Ancoragem de Preço em Teste A/B: Funciona?
Teste A/B de ancoragem de preço: o que é, como testar e por que a métrica certa é a receita do conjunto, não só a conversão do plano ancorado.
📚 Este artigo faz parte do guia Como Testar A/B o Preço do seu Produto: o Guia Completo.
Ancoragem de preço é testável, e o guia completo de teste A/B de preço já cobre por que testar preço é diferente de testar botão: aqui o efeito não vem de mudar o preço de verdade, vem de mudar a ordem em que os planos aparecem. Mostrar a opção mais cara primeiro, no topo de uma tabela de planos, muda a forma como o cérebro do visitante julga o valor dos planos seguintes, e isso é mensurável com o mesmo rigor estatístico de qualquer outro teste A/B. Este artigo cobre o que é esse viés, como desenhar o teste, o que medir (que não é o óbvio) e os riscos de fazer isso mal.
O que é ancoragem de preço, sem enrolação
Ancoragem é um viés cognitivo bem documentado: a primeira informação numérica que uma pessoa vê vira um ponto de referência, e todo julgamento seguinte se apoia (ou “ancora”) nesse número, mesmo quando ele é irrelevante para a decisão real. O experimento clássico é de Amos Tversky e Daniel Kahneman, publicado na Science em 1974: pediram para participantes girarem uma roleta viciada que só parava em 10 ou 65, e depois estimarem a porcentagem de países africanos na ONU. Quem viu o número 10 estimou uma mediana de 25%; quem viu 65 estimou uma mediana de 45%. O número da roleta não tinha relação nenhuma com a pergunta, e ainda assim moveu a resposta em vinte pontos.
Em uma tabela de planos, o mecanismo é o mesmo: o primeiro preço que o visitante vê vira a régua com a qual ele vai medir todos os outros. Um plano de R$ 499/mês parece caro se for a primeira coisa que você vê. O mesmo plano de R$ 499/mês parece um detalhe secundário se, um segundo antes, você já tinha visto um plano de R$ 1.990/mês. O preço do plano do meio nunca mudou. A percepção sobre ele, sim.
Um efeito próximo e bem estabelecido reforça isso: o decoy effect (efeito chamariz), descrito por Huber, Payne e Puto em 1982 na Journal of Consumer Research. Eles mostraram que adicionar uma terceira opção, inferior a uma das duas principais mas não à outra, pode aumentar a probabilidade de escolha da opção que domina esse chamariz, mesmo sem nenhuma mudança nas duas opções originais. Dan Ariely populariza uma versão de mercado disso em Predictably Irrational: numa assinatura de revista com três opções (só digital, só impressa, e impressa+digital pelo mesmo preço da impressa), a opção “só impressa” existe unicamente para fazer a combinada parecer um presente, empurrando a maioria para o plano mais caro.
Numa tabela de planos SaaS, o princípio se traduz assim: um plano “Enterprise” caro no topo não precisa converter sozinho para ser útil. Ele pode estar ali só para fazer o plano “Pro” do meio parecer razoável por comparação.
Como desenhar o teste A/B de ancoragem
O desenho é direto, o que exige cuidado é a implementação e a métrica de leitura:
- Controle (A): a tabela de planos como está hoje, na ordem atual (tipicamente crescente: Basic, Pro, Enterprise).
- Variação (B): os mesmos três planos, mesmos preços, mesmas features, só a ORDEM muda: Enterprise (a âncora) aparece primeiro, seguido de Pro e Basic.
- Isolamento de variável: mude só a ordem. Se você também mexer no destaque visual (“mais popular”), no preço ou nas features junto, não vai saber o que causou o efeito.
- Randomização estável: o mesmo visitante sempre vê a mesma ordem, do início ao fim da decisão, inclusive em visitas de retorno antes da conversão (importante em B2B, onde a decisão não acontece na primeira visita).
- Duração: cubra pelo menos um ciclo de decisão completo do seu produto, não só alguns dias. Ver a seção sobre B2B abaixo.
O que medir (e por que a métrica óbvia engana)
Aqui está o erro mais comum, e o motivo de a maioria dos testes de ancoragem que você vê por aí serem inconclusivos por design, mesmo quando o efeito psicológico é real. Medir apenas “quantas pessoas escolheram o plano ancorado” ou “quantas escolheram o plano do meio” não é a métrica primária certa. Ancoragem pode redistribuir a escolha entre planos sem alterar quantas pessoas convertem no total, e pode até reduzir a conversão geral (alguns visitantes acham a tabela mais cara à primeira vista e saem) enquanto ainda aumenta a receita média por causa do mix de planos mais caro.
