Como rodar experimentos de crescimento: hipótese, teste, medição e aprendizado — e um caso real que levou a conclusão do cadastro de 11% para 19%.
Um experimento de crescimento tem quatro partes: hipótese, teste, medição, aprendizado. Você declara uma crença específica e testável sobre como uma mudança vai mexer numa métrica, roda essa mudança isoladamente por tempo suficiente para ver um resultado real, mede contra um limite que você anotou antes e registra o que aprendeu. Rode um por semana. Cinquenta experimentos estruturados por ano são a diferença entre crescer e chutar.
A maioria dos fundadores roda zero experimentos estruturados. Fazem mudanças aleatórias e torcem. Este post te dá a anatomia completa, o registro de um experimento real que você pode copiar, o ritmo semanal e as cinco formas como os experimentos dão errado.
Antes de rodar experimentos, você precisa do painel
Você não consegue experimentar em métricas que não enxerga. O pré-requisito é um único painel com cinco métricas — aquisição, ativação, retenção, receita, indicação — que você revisa toda segunda de manhã. Esse painel merece um post próprio: as 5 métricas de SaaS que realmente importam. Quando o painel existe, os experimentos são como você para de só olhar os números e começa a mexer neles.
As quatro partes de um experimento de crescimento
Hipótese. Uma crença específica e testável sobre como uma mudança específica vai mexer numa métrica específica. "Se eu trocar o título da minha landing page de X para Y, a conversão de cadastro vai melhorar pelo menos vinte por cento." Não "acho que as pessoas gostariam de um título novo". Específica. Testável. Ela nomeia a métrica que você está movendo e a magnitude que você espera.
Teste. Um jeito limpo de rodar a mudança por tempo suficiente para ver um resultado. Para uma página com muito tráfego, um teste A/B que divide os visitantes meio a meio. Para uma página com pouco tráfego, um teste sequencial: versão antiga por duas semanas, versão nova por duas semanas. O essencial é o isolamento estatístico — você muda uma coisa de cada vez para poder atribuir o resultado à mudança.
Medição. O movimento da métrica, ou a falta dele, durante o período de teste. O ganho que você previu foi real? Maior ou menor do que o esperado? Na direção que você previu, ou na oposta?
Aprendizado. Esse é o passo que a maioria dos fundadores pula. O que o resultado te ensinou sobre os seus clientes? Se a conversão melhorou, por quê — o que isso diz sobre o que os compradores realmente valorizam? Se não melhorou, o que isso diz sobre a hipótese em que você estava apoiado? O aprendizado vale mais que o resultado, porque o aprendizado se acumula em todos os experimentos futuros.
O registro de um experimento de crescimento real (copie este formato)
Veja como é um experimento completo na prática — o experimento catorze de um backlog real. Adapte o formato; mantenha a disciplina.
| Campo | Experimento nº 14: Reduzir o atrito no cadastro |
|---|---|
| Hipótese | Passar de um cadastro em três etapas (e-mail → senha → dados da empresa) para um cadastro em uma etapa (só e-mail) vai melhorar a conclusão do cadastro em pelo menos 30% |
| Por que acreditamos nisso | Doze de catorze e-mails recentes de cancelamento mencionaram "não tive paciência de preencher tudo"; três citaram a exigência de senha. A conclusão atual (da landing page ao e-mail verificado) é de 11%; a referência de SaaS B2B fica mais perto de 18% |
| A mudança | Remover o campo de senha, usar autenticação por link mágico e mover os dados da empresa para um aviso de "complete o seu perfil" na primeira sessão |
| O que medimos | Taxa de conclusão do cadastro. Secundária: taxa de ativação do e-mail verificado até a primeira ação principal, para garantir que o funil não quebrou mais adiante |
| Amostra e duração | Todos os visitantes durante duas semanas — cerca de 1.200 visitantes |
| Limite de sucesso | Pelo menos 25% de melhora (hipótese de 30%; 25% conta como sinal real) |
| Resultado | A conclusão do cadastro foi de 11% para 19%. A ativação se manteve estável em 64%. Novos clientes pagantes líquidos subiram cerca de um terço em relação às duas semanas anteriores |
| Aprendizado | Atrito no cadastro custa mais do que atrito depois do cadastro. O aviso de perfil foi tolerado e não aumentou o cancelamento. Procurar outros atritos para remover com o mesmo roteiro |
É um experimento completo em umas trezentas palavras. Tempo total para desenhar, rodar e registrar: talvez duas horas espalhadas em duas semanas de calendário. E repare onde está o valor — não nos 19%, mas na frase "atrito no cadastro custa mais do que atrito depois do cadastro". Esse aprendizado vale para quatro experimentos futuros e molda como você desenha cada fluxo de onboarding que vai construir na vida.
O ritmo: um experimento por semana
Em algumas semanas o experimento é pequeno — trocar um título. Em outras é maior — reconstruir o fluxo de onboarding. A cadência importa mais que o tamanho, porque o efeito composto de rodar cinquenta experimentos por ano é enorme, e os seus concorrentes estão rodando zero.
Na prática, um fundador solo consegue rodar uns vinte a trinta experimentos reais por ano, considerando os que precisam de tempo de construção. Tudo bem. Vinte experimentos estruturados valem mais que duzentas mudanças aleatórias, porque mudanças aleatórias não te ensinam nada que você possa reaproveitar.
Cinco formas como os experimentos de crescimento dão errado
Você decide o resultado antes de os dados chegarem. Você acreditava na hipótese — foi por isso que rodou o experimento. Duas semanas depois o resultado é ambíguo: talvez 12% de melhora, talvez ruído. O seu cérebro quer declarar vitória. A disciplina é anotar o limite de sucesso antes de o experimento rodar. Se o resultado ficar abaixo dele, a hipótese está errada, mesmo que a direção estivesse certa. Confie no limite.
Você roda muitos em paralelo. A impaciência faz você lançar quatro experimentos na mesma semana. Quando as métricas mudam, você não consegue atribuir a mudança a nenhuma alteração específica. Um experimento de cada vez, com espaço suficiente entre eles para ler cada resultado com clareza.
Você para cedo diante de um bom sinal. "Os cadastros já subiram quarenta por cento em três dias — vamos liberar para todo mundo." Três dias de dados são ruído. A variação em qualquer janela curta é enorme, e o bom sinal inicial desaparece quase tanto quanto se mantém. Espere as duas semanas completas.
Você ignora os experimentos que falharam. Um experimento que falhou vale mais que um que deu certo, porque a surpresa é maior. Você previu 30% e o resultado ficou estável — a distância entre o seu modelo mental e a realidade acabou de ganhar nome. Anote. Os fundadores que aprendem mais rápido tratam os experimentos que falharam como os dados mais úteis, não como dados constrangedores para esconder.
Você testa coisas que não importam. Cor de botão, número de palavras no título, tamanho de fonte — fáceis de rodar, parecem produtivos, raramente mexem em algo. Gaste o seu orçamento de experimentos em preço, onboarding e conversão de cadastro: as métricas que mexem na receita. A cor do botão pode esperar.
Esse ciclo semanal — painel na segunda, um experimento sempre rodando, aprendizados anotados — é o sistema operacional que o Accelerator para EUpreendedores instala em cada fundador. É chato. Funciona. Esse é o ponto.
Perguntas frequentes
Quantos experimentos de crescimento devo rodar?
Um por semana como cadência-alvo. Na prática, um fundador solo consegue rodar vinte a trinta experimentos reais por ano, porque os maiores precisam de tempo de construção. Ainda assim é enorme — a maioria dos fundadores roda zero experimentos estruturados e faz mudanças aleatórias.
O que faz uma boa hipótese de experimento de crescimento?
Ela nomeia a mudança, a métrica e a magnitude esperada: "se passarmos para o cadastro em uma etapa, a conclusão melhora pelo menos 30%." Se a sua hipótese não tem um número e uma métrica, é uma opinião, não um experimento.
Por quanto tempo um experimento de crescimento deve rodar?
Duas semanas para a maioria dos níveis de tráfego de um fundador solo — seja um teste A/B, seja duas semanas da versão antiga seguidas de duas semanas da nova. Nunca declare um resultado com três dias de dados; a variação em janelas curtas produz falsos vencedores o tempo todo.
O que fazer quando um experimento falha?
Registre o fracasso com o mesmo cuidado de uma vitória. Um resultado estável contra uma hipótese de 30% significa que o seu modelo de cliente estava errado de um jeito específico e nomeável — essa correção melhora todos os experimentos seguintes. Depois volte para as suas cinco métricas e escolha o próximo teste.