PostHog: Análise Completa 2026 (Recursos, Preço e Uso)

O PostHog não é uma ferramenta de teste A/B, é uma plataforma de produto onde o teste A/B é um dos módulos, e entender essa diferença resolve a maior parte das dúvidas de quem está avaliando. Você não contrata o PostHog para testar uma landing page; você adota o PostHog para instrumentar um produto e, no meio disso, ganha experimentação amarrada às feature flags que já usa. Esta análise cobre o que ele faz, quanto cobra de fato por unidade, quanto um teste real consome da franquia gratuita, o que o self-host entrega e para quem essa conta fecha. Para o panorama da categoria, 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 PostHog em parte do escopo. Este texto foi escrito para ser útil mesmo para quem vai escolher o PostHog no fim.

O que o PostHog é, em uma frase por peça

Peça	O que faz	Como é cobrada
Analytics de produto	Eventos, funis, retenção e coortes	Por evento, a partir de US$ 0,00005
Gravação de sessão	Replay do comportamento em web e mobile	Por gravação, a partir de US$ 0,0050 em web e US$ 0,0100 em mobile
Feature flags	Liga e desliga funcionalidade por segmento	Por requisição, a partir de US$ 0,0001
Experimentos	Teste A/B em cima das flags	Cobrado junto com feature flags
Pesquisas	Perguntas dentro do produto	Por resposta, a partir de US$ 0,10
Rastreamento de erro	Captura de exceções	Por exceção, a partir de US$ 0,00037

A leitura honesta dessa tabela: o experimento não tem preço próprio. Ele pega carona na cobrança de feature flags, o que é uma decisão de modelo com consequência prática forte, tratada na seção de custo mais abaixo.

Preço: franquia gratuita por produto

O modelo não tem assinatura de entrada. Cada produto tem a sua franquia mensal gratuita e, acima dela, você paga por unidade consumida, com preço que diminui por faixa de volume (daí o “a partir de” em cada linha). Números conferidos na página oficial em 10 de agosto de 2026:

Produto	Franquia gratuita mensal	Preço acima da franquia
Analytics de produto	1 milhão de eventos	A partir de US$ 0,00005 por evento
Gravação de sessão (web)	5 mil gravações	A partir de US$ 0,0050 por gravação
Gravação de sessão (mobile)	2,5 mil gravações	A partir de US$ 0,0100 por gravação
Feature flags e experimentos	1 milhão de requisições	A partir de US$ 0,0001 por requisição
Pesquisas	1.500 respostas	A partir de US$ 0,10 por resposta
Rastreamento de erro	100 mil exceções	A partir de US$ 0,00037 por exceção
Data warehouse	1 milhão de linhas	A partir de US$ 0,000015 por linha

A implicação estratégica desse modelo é que uma operação pequena inteira roda de graça, para sempre, sem contrato e sem call comercial. Isso é raro na categoria e é o principal motivo de o PostHog aparecer tanto em listas de ferramentas de teste A/B grátis e de ferramentas open-source.

Quanto um teste A/B realmente consome

Aqui é onde a análise fica útil. Como o experimento é cobrado como feature flag, o custo de testar depende de duas coisas que você controla: quantas vezes a flag é avaliada e quantos eventos a sua instrumentação dispara.

Ajuste a calculadora com a sua taxa base real para dimensionar o seu caso:

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.

O exemplo trabalhado

Um produto converte 2,5% dos visitantes numa ação medida e recebe 25.000 visitantes por semana no fluxo testado. Para detectar um ganho relativo de 12% (de 2,5% para 2,8%), a 95% de confiança e 80% de poder, a matemática pede 44.996 visitantes por variação, o que leva 26 dias. Mirando 20% relativo (de 2,5% para 3%), o requisito cai para 16.792 por variação e o teste fecha em 10 dias.

O teste de 26 dias envolve cerca de 90 mil visitantes somando as duas variações. Suponha 4 páginas por visitante com avaliação da flag em cada uma, 12 eventos de analytics por visitante e gravação de 10% das sessões. A conta do mês fica assim:

Consumo	Volume do experimento	Franquia gratuita	Excedente	Custo
Requisições de feature flag	~360 mil	1 milhão	Nenhum	US$ 0
Eventos de analytics	~1,08 milhão	1 milhão	~80 mil	~US$ 4
Gravações de sessão	~9 mil	5 mil	~4 mil	~US$ 20

Custo total do mês do experimento: cerca de US$ 24, e repare de onde ele vem. A parte cara não é o teste, é a gravação de sessão. As requisições de flag, que são o que o PostHog chama de custo do experimento, nem saíram da franquia gratuita. Quem quer baratear não deve reduzir a ambição estatística do teste, deve reduzir a taxa de amostragem das gravações.

Lendo o resultado

Suponha que o teste rodou até 45.000 visitantes por variação e fechou com 1.125 conversões no controle (2,50%) contra 1.233 na variação (2,74%).

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 = 2,25, valor-p ≈ 0,0242, com intervalo de confiança de 95% da diferença entre +0,03 e +0,45 ponto percentual, e melhora relativa observada de +9,6%. É significativo pela régua de 5%, e o intervalo continua largo o suficiente para que a projeção de receita seja feita pelo limite inferior, não pelo ponto central, como detalha o guia de significância estatística.

