Teste A/B de E-mail de Carrinho Abandonado
Guia de teste A/B de e-mail de carrinho abandonado: o que testar, por que medir a compra, não o clique, e como calcular a receita incremental.
📚 Este artigo faz parte do guia Teste A/B de E-mail Marketing: o Guia Estatístico Completo.
Num teste A/B de e-mail marketing de carrinho abandonado, o que mais vale testar é o horário do primeiro disparo (1 hora, 24 horas ou 3 dias depois do abandono), o número de e-mails na sequência, a presença de um incentivo, a imagem do produto no corpo do e-mail e a urgência de estoque, e a métrica que decide o vencedor tem que ser sempre a conclusão da compra, nunca a abertura nem o clique. Isso porque quem abre ou clica num e-mail de carrinho abandonado já demonstrou mais interesse do que quem ignorou a mensagem: decidir por essas métricas infla artificialmente o resultado de qualquer variação que pareça mais chamativa, mesmo quando ela não vende mais. Este guia cobre o que testar, por que o viés de olhar só quem abriu é um erro caro, como calcular a receita incremental esperada de vencer o teste, e por que testar desconto exige mais cuidado do que testar horário ou layout.
O que dá para testar num e-mail de carrinho abandonado
Um e-mail de carrinho abandonado tem uma vantagem que nenhum outro e-mail de marketing tem: ele já sabe exatamente o que a pessoa queria comprar. Isso abre um leque de variáveis específicas que vale isolar uma por vez:
- Horário do primeiro disparo: 1 hora, 24 horas ou 3 dias depois do abandono. É a variável mais estudada do formato, porque o comportamento de quem acabou de sair do checkout é diferente do comportamento de quem só vai lembrar do carrinho dias depois.
- Número de e-mails na sequência: um único lembrete, ou uma sequência de 2 a 3 mensagens espaçadas ao longo de alguns dias.
- Incentivo (desconto ou frete grátis) versus sem incentivo: oferecer uma vantagem financeira aumenta a pressão para comprar, mas também corrói a margem daquele pedido.
- Imagem do produto no corpo do e-mail: mostrar a foto exata do item deixado no carrinho, em vez de um lembrete só em texto.
- Urgência de estoque: avisar que o item “está quase esgotando” ou que a reserva expira em algumas horas, contra um lembrete neutro sem prazo.
A tabela abaixo resume as cinco variáveis mais comuns, a hipótese típica por trás de cada uma, a métrica que deveria decidir o teste e o nível de risco de cada mudança:
| Variável testável | Hipótese típica | Métrica primária | Risco |
|---|---|---|---|
| Horário do 1o disparo (1h x 24h x 3 dias) | Disparar mais cedo captura a pessoa enquanto a intenção de compra ainda está alta | Taxa de conclusão da compra | Baixo |
| Número de e-mails na sequência (1 x 2-3) | Uma sequência de 2-3 mensagens recupera mais receita que um único lembrete | Taxa de conclusão da compra da sequência inteira | Baixo |
| Incentivo/desconto x sem incentivo | Um desconto reduz a fricção final de decisão e aumenta conversão | Taxa de conclusão da compra e receita por destinatário (guardrail) | Alto |
| Imagem do produto no corpo do e-mail | Ver o item exato deixado no carrinho reforça a lembrança e a intenção | Taxa de clique e taxa de conclusão da compra | Baixo |
| Urgência de estoque (real, não fabricada) | Um prazo ou estoque limitado genuíno acelera a decisão de quem já está inclinado a comprar | Taxa de conclusão da compra | Médio |
Por que a métrica primária tem que ser a conclusão da compra
O erro mais comum em teste A/B de e-mail de carrinho abandonado é declarar vencedor pela taxa de abertura ou pela taxa de clique, porque as duas sofrem do mesmo problema: viés de seleção. Quem abre o e-mail já é, em média, mais propenso a comprar do que quem nem chegou a abrir, e quem clica já é mais propenso a comprar do que quem só abriu. Se uma variação de assunto ou de layout aumenta a abertura sem aumentar a compra, ela não recuperou receita nenhuma, só mudou quem olhou a mensagem.
Na prática, isso significa comparar sempre o total de destinatários de cada variação, não o total de quem abriu ou clicou. Uma variação de assunto que “converte melhor entre quem abriu” pode, ao mesmo tempo, ter uma taxa de abertura menor no total de destinatários, e a conta que importa (compras dividido por carrinhos abandonados enviados) pode favorecer a outra versão. Segundo a Klaviyo, o fluxo médio de carrinho abandonado converte cerca de 3,33% dos destinatários em pedidos, com os 10% melhores desempenhos chegando a 7,69% (Klaviyo, Abandoned Cart Benchmark Report), e é essa taxa (compra sobre destinatários enviados) que deveria decidir um teste, não a taxa de abertura ou de clique isolada.
