Teste A/B de Desconto e Promoção sem Matar a Margem
Teste A/B de desconto do jeito certo: o que variar, por que receita por visitante manda mais que conversão e como dimensionar sem corroer a margem.
📚 Este artigo faz parte do guia Como Testar A/B o Preço do seu Produto: o Guia Completo.
Um teste A/B de desconto ou promoção mede se um corte de preço, um cupom ou uma mensagem de urgência muda o comportamento de compra o suficiente para valer o que entrega, e a única forma honesta de responder isso é receita por visitante, não a taxa de conversão que o desconto quase sempre levanta. Este é um dos testes de maior risco dentro da prática mais ampla de teste A/B de preço, porque toda variação que “vence” em cliques ou pedidos está, por construção, recebendo menos dinheiro por pedido do que o controle. Este artigo cobre o que realmente vale testar dentro de um desconto (profundidade e enquadramento, urgência, cupom contra desconto automático, frete grátis como desconto, regras de acúmulo), por que receita por visitante precisa ser a métrica de decisão, um exemplo trabalhado que reproduz o cálculo real de amostra e de significância, e a armadilha que infla quase todo teste de desconto: contar como criada pelo desconto uma venda que aconteceria a preço cheio de qualquer jeito.
O que dá para testar dentro de um desconto
Um “teste de desconto” raramente é uma variável só. Cinco alavancas separadas, cada uma testável por conta própria, se escondem dentro do que parece uma única promoção:
- Profundidade do desconto. 10% contra 20% contra 30% não é um teste, são três, porque a relação entre profundidade e receita não é linear: descontos maiores convertem mais e comem proporcionalmente mais margem por pedido, e o ponto em que a troca deixa de se pagar é um número que se calcula, não se chuta.
- Enquadramento: percentual ou valor fixo. “20% de desconto” e “R$ 16 de desconto” num item de R$ 80 são o mesmo desconto em reais, mas não são percebidos da mesma forma, e qual dos dois parece maior depende do preço do item.
- Cupom contra desconto automático. Se a pessoa precisa digitar algo no checkout ou se o preço simplesmente se atualiza no carrinho muda a experiência de compra, independentemente do tamanho do desconto.
- Mensagem de urgência e escassez. Um contador regressivo, um aviso de “restam 3” ou um prazo colado ao mesmo desconto podem mudar a conversão sem mudar o desconto, o que faz disso uma variável separada e digna de isolamento.
- Frete grátis como desconto, em vez de um percentual ou valor. Tirar o custo do frete é um tipo específico de desconto, com psicologia própria, não uma versão menor de uma oferta percentual.
- Regras de acúmulo. Se um cupom pode se somar a um item já remarcado, a um benefício de fidelidade ou a outra promoção ativa muda tanto a profundidade efetiva do desconto quanto o total de pessoas que se qualificam para algum desconto.
Cada uma dessas alavancas pode ser testada isoladamente, mantendo as outras fixas, e cada uma tem um efeito diferente sobre a métrica que realmente importa.
Profundidade e enquadramento: a regra dos 100
Se um desconto parece maior em percentual ou em valor absoluto depende do preço do item. DelVecchio, Krishnan e Smith documentaram parte disso no Journal of Marketing: o enquadramento percentual produz expectativa de preço pós-promoção mais alta e escolha promocional mais forte do que um enquadramento equivalente em valor, especialmente em descontos profundos. Separadamente, uma heurística de mercado bastante usada, às vezes chamada de regra dos 100, sustenta que abaixo de um preço de 100 o percentual tende a parecer o número maior (“30% de desconto” ganha de “R$ 18 de desconto” num item de R$ 60, mesmo sendo a mesma coisa), enquanto acima de 100 o valor em reais tende a parecer maior, porque o número percentual encolhe e o valor não. A regra dos 100 é atalho de praticante, não um achado do estudo de DelVecchio, então trate o ponto exato de virada como hipótese a testar, não como número sustentado por aquele artigo.
Essa virada é hipótese de partida, não regra para aplicar cegamente em todo catálogo: os seus preços, a sua categoria e o seu público decidem onde ela cai de verdade, e é exatamente por isso que o enquadramento entra no plano de teste em vez de entrar direto no texto do banner.
Por que receita por visitante precisa ser a métrica de decisão
Aqui está a armadilha que engole mais teste de desconto do que qualquer outra: a versão com desconto quase sempre converte mais gente que um controle sem desconto, porque custa menos dizer sim. Lido sozinho, esse ganho de conversão parece uma vitória inequívoca. Não é, porque o mesmo desconto que trouxe mais compradores também recebeu menos dinheiro de cada um deles, inclusive daqueles que teriam convertido a preço cheio.
