Convert.com: Análise Completa 2026 (Recursos e Preço)

O Convert.com é a ferramenta de teste A/B que publica o próprio preço, e isso muda mais coisa do que parece. Numa categoria em que quase todo concorrente relevante esconde o valor atrás de um formulário de contato, poder somar o custo antes de falar com um vendedor é uma vantagem prática de planejamento. Esta análise cobre o que a ferramenta faz, quanto ela cobra de fato, como o modelo de usuários testados interage com o dimensionamento do seu teste, onde estão os limites reais e para que tipo de operação a conta fecha. Para o panorama da categoria inteira, veja a comparação neutra de ferramentas de teste A/B.

Aviso de transparência antes de qualquer linha: a Donnu é uma ferramenta de teste A/B e concorre com o Convert.com em parte do escopo. Este texto foi escrito para ser útil mesmo para quem vai escolher o Convert no fim, e a seção sobre onde ele é claramente a escolha certa está aqui exatamente por isso.

O que o Convert.com é, em uma frase por peça

Peça	O que faz	Para quem costuma importar
Teste A/B e split URL	Experimento client-side com editor visual e edição de código	Marketing, sem depender de deploy
Teste multivariado	Combinação de elementos na mesma página	Times com tráfego alto e muitas variáveis
Personalização	Entrega de conteúdo por segmento declarado	Operações com público segmentável
Motor estatístico duplo	Leitura frequentista ou bayesiana do mesmo experimento	Times que já têm uma régua estatística definida
Integrações de analytics	Envio do experimento para a ferramenta de dados da casa	Quem decide fora da interface da ferramenta de teste

A leitura honesta dessa tabela: o Convert é uma ferramenta de experimentação em página, não uma suíte de comportamento com mapa de calor, gravação de sessão e pesquisa com usuário. Isso é um recorte deliberado, e ele explica tanto o preço mais baixo que uma suíte completa quanto o fato de ele não substituir uma.

Preço: a tabela pública, na íntegra

Este é o principal diferencial competitivo da ferramenta e merece ser reproduzido sem interpretação. Números conferidos na página oficial de preços em 10 de agosto de 2026:

Plano	Mensal	Anual	Usuários testados inclusos	Excedente
Growth	US$ 399/mês	US$ 3.588/ano (US$ 299/mês)	100 mil/mês (1,2 milhão/ano)	US$ 399 por 100 mil
Pro	US$ 599/mês	US$ 5.040/ano (US$ 420/mês)	100 mil/mês (1,2 milhão/ano)	US$ 699 por 250 mil
Enterprise	Cotado	Cotado, só anual	A partir de 1 milhão/mês	US$ 699 por 250 mil

Os valores excluem impostos, calculados no checkout conforme a localização da cobrança. O teste gratuito anunciado é de 15 dias, sem cartão de crédito.

Duas observações que a tabela publicada deixa explícitas e que quase ninguém repara:

1. Growth e Pro incluem o mesmo volume. O que separa os dois é o conjunto de funcionalidades e o preço do excedente, não a franquia. Se o seu problema é volume, subir de plano não resolve sozinho.
2. O excedente do Pro é proporcionalmente mais barato. US$ 699 por 250 mil dá cerca de US$ 2,80 por mil usuários testados adicionais, contra US$ 3,99 por mil no Growth. Quem sabe que vai estourar a franquia com frequência precisa fazer essa conta antes, não depois da primeira fatura.

Usuário testado: a unidade que decide se o plano cabe

A cobrança do Convert é por usuário testado: visitante único que entra num experimento ativo no período. Não é sessão, não é pageview e não é visitante do site inteiro, só de quem foi efetivamente sorteado para um teste. Essa distinção é o que liga o preço da ferramenta ao dimensionamento estatístico do seu experimento, e é a conta que ninguém faz antes de assinar.

Ajuste a calculadora com a sua taxa base real para ver quantos visitantes o seu próximo teste consome:

Taxa de conversão atual%Efeito mínimo detectávelrelativo (%)absoluto (pp)Confiança909599%Poder8090%Visitantes por semana (total)Testebilateralunilateral

-Visitantes por variação

-Total (2 variações)

-Duração estimada

Cálculo por aproximação normal de duas proporções, 2 variações (50/50). Mexa nos campos e veja o impacto ao vivo.