O cuidado extra ao testar desconto
Entre as variáveis da tabela acima, o incentivo/desconto merece atenção redobrada, e por um motivo simples: ele é a única que muda a receita por pedido diretamente, não só a probabilidade de comprar. Um cupom de 10% pode aumentar a taxa de conclusão da compra e, mesmo assim, reduzir a receita total recuperada, se o desconto por pedido custar mais do que os pedidos extras trazem. Por isso, um teste de desconto deveria sempre acompanhar duas métricas ao mesmo tempo: a taxa de conclusão da compra (o efeito principal) e a receita por destinatário (o guardrail que impede comemorar uma vitória que na verdade corroeu margem).
Isso também muda o tamanho de amostra necessário: como o efeito de interesse é menor e mais ruidoso (a diferença de receita por pedido, não só a diferença de taxa), um teste de desconto tende a precisar de mais tempo e mais volume do que um teste de horário de disparo para chegar à mesma confiança estatística. E há um cuidado adicional de negócio: garanta que o desconto seja tratado com a mesma paridade de preço entre clientes parecidos (não ofereça o mesmo cupom em valores diferentes para o mesmo perfil de comprador fora do teste), para não criar uma percepção de preço injusta que o teste em si não vai capturar.
Quanto tempo esperar antes de decidir
Carrinho abandonado tem um ciclo de decisão mais longo do que a maioria dos e-mails de marketing, porque a compra pode acontecer horas ou dias depois de qualquer um dos e-mails da sequência, não só minutos depois de abrir a mensagem. Se a sua sequência tem três e-mails ao longo de 3 dias, encerrar o teste antes desse prazo terminar captura só parte do efeito de cada variação, e uma versão que parece perder no segundo dia pode alcançar ou até superar a outra depois que o terceiro e-mail (com a urgência de estoque) ainda vai disparar.
A regra prática: espere pelo menos um ciclo completo da sequência de e-mails antes de olhar o resultado com intenção de decidir, e aplique o mesmo cuidado de qualquer teste A/B com a checagem antecipada (peeking). Olhar o painel todo dia e parar assim que uma variação “der significância” infla o risco de falso positivo, e como o volume de carrinhos abandonados costuma ser mais raso que o tráfego de um site inteiro, cada checagem antecipada pesa proporcionalmente mais nesse risco. Defina o prazo (o ciclo completo da sequência, normalmente de 3 a 7 dias) antes de rodar o teste, e só declare o vencedor quando esse prazo terminar para todos os carrinhos que entraram no experimento, não só para os primeiros.
Vale lembrar também que o volume de carrinhos abandonados varia por sazonalidade (datas promocionais como Black Friday inflam o volume e mudam o comportamento de compra), então evite comparar uma semana comum com uma semana de campanha dentro do mesmo teste. Rode as duas variações ao mesmo tempo, para o mesmo período, e deixe a sazonalidade fora da equação.
Declare o vencedor com a métrica certa
Cole os carrinhos abandonados (destinatários) e as compras concluídas de cada variação. A calculadora devolve a taxa de conclusão da compra de cada lado, o lift, o valor-p, o intervalo de confiança da diferença e um veredito honesto:
Teste z bilateral de duas proporções. "Sem significância" quase sempre quer dizer que falta amostra, não que as versões são iguais.
Um exemplo trabalhado: horário do 1o disparo, com a receita incremental
Uma loja testa o horário do primeiro e-mail de carrinho abandonado: a versão A (controle) mantém o padrão atual, disparo em 24 horas depois do abandono; a versão B (variação) dispara em apenas 1 hora. Ambas chegam para 10.000 carrinhos abandonados por mês, com o mesmo corpo de e-mail, mudando só o horário do disparo. A métrica primária é a conclusão da compra:
- A (controle, disparo em 24h): 170 compras concluídas em 10.000 carrinhos, taxa de 1,70%.
- B (variação, disparo em 1h): 230 compras concluídas em 10.000 carrinhos, taxa de 2,30%.
Rodando o mesmo teste de duas proporções da calculadora acima: lift relativo de B sobre A de +35,3% (0,60 ponto percentual de diferença), escore z de 3,03, valor-p de 0,0024, intervalo de confiança de 95% da diferença entre 0,21 e 0,99 ponto percentual. Como o intervalo não cruza o zero e o valor-p fica abaixo de 0,05, o resultado é estatisticamente significativo: a variação B (disparo em 1h) vence.