A métrica que responde de fato “esse desconto valeu a pena” é receita por visitante: a taxa de conversão multiplicada pelo que a loja recebe por pedido, depois do desconto, dividida por todos os visitantes do teste e não só por quem comprou.
- Taxa de conversão responde “mais gente comprou”. Não diz nada sobre quanto ficou com a loja em cada compra.
- Receita por visitante responde “a loja terminou com mais dinheiro”. É a única pergunta que um time consciente de margem precisa ver respondida.
Um desconto precisa passar de uma barreira real e calculável antes de se pagar. Se um desconto de tamanho d (como fração, então 20% é 0,20) foi a única coisa que mudou, a taxa de conversão precisa subir pelo menos 1 dividido por (1 menos d), menos 1, em termos relativos, só para manter a receita por visitante estável. Para 20% de desconto, esse ponto de equilíbrio é de aproximadamente 25% relativo; para 30%, é de aproximadamente 43% relativo. Qualquer ganho de conversão menor que isso significa que o desconto está perdendo dinheiro em relação a cobrar o preço cheio, mesmo com o gráfico de conversão do painel parecendo uma vitória limpa.
| Profundidade do desconto | Ganho de conversão só para empatar | O que isso significa na prática |
|---|---|---|
| 10% | +11,1% relativo | Barreira baixa, mas ainda maior que o ruído de muitos testes |
| 20% | +25,0% relativo | Ganho grande; poucos testes de página chegam perto disso |
| 30% | +42,9% relativo | Só se paga em ofertas que mudam a decisão de compra, não a preferência |
| 50% | +100,0% relativo | A conversão precisa dobrar; raramente acontece fora de liquidação real |
Exemplo trabalhado com números reais
Digamos que uma loja converta hoje 3,70% dos visitantes a preço cheio, sem desconto exibido (controle, A). Uma variação (B) aplica um desconto automático de 20% no site inteiro, com 9.000 visitantes analisados de cada lado.
A converteu 333 de 9.000 (3,70%); B converteu 396 de 9.000 (4,40%). Passando esses números por um teste z de duas proporções, o ganho relativo é de +18,9%, o z é aproximadamente 2,38 e o valor-p é aproximadamente 0,0172, significativo, com B vencendo na conversão.
Agora entra a receita. O ticket médio a preço cheio é de R$ 86. O desconto de 20% de B faz cada pedido daquele grupo deixar R$ 86 vezes 0,80, ou seja, R$ 68,80 em vez de R$ 86.
- Receita por visitante, A: 0,0370 vezes R$ 86 dá aproximadamente R$ 3,18.
- Receita por visitante, B: 0,0440 vezes R$ 68,80 dá aproximadamente R$ 3,03.
Mesmo com a taxa de conversão de B significativamente mais alta, a receita por visitante de B é cerca de 4,9% menor que a de A. O ganho de 18,9% na conversão parecia uma vitória clara e não chegou perto dos cerca de 25% relativos que um desconto de 20% precisa para empatar em receita por visitante. Lido pela conversão, B vence; lido pela métrica que paga as contas, A vence.
Cole os seus próprios números e veja a decomposição entre conversão e ticket médio:
-
| Métrica | A | B | Diferença |
|---|---|---|---|
| Taxa de conversão | - | - | - |
| Ticket médio | - | - | - |
| Receita por visitante | - | - | - |
De onde vem a diferença de RPV
| Efeito da conversão | - |
|---|---|
| Efeito do ticket médio | - |
| Interação entre os dois | - |
| Diferença total de RPV | - |
RPV = receita ÷ visitantes, que é o mesmo que taxa de conversão × ticket médio. Use a mesma base nas duas versões (ou sessões, ou visitantes únicos) e o mesmo período. A diferença aqui é descritiva: RPV tem variância alta e não vira veredito estatístico sozinho.
A armadilha que infla quase todo teste de desconto: incremento contra substituição
Mesmo um teste de desconto lido corretamente em receita por visitante ainda pode superestimar a própria vitória, porque nem toda conversão contada no grupo com desconto é uma venda que a loja não teria de outro jeito. A literatura acadêmica sobre promoção de preço sustenta essa cautela. O estudo de demanda de categoria de Nijs, Dekimpe, Steenkamp e Hanssens, publicado na Marketing Science, encontrou que o pico aparente de vendas de uma promoção no nível da categoria raramente é todo crescimento genuíno: uma parte relevante dele é demanda realocada de marcas concorrentes dentro da mesma categoria, e não demanda nova criada pela promoção. Aquele achado é sobre demanda de categoria, não sobre o teste de desconto de uma loja, mas a cautela atravessa direto: o número de manchete de uma promoção não deve ser aceito pelo valor de face, seja qual for o nível em que foi medido.
