Fluxo de Cancelamento: como fazer teste A/B sem dark pattern

Um teste A/B no fluxo de cancelamento só responde a pergunta certa quando mede quem ainda paga semanas depois, contando todo mundo que clicou em cancelar. A taxa de salvamento na tela responde outra coisa. No exemplo trabalhado deste guia, uma oferta de 50 por cento de desconto sobe os salvos na tela de 5,00 para 22,00 por cento, uma melhora de mais 340,0 por cento com valor-p abaixo de 0,0001. Sessenta dias depois, os pagantes vão de 4,42 para 6,00 por cento, e o teste ainda não tem significância. Este guia mostra onde sortear, como ler as duas métricas na calculadora, quanto tempo o teste precisa, quanto a oferta vale em receita líquida e onde fica a linha entre oferta de retenção e dark pattern, com as regras que valem em setembro de 2026 no Brasil e nos Estados Unidos. Faz parte do guia de growth experimentation para SaaS e aprofunda a intervenção de pausa e desconto que aparece em reduzindo churn com experimentação.

O que muda num teste A/B do fluxo de cancelamento

O fluxo de cancelamento é a sequência de telas entre o clique em “cancelar assinatura” e a confirmação do cancelamento. É o ponto do produto com a intenção mais clara que existe: a pessoa já decidiu sair. Por isso é tentador colocar ali uma oferta, e por isso é fácil se enganar ao medir o efeito dela.

Três coisas separam esse teste de um teste de página comum. A primeira é que só uma fração pequena da base passa pelo fluxo, então o sorteio precisa acontecer no ponto de entrada. A segunda é que o desfecho que interessa demora: quem aceita um desconto hoje pode cancelar no mês seguinte. A terceira é que existe uma fronteira legal e ética que um teste mal desenhado atravessa sem perceber, porque a variação que mais “segura” gente costuma ser a que mais atrapalha a saída.

A taxa de salvamento é métrica de vaidade

Taxa de salvamento, ou save rate, é a fração de quem entrou no fluxo e não concluiu o cancelamento naquela sessão. É o número mais imediato de medir, e é o número errado para decidir um teste, por um motivo simples: aceitar uma oferta não é continuar cliente.

O desconto troca uma saída hoje por uma saída mais tarde para boa parte de quem aceita. A pausa pode virar um cancelamento silencioso quando a pessoa simplesmente não volta. O downgrade reduz a receita da conta mesmo quando ela fica. Nada disso aparece na tela; tudo isso aparece na fatura dos meses seguintes. É o mesmo raciocínio de métrica primária e OEC: a métrica de decisão precisa estar ligada ao valor de longo prazo, não à reação imediata.

leitura	o que responde	quando fica pronta	papel no teste
salvos na tela	quantos não concluíram o cancelamento na sessão	na hora	diagnóstico, nunca decisão
pagantes em 30 dias	quantos pagaram a próxima cobrança	30 dias depois da entrada	leitura antecipada, com cautela
pagantes em 60 ou 90 dias	quantos seguem pagando depois do fim da oferta	60 ou 90 dias depois	métrica primária de retenção
receita líquida por quem entrou	quanto dinheiro cada entrada no fluxo gerou, com o desconto descontado	fim da janela	métrica primária econômica
guardrails	reclamações, estornos, contatos de suporte, tempo até cancelar de quem recusa, reentrada no fluxo	durante e depois	trava contra uma vitória que custa caro

A última linha tem peso próprio. Um guardrail é a medida que a mudança não pode piorar mesmo quando a métrica primária sobe, e em fluxo de cancelamento ele é o que separa uma oferta útil de uma barreira. O raciocínio completo, incluindo o limiar que dá dentes a cada trava, está em métricas de guardrail.

Onde sortear: no clique em cancelar, e para sempre

A regra de desenho mais importante é sortear no momento em que a pessoa clica em cancelar, e não na base inteira. Se você sorteia todos os assinantes, a maioria nunca passa pelo fluxo durante o teste, e o efeito real fica diluído num mar de gente que a variação nunca tocou. Isso é análise por gatilho, e a aritmética de por que ela muda o veredito está em análise por gatilho e diluição.