Quanto do plano um teste realmente consome

Uma loja converte 3% e recebe 20.000 visitas por semana. Para detectar um ganho relativo de 15% (de 3% para 3,45%), a 95% de confiança e 80% de poder, a matemática pede 24.193 visitantes por variação, o que leva 17 dias. Com duas variações, o experimento consome cerca de 48.386 usuários testados, menos da metade da franquia mensal de 100 mil.

Agora troque a ambição. Mirando 10% relativo (de 3% para 3,3%), o requisito sobe para 53.211 por variação, o que leva 38 dias e consome cerca de 106.422 usuários testados: sozinho, esse único teste já estoura a franquia mensal, e o excedente entra na fatura.

Ambição do teste	Amostra por variação	Duração a 20 mil/semana	Usuários testados consumidos	Cabe nos 100 mil/mês?
15% relativo	24.193	17 dias	~48.386	Sim, sobra metade
10% relativo	53.211	38 dias	~106.422	Não, estoura sozinho

A conclusão prática vale para qualquer ferramenta cobrada por volume testado, não só para o Convert: a sua ambição estatística é um item de custo. Mirar um efeito menor não é só esperar mais tempo, é pagar mais. Isso não é motivo para inflar o efeito mínimo detectável e enganar a si mesmo, é motivo para escolher testes com efeito esperado grande o suficiente para caber no orçamento, assunto tratado no guia de significância estatística.

Motor duplo: frequentista e bayesiano na mesma ferramenta

A página de preços lista um motor estatístico frequentista e bayesiano nos planos. Ter as duas réguas disponíveis é uma vantagem real, e também uma armadilha se o time não decidir antes qual delas usa.

As duas respondem perguntas diferentes. O valor-p frequentista responde “se não houvesse diferença nenhuma, qual a chance de eu observar um resultado ao menos tão extremo quanto este”. A probabilidade bayesiana responde “dado o que observei, qual a chance de B ser melhor que A”. Não são traduções uma da outra, e no mesmo conjunto de dados elas podem produzir leituras de confiança bem diferentes.

O exemplo trabalhado

O teste do exemplo acima rodou até 24.000 visitantes por variação e fechou com 720 pedidos no controle (3,00%) contra 806 na variação (3,36%).

Controle (A)

VisitantesConversões

Variação (B)

VisitantesConversões

Confiança90%95%99%

Controle (A) · Taxa-

Variação (B) · Taxa-

Melhora relativa-

valor-p-

IC 95% da diferença-

Teste z bilateral de duas proporções. "Sem significância" quase sempre quer dizer que falta amostra, não que as versões são iguais.

Rodando esses quatro números no motor de significância deste blog: z = 2,24, valor-p ≈ 0,0253, com intervalo de confiança de 95% da diferença entre +0,04 e +0,67 ponto percentual, e melhora relativa observada de +11,9%. Pela régua frequentista de 5%, o resultado é significativo e a variação vence.

Repare no intervalo, porque é ele que sustenta a decisão de negócio. O ganho verdadeiro pode ser tão pequeno quanto 0,04 ponto percentual, ou seja, cerca de um oitavo do ponto central observado. Um resultado significativo com intervalo largo autoriza a afirmação “B é melhor que A” e não autoriza a projeção “vamos ganhar 11,9% de conversão”. Essa distinção é a diferença entre um programa de experimentação que sobrevive à auditoria financeira e um que não sobrevive.

O ponto de atenção com o motor duplo é comportamental, não matemático: ter as duas leituras na tela cria o incentivo de olhar as duas e escolher a que já favorece a decisão preferida. A regra de higiene é declarar a régua no desenho do teste, junto com a métrica primária e o tamanho de amostra, e não mudar depois. Quem quiser entender a lógica bayesiana antes de escolher pode começar pelo guia de priors bayesianos e pela perda esperada como regra de parada.

Pontos fortes reais

• Preço público e calculável. Dá para montar o orçamento de um ano sem falar com ninguém, o que é raro nesta categoria e vale muito em processo de compra com aprovação interna.
• Escopo enxuto e coerente. A ferramenta faz experimentação em página e não tenta ser uma suíte de comportamento inteira, o que reduz complexidade de configuração e de contrato.
• As duas réguas estatísticas disponíveis. Para um time que já tem posição sobre frequentista ou bayesiano, não precisar aceitar a escolha do fornecedor é uma liberdade concreta.
• Teste gratuito de 15 dias sem cartão. Baixa a barreira de avaliação técnica, e sem cartão significa que ninguém esquece de cancelar.
• Excedente com preço publicado. Saber de antemão quanto custa passar do limite é diferente de descobrir na renovação.