Aplicada a um teste de desconto de uma loja só, uma adaptação prática dessa cautela é dividir em três toda conversão contada na variação com desconto:
- Compradores incrementais. Quem não teria comprado sem o desconto. É o único grupo cuja receita o desconto pode honestamente reivindicar como criada por ele.
- Substitutos de preço cheio. Quem ia comprar de qualquer jeito, a preço cheio, e apenas pegou o desconto porque ele estava lá. Cada real de margem entregue a esse grupo é perda pura, sem demanda nova para compensar.
- Antecipação de compra. Quem compraria depois, a preço cheio, e puxou a compra para dentro da janela da promoção. Aparecem como vitória na janela curta do teste e se anulam em parte como queda nas semanas seguintes ao fim da promoção.
Nenhuma fórmula de teste de duas proporções separa esses três grupos a partir da contagem de conversões: fazer isso exige ou um grupo reservado que nunca vê desconto nenhum, ou uma janela de observação mais longa que confirme se as semanas seguintes à promoção mostram a queda esperada da demanda antecipada. O que o teste A/B faz com confiança é a comparação de receita por visitante acima; tratar esse número como o valor incremental completo do desconto, sem ao menos uma checagem qualitativa de substituição, é a forma mais comum de superestimar a vitória.
Cupom contra desconto automático
Se a pessoa precisa digitar um código muda a experiência de checkout independentemente do tamanho do desconto, e isso vale um teste próprio. A pesquisa de checkout do Baymard Institute encontrou que um campo de cupom visível tenta quem não tem código a sair da página para procurar um, e recomenda esconder o campo atrás de um link em vez de exibi-lo por padrão no fluxo normal. A mesma pesquisa registra que a maioria dos sites ainda perde a alternativa mais conveniente: 83% dos sites não aplicam automaticamente o melhor desconto a que a pessoa tem direito, segundo o benchmarking de UX de promoções do Baymard, obrigando o cliente a encontrar e digitar o código mesmo quando a loja já sabe que ele se qualifica.
| Entrega do desconto | O que isso testa | Risco principal |
|---|---|---|
| Cupom, campo sempre visível | Se a promoção converte | Quem não tem código sai caçando cupom fora do site e pode não voltar |
| Cupom, escondido atrás de um link | Mesma oferta, menos atrito no checkout | Quem não sabe que existe código nunca vê a oferta |
| Desconto automático, exibido no carrinho | Se remover a etapa de digitação aumenta a conclusão | Não dá para exigir um canal ou público específico para resgatar |
Frete grátis como desconto
Tirar o custo do frete é um tipo específico de desconto com psicologia própria, não uma versão menor de uma oferta percentual. Pesquisa publicada no International Journal of Electronic Commerce Studies, comparando ofertas de frete grátis a descontos em valor economicamente equivalentes, encontrou que o enquadramento de frete grátis supera o de valor em produtos mais baratos, com os dois convergindo conforme o preço de tabela sobe. Isso faz do frete grátis uma célula de teste própria, em vez de “outro jeito de dizer R$ 8 de desconto”. O desenho específico do limite de valor está em teste A/B de frete grátis.
Urgência e escassez, e o limite legal no Brasil
Um contador regressivo ou uma mensagem de estoque limitado é uma variável separada do desconto, e vale isolar porque pode mover a conversão sem mudar o tamanho da oferta. O Nielsen Norman Group traça aqui uma linha firme que importa para o desenho do teste: mensagem de escassez só funciona, de forma ética e durável, quando o prazo ou a contagem de estoque é real.
No Brasil isso não é só recomendação de usabilidade. O Código de Defesa do Consumidor proíbe a publicidade enganosa, definida como aquela capaz de induzir o consumidor a erro sobre características, preço ou condições da oferta. Uma contagem regressiva que reinicia sozinha ao recarregar a página, ou um aviso de “últimas unidades” que aparece sem nenhuma relação com o estoque, se encaixa nessa descrição. Nos Estados Unidos, a Federal Trade Commission classificou explicitamente contadores sem base e alegações falsas de estoque baixo como padrões manipulativos no relatório sobre dark patterns. O efeito prático, além do risco jurídico, é que uma urgência inventada que o cliente eventualmente percebe corrói a confiança em todas as promoções seguintes da loja, não só na que estava sendo testada.