Quatro cuidados completam o desenho:

1. A unidade é a conta ou a assinatura, não a sessão. Quem entra no fluxo, desiste e volta na semana seguinte precisa ver o mesmo braço. Sortear de novo a cada visita dá a oferta para parte do controle e contamina os dois lados. Ver unidade de sorteio.
2. O denominador é todo mundo que foi sorteado. Inclusive quem fechou a aba antes de ver a oferta e quem nem leu. Filtrar por “quem viu a oferta” ou por “quem aceitou” quebra a comparação aleatória; é o erro descrito em intenção de tratar.
3. Confira a divisão antes de ler qualquer coisa. Se a variação tem uma tela a mais que falha no carregamento, ou se o evento de entrada dispara duas vezes num dos braços, a proporção entre os grupos sai do 50/50. O verificador de SRM faz a conta do qui-quadrado, e SRM: divisão desigual de tráfego explica as causas.
4. Só leia a coorte que já completou a janela. Quem entrou no fluxo há 40 dias não tem resultado de 60 dias, nem positivo nem negativo. Ver maturidade de coorte e atraso de conversão.

Exemplo trabalhado: 22 por cento salvos na tela, 6 por cento pagantes em 60 dias

Os números a seguir são ilustrativos, montados para este guia; as contas sobre eles são reais e reproduzíveis na calculadora. Um SaaS com assinatura mensal de R$ 100 recebe 2.400 entradas no fluxo de cancelamento por mês, divididas em 1.200 por braço. O controle mostra a pesquisa de motivo e a confirmação. A variação mostra a mesma pesquisa e uma oferta de 50 por cento de desconto na próxima mensalidade, com o botão de cancelar visível na mesma tela. Para simplificar, ninguém reativa depois de cancelar.

leitura	controle (A)	variação (B)	melhora relativa	valor-p
salvos na tela	60 de 1.200 (5,00%)	264 de 1.200 (22,00%)	+340,0%	abaixo de 0,0001
pagantes no dia 30	57 de 1.200 (4,75%)	118 de 1.200 (9,83%)	+107,0%	abaixo de 0,0001
pagantes no dia 60	53 de 1.200 (4,42%)	72 de 1.200 (6,00%)	+35,8%	0,0809

Comece pela leitura que parece a vitória do trimestre. Cole 1.200 e 60 no controle e 1.200 e 264 na variação:

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.

A tela mostra taxa de 5,00% no controle e 22,00% na variação, melhora relativa de +340,0%, valor-p < 0,0001, IC 95% da diferença de +14,4% … +19,6% (pp) e o veredito “Vencedora com significância · B vence”. O escore z por trás dessa leitura, que a calculadora não exibe, é 12,19.

Agora troque as conversões pelos pagantes no dia 60: 53 no controle e 72 na variação. A tela passa a mostrar 4,42% contra 6,00%, melhora relativa de +35,8%, valor-p 0,0809, IC 95% da diferença de -0,2% … +3,4% (pp) e o veredito “Ainda sem significância”. O valor exato por trás é 0,080902, com z de 1,7455 e intervalo de menos 0,19 a mais 3,36 pontos percentuais.

A distância entre as duas leituras é a história inteira do teste. Das 204 pessoas salvas a mais pela oferta na tela, só 19 eram pagantes a mais no dia 60, ou 9,31 por cento. No controle, 88,33 por cento de quem desistiu de cancelar ainda pagava no dia 60; na variação, 27,27 por cento de quem aceitou o desconto ainda pagava. A oferta atraiu gente que ia sair de qualquer jeito e adiou a saída por um ciclo de cobrança.

Quanto tempo o teste do fluxo de cancelamento precisa rodar

O teste de um mês não tinha como concluir nada sobre retenção. Com 1.200 entradas por braço e base de 4,42 por cento, o poder para detectar o efeito observado de mais 35,8 por cento era de 41,50 por cento; o menor efeito que essa amostra detectaria com 80 por cento de poder, pela mesma fórmula da calculadora de tamanho de amostra, é de mais 60,2 por cento relativo. Um teste subdimensionado assim, se “passa”, tende a exagerar o efeito, o que é o tema de maldição do vencedor.

O planejamento certo parte da métrica primária, não da tela. Use a base de pagantes em 60 dias do controle, arredondada para 4,4 por cento, um efeito mínimo de mais 30 por cento relativo e o volume semanal de entradas no fluxo, 554 (2.400 por mês vezes 12, divididos por 52):

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.

Com taxa de conversão atual 4,4, efeito mínimo detectável 30 relativo, confiança 95, poder 80, 554 visitantes por semana e teste bilateral, a calculadora devolve 4.327 visitantes por variação, 8.654 no total e 110 dias de duração estimada. “Visitantes” aqui são entradas no fluxo. A duração que a calculadora mostra é só a coleta: o último usuário que entra no dia 110 ainda precisa de 60 dias para ter resultado.

efeito mínimo (relativo)	entradas por variação	dias de coleta	dias até a leitura limpa (mais 60)
+20%	9.336	236	296
+25%	6.103	155	215
+30%	4.327	110	170
+35%	3.244	82	142
+50%	1.685	43	103

Se esse prazo é inviável, as saídas honestas são três: aceitar um efeito mínimo maior e dizer isso no plano do teste; usar a leitura de 30 dias como métrica substituta validada, com os cuidados de métrica substituta; ou manter um grupo de controle pequeno depois de lançar a oferta, como em holdout de longo prazo. A saída desonesta é decidir pela tela e chamar isso de teste de retenção.

A economia da oferta: receita líquida por quem entrou no fluxo

Retenção responde se a oferta criou clientes. Receita responde se ela se paga. As duas podem discordar, e é por isso que o plano do teste precisa declarar as duas antes de começar.

Continue com os mesmos números ilustrativos: mensalidade de R$ 100, cobranças nos dias 0, 30 e 60 depois da entrada no fluxo, e desconto de 50 por cento só na cobrança do dia 0 para quem aceita a oferta.

cobrança	controle (A)	variação (B)
dia 0	60 × R$ 100 = R$ 6.000	264 × R$ 50 = R$ 13.200
dia 30	57 × R$ 100 = R$ 5.700	118 × R$ 100 = R$ 11.800
dia 60	53 × R$ 100 = R$ 5.300	72 × R$ 100 = R$ 7.200
total em 90 dias	R$ 17.000	R$ 32.200
por entrada no fluxo	R$ 14,17	R$ 26,83

A oferta gera R$ 12,67 a mais por pessoa que entrou no fluxo em 90 dias. Como receita por usuário é uma métrica contínua, a calculadora de proporções não serve para ela; num teste de Welch com aproximação normal feito para este guia sobre a distribuição de cada braço, a diferença dá z de 4,86 e intervalo de 95 por cento de R$ 7,56 a R$ 17,77. O dimensionamento desse tipo de métrica está em tamanho de amostra para métricas contínuas.

Agora a conta que um time faz quando decide pela tela. Ela supõe que todo salvo paga as três cobranças: no controle, 60 × R$ 300 dá R$ 15,00 por entrada; na variação, 264 × (R$ 50 + R$ 100 + R$ 100) dá R$ 55,00. A projeção promete R$ 40,00 a mais por entrada, 3,16 vezes o ganho real.

Há ainda um custo que as duas contas escondem: parte de quem aceitou o desconto ficaria de qualquer jeito. Se essa parte é do tamanho dos 60 que ficaram no controle sem oferta nenhuma, o desconto dado a eles soma 60 × R$ 50 = R$ 3.000, ou R$ 2,50 por entrada. É dinheiro entregue a quem não precisava de incentivo, o mesmo problema de incremento contra substituição discutido em teste A/B de desconto e promoção.

Um último alerta econômico que o teste de 90 dias não enxerga: se o desconto vira conhecido, parte da base aprende que clicar em cancelar rende 50 por cento. Por isso a taxa de reentrada no fluxo entre quem já recebeu a oferta é um guardrail, e por isso um holdout depois do lançamento vale o tráfego que custa.