A métrica primária correta é a receita média por visitante (ARPU) do funil inteiro: some a receita de todos os planos vendidos e divida pelo total de visitantes que viram a tabela, dos dois lados do teste. Trate como métricas de apoio:
- Conversão geral (guardrail): não pode cair de forma relevante. Se caiu, a âncora está afastando gente, não só reposicionando escolha.
- Mix de planos: quanto cada plano representa do total de conversões, útil para entender o mecanismo, mas não para decidir o teste sozinho.
- Ticket médio inicial: sinal rápido de que o mix mudou, mas ainda não é a mesma coisa que ARPU (uma conversão geral mais baixa com ticket mais alto pode ou não compensar).
Um exemplo trabalhado, com os números da calculadora
Vamos simular um teste real de ancoragem numa tabela de três planos (Basic R$ 49, Pro R$ 99, Enterprise R$ 199), com 5.000 visitantes por variação.
Guardrail: a conversão geral não muda. Em ambos os lados, 400 visitantes converteram em algum plano, uma taxa de 8,0% dos dois lados:
Teste z bilateral de duas proporções. "Sem significância" quase sempre quer dizer que falta amostra, não que as versões são iguais.
Cole 5.000 visitantes e 400 conversões nos dois lados da calculadora acima: o resultado é p = 1,0, sem diferença nenhuma. Isso é esperado, e é justamente o ponto: olhando só a conversão geral, esse teste pareceria “sem efeito”.
Agora olhe o que aconteceu com o mix desses mesmos 400 convertidos:
| Plano | A · sem âncora | B · com âncora (Enterprise primeiro) |
|---|---|---|
| Basic (R$ 49) | 240 (60%) | 160 (40%) |
| Pro (R$ 99) | 120 (30%) | 180 (45%) |
| Enterprise (R$ 199) | 40 (10%) | 60 (15%) |
| Receita do grupo | R$ 31.600 | R$ 37.600 |
| ARPU (receita ÷ 5.000 visitantes) | R$ 6,32 | R$ 7,52 |
A receita por visitante subiu de R$ 6,32 para R$ 7,52, um ganho relativo de +18,99%, sem mudar a conversão geral nem um preço sequer. E se, em vez de olhar ARPU, você tivesse medido apenas “quem migrou para Pro ou Enterprise” (a métrica de upgrade, 160 de 5.000 = 3,2% em A contra 240 de 5.000 = 4,8% em B), o teste também aparece claramente significativo: cole esses números na calculadora acima (visitantes 5.000/5.000, conversões 160/240) e o resultado é p ≈ 0,0000446, um efeito muito além do limiar de 0,05, com B vencendo. Repare que as duas leituras contam a mesma história por ângulos diferentes: a conversão geral (guardrail) fica de pé, e tanto o upgrade de mix quanto o ARPU agregado sobem de forma estatisticamente sólida.
Ancoragem em diferentes contextos: ecommerce, SaaS B2C e SaaS B2B
O mecanismo psicológico é o mesmo em qualquer setor, mas o desenho do teste muda conforme o ciclo de decisão e o tipo de compra:
| Contexto | Onde a âncora aparece | Cuidado principal |
|---|---|---|
| Ecommerce (produto físico) | Item “premium” no topo da categoria, antes das opções mais baratas | Ciclo de decisão curto, teste pode rodar poucos dias, mas o guardrail de conversão geral precisa de atenção porque o visitante compara com concorrentes abertos em outra aba |
| SaaS B2C self-serve | Plano anual ou “Pro” no topo da tabela de assinatura | Ciclo curto também, mas atenção ao churn: se a âncora empurra gente para um plano acima do que ela realmente usa, o cancelamento no primeiro ciclo de cobrança sobe e mascara o ganho de ARPU de curto prazo |
| SaaS B2B (venda consultiva) | Plano Enterprise no topo da página de pricing, antes da demonstração comercial | Decisão raramente acontece na primeira visita; o teste precisa rodar por semanas para cobrir o ciclo real, e a métrica de ARPU deve olhar contratos fechados, não só cliques em “solicitar demonstração” |
O ponto comum aos três: a âncora nunca deveria ser avaliada pelo clique imediato, e sim pela receita que efetivamente entra, na janela de tempo que faz sentido para aquele ciclo de venda.
O risco ético: quando ancoragem vira prática enganosa
Ancoragem honesta usa um plano REAL, que alguma fração genuína de clientes escolhe e que entrega o valor prometido. O problema começa quando a âncora é fabricada só para parecer cara: um plano “Enterprise” com features infladas que ninguém nunca compra, ou um preço “de tabela” que nunca foi cobrado de ninguém, existindo só para fazer o resto parecer barato. Isso não é mais teste de percepção de valor, é manipulação sem contrapartida, e tende a sair pela culatra de duas formas: clientes que descobrem o truque (via comparação de mercado, ou avaliações públicas) associam a marca a desonestidade, e times de vendas B2B enterprise acabam recebendo leads de um plano que a empresa nunca teve intenção real de vender naquele preço, o que quebra confiança logo na primeira conversa comercial.
A régua simples: se você tirasse a âncora do ar amanhã, ela ainda faria sentido como produto vendável, no preço mostrado, para algum segmento real de cliente? Se sim, é ancoragem honesta. Se não, é chamariz vazio.
Erros comuns em teste de ancoragem de preço
- Âncora óbvia demais. Um salto de preço absurdo (R$ 49 ao lado de R$ 4.990) sinaliza manipulação em vez de estabelecer referência, e visitantes atentos percebem a tática, o que pode gerar reação contrária à intencionada. A âncora funciona melhor quando o salto é grande mas plausível dentro da categoria.
- Medir só o plano ancorado ou o plano do meio. Como já visto, isso ignora o efeito na receita agregada e pode declarar “sem efeito” um teste que na verdade moveu receita de forma relevante, ou o oposto.
- Testar sem tempo suficiente para o ciclo de decisão B2B. Pricing B2B raramente converte na primeira visita. Se o teste rodar por poucos dias, você está medindo só quem decide rápido, um recorte de audiência enviesado, e a amostra necessária no seu volume real de tráfego pode não ter sido atingida ainda. Calcule a amostra pela sua conversão real na calculadora de tamanho de amostra antes de declarar qualquer vencedor, e rode pelo menos um ciclo completo de decisão da sua base (peça essa referência ao time de vendas se você não souber de cabeça).
- Mudar preço junto com a ordem. Se você reprecificar os planos no mesmo teste que reordena a tabela, perdeu a capacidade de isolar o efeito da ancoragem em si.
Faça isso automático na Donnu
O erro que mais invalida um teste de ancoragem de preço não é estatístico, é de métrica: olhar só a conversão do plano ancorado e ignorar o que aconteceu com a receita do conjunto inteiro. A Donnu A/B mede o teste pela métrica que realmente decide se a ancoragem funcionou, a receita agregada por visitante, com o mesmo motor de significância bayesiana usado em qualquer outro experimento seu, então você não precisa montar essa conta na mão toda vez que testar a ordem dos planos.
Comece um teste grátis de 14 dias e rode o próximo teste de pricing medindo o que de fato move o resultado. Veja também o guia completo de teste A/B de preço e o teste A/B de paywall freemium, o próximo experimento natural de precificação depois da ancoragem.
Leia também: Teste A/B de preço: o guia completo · Teste A/B de paywall freemium · Calculadora de significância estatística
Referências
- Tversky, A. & Kahneman, D. Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1974. cs.tufts.edu/comp/150AIH/pdf/TverskyKa74.pdf.
- Huber, J., Payne, J.W. & Puto, C. Adding Asymmetrically Dominated Alternatives: Violations of Regularity and the Similarity Hypothesis. Journal of Consumer Research, 9(1), 1982. Resumo em thedecisionlab.com/biases/decoy-effect.
- Ariely, D. Predictably Irrational: The Hidden Forces That Shape Our Decisions. HarperCollins, 2008. danariely.com/books/predictably-irrational.
Perguntas frequentes
- O que é ancoragem de preço?
- É o viés cognitivo pelo qual a primeira informação numérica que vemos (a âncora) distorce todo julgamento seguinte sobre valor. Numa tabela de planos, mostrar um plano caro primeiro faz os planos seguintes parecerem mais baratos por comparação, mesmo que o preço deles não tenha mudado nada.
- Ancoragem de preço é antiético ou é manipulação?
- Depende de como é usada. Ancorar com um plano real, que entrega valor de verdade e que algum cliente genuinamente escolhe, é apresentação honesta de opções. Criar uma âncora "de mentira", inflada só para parecer cara e que ninguém nunca compra, é prática enganosa, e o tipo de teste que costuma sair pela culatra quando o cliente percebe.
- Qual métrica devo olhar num teste de ancoragem?
- Nunca só a conversão para o plano ancorado ou para o plano do meio isoladamente. A métrica primária correta é a receita média por visitante (ARPU) do funil inteiro, porque a ancoragem pode mover a escolha entre planos sem mudar (ou até piorando) a conversão geral, e um teste que olha só uma fatia do funil pode declarar vitória num efeito que, na receita agregada, é neutro ou negativo.
- Preciso de quanto tráfego para testar ancoragem de preço num B2B?
- Mais do que parece. Páginas de pricing em B2B costumam ter volume baixo e ciclo de decisão longo (dias ou semanas entre a primeira visita e a assinatura), então o teste precisa rodar por tempo suficiente para capturar esse ciclo completo, não só os cliques imediatos. Calcule a amostra pela sua taxa de conversão real na calculadora deste artigo antes de rodar.