Regras de acúmulo
Se um cupom pode se somar a um item já remarcado, ou a um benefício de fidelidade, vale testar em separado porque muda duas coisas ao mesmo tempo: a profundidade efetiva do desconto que cada pessoa recebe e quantas pessoas se qualificam a algum desconto.
| Regra de acúmulo | Efeito na profundidade efetiva | Efeito em quem se qualifica |
|---|---|---|
| Sem acúmulo (um desconto por pedido) | Profundidade previsível e limitada | Menos gente chega a um desconto muito profundo |
| Acumula com remarcações existentes | A profundidade se compõe e às vezes passa do ponto de equilíbrio | Mais gente cai em estoque já remarcado |
| Acumula só com fidelidade | Profundidade limitada, premia cliente existente | Exclui visitante novo, que vê só o desconto de vitrine |
Dimensionando o teste de desconto
Um teste de desconto precisa detectar o ponto de equilíbrio calculado acima, não um número redondo arbitrário, o que normalmente significa uma amostra maior do que o time espera. Com taxa base de 3,70% e efeito mínimo detectável de 25% relativo (o ponto de equilíbrio aproximado de um desconto de 20%), a amostra necessária é de 7.318 visitantes por variação. Com 14.000 visitantes semanais divididos entre as duas versões, isso dá cerca de 8 dias para chegar ao poder completo, assumindo que o site mantenha esse nível de tráfego e que a divisão fique estável na janela inteira.
Cálculo por aproximação normal de duas proporções, 2 variações (50/50). Mexa nos campos e veja o impacto ao vivo.
Erros comuns em teste de desconto e promoção
| Erro | Por que acontece | Correção |
|---|---|---|
| Declarar vencedor pela taxa de conversão sozinha | O número de conversão se move rápido e parece inequívoco | Multiplique pela receita líquida por pedido e compare receita por visitante antes de decidir |
| Ignorar o ponto de equilíbrio que aquela profundidade exige | Não é óbvio que um desconto maior exige um ganho de conversão proporcionalmente maior | Calcule 1 dividido por (1 menos o desconto), menos 1, e dimensione o teste em cima desse número |
| Tratar toda conversão com desconto como receita incremental | Não existe linha no painel para “compraria de qualquer jeito” | Mantenha um controle real sem desconto e observe a queda pós-promoção que indica antecipação |
| Testar profundidade, enquadramento e mecanismo de uma vez | Parece eficiente mudar várias coisas na mesma promoção | Isole uma variável por teste; cupom contra automático e profundidade respondem perguntas diferentes |
| Usar urgência fabricada (contador falso, estoque falso) | É barato de colocar e parece ganho rápido | Só use escassez que reflita prazo ou estoque real, sob risco de publicidade enganosa |
Escreva a hipótese antes de subir a promoção
Um teste de desconto sem hipótese escrita convida exatamente o erro em torno do qual este artigo foi construído: comemorar o número de conversão porque ele se moveu primeiro e é o mais fácil de conferir. Registre, antes de o teste rodar, qual alavanca específica está sendo testada (profundidade, enquadramento, mecanismo de entrega, urgência, frete ou acúmulo), qual ganho de conversão seria necessário para empatar em receita por visitante naquela profundidade, e como o time vai tratar a questão da substituição, mesmo que esse tratamento seja apenas uma checagem de queda pós-promoção em vez de um grupo reservado formal. Isso transforma “o desconto funcionou” de uma leitura de painel em uma pergunta que o teste foi realmente desenhado para responder. O modelo pronto está em como escrever uma hipótese de teste A/B.
Faça isso automático na Donnu
A parte difícil de um teste de desconto nunca foi rodá-lo, foi lembrar que conversão e receita por visitante podem apontar para lados opostos e conferir só uma das duas. A Donnu calcula os dois lados dessa comparação a partir dos mesmos dados, então uma variação com desconto que ganha em cliques e perde no que a loja realmente guarda por pedido não comemora uma vitória falsa só porque o gráfico de conversão se moveu primeiro.
Comece um teste grátis de 14 dias e dimensione a sua próxima promoção contra o ponto de equilíbrio que ela realmente exige, não contra um número redondo escolhido por hábito. Veja também o guia completo de teste A/B de preço e o teste de ancoragem de preço, o experimento irmão sobre como um preço de referência muda o valor percebido sem mudar mais nada.
Referências
- DelVecchio, D., Krishnan, H.S. e Smith, D.C. Cents or Percent? The Effects of Promotion Framing on Price Expectations and Choice. Journal of Marketing, 71, 158-170 (2007). doi.org/10.1509/jmkg.71.3.158.