Tipos de oferta de retenção: o que medir e qual o risco

Cada oferta tem um mecanismo diferente, uma métrica que decide diferente e um jeito diferente de dar errado:

oferta	métrica que decide	armadilha de leitura	risco de dark pattern
pausa	fração que volta a pagar ao fim da pausa e segue pagando 60 dias depois	contar pausado como retido; a pausa sem data de volta vira cancelamento silencioso	pausa como única opção visível, cancelamento escondido atrás dela
desconto	pagantes depois do fim do desconto e receita líquida por entrada	ler a janela ainda dentro do desconto; ignorar o desconto dado a quem ficaria	desconto que só aparece depois de várias telas; recusa redigida para envergonhar
downgrade	receita líquida por entrada, não contagem de contas	contas retidas sobem enquanto a receita cai	plano menor apresentado como se fosse o botão de cancelar
pesquisa de motivo	taxa de conclusão do fluxo e qualidade da informação; o efeito em retenção precisa ser medido, não presumido	tratar a pesquisa como neutra quando ela adiciona uma etapa	pesquisa obrigatória, longa, sem opção de pular
lembrete de valor (dados, histórico, economia acumulada)	pagantes em 60 dias e contatos de suporte	lembrete que assusta segura por uma semana e gera reclamação depois	ameaça de perda exagerada ou falsa

A pesquisa de motivo merece uma nota. O papel dela não é vencer o teste, e sim gerar hipóteses para os próximos, porque separa quem sai por preço de quem sai por falta de uso. Ofertas diferentes por motivo declarado são um bom desenho, desde que o sorteio continue sendo feito antes da pesquisa e a leitura seja por braço, não por resposta. Para escrever cada uma dessas apostas antes de subir, use o modelo de hipótese de teste A/B.

O limite legal e ético da oferta de retenção

Dark patterns, na definição do relatório de equipe da FTC “Bringing Dark Patterns to Light”, de setembro de 2022, são práticas de design que enganam ou manipulam o usuário para que ele faça escolhas que não faria de outra forma e que podem causar dano. O relatório lista “obstáculos ao cancelamento” como categoria própria: facilitar a assinatura e dificultar a saída com procedimentos longos e cansativos. Ele também descreve o “confirm shaming”, usar vergonha para afastar a pessoa de uma escolha, e dá como exemplo de pergunta capciosa, que usa linguagem ambígua para conduzir a pessoa, um botão escrito “Não, cancelar” que, em vez de cancelar, tira a pessoa do caminho de cancelamento.

Esta seção resume o que as fontes dizem em setembro de 2026. Não é aconselhamento jurídico; a decisão sobre o seu produto é de quem responde juridicamente por ele.

No Brasil. O Código de Defesa do Consumidor põe entre os direitos básicos, no artigo 6º, inciso IV, a proteção contra métodos comerciais coercitivos ou desleais e contra práticas abusivas, e o artigo 39 lista práticas vedadas ao fornecedor. No plano federal, a regra mais específica sobre cancelamento é o Decreto 11.034, de 5 de abril de 2022, que regulamenta o SAC. Atenção ao escopo: ele se aplica aos fornecedores de serviços regulados pelo Poder Executivo federal, o que deixa boa parte dos SaaS fora do alcance direto. Mesmo assim, o artigo 14 é a régua pública mais clara do que o regulador brasileiro entende por cancelamento facilitado: o pedido tem que ser permitido por todos os meios disponíveis para a contratação, os efeitos são imediatos, salvo quando houver processamento técnico, o consumidor recebe comprovante, e o cancelamento programado pode ser oferecido, mas depende da anuência dele.