A conta de receita incremental usa a mesma fórmula da calculadora de ROI do blog: tráfego (carrinhos abandonados por mês) multiplicado pela diferença entre a taxa alvo e a taxa atual, multiplicado pelo ticket médio. Com 10.000 carrinhos por mês, uma diferença de 0,60 ponto percentual (de 1,70% para 2,30%) e um ticket médio de R$180, a receita incremental projetada é de R$10.800 por mês, ou cerca de R$129.600 no ano, só trocando o horário do primeiro disparo. É esse número, não o lift de abertura ou de clique, que justifica (ou não) rodar essa mudança para toda a base.
Faça isso automático na Donnu
Você acabou de ver o que separa um teste de e-mail de carrinho abandonado honesto de um que só parece bom no relatório: medir a conclusão da compra em vez do clique ou da abertura, dimensionar o teste antes de descontar margem, e traduzir o ponto percentual de diferença em receita incremental antes de comemorar. A Donnu foi construída com esse mesmo rigor: você define a variação (horário, incentivo, imagem, urgência) e a métrica primária, a Donnu mede a compra de verdade em cada grupo e devolve um veredito honesto, sem deixar você declarar vencedor só porque um assunto chamativo gerou mais abertura.
Comece um teste grátis de 14 dias e leve o mesmo rigor estatístico para a sua sequência de carrinho abandonado. Para a base completa de teste A/B em e-mail, veja o guia de teste A/B de e-mail marketing.
Referências
- Klaviyo. Abandoned Cart Benchmark Report: Rates & Statistics. klaviyo.com/blog/abandoned-cart-benchmarks.
- Barilliance. Cart Abandonment Emails Best Practice Benchmark Study. barilliance.com/cart-abandonment-emails-best-practice-benchmark-study.
- Omnisend. Reduce Shopping Cart Abandonment: Reasons & Solutions. omnisend.com/blog/shopping-cart-abandonment.
- Baymard Institute. 50 Cart Abandonment Rate Statistics. baymard.com/lists/cart-abandonment-rate.
Leia também:
Perguntas frequentes
- Qual é a métrica certa para decidir um teste A/B de e-mail de carrinho abandonado?
- A conclusão da compra, não a taxa de abertura nem a taxa de clique. Quem abre ou clica no e-mail de carrinho abandonado já demonstrou mais interesse do que quem simplesmente ignorou a mensagem, então decidir por essas métricas infla o resultado de qualquer variação. Só a compra concluída liga o teste ao efeito que realmente importa: receita recuperada.
- Qual o melhor horário para enviar o primeiro e-mail de carrinho abandonado?
- Não existe um horário universal, e é exatamente por isso que vale testar. Um estudo da Barilliance de 2016 com 200 lojas encontrou conversão de 20,3% para o primeiro e-mail disparado em até 1 hora após o abandono, contra 12,2% quando o disparo esperava 24 horas. O seu histórico de vendas pode confirmar ou contradizer esse padrão, e só um teste A/B com a sua base decide isso com confiança.
- Vale a pena incluir desconto no e-mail de carrinho abandonado?
- Talvez, mas é a variável de maior risco entre as que costumam ser testadas nesse tipo de e-mail, porque ela mexe direto na receita por pedido, não só na taxa de conclusão da compra. Um desconto pode aumentar quantas pessoas compram e ainda assim reduzir a receita total se o corte de margem for maior que o ganho de conversão. Meça sempre receita por destinatário como guardrail, não só a taxa de conversão isolada, e desconfie de qualquer vitória que não considere esse efeito.
- Quantos e-mails a sequência de carrinho abandonado deve ter?
- É comum recomendar-se um fluxo com 2 a 3 mensagens: um lembrete logo após o abandono, um segundo e-mail em até 24 horas e, às vezes, um terceiro com um empurrão adicional. O número exato de e-mails também é uma variável testável, e a métrica que decide continua sendo a conclusão da compra somada de toda a sequência, não de um e-mail isolado.
- Como calcular a receita incremental esperada de um teste de e-mail de carrinho abandonado?
- Multiplique o volume de carrinhos abandonados no período pela diferença entre a taxa de conclusão da compra da variação vencedora e a taxa da versão atual, e multiplique o resultado pelo ticket médio. No exemplo trabalhado deste guia, 10.000 carrinhos por mês, uma diferença de 0,60 ponto percentual (1,70% para 2,30%) e um ticket médio de R$180 geram uma receita incremental projetada de R$10.800 por mês.
- Testar e-mail de carrinho abandonado é igual a testar assunto de e-mail?
- O rigor estatístico é o mesmo (o mesmo teste de duas proporções), mas a métrica primária muda. Um teste de assunto de e-mail costuma decidir por taxa de clique, porque o objetivo é levar a pessoa de volta ao site. Um teste de carrinho abandonado tem um objetivo mais concreto e mais fácil de medir: a pessoa comprou ou não. Trate o clique como etapa intermediária do funil, nunca como o veredito final.