Uma armadilha específica de plataformas em que o experimento nasce de uma feature flag merece nota, porque ela custa dados e não dinheiro: avaliar a flag não é o mesmo que expor o visitante à variação. Se o seu código pede o valor da flag no carregamento de toda página, inclusive nas que nunca mostram o elemento testado, o denominador do experimento passa a incluir gente que jamais viu a diferença. O efeito medido encolhe, o teste precisa de mais amostra para o mesmo poder e a leitura fica conservadora sem ninguém perceber. A regra prática é registrar a exposição no momento em que o elemento testado é realmente renderizado, e não no momento em que a flag é consultada. Vale para qualquer ferramenta com esse desenho, e é o tipo de defeito que um teste A/A não pega, porque nele os dois lados são idênticos por construção.

Self-host: o que ele é e o que ele não é

Este é o ponto mais mal compreendido do produto. A implantação self-hosted existe, é distribuída sob licença MIT e qualquer um pode subir a sua. Segundo a documentação oficial, porém, ela é oficialmente sem suporte, sem garantias de funcionamento ou desempenho, e só dá acesso aos recursos da camada gratuita: tudo que é de plano pago fica exclusivo da nuvem. A própria documentação recomenda a nuvem para a maioria dos usuários e reserva o self-host para quem tem exigência específica de privacidade de dado ou muita competência de infraestrutura.

A tradução prática: self-host aqui é uma opção de soberania de dado, não uma opção de economia. Quem sobe a própria instância assume operação, atualização e risco para ficar com o mesmo conjunto de recursos que a nuvem já dá de graça na franquia. Faz sentido para quem tem restrição regulatória ou política de dado que impede enviar evento para fora; não faz sentido como estratégia de corte de custo.

Pontos fortes reais

• Franquia gratuita que cobre uma operação inteira. Um produto pequeno roda analytics, replay, flags e experimentos sem gastar nada e sem contrato.
• Experimento sem preço próprio. Times com muitos testes pequenos não pagam por experimento, o que remove o incentivo ruim de “guardar” testes para justificar a assinatura.
• Tudo sobre os mesmos eventos. O número do experimento e o número do analytics vêm da mesma fonte, o que elimina a divergência clássica entre as duas telas.
• Preço por unidade publicado. Dá para projetar a fatura a partir do seu próprio volume, sem cotação.
• Código sob licença MIT disponível. Mesmo com as limitações do self-host, poder ler o código é um argumento real de auditoria e de saída.

Limitações e pontos de atenção

• Não é ferramenta de marketing. Sem editor visual como caminho principal, testar página sem desenvolvedor é atrito, e o time de marketing acaba dependente da fila de engenharia.
• Fatura variável. O modelo por consumo é ótimo quando o volume é pequeno e imprevisível quando o produto cresce rápido. Defina alertas de consumo antes, não depois.
• Gravação de sessão domina o custo. Como o exemplo mostra, é a linha que estoura primeiro, e ela é fácil de ligar por descuido em 100% das sessões.
• Self-host com escopo reduzido. Sem suporte e limitado à camada gratuita, ele não é a versão paga rodando na sua infraestrutura.
• Amplitude de escopo cobra curva de aprendizado. Uma plataforma com mais de dez produtos exige disciplina para não instrumentar tudo e depois pagar por dado que ninguém olha.

Como avaliar num piloto

1. Instrumente só o que entra em métrica. A conta de eventos por usuário é a sua principal alavanca de custo.
2. Defina a taxa de amostragem das gravações desde o primeiro dia. Gravar 10% costuma responder as mesmas perguntas que gravar 100%, por um décimo do preço.
3. Rode um teste A/A. Confirme que a divisão de tráfego bate com o configurado e que a ferramenta reporta corretamente a ausência de efeito.
4. Projete a fatura do seu pico, não da sua média. Modelo por consumo se paga na baixa e surpreende na alta.
5. Confirme as franquias na página oficial. Limites e preços de faixa mudam, e o valor deste artigo é a data da checagem, não uma promessa permanente.

Análise final: para quem o PostHog faz sentido

Faz sentido para times de produto e engenharia que querem analytics, replay, flags e experimentação no mesmo lugar, com custo variável e início gratuito de verdade. Para uma startup em fase inicial, é difícil bater a combinação de franquia generosa, ausência de contrato e código disponível.

Faz menos sentido para times de marketing que precisam de editor visual para testar landing pages sem deploy, para operações que exigem fatura fixa e previsível, e para quem espera do self-host uma versão paga gratuita. Para comparações diretas na mesma família, veja GrowthBook x PostHog e a análise do Statsig, que resolve um problema parecido com outro modelo de cobrança.

Se o seu caso é testar páginas web com rigor estatístico e sem montar uma plataforma de produto inteira, a Donnu é uma opção mais leve, com preço previsível e leitura conservadora do resultado. Ela não substitui o PostHog em analytics de produto, gravação de sessão, pesquisas ou rastreamento de erro, e dizer o contrário seria desonesto. Se o que você precisa é só a parte de teste, comece um teste grátis de 14 dias.

---

Leia também: Ferramentas de Teste A/B Comparadas · GrowthBook x PostHog · Ferramentas de Teste A/B Open-Source · Ferramentas de Feature Flag Comparadas

Referências

• PostHog. Pricing. Franquias gratuitas mensais por produto, preços por unidade acima da franquia e a indicação de que Experiments é cobrado junto com feature flags, conferidos em 10 de agosto de 2026. posthog.com/pricing.
• PostHog. Self-host. Licença MIT, ausência de suporte oficial, limitação aos recursos da camada gratuita e recomendação explícita da nuvem para a maioria dos usuários. posthog.com/docs/self-host.
• PostHog. Experiments. Documentação do módulo de experimentação construído sobre feature flags. posthog.com/docs/experiments.
• Kohavi, R., Tang, D. e Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Capítulos sobre instrumentação, teste A/A e escolha de plataforma. Material de apoio em experimentguide.com.