Nos Estados Unidos. A FTC anunciou em 16 de outubro de 2024 a regra conhecida como click to cancel, que exigia um mecanismo de cancelamento simples, no mínimo tão fácil quanto o de assinatura. A proposta original limitava as tentativas de retenção, e a versão final retirou esse limite: na justificativa publicada no Federal Register, a Comissão reconheceu que ofertas podem trazer concessões valiosas ao consumidor, mas escreveu que a retirada “não é uma licença” para criar barreiras desarrazoadas e desnecessárias e que tentativas de retenção que obrigam a navegar por ofertas, pular obstáculos desarrazoados ou esperar tempo excessivo não são simples nem fáceis. Em 8 de julho de 2025, o Tribunal de Apelações do Oitavo Circuito anulou a regra inteira por falha de procedimento, sem julgar o mérito: faltou a análise regulatória preliminar exigida quando o impacto econômico anual estimado chega a 100 milhões de dólares. Em março de 2026 a FTC publicou um aviso antecipado de proposta de regra, com comentários até 13 de abril de 2026, e perguntou explicitamente sobre ofertas de retenção, inclusive quanto tempo a mais leva para cancelar quem recusa a oferta. Até setembro de 2026, a FTC não tinha publicado no Federal Register nenhuma proposta de texto para a nova regra.

A ausência da regra não significa ausência de risco. Em 25 de setembro de 2025, a FTC anunciou um acordo com a Amazon, com base no FTC Act e na lei ROSCA, que inclui multa civil de 1 bilhão de dólares e 1,5 bilhão em reembolsos, depois de alegar que a empresa dificultou de propósito o cancelamento do Prime; o acordo exige um jeito fácil de cancelar pelo mesmo método usado para assinar. E na Califórnia, a lei de renovação automática alterada pelo AB 2863, válida para ofertas a consumidores no estado e para contratos firmados, alterados ou renovados desde 1º de julho de 2025, permite exibir desconto, benefício de retenção ou informação sobre os efeitos do cancelamento no fluxo online, desde que um link ou botão direto de cancelar apareça junto, de forma destacada e contínua, e que o cancelamento seja processado sem obstrução quando a pessoa clica nele.

A consequência prática para quem testa é direta: toda variação precisa manter o cancelamento a um clique, na mesma tela da oferta, e o tempo até cancelar de quem recusa vira guardrail do teste. Uma variação que só vence porque dificulta a saída não é uma variação vencedora, é um risco jurídico medido com rigor estatístico.

Como montar o teste passo a passo

1. Escreva o plano antes de subir. Métrica primária (pagantes em 60 dias ou receita líquida por entrada), guardrails com limiar, janela, efeito mínimo e regra de parada. O modelo está em plano de análise pré-registrado.
2. Sorteie no clique em cancelar, por conta, com atribuição fixa. Registre o momento da entrada de cada conta.
3. Mantenha o botão de cancelar visível em todas as variações. É requisito de desenho, não detalhe de UX.
4. Dimensione pela métrica primária, somando a janela de 60 dias à duração da coleta.
5. Cheque SRM na primeira semana e de novo antes da leitura.
6. Leia a tela como diagnóstico, os 30 dias como sinal e os 60 dias como decisão, sempre só com coortes maduras.
7. Decida com retenção, receita e guardrails juntos. Se a receita sobe e as reclamações sobem acima do limiar, a oferta não passou.
8. Mantenha um holdout pequeno depois do lançamento para medir reentrada no fluxo e o efeito no longo prazo.

Erros comuns

• Decidir pela taxa de salvamento. É o erro que transforma +35,8 por cento sem significância em +340,0 por cento “comprovado”.
• Medir só quem aceitou a oferta. Compara quem estava em dúvida com todo o controle.
• Ler a coorte que ainda está dentro do desconto. Um desconto de três meses lido no dia 60 mede o desconto, não a retenção.
• Sortear de novo a cada visita ao fluxo. Quem volta vê os dois braços e contamina a comparação.
• Esquecer os guardrails de reclamação e estorno. Uma oferta que segura a conta e gera estorno custa mais do que salva.
• Testar uma variação que esconde o cancelamento. Ela vence na tela e perde onde importa, inclusive fora do produto.
• Tratar pausa como retenção. Pausado não paga; o que decide é quem volta a pagar.
• Ignorar o efeito de aprendizado da base. Desconto recorrente no fluxo ensina a clicar em cancelar.

Faça isso automático na Donnu

O maior risco no teste de fluxo de cancelamento é a métrica que decide ser escolhida depois que a tela mostra um número bonito. Com +340,0 por cento no painel, ninguém quer esperar 170 dias para descobrir que o ganho real era um terço do prometido.

