Teste A/B de Paywall Freemium: o que Testar
Teste A/B de paywall em produto freemium: onde posicionar o gatilho, qual métrica decide o teste e como não confundir conversão rápida com retenção real.
📚 Este artigo faz parte do guia Como Testar A/B o Preço do seu Produto: o Guia Completo.
Testar A/B onde e como um paywall aparece dentro de um fluxo freemium é um dos experimentos de maior alavancagem do guia completo de teste A/B de preço, mas também um dos mais fáceis de ler errado: um paywall mais agressivo quase sempre converte mais no curto prazo, e a pergunta que decide se isso foi uma vitória ou um problema disfarçado é o que acontece com a retenção de quem converteu sob pressão. Este artigo cobre onde posicionar o gatilho, o que vale a pena testar, a métrica correta para decidir o teste e como dimensionar a amostra quando a conversão free-to-paid é baixa, que é o caso da maioria dos produtos freemium.
Onde posicionar o gatilho do paywall
Um produto freemium sempre tem um ponto de decisão: em algum lugar do fluxo, o usuário esbarra num limite, uma feature bloqueada, ou uma mensagem convidando a assinar. Esse ponto pode ser um limite de uso (número de projetos, linhas de dados, exportações no mês), uma feature avançada (colaboração em equipe, integração, relatório), ou simplesmente tempo de uso (fim de um período de teste). O erro mais comum é escolher esse gatilho pela facilidade de implementar, em vez de pelo momento em que o usuário já sentiu o valor central do produto, o que a literatura de growth chama de “aha moment”.
A RevenueCat, ao analisar posicionamento de paywall em apps de assinatura, recomenda testar quatro posições possíveis: antes do onboarding, depois do onboarding, antes de usar uma feature travada, depois de usar. Segundo a RevenueCat, os resultados puxam em direções diferentes conforme o produto: há casos de apps que aumentaram bastante a conversão de cadastro ao mover o paywall para antes do usuário sentir valor, e casos de apps que preferiram colocar o paywall logo depois do “aha moment”. Isso reforça o ponto central deste artigo: qual timing funciona é uma decisão que só o teste A/B resolve para o seu produto específico, porque a resposta muda conforme o quão rápido o usuário chega ao valor central.
O que testar A/B no paywall
Com o gatilho geral definido, três variáveis dentro dele valem teste:
- Posição do gatilho: mover o limite (de uso ou de feature) mais cedo ou mais tarde no fluxo. É a variável de maior impacto e também a de maior risco, porque afeta conversão e retenção ao mesmo tempo, em direções que podem ser opostas.
- Mensagem do paywall: o texto e o enquadramento (o que o usuário perde vs. o que ele ganha), a urgência (contagem regressiva de um trial vs. sem prazo), e a clareza do valor do plano pago naquele exato momento de bloqueio.
- Quantidade de “graça” antes de cobrar: quantas ações, exportações ou dias de uso o plano free permite antes do bloqueio. Mais graça tende a aumentar a chance de o usuário sentir o valor primeiro, mas atrasa a monetização e pode nunca converter quem já está satisfeito com o gratuito.
A métrica que decide o teste (e o erro que a maioria comete)
Aqui está o ponto central deste artigo: medir só o clique em “fazer upgrade” ou a conversão free-to-paid no momento do teste é medir a metade errada da história. Um paywall mais cedo ou mais agressivo quase sempre aumenta essa conversão imediata, porque está interrompendo mais gente, em mais momentos, com mais insistência. O que essa métrica sozinha não mostra é: quantos desses novos assinantes realmente queriam o produto, e quantos assinaram sob pressão e vão cancelar no primeiro ciclo de cobrança assim que perceberem que não usam o suficiente para justificar o preço.
A métrica primária correta é dupla, e as duas partes precisam ser lidas juntas:
- Conversão free-to-paid, na janela que faz sentido para o seu ciclo de decisão (geralmente contada a partir do cadastro, não do momento do bloqueio, para não descartar quem nunca chegou perto do paywall).
- Retenção pós-conversão, numa janela fixa (30 dias é um ponto de partida comum): de quem converteu, quantos ainda estão pagando depois desse período.
Um paywall que ganha na métrica 1 e perde na métrica 2 não é vitória, é troca de um problema por outro, adiada para depois do fechamento do teste.
