GrowthBook x Statsig: open source ou gerenciado em 2026

GrowthBook e Statsig fazem feature flag e experimentação, mas partem de defaults opostos: o GrowthBook é open source e pode rodar inteiro na sua infraestrutura contra o seu data warehouse, enquanto o Statsig é uma suíte gerenciada que junta flags, experimentos e analytics de produto numa conta hospedada. Nenhum dos dois é objetivamente melhor. A escolha depende de quanto controle sobre dado e infraestrutura o seu time realmente quer, contra quanto desse peso operacional ele prefere entregar a um fornecedor. Esta comparação usa os critérios que decidem encaixe real, não tamanho de lista de recursos. Para o panorama da categoria inteira, veja a comparação de ferramentas de teste A/B.

GrowthBook x Statsig: visão rápida

	GrowthBook	Statsig
Modelo	Open core: núcleo auto-hospedável ou nuvem gerenciada	SaaS gerenciado, com opção de implantação sobre o data warehouse
Comprador típico	Time de engenharia e de dados que quer métrica no warehouse	Time de produto e growth que quer flags, experimentos e analytics numa conta
Estatística	Bayesiano e frequentista documentados; CUPED e sequencial listados no plano Pro de nuvem	Bayesiano como padrão, com CUPED e teste sequencial descritos como parte do motor
Faixa gratuita	Auto-hospedado sem licença; nuvem Starter grátis até 3 usuários e 1 projeto	Developer grátis: 2 milhões de eventos medidos e 50 mil gravações por mês, assentos ilimitados
Eixo de cobrança	Por assento (40 dólares por pessoa por mês no Pro)	Por evento (150 dólares por mês no Pro, com 5 milhões inclusos)
Analytics de produto	Existe, construído sobre o núcleo de experimentação	Nativo e central ao posicionamento do produto
Situação societária	Empresa independente por trás do projeto aberto	Marca e clientes assumidos pela Amplitude em maio de 2026, time original na OpenAI

Todos os valores desta tabela foram conferidos nas páginas oficiais de preços em 13 de agosto de 2026. Tabela de preço muda, então reconfirme antes de fechar orçamento.

A mudança de dono do Statsig, sem drama e sem omissão

Esta é a informação que mais mudou desde a última vez que comparamos os dois, e ela é factual, não especulativa.

Em setembro de 2025, a OpenAI anunciou a aquisição do Statsig num negócio em ações reportado em cerca de 1,1 bilhão de dólares, com o fundador Vijaye Raji assumindo como CTO de Aplicações da OpenAI. Em 5 de maio de 2026, a Amplitude anunciou que passa a assumir a marca e os clientes do Statsig, e que vai manter e desenvolver a plataforma atual na nuvem e sobre o data warehouse, trabalhando junto do time do Statsig que permaneceu na OpenAI durante a transição, segundo o anúncio publicado pela própria Amplitude.

O que isso significa na prática para quem está avaliando hoje, sem alarmismo:

• O produto continua existindo e sendo mantido. O anúncio é explícito sobre manter a plataforma atual nos dois modos de implantação.
• O roadmap de longo prazo passa a ser da Amplitude. A própria comunicação fala em construir um roadmap mais integrado entre as duas plataformas, o que é bom para quem quer analytics e experimentação juntos e é uma incógnita para quem escolheu o Statsig justamente por ele não ser uma suíte de analytics.
• A equipe que construiu o produto está em outro lugar. Isso não invalida nada, mas é um fato relevante de continuidade técnica e merece entrar na avaliação de risco de fornecedor.
• A renovação é o momento de checar tudo. Preço, escopo de plano e compromissos de suporte se renegociam no ciclo seguinte, e é lá que mudança de dono costuma aparecer.

Nenhum desses pontos é motivo para descartar o Statsig. São motivo para tratar o contrato como se trata qualquer contrato em mercado que acabou de consolidar: prazo mais curto, dado exportável e cláusula clara de saída.

Os dois eixos de cobrança: assento contra evento

Aqui está a diferença que decide a conta na maioria dos times pequenos e médios, e ela não aparece em comparativo de recurso.

O GrowthBook Pro cobra 40 dólares por assento por mês (até 50 usuários e 3 projetos). O custo cresce com quantas pessoas entram na ferramenta e é indiferente ao seu tráfego. O Statsig Pro cobra 150 dólares por mês, com 5 milhões de eventos medidos inclusos e assentos ilimitados. O custo cresce com volume de evento e é indiferente ao tamanho do time.