A Donnu registra a configuração do experimento no momento em que ele é criado, com a métrica primária declarada, e mantém o histórico por experimento. Isso deixa gravado, antes do primeiro resultado, que a decisão seria tomada pelos pagantes em 60 dias e não pela tela, que é a proteção mais barata contra a troca de métrica no meio do caminho. A janela de espera, os limiares dos guardrails e o desenho honesto da tela continuam sendo decisões do seu time.

Para as contas deste guia sem depender de ferramenta nenhuma, o verificador de SRM confere a divisão, a calculadora de significância lê cada janela e a calculadora de tamanho de amostra diz quanto tempo a métrica certa exige.

Referências

• Federal Trade Commission. Bringing Dark Patterns to Light. Relatório de equipe, setembro de 2022. Fonte da definição de dark patterns como práticas de design que enganam ou manipulam usuários a fazer escolhas que não fariam de outra forma e que podem causar dano; da categoria “obstáculos ao cancelamento” (facilitar a assinatura e dificultar a saída); da definição de “confirm shaming”; e do exemplo, na categoria de perguntas capciosas (trick questions), do botão “Não, cancelar” que tira a pessoa do caminho de cancelamento. ftc.gov.
• Presidência da República. Decreto nº 11.034, de 5 de abril de 2022. Fonte do escopo (fornecedores de serviços regulados pelo Poder Executivo federal) e do artigo 14: cancelamento permitido por todos os meios disponíveis para a contratação, efeitos imediatos salvo processamento técnico, comprovante e cancelamento programado sujeito à anuência do consumidor. planalto.gov.br.
• Presidência da República. Lei nº 8.078, de 11 de setembro de 1990 (Código de Defesa do Consumidor). Fonte do artigo 6º, inciso IV, sobre proteção contra métodos comerciais coercitivos ou desleais e práticas abusivas, e do artigo 39, que lista práticas vedadas ao fornecedor. planalto.gov.br.
• Federal Trade Commission. Negative Option Rule, regra final. Federal Register, 15 de novembro de 2024. Fonte da decisão de não adotar o limite proposto às tentativas de retenção, do reconhecimento de que ofertas podem trazer concessões valiosas e da ressalva de que a retirada não é licença para barreiras, e de que tentativas de retenção que obrigam a navegar por ofertas ou esperar tempo excessivo não são simples nem fáceis. federalregister.gov.
• Tribunal de Apelações dos EUA, Oitavo Circuito. Custom Communications, Inc. v. Federal Trade Commission, nº 24-3137. Decisão de 8 de julho de 2025. Fonte da anulação integral da regra por falta da análise regulatória preliminar exigida quando o impacto econômico anual estimado chega a 100 milhões de dólares, sem exame das demais contestações de mérito. ca8.uscourts.gov.
• Federal Trade Commission. Rule Concerning the Use of Prenotification Negative Option Plans, aviso antecipado de proposta de regra. Federal Register, 13 de março de 2026. Fonte do prazo de comentários até 13 de abril de 2026, do histórico da regra de 2024 e da anulação, e das perguntas sobre ofertas de retenção, incluindo quanto tempo a mais leva para cancelar quem recusa a oferta. federalregister.gov.
• Federal Trade Commission. FTC Secures Historic $2.5 Billion Settlement Against Amazon. Comunicado de 25 de setembro de 2025. Fonte da multa civil de 1 bilhão de dólares, dos 1,5 bilhão em reembolsos, da base legal (FTC Act e ROSCA) e da exigência de um jeito fácil de cancelar pelo mesmo método usado para assinar. ftc.gov.
• Legislativo da Califórnia. AB 2863, Automatic renewal and continuous service offers. Aprovada em 24 de setembro de 2024. Fonte da regra que permite oferta de retenção no cancelamento online desde que um botão ou link direto de cancelar apareça junto, de forma destacada e contínua, e da aplicação a contratos firmados, alterados ou renovados a partir de 1º de julho de 2025. leginfo.legislature.ca.gov.

Leia também: Growth experimentation para SaaS · Reduzindo churn com experimentação · Teste A/B de trial para pago · Análise por gatilho e diluição · Métricas de guardrail · Maturidade de coorte · Calculadora de significância · Read in English