Um exemplo trabalhado com os números da calculadora
Digamos que o seu produto converte hoje 3,0% dos cadastros de free para pago. Você quer testar um gatilho mais cedo (variação B) contra o atual (controle A), com 8.000 cadastros analisados de cada lado.
Free-to-paid: A converteu 240 de 8.000 (3,0%); B converteu 296 de 8.000 (3,7%). Cole esses números na calculadora de significância do guia completo de preço ou recalcule com o motor deste blog: o resultado é lift relativo de +23,3%, z ≈ 2,46, valor-p ≈ 0,0139, significativo, com B vencendo. Isoladamente, essa métrica diz “mova o paywall para mais cedo”.
Mas olhe a retenção de 30 dias entre quem converteu: em A, 180 dos 240 assinantes (75,0%) ainda estavam pagando depois de 30 dias; em B, 189 dos 296 assinantes (63,9%). Essa diferença também é significativa: lift relativo de −14,9%, valor-p ≈ 0,0056, com A vencendo nesta métrica.
Qual variação “venceu”? Depende do que você faz com a informação, não de qual métrica você escolhe ignorar. Multiplique conversão por retenção para uma leitura conjunta: A retém 240 × 75% = 180 assinantes ativos aos 30 dias; B retém 296 × 63,9% ≈ 189 assinantes ativos aos 30 dias. Nesse cenário específico, B ainda sai na frente em volume bruto de assinantes retidos, mas a diferença é bem menor do que os +23,3% de conversão inicial sugerem sozinhos, e se o seu plano pago tiver custo de suporte maior por cliente instável (mais tickets, mais reembolso, mais cancelamento fora da janela de 30 dias), o cálculo pode até inverter. O ponto não é que uma resposta certa exista de antemão: é que só chega nela quem mede as duas métricas juntas.
Dimensionando a amostra com conversão free-to-paid baixa
Taxas de conversão pequenas exigem amostras desproporcionalmente maiores para o mesmo efeito relativo, exatamente a mesma matemática de qualquer teste A/B, só que produtos freemium tendem a operar justamente na faixa mais cara dessa curva: segundo o relatório de conversão da ChartMogul, com dados de centenas de produtos SaaS, uma conversão free-to-paid “boa” fica entre 3% e 5% e “ótima” entre 8% e 12%, com um quarto dos produtos convertendo abaixo de 2,5%. Ajuste a sua taxa real de conversão e o efeito que você quer detectar na calculadora abaixo antes de rodar qualquer teste de paywall:
Cálculo por aproximação normal de duas proporções, 2 variações (50/50). Mexa nos campos e veja o impacto ao vivo.
Com uma base de 3,0% e um efeito mínimo detectável de 15% relativo (a diferença que valeria a pena descobrir), a amostra necessária é de 24.193 cadastros por variação. Com 4.000 novos cadastros por semana, isso significa rodar o teste por cerca de 85 dias, quase três meses. É um prazo bem mais longo do que a maioria das equipes reserva para um teste de paywall, e é exatamente por isso que testes de monetização freemium tendem a ser abandonados cedo demais ou lidos com amostra insuficiente.
Erros comuns em teste de paywall freemium
| Erro | Por que acontece | Correção |
|---|---|---|
| Mover o paywall cedo demais | Parece um jeito rápido de aumentar receita de curto prazo | Teste com a retenção como métrica conjunta, nunca só a conversão do clique |
| Medir só a métrica de curto prazo | O painel de conversão atualiza rápido; a retenção leva semanas para aparecer | Defina a janela de retenção (ex.: 30 dias) antes do teste e só declare vencedor depois que ela fechar para os dois lados |
| Rodar com amostra de “achismo” | Conversão free-to-paid parece pequena, então o time assume que “qualquer volume serve” | Calcule a amostra pela sua taxa real na calculadora acima; taxas baixas exigem MAIS tráfego, não menos |
| Ignorar o custo de suporte de assinantes instáveis | O ganho de receita bruta parece bom isoladamente | Se possível, inclua reembolsos e tickets de suporte no cálculo de receita líquida antes de declarar vencedor |
Paywall por tipo de produto: onde o gatilho costuma funcionar melhor
O ponto certo de posicionar o gatilho varia conforme o modelo de uso do produto, porque o “aha moment” chega em momentos diferentes:
| Tipo de produto | Onde o gatilho tende a funcionar melhor | Por quê |
|---|---|---|
| Produtividade (notas, planilhas, gestão de tarefas) | Limite de itens ou projetos ativos, não de tempo de uso | O valor é sentido ao acumular conteúdo próprio; bloquear por tempo pune quem ainda não migrou seu fluxo de trabalho |
| Social / comunicação em equipe | Volume de mensagens ou de integrações, após um período generoso inicial | Retenção de equipe inteira depende do produto “pegar” no grupo antes de qualquer cobrança, um processo mais lento que o de um usuário único |
| Ecommerce / ferramentas de loja | Feature avançada (relatório, automação, canal adicional) após a primeira venda registrada | O aha moment é a primeira venda percebida através da ferramenta; cobrar antes disso interrompe a prova de valor no pior momento possível |
Trate a tabela como ponto de partida de hipótese, não como veredito: o próprio artigo defende que isso se testa, não se copia.