Pessoas com acesso	GrowthBook Pro (40/assento)	Statsig Pro (150 fixo)	Quem sai na frente no custo de licença
3	120 dólares	150 dólares	GrowthBook (e o Starter de nuvem ainda é grátis nesse tamanho)
5	200 dólares	150 dólares	Statsig
10	400 dólares	150 dólares	Statsig
20	800 dólares	150 dólares	Statsig

Comparação apenas do custo de licença mensal publicado, para times dentro das franquias de cada plano. Os pacotes não são equivalentes: o Statsig Pro inclui analytics de produto e gravação de sessão, o GrowthBook Pro inclui editor visual, bandits e o modelo warehouse-native.

A leitura honesta dessa tabela não é “o Statsig é mais barato”. É que os dois modelos penalizam coisas diferentes, e a pergunta certa é qual dos dois eixos cresce mais rápido na sua operação. Programa maduro de experimentação tem muita gente que só precisa ler resultado, e cada uma dessas pessoas custa no modelo por assento. Já um produto com muito evento por usuário estoura franquia de evento sem nenhuma pessoa nova entrar na ferramenta.

A outra conta: quanto de franquia de evento um teste consome

A franquia de 2 milhões de eventos por mês do plano gratuito do Statsig parece enorme, e é generosa de verdade para produto em estágio inicial. Mas ela é consumida pelo produto inteiro, não só pelo experimento, e é aí que a conta engana.

Um exemplo dimensionado com a calculadora deste blog: uma taxa base de 5% e ambição de detectar 10% relativo pedem 31.234 visitantes por variação, ou seja, 62.468 usuários expostos no experimento com duas variações, o que leva 22 dias a 20 mil visitantes por semana. Rode a sua própria conta:

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.

Agora projete o consumo de evento. O número de eventos por usuário depende inteiramente da sua instrumentação, então o quadro abaixo é um cenário, não um dado do fornecedor:

Eventos medidos por usuário no mês	Eventos do experimento (62.468 usuários)	Sobra da franquia de 2 milhões	Cabe também o produto inteiro?
3	187 mil	1,81 milhão	Sim, com folga
6	375 mil	1,63 milhão	Provavelmente
12	750 mil	1,25 milhão	Depende do resto do tráfego
20	1,25 milhão	750 mil	Aperta

Cenário ilustrativo. A franquia é do plano gratuito Developer, conferida em 13 de agosto de 2026; quantos eventos medidos cada usuário gera depende da sua própria instrumentação.

A conclusão prática vale para qualquer ferramenta cobrada por evento: instrumentação generosa é um item de custo. Rastrear tudo “porque um dia pode ser útil” é a decisão que estoura franquia, e ela costuma ser tomada por quem não paga a fatura. No modelo por assento do GrowthBook o problema simplesmente não existe, e em troca aparece o outro: cada pessoa a mais com acesso custa.

Estatística: bayesiano nos dois, profundidade por plano

Os dois lideram com leitura bayesiana, o que sozinho já não diferencia ninguém em 2026. A comparação útil é sobre quais métodos avançados estão disponíveis e em qual faixa de preço.

Método	GrowthBook	Statsig
Inferência bayesiana	Documentada como método padrão do motor	Documentada como método padrão do motor
Opção frequentista	Disponível como método alternativo	Disponível como método alternativo
CUPED (redução de variância)	Listado na página de preços como recurso do Pro de nuvem	Descrito na documentação como parte do motor de experimentação
Teste sequencial	Listado na página de preços como recurso do Pro de nuvem	Descrito na documentação como método nativo, com correção do intervalo para leituras antecipadas
Verificação de SRM	Documentada como parte do motor	Incluída na interpretação de resultado

Nenhuma das duas empresas publica uma especificação estatística congelada como faria um artigo acadêmico, e as duas iteram o motor ao longo do tempo. Trate a tabela como uma fotografia a reconferir na assinatura, não como garantia permanente. Para a mecânica por trás dos métodos, independente de fornecedor, veja o guia de teste A/B bayesiano, o artigo sobre CUPED e o de teste sequencial.

O exemplo trabalhado: a mesma leitura pelas duas réguas

O experimento dimensionado acima rodou os 22 dias e fechou com 31.234 visitantes por variação: 1.562 conversões no controle (5,00%) contra 1.717 na variação (5,50%).

Pela régua frequentista: z = 2,78, valor-p ≈ 0,0054, com intervalo de confiança de 95% da diferença entre +0,147 e +0,846 ponto percentual e melhora relativa observada de +9,92%.

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.

