PostHog x VWO: analytics de produto ou teste de página
PostHog x VWO comparados em 2026: público, arquitetura de dados, estatística, preço e a pergunta que decide de verdade, qual métrica você vai medir.
📚 Este artigo faz parte do guia Ferramentas de Teste A/B Comparadas: Visão Neutra (2026).
PostHog e VWO rodam teste A/B, mas discordam na pergunta anterior: o que é uma ferramenta de teste. O PostHog é uma plataforma de analytics de produto (eventos, funis, gravação de sessão, feature flags) com experimentação como um módulo em cima do mesmo pipeline. O VWO é uma suíte de CRO construída ao redor de um editor visual client-side, com teste sem código como produto central. Nenhum dos dois é “a melhor ferramenta de teste A/B” em abstrato. Esta comparação usa os critérios que decidem o encaixe de verdade, no mesmo espírito neutro da comparação de ferramentas de teste A/B por categoria, com a Donnu aparecendo só no fim, como uma opção entre várias.
PostHog x VWO: visão rápida
| PostHog | VWO | |
|---|---|---|
| Público principal | Times de produto e engenharia | Times de marketing e CRO |
| Identidade | Plataforma de analytics de produto com experimentação embutida | Suíte de teste e CRO com editor visual sem código |
| Arquitetura | Pipeline de eventos (SDK cliente e servidor), nuvem ou auto-hospedado | Snippet client-side, com opção server-side |
| Estatística | Motor bayesiano como padrão documentado, com estatística frequentista disponível | Painel de relatório com estatística de base bayesiana, segundo a página oficial de preços |
| Open source / self-hosted | Sim, núcleo aberto; auto-hospedar é pesado de infraestrutura | Não; SaaS proprietário, contrato comercial |
| Além do teste A/B | Funis, retenção, gravação de sessão, feature flags, camada de data warehouse | Personalização, mapa de calor, gravação de sessão, formulários e pesquisas |
| Preço | Franquia mensal gratuita por evento, depois preço por uso | Sem valores publicados; planos Growth, Pro e Enterprise sob demonstração |
O resto do artigo abre linha por linha, começando pela origem de cada produto, que explica quase todas as outras diferenças.
Origem: plataforma de dados contra suíte de página
O PostHog nasceu como ferramenta open source de analytics de produto, alternativa auto-hospedável para times que queriam controle sobre os próprios dados. A experimentação veio depois, em cima do mesmo pipeline de eventos que já alimentava funil, retenção e tendência. Isso significa que um experimento no PostHog é, por baixo, uma pergunta feita ao mesmo pipeline que responde todas as outras perguntas de produto da conta.
O VWO cresceu como suíte de CRO para marketing. O produto de teste é construído ao redor de um editor visual que muda elementos da página sem tocar em código, e a mesma conta reúne personalização, mapa de calor e gravação de sessão, tudo acessível sem desenvolvedor. O VWO nunca tentou virar plataforma geral de analytics de produto: o modelo de dados dele gira em torno de visitantes, variações de página e metas de conversão definidas para um teste específico.
Um contexto de 2026 que pesa na avaliação do VWO: em 20 de janeiro de 2026, VWO e AB Tasty anunciaram a fusão numa única plataforma de otimização de experiência digital, com a Everstone Capital por trás, segundo o anúncio conjunto das duas empresas. Consolidação desse tamanho reorganiza pacote e roadmap ao longo do tempo, o que é argumento a favor de contratos mais curtos e de manter os dados de experimento exportáveis.
A escolha que ninguém faz explicitamente: em que camada a métrica mora
Aqui está o ponto que decide mais resultado do que qualquer linha de tabela comparativa, e ele quase nunca aparece na demonstração de nenhuma das duas ferramentas. Uma suíte de página mede o que acontece na página: clique, envio de formulário, visita a uma URL de obrigado. Uma plataforma de eventos mede o que acontece no produto inteiro: o cadastro, a ativação, a retenção da semana seguinte.
As duas métricas são legítimas. O que muda entre elas, e muda muito, é a amostra que cada uma exige para produzir uma resposta.
O exemplo trabalhado: a mesma mudança, duas camadas de métrica
Um SaaS recebe 25.000 visitantes por semana na página de cadastro. A taxa de cadastro por visitante é de 4,00%. O time testa uma página de cadastro mais curta e quer detectar um ganho de 10% relativo, de 4,00% para 4,40%.
