real e ter disciplina metodológica para testar — inclusive quando o primeiro resultado vai contra a lógica inicial.

Outro aprendizado relevante: o mobile e o desktop responderam de forma diferente em volume, mas na mesma direção. Isso é raro o suficiente para merecer atenção. Quando um teste entrega resultado positivo nos dois dispositivos, o sinal é mais confiável — e a implementação definitiva, mais segura.

---

O que é um A/B em CRO e como funciona em e-commerce?

Um teste A/B em CRO (Conversion Rate Optimization) consiste em exibir duas versões de uma mesma página ou elemento para grupos diferentes de usuários, de forma simultânea, para identificar qual versão converte mais. Em e-commerce, é uma das formas mais confiáveis de tomar decisões de design e UX com base em dados reais — não em suposições ou benchmarks de terceiros.

Quantos usuários são necessários para um teste A/B ser válido?

Não existe um número fixo, mas a validade depende do volume de tráfego, da taxa de conversão atual e da diferença mínima que você quer detectar. Em geral, testes com menos de 1.000 usuários por variante tendem a gerar resultados pouco confiáveis. Neste caso, utilizamos cerca de 5.000 usuários no total, atingindo 80% de significância estatística.

Devo manter dois CTAs na página de produto para dar mais opções ao usuário?

Não necessariamente. Mais opções nem sempre significam mais conversão — esse é o chamado paradoxo da escolha. Quando dois CTAs disputam a atenção do usuário na mesma tela, o resultado pode ser hesitação em vez de ação. O ideal é testar qual caminho funciona melhor para o seu público específico, em vez de assumir que variedade é positiva.

Por que um teste A/B pode falhar mesmo quando a hipótese parece correta?

Porque hipóteses são formuladas com base em dados parciais. Um CTA que recebe mais cliques não é necessariamente o que converte mais — o comportamento pós-clique também importa. Testar uma hipótese que não se confirma não é fracasso: é um aprendizado que redireciona o experimento para a resposta certa.

O que significa significância estatística em um teste A/B?

Significância estatística indica a probabilidade de que o resultado observado não seja fruto do acaso. Um teste com 80% de significância significa que há 80% de confiança de que a variante realmente performa diferente do controle — e 20% de chance de que a diferença seja aleatória. Para decisões de alto impacto, algumas equipes preferem 95%; para ciclos de teste mais rápidos com menor risco, 80% é um threshold comum e aceito no mercado de CRO.

---

Seu e-commerce também tem gargalos invisíveis no funil

Os 16% de adição ao carrinho que encontramos nesse projeto não eram um problema óbvio — até que instrumentamos o funil e deixamos os dados falar. O ganho de +48,49% em receita no desktop não veio de uma nova campanha ou de uma reformulação de layout. Veio de entender o comportamento real do usuário, formular a hipótese certa e ter método para testar — mesmo quando o primeiro resultado vai na direção errada.

Se você quer saber onde o seu e-commerce está perdendo conversão e quais etapas do funil têm maior potencial de impacto, a Nerau faz esse diagnóstico com você — a partir dos dados reais da sua operação. Fale com a nossa equipe.