Escreva a hipótese antes de mexer no gatilho
Assim como qualquer outro teste A/B, um teste de paywall sem hipótese escrita convida a “descobrir” um vencedor por acaso entre várias métricas secundárias disponíveis (cliques no aviso de upgrade, tempo até o primeiro bloqueio, taxa de dispensa do paywall). Escreva antes de rodar: qual é a evidência que motivou a mudança de posição do gatilho, qual efeito você espera em cada uma das duas métricas primárias (conversão e retenção), e qual janela de retenção vai decidir o teste. Isso evita a armadilha mais sutil desse tipo de experimento: comemorar o número que subiu rápido e só descobrir o custo real dele semanas depois, quando o teste já foi encerrado e o aprendizado, perdido.
Vale também considerar o guardrail de suporte: se o time de atendimento reportar um aumento de tickets de cancelamento ou reembolso durante o teste, isso é sinal de alerta independente da significância estatística das duas métricas principais, e merece pausar o teste para investigar antes de deixá-lo rodar até o fim.
Faça isso automático na Donnu
O trabalho real de um teste de paywall não é decidir “cedo ou tarde”, é balancear conversão de curto prazo com retenção real, com significância validada nas duas métricas em vez de comemorar o primeiro número que sobe. A Donnu A/B roda a mesma matemática de duas proporções nas duas pontas do seu funil de monetização, então você enxerga se um paywall mais agressivo está de fato pagando a conta ou só adiando um cancelamento para o mês seguinte, sem precisar montar essa conta cruzada na mão.
Comece um teste grátis de 14 dias e teste o próximo gatilho de paywall medindo conversão e retenção juntas, não uma no lugar da outra. Veja também o guia completo de teste A/B de preço e o teste de ancoragem de preço, o experimento irmão de precificação.
Leia também: Teste A/B de preço: o guia completo · Teste de ancoragem de preço · Calculadora de tamanho de amostra
Referências
- ChartMogul. The SaaS Conversion Report. chartmogul.com/reports/saas-conversion-report.
- RevenueCat. Optimizing paywall placement: The key to unlocking more app subscribers. revenuecat.com/blog/growth/paywall-placement.
Perguntas frequentes
- Onde devo colocar o paywall no meu produto freemium?
- Depois que o usuário já experimentou o valor central do produto ao menos uma vez, nunca antes. Colocar o paywall antes do "aha moment" é a forma mais comum de matar a conversão de longo prazo: o usuário nem sabe o que está deixando de ganhar, então recusar pagar custa pouco para ele. O gatilho certo varia por produto (limite de uso, feature avançada, colaboração em equipe), mas o timing certo é sempre depois do valor, não antes.
- Qual métrica decide um teste A/B de paywall?
- Duas ao mesmo tempo, não uma: a conversão de free para pago E a retenção de quem converteu, numa janela fixa (30 dias, por exemplo). Um paywall mais agressivo quase sempre aumenta a conversão imediata, mas pode aumentar o cancelamento logo depois, porque converte gente que ainda não tinha certeza do valor. Medir só a conversão do clique esconde esse efeito.
- Como calcular a amostra de um teste de paywall quando a conversão free-to-paid é baixa?
- Quanto menor a taxa de conversão de base, maior a amostra necessária para detectar o mesmo efeito relativo, e produtos freemium costumam converter na casa de poucos por cento. Use a calculadora de tamanho de amostra deste artigo com a sua taxa real de conversão free-to-paid como base, não com uma taxa "de mercado" genérica, e prepare-se para rodar o teste por mