Curso de Teste A/B Online

O Curso de Teste A/B ensina você a montar, rodar e interpretar experimentos que provam o que realmente aumenta conversão — sem achismo. Você sai sabendo formular hipóteses, calcular tamanho de amostra e significância estatística, instrumentar testes no GTM/GA4, evitar peeking e vazamento de SRM, e decidir com base em dados se um teste vence, perde ou é inconclusivo.

Atualizado em 28 de junho de 2026 · Catálogo Affiliate University

Resumo do Curso de Teste A/B
Curso	Curso de Teste A/B
Formato	100% online, no seu ritmo
Duração	6 módulos — cerca de 4h de vídeo
Conteúdo	6 módulos · 24 aulas
Idioma	Português (Brasil)
Categoria	Métricas e Rastreamento

Por que fazer o Curso de Teste A/B?

Decidir layout, copy ou preço no "achômetro" queima tráfego e dinheiro. Teste A/B transforma opinião em evidência: você isola uma variável, mede o efeito real na conversão e só implementa o que comprova ganho. Mas a maioria erra o básico — para o teste cedo, ignora significância ou contamina a amostra — e toma decisão errada com confiança falsa.

Saber a estatística e a instrumentação corretas é o que separa um teste que engana de um que decide.

O que você vai aprender no Curso de Teste A/B

Formular hipóteses testáveis no formato 'porque observei X, mudar Y vai gerar Z, medido por W'
Calcular tamanho de amostra e duração com MDE (efeito mínimo detectável), poder estatístico (80%) e baseline de conversão
Interpretar significância: p-valor, intervalo de confiança, falso positivo e por que não parar o teste antes da hora (peeking)
Instrumentar variações e eventos de conversão no Google Tag Manager e GA4 (eventos, parâmetros e audiências)
Diagnosticar SRM (Sample Ratio Mismatch) e descartar testes contaminados antes de confiar no resultado
Escolher entre teste A/B, A/B/n, split de URL e teste multivariado conforme tráfego disponível
Rodar testes em ferramentas como VWO, Optimizely, AB Tasty, Convert e GA4 + GTM no client-side e server-side
Priorizar a fila de experimentos com frameworks PIE e ICE para testar primeiro o que tem maior impacto
Ler resultados segmentados (mobile vs desktop, novo vs recorrente) sem cair em armadilha de Simpson
Documentar aprendizado de cada teste — vencedor, perdedor e inconclusivo — num repositório que evita repetir erro

Materiais inclusos

Planilha — Calculadora de tamanho de amostra, MDE e duração do teste A/B
Modelo — Template de hipótese (observação → mudança → resultado → métrica)
Planilha — Backlog de experimentos com priorização PIE e ICE automatizada
Checklist — Checklist de QA pré-lançamento (tracking, flicker, dispositivos, SRM)
PDF — Guia de significância estatística e leitura de resultados sem jargão
Código — Snippets de GTM e GA4 para disparo de variação e evento de conversão
Modelo — Repositório de aprendizado: log de testes vencedores, perdedores e inconclusivos
Mapa mental — Fluxo de decisão: A/B, A/B/n, split de URL ou multivariado
Swipe — Banco de 30 ideias de teste validadas para landing page e checkout

Currículo do Curso de Teste A/B: módulos e aulas

Módulo 1 — Fundamentos do experimento

O que um teste A/B prova (e o que não prova): causalidade vs correlação
Anatomia de um experimento: controle, variação, variável isolada e métrica primária
Métrica primária, guardrail e métricas secundárias — escolhendo o que medir
Quando NÃO testar: baixo tráfego, mudança óbvia e custo de oportunidade

Módulo 2 — Hipótese e priorização

Escrevendo hipóteses no formato observação → mudança → resultado esperado → métrica
Fontes de hipótese: heatmap, gravação de sessão, funil do GA4 e pesquisa com usuário
Priorizando a fila com PIE e ICE (impacto, confiança, esforço)
Construindo o backlog de experimentos em planilha

Módulo 3 — Estatística aplicada sem fórmula intimidante

Significância, p-valor e intervalo de confiança explicados na prática
Tamanho de amostra, MDE e poder estatístico — usando a calculadora
Duração mínima: ciclos semanais completos e por que não parar no meio
Frequentista vs bayesiano: quando cada abordagem decide melhor

Módulo 4 — Instrumentação: GTM e GA4

Configurando variações e disparo no Google Tag Manager
Eventos de conversão, parâmetros e audiências no GA4
Client-side vs server-side: flicker, performance e confiabilidade
Validando o tracking antes de ligar o teste (modo debug e preview)

Módulo 5 — Rodando em ferramentas de teste

Montando um teste no VWO / Optimizely / AB Tasty / Convert
Split de URL, A/B/n e teste multivariado: qual usar
QA da variação em múltiplos dispositivos e navegadores
Targeting de audiência e exclusões para não contaminar o tráfego

Módulo 6 — Leitura, decisão e armadilhas

Diagnóstico de SRM e detecção de teste contaminado
Peeking, falso positivo e correção para múltiplas comparações
Análise segmentada sem cair no paradoxo de Simpson
Documentando vencedor, perdedor e inconclusivo no repositório de aprendizado

Para quem é o Curso de Teste A/B?

Para quem trabalha com CRO, marketing, growth, e-commerce ou produto e quer parar de decidir no achismo. Ideal para analistas, gestores de tráfego e donos de loja que já têm tráfego e querem provar o que aumenta conversão com método.

Quanto tempo dura o Curso de Teste A/B?

O Curso de Teste A/B tem 6 módulos — cerca de 4h de vídeo, organizado em 6 módulos com 24 aulas. As aulas são gravadas: você estuda no seu ritmo e pode rever qualquer aula quando quiser.

Este curso faz parte do catálogo da Affiliate University. Enquanto a matrícula individual não abre, conheça as formações completas com matrícula aberta hoje:

Especialista em Inteligência Artificial Gestão de Tráfego (Facebook Ads)Seu Produto Digital em 24h

Perguntas frequentes sobre o Curso de Teste A/B

O que é um teste A/B e como funciona?

É um experimento que compara duas versões (A controle e B variação) mostrando cada uma para uma parte aleatória do tráfego ao mesmo tempo. Você mede uma métrica primária (ex: taxa de conversão) e usa estatística para verificar se a diferença é real ou acaso. Só implementa a versão B se ela vencer com significância.

Quanto tempo preciso rodar um teste A/B?

O tempo depende do seu tráfego, da taxa de conversão atual e do efeito mínimo que você quer detectar (MDE). O curso traz uma calculadora para isso. Regra prática: rode no mínimo um a dois ciclos semanais completos para capturar variação de dias e nunca pare o teste só porque parece estar ganhando (peeking).

Quantas visitas ou conversões são necessárias para um teste A/B confiável?

Não existe número mágico — depende do baseline e do MDE. A calculadora do curso mostra o tamanho de amostra exato para 95% de confiança e 80% de poder. Como referência, baselines baixos e efeitos pequenos exigem milhares de conversões por variação.

Qual a diferença entre teste A/B e teste multivariado?

O A/B troca uma variável por vez entre duas versões. O multivariado testa combinações de vários elementos simultaneamente para ver quais interagem. O multivariado precisa de muito mais tráfego; com volume limitado, o A/B (ou A/B/n) decide mais rápido. O curso traz um fluxo para escolher.

Preciso saber programar ou estatística para fazer teste A/B?

Não em nível avançado. O curso ensina a estatística essencial (significância, amostra, poder) de forma aplicada e usa GTM/GA4 e ferramentas visuais como VWO e Optimizely. Os snippets de código já vêm prontos para copiar e adaptar.

Cursos relacionados de Métricas e Rastreamento

Ver todos os cursos de Métricas e Rastreamento → · Catálogo completo