Limitações e pontos de atenção

• Franquia de 100 mil usuários testados é modesta para operação grande. Como o exemplo acima mostra, um único teste ambicioso consome mais que isso. Quem roda vários experimentos simultâneos passa a viver no excedente.
• Growth e Pro com a mesma franquia confunde. É fácil assinar o Pro esperando mais volume e receber só mais recursos.
• Não é uma suíte de comportamento. Sem mapa de calor, gravação de sessão e pesquisa com usuário no mesmo produto, a operação que depende disso vai contratar uma segunda ferramenta.
• Foco client-side. Se o seu caso central é experimentação server-side com feature flags no fluxo de deploy, a categoria certa é outra, tratada na comparação de ferramentas de feature flag e no guia de teste client-side x server-side.
• Preço em dólar. Para operação brasileira, o custo real oscila com o câmbio e com os impostos aplicáveis, e isso precisa entrar no orçamento com folga.

Como avaliar num piloto de 15 dias

O erro clássico é tentar rodar um experimento com veredito dentro do teste gratuito. Quinze dias raramente fecham amostra. Use o período para responder as perguntas que não dependem de amostra:

1. Instalação e desempenho. O snippet carrega sem atrasar a página? Há cintilação visível na variação?
2. Divisão real de tráfego. No primeiro dia, a distribuição bate com o configurado? Divisão torta é defeito de instrumentação, não azar.
3. Editor visual contra o seu HTML real. Ele consegue alterar os elementos que você precisa mudar, ou tudo vira edição de código?
4. Integração com o seu analytics. O experimento aparece na ferramenta onde o seu time realmente decide?
5. Contagem de usuários testados. Confira quantos usuários testados o piloto consumiu e projete isso para o seu plano de testes do trimestre.
6. As duas leituras estatísticas. Rode um teste A/A, sem diferença real entre os lados, e veja como cada régua reporta o não-efeito.

O teste A/A do item 6 é o mais revelador e o mais pulado. Ele não mede a ferramenta contra a concorrência, mede a sua instrumentação contra a realidade, e é a forma mais barata de descobrir um problema de coleta antes de tomar decisão em cima dele.

Análise final: para quem o Convert.com faz sentido

Faz sentido para operação de médio porte com tráfego na casa das dezenas de milhares de usuários testados por mês, que precisa de teste A/B e split URL em web com editor visual, que valoriza orçamento previsível sem passar por uma call comercial, e que tem uma posição estatística própria e quer poder aplicá-la.

Faz menos sentido para operação com volume muito acima da franquia (onde o excedente domina a conta e uma cotação por volume tende a sair melhor), para quem precisa de suíte com mapa de calor e gravação junto, e para times de engenharia cujo caso central é feature flag e experimentação server-side, para os quais as opções abertas cobertas na comparação GrowthBook x PostHog e em ferramentas de teste A/B open-source tendem a encaixar melhor.

Se o seu caso é o segundo grupo e o que pesou foi o custo por volume, a Donnu é uma das opções mais leves da categoria, com preço previsível e sem call para descobrir o valor, focada em teste A/B em web com estatística honesta. Ela não substitui o Convert em teste multivariado nem em personalização por segmento, e dizer o contrário seria desonesto. Se o seu caso é teste A/B em página com leitura estatística conservadora, comece um teste grátis de 14 dias e compare o que de fato importa para você.

---

Leia também: Ferramentas de Teste A/B Comparadas · Preços de Ferramentas de Teste A/B · VWO: análise completa · Significância Estatística em Testes A/B

Referências

• Convert. Pricing. Valores de plano, franquia de usuários testados, preço de excedente e teste gratuito de 15 dias, conferidos em 10 de agosto de 2026. convert.com/pricing.
• Convert. Convert Experiences. Página do produto, com o escopo de teste A/B, split URL, multivariado e personalização. convert.com.
• Kohavi, R., Tang, D. e Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Capítulos sobre escolha de ferramenta, teste A/A e leitura de intervalo. Material de apoio em experimentguide.com.
• Gelman, A. et al. Bayesian Data Analysis, 3ª edição. Referência para a diferença entre a leitura bayesiana e a frequentista do mesmo experimento. sites.stat.columbia.edu/gelman/book.