Pela métrica da página, a conta é direta. Rode você mesmo:
Cálculo por aproximação normal de duas proporções, 2 variações (50/50). Mexa nos campos e veja o impacto ao vivo.
São 39.475 visitantes por variação, o que leva 23 dias com o tráfego disponível. É um teste normal, que cabe num mês.
Agora a mesma mudança, medida na camada de produto. Entre quem se cadastra, 35,00% chegam a ativar (fazem a primeira ação de valor). Por visitante, isso dá 1,40% de ativação no controle. A página mais curta traz mais cadastros, mas os cadastros extras ativam um pouco menos: a ativação por visitante na variação fica em 1,44%, um ganho de 2,86% relativo.
Esse é o efeito real da mudança na métrica que o negócio se importa. Para prová-lo com 95% de confiança e 80% de poder, a matemática pede 1.370.669 visitantes por variação, o que levaria 768 dias com o mesmo tráfego.
| Camada da métrica | Taxa base | Efeito real a detectar | Amostra por variação | Duração a 25 mil/semana |
|---|---|---|---|---|
| Cadastro por visitante (página) | 4,00% | +10,00% relativo | 39.475 | 23 dias |
| Ativação por visitante (produto) | 1,40% | +2,86% relativo | 1.370.669 | 768 dias |
| Ativação por visitante, ambição inflada | 1,40% | +10,00% relativo | 116.002 | 65 dias |
Amostra por aproximação normal de duas proporções, 95% de confiança, 80% de poder, bilateral; duração para 2 variações.
A terceira linha é a armadilha. Ela é o que acontece quando o time quer medir ativação mas mantém a ambição que tinha para a métrica de página: o teste fica com tamanho “aceitável” (65 dias) porque foi dimensionado para um efeito que a mudança não produz. Ele vai terminar inconclusivo e o time vai concluir, erradamente, que a página mais curta não funcionou.
O que o teste mostra quando termina
Suponha que o time rodou até 45.000 visitantes por variação, ou seja, além do necessário para a métrica de página. Os mesmos visitantes, lidos em três recortes:
| Leitura | Base | Controle | Variação | Escore z | Valor-p | Veredito |
|---|---|---|---|---|---|---|
| Cadastro por visitante | 45.000 | 1.800 (4,00%) | 1.980 (4,40%) | 2,99 | 0,0028 | Significativo, B vence |
| Ativação por visitante | 45.000 | 630 (1,40%) | 648 (1,44%) | 0,51 | 0,6121 | Inconclusivo |
| Ativação entre cadastros | 1.800 e 1.980 | 630 (35,00%) | 648 (32,73%) | 1,48 | 0,1402 | Inconclusivo, direção negativa |
Confira as três linhas na calculadora:
Teste z bilateral de duas proporções. "Sem significância" quase sempre quer dizer que falta amostra, não que as versões são iguais.
Três leituras honestas do mesmo experimento, e nenhuma delas contradiz as outras:
- A página venceu. O ganho de cadastro é real e mensurável, com intervalo de confiança de +0,138 a +0,662 ponto percentual.
- A ativação por visitante não pode ser lida. Não porque o efeito não exista, mas porque o teste tinha 7,3% de poder para esse efeito nesse tamanho de amostra. Um teste com 7% de poder erra o que existe em mais de nove de cada dez execuções: o “inconclusivo” aqui não é informação sobre o produto, é informação sobre o desenho do teste.
- A queda de ativação entre cadastros não é significativa. Ela é o sinal que o time deve registrar como hipótese (“cadastro mais curto atrai gente menos qualificada?”) e não como conclusão, porque o intervalo cruza o zero com folga.
É exatamente aqui que a diferença entre as duas ferramentas deixa de ser sobre interface. O VWO responde bem a pergunta 1, que é a que ele foi construído para responder, e faz isso sem pedir instrumentação nenhuma. O PostHog dá acesso natural às perguntas 2 e 3, porque cadastro e ativação já são eventos do mesmo pipeline. O que ele não dá é amostra: o pipeline mostra a métrica, não resolve o poder estatístico dela. Quem trata “agora eu consigo medir ativação” como se fosse “agora eu consigo testar contra ativação” troca um problema de instrumentação por um problema de amostra, e o segundo é bem mais caro. O tema tem tratamento próprio no guia de métricas de ativação para SaaS e no guia de quantos visitantes um teste A/B precisa.
Arquitetura: pipeline de eventos contra snippet de página
| Critério | PostHog | VWO |
|---|---|---|
| Instalação típica | SDK JavaScript e, idealmente, eventos também no servidor | Snippet JavaScript, instalável pelo marketing |
| Modelo de dados | Eventos arbitrários de produto | Variações de página e metas de conversão do teste |
| Editor | Orientado a código: experimento referencia flag e evento | Editor visual sem código, o caminho principal |
| Risco de cintilação | Existe em experimento client-side, mitigado com flag no servidor | Existe por padrão, como em qualquer ferramenta client-side |
| Esforço do primeiro teste | Maior se os eventos ainda não existem | Menor para um primeiro teste de página |
Se o time já rastreia eventos de produto no PostHog, colocar um experimento em cima disso é quase de graça: os eventos de exposição e de meta provavelmente já existem. Se o time não tem instrumentação nenhuma e quer testar texto, layout ou elemento visual numa página de marketing, o caminho snippet mais editor do VWO coloca o primeiro teste no ar mais rápido, sem escrever código de rastreamento.
Preço: franquia por evento contra cotação
O PostHog publica os números. Na checagem feita em 13 de agosto de 2026, a franquia gratuita mostrada era de 1 milhão de eventos por mês em analytics de produto, 5 mil gravações de sessão e 1 milhão de requisições de feature flag, com experimentos cobrados junto das flags. Acima disso o preço é por uso e cai por faixa de volume, começando em cerca de 0,00005 dólar por evento na primeira faixa paga de analytics e em 0,0001 dólar por requisição de flag, com descontos progressivos em volumes altos. Existe ainda o caminho auto-hospedado, sem licença, ao custo de operar a infraestrutura.
O VWO não publica valores. Na mesma checagem, a página oficial de preços mostrava os planos Growth, Pro e Enterprise sem nenhum número em dólar, com chamadas para agendar demonstração e para explorar gratuitamente, e descrevia o relatório como um painel com estatística de base bayesiana. Preço por cotação não é defeito, é modelo comercial, mas tem dois efeitos práticos: alonga a avaliação e impede comparação direta de custo antes da conversa com o vendedor. O comparativo de preços de ferramentas de teste A/B mostra como montar essa conta quando metade da categoria não publica valor.
Erros comuns na escolha entre os dois
| Erro | Por que sai caro |
|---|---|
| Escolher o PostHog esperando editor visual amigável ao marketing | A montagem de experimento pressupõe flag e evento, um fluxo mais próximo de engenharia que de arrastar e soltar |
| Escolher o VWO esperando profundidade de analytics de produto | O modelo de dados gira em torno de variação de página e meta do teste, não de evento arbitrário de produto |
| Achar que a franquia gratuita do PostHog elimina custo | Auto-hospedar troca licença por infraestrutura e manutenção; na nuvem, o uso acima da franquia é cobrado por evento |
| Comparar os dois só pelo motor estatístico | Bayesiano e frequentista respondem a mesma pergunta de formas diferentes, e nenhum dos dois salva teste sem poder |
| Trocar a métrica de página pela métrica de produto sem refazer a amostra | É o erro do exemplo trabalhado: vira teste com poder baixo, que produz “inconclusivo” e é lido como “não funcionou” |
Nenhum desses erros é escolher a ferramenta objetivamente errada. Todos são desencontro entre a ferramenta, quem opera e que dado já existe antes da assinatura.
Faça isso com rigor, e sem pesar na sua stack
Se o seu time não é uma operação de analytics de produto nem uma organização de marketing que precisa da personalização e da pesquisa qualitativa do VWO, e o que você quer é rodar teste A/B em página com estatística honesta, sem adotar uma plataforma inteira nem entrar num ciclo comercial, vale considerar a Donnu como uma terceira opção: snippet leve client-side, leitura bayesiana e isolamento de dados por conta desde o primeiro dia.
Ela não substitui a profundidade de analytics de produto do PostHog nem a suíte de CRO do VWO, e afirmar o contrário seria desonesto. O que ela resolve é o núcleo estatístico do problema: dimensionar antes, não espiar durante e ler o resultado com o intervalo na mesa. Comece um teste grátis e veja se a ferramenta mais enxuta cabe melhor no seu tráfego e no seu time do que qualquer uma das duas pontas desta comparação.
Leia também: Ferramentas de teste A/B comparadas · GrowthBook x PostHog · VWO: análise completa · PostHog: análise completa · Read in English
Referências
- PostHog. Pricing. Franquia gratuita por produto, preço por uso e faixas de volume, conferidos em 13 de agosto de 2026. posthog.com/pricing.
- PostHog. Experiments: statistics. Documentação oficial sobre o motor bayesiano dos experimentos e a alternativa frequentista. posthog.com/docs/experiments/statistics.
- VWO. Pricing. Planos Growth, Pro e Enterprise sem valores publicados e descrição do relatório de base bayesiana, conferidos em 13 de agosto de 2026. vwo.com/pricing.
- AB Tasty e VWO. VWO and AB Tasty Join Forces to Redefine the Future of Digital Experience Optimization. Anúncio conjunto da fusão, 20 de janeiro de 2026. abtasty.com/news/vwo-ab-tasty-join-forces.
- 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 métrica, diluição de efeito e poder estatístico. Material de apoio em experimentguide.com.
Perguntas frequentes
- PostHog ou VWO: qual é melhor para teste A/B?
- Nenhum dos dois é melhor em abstrato, porque eles partem de premissas opostas sobre o que uma ferramenta de teste é. O PostHog é uma plataforma de analytics de produto (eventos, funis, gravação de sessão, feature flags) que ganhou experimentação como mais um módulo sobre o mesmo pipeline de eventos, e serve bem a um time de produto ou engenharia que já instrumenta o app. O VWO é uma suíte de CRO construída ao redor de um editor visual client-side, e serve bem a um time de marketing que quer mudar e testar uma página sem apoio de engenharia. A escolha depende de quem já é dono do dado e de quem vai operar o teste no dia a dia.
- O PostHog é gratuito?
- Tem um núcleo open source que pode ser auto-hospedado sem licença e um produto de nuvem com franquia mensal gratuita. Na checagem feita para este artigo em 13 de agosto de 2026, a página oficial de preços mostrava 1 milhão de eventos por mês em analytics de produto, 5 mil gravações de sessão e 1 milhão de requisições de feature flag na faixa gratuita, com experimentos cobrados junto das flags e preço por uso acima disso. O VWO não publica faixa gratuita equivalente nem valores em dólar: os planos Growth, Pro e Enterprise aparecem sem preço, com chamada para demonstração.
- Qual é a diferença estatística entre os dois?
- Menor do que a diferença de arquitetura. A documentação do PostHog descreve um motor bayesiano como abordagem padrão dos experimentos, com uma seção específica de estatística frequentista disponível. A página de preços do VWO descreve um painel de relatório com estatística de base bayesiana. Ou seja, os dois cobrem as mesmas escolas e nenhum dos dois conserta um teste subdimensionado. A diferença que muda o resultado é de onde vem o número: no PostHog, do mesmo pipeline de eventos que alimenta funis e retenção; no VWO, de metas definidas para aquele teste específico e capturadas pelo próprio script.
- Um time de marketing sem engenharia consegue usar o PostHog no lugar do VWO?
- Em parte. Experimento no PostHog depende do mesmo pipeline de eventos usado pelo analytics, o que normalmente significa alguém definir e instrumentar eventos, ou no mínimo instalar o snippet e configurar uma feature flag, antes do primeiro teste rodar. O VWO foi desenhado para o caminho oposto: abrir o editor visual, mudar elementos da página sem código e publicar o teste sem depender de desenvolvedor. Time de marketing sem nenhum apoio técnico costuma andar mais rápido no VWO; time com acesso leve a engenharia extrai valor real do PostHog assim que os eventos já estão fluindo.
- Qual métrica escolher: a conversão da página ou a métrica de produto?
- As duas respondem perguntas diferentes e exigem amostras muito diferentes. No exemplo trabalhado deste artigo, o mesmo teste precisa de 39.475 visitantes por variação para provar um ganho de 10% relativo na taxa de cadastro, e de 1.370.669 por variação para provar o efeito real que essa mudança produz na ativação por visitante. Escolher a métrica de produto sem refazer a conta de amostra é a forma mais comum de rodar um teste que não tinha chance de concluir nada desde o primeiro dia.
- Existe opção mais leve que os dois?
- Existe, e a lista é grande. Times que não precisam nem de uma plataforma completa de analytics de produto nem de uma suíte corporativa de marketing costumam olhar opções focadas em teste, como GrowthBook, Convert.com ou a própria Donnu, cada uma com a sua posição sobre estatística, arquitetura e preço. Os critérios de escolha continuam os mesmos: quem é dono do dado, quem opera o teste e quanta infraestrutura o time quer manter.