- Baymard Institute. 10 Sales & Discounts UX Best Practices. baymard.com/blog/10-sales-ux-best-practices.
- Nijs, V., Dekimpe, M., Steenkamp, J-B. e Hanssens, D. The Category-Demand Effects of Price Promotions. Marketing Science, 20(1), 1-22 (2001). research.tilburguniversity.edu.
- International Journal of Electronic Commerce Studies. “Free Shipping” or “Dollar Off”? The Moderating Effects of List Price and E-Shopping Experience on Consumer Preference for Online Discount (2018). academic-pub.org/ojs/index.php/ijecs/article/view/1542.
- Nielsen Norman Group. Scarcity Principle in UI Design: Making Users Click Right Now or Lose Out. nngroup.com/articles/scarcity-principle-ux.
- Brasil. Lei nº 8.078/1990 (Código de Defesa do Consumidor), artigo 37. planalto.gov.br/ccivil_03/leis/l8078compilado.htm.
- Federal Trade Commission. Bringing Dark Patterns to Light: An FTC Staff Report (2022). ftc.gov/reports/bringing-dark-patterns-light.
Leia também:
- Como Testar A/B o Preço do seu Produto: o guia completo
- Teste de Ancoragem de Preço: mostrar o preço mais caro primeiro funciona?
- Teste A/B de Paywall Freemium: o que testar e como ler o resultado
Read in English: A/B Testing Discounts and Promos Without Killing Margin
Perguntas frequentes
- Qual métrica deve decidir um teste A/B de desconto?
- Receita por visitante, nunca a taxa de conversão sozinha. A versão com desconto quase sempre converte mais gente, simplesmente porque custa menos dizer sim, mas cada uma dessas conversões devolve uma parte da margem. A única forma de saber se a troca valeu a pena é multiplicar a taxa de conversão pelo que cada pedido realmente deixa depois do desconto, nos dois lados do teste, e comparar esse número, não o ganho bruto de conversão.
- Um desconto que aumenta a conversão sempre aumenta a receita?
- Não. Como o desconto reduz o valor recebido em todo pedido que ele toca, o ganho de conversão precisa passar de um limiar real antes de se pagar. Um desconto de 20% que aumenta a conversão em menos de cerca de 25% relativo já produz menos receita por visitante do que não dar desconto nenhum, porque 1 dividido por 0,80 dá aproximadamente 1,25. Abaixo desse ponto de equilíbrio, o desconto está subsidiando um volume que não precisava ser comprado.
- Qual a diferença entre cupom e desconto automático, e isso importa no teste?
- O cupom exige que a pessoa digite algo no checkout; o desconto automático se aplica sozinho e só aparece no carrinho. Vale testar um contra o outro porque eles se comportam de forma diferente: um campo de cupom visível tenta quem não tem código a sair da página para procurar um, o que pode derrubar a conclusão do checkout mesmo com uma oferta atraente, enquanto o desconto aplicado automaticamente elimina esse desvio.
- Como dimensionar um teste A/B de desconto?
- Do mesmo jeito que qualquer teste de conversão: use a sua taxa base real e o ganho mínimo que justificaria o desconto numa calculadora de amostra de duas proporções, nunca um número genérico de mercado. Como o teste de desconto normalmente precisa detectar um ponto de equilíbrio específico em vez de "qualquer" melhora, use esse ponto de equilíbrio, e não um 5% ou 10% arbitrário, como o efeito mínimo detectável do dimensionamento.
- Qual o maior erro em teste A/B de desconto?
- Contar toda conversão do grupo com desconto como receita nova que a loja não teria de outro jeito. Na prática, uma parte relevante de quem compra com desconto compraria a preço cheio de qualquer forma, então o desconto só entregou dinheiro a quem não estava pedindo. Ler o teste sem separar comprador incremental de comprador que apenas trocou uma compra a preço cheio por uma com desconto superestima a vitória, às vezes por uma margem larga.
- Contagem regressiva falsa é só uma questão de ética?
- Não, no Brasil também é uma questão legal. O Código de Defesa do Consumidor define como enganosa a publicidade capaz de induzir o consumidor a erro sobre condições da oferta, e uma contagem regressiva que reinicia sozinha ou um aviso de "últimas unidades" que aparece sem relação com o estoque real se encaixam nessa descrição. Além do risco jurídico, o efeito prático é que a urgência falsa contamina a credibilidade de todas as promoções seguintes, não só a que está sendo testada.