Pela régua bayesiana, os mesmos quatro números: probabilidade de B vencer A de 99,73% (a calculadora abaixo arredonda o visor para 99,7%), com perda esperada de escolher B de aproximadamente 0,0001 ponto percentual. O visor mostra esse risco como 0,00 pp, porque ele arredonda para duas casas e a perda é menor que isso; pelo mesmo modelo Beta-Binomial, a perda esperada de escolher A seria de 0,496 ponto percentual, ou seja, ordens de grandeza maior.

A (controle)

VisitantesConversões

B (variação)

VisitantesConversões

-probabilidade de B vencer A

Taxa de A (posterior)-

Taxa de B (posterior)-

Probabilidade de A vencer-

Risco ao escolher B (perda esperada)-

Melhora relativa (médias)-

Modelo Beta-Binomial com prior uniforme Beta(1,1) e intervalo de credibilidade de 95%. Cálculo determinístico, recalcula ao vivo.

As duas leituras concordam, como costuma acontecer quando o teste foi dimensionado antes e rodou até o fim. A diferença aparece na frase que cada uma autoriza: a frequentista autoriza “a probabilidade de ver isso por acaso é baixa”; a bayesiana autoriza “o risco de errar escolhendo B é de cerca de 0,0001 ponto percentual”. A segunda é a frase que um gestor consegue usar numa decisão de rollout, e é por isso que ela virou o padrão comercial das duas plataformas. Nenhuma das duas, no entanto, salva um teste que não tinha amostra: régua não cria poder estatístico, como detalha o guia de significância estatística.

Erros comuns na avaliação

Erro	Por que sai caro
Assumir que auto-hospedado significa custo zero	Auto-hospedar remove licença, não infraestrutura, atualização nem custo de consulta ao warehouse
Comparar faixas gratuitas pelo nome do recurso	Uma é limitada por número de usuários e a outra por volume de evento; elas limitam coisas diferentes
Tratar CUPED ou sequencial como exclusividade de um dos dois	Os dois documentam os métodos; a pergunta real é qual plano de qual fornecedor inclui hoje
Ignorar a troca de dono do Statsig	Marca e clientes passaram para a Amplitude em maio de 2026; confirme escopo, roadmap e suporte antes de contrato longo
Escolher pelo marketing de warehouse-native	O Statsig também documenta implantação sobre warehouse; confira o escopo atual contra a sua stack

Faça isso sem escolher entre um projeto de infraestrutura e uma suíte inteira

Se o problema real do seu time não é “precisamos de infraestrutura corporativa de feature flag” nem “precisamos de uma suíte de analytics de produto”, e sim “queremos rodar um teste A/B honesto no nosso site sem escolher entre um projeto de infraestrutura e uma conta grande de plataforma”, as duas opções desta comparação são mais ferramenta do que o problema pede.

A Donnu é construída para esse caso mais estreito e mais comum, do lado web da experimentação: snippet leve client-side, estatística bayesiana calculada de forma transparente e nenhuma infraestrutura para manter. Ela não substitui a profundidade de feature flag nem a amplitude de analytics de produto de nenhum dos dois, e um time que gerencia lançamento por flag na superfície inteira do produto deve continuar avaliando GrowthBook e Statsig diretamente. Mas se o seu checklist está mais perto de “testar uma mudança de página direito e confiar no resultado”, comece um teste grátis e veja se o encaixe se sustenta contra o seu tráfego.

---

Leia também: GrowthBook: análise completa · Statsig: análise completa · GrowthBook x PostHog · Ferramentas de teste A/B open-source · Read in English

Referências

• GrowthBook. Pricing. Planos, preço por assento, limites de usuário e projeto e escopo de cada faixa, conferidos em 13 de agosto de 2026. growthbook.io/pricing.
• Statsig. Pricing. Planos Developer, Pro e Enterprise, franquia de eventos, gravações e retenção, conferidos em 13 de agosto de 2026. statsig.com/pricing.
• Statsig. CUPED. Documentação oficial do método de redução de variância com dados anteriores ao experimento. docs.statsig.com.
• Amplitude. Amplitude and Statsig partnership. Anúncio de 5 de maio de 2026 sobre a Amplitude assumir marca e clientes do Statsig e manter a plataforma. amplitude.com/blog/amplitude-and-statsig-partnership.
• OpenAI. Vijaye Raji to become CTO of Applications with acquisition of Statsig. Anúncio da aquisição, setembro de 2025. openai.com.
• Deng, A., Xu, Y., Kohavi, R. e Walker, T. Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-Experiment Data. WSDM, 2013. Artigo original do CUPED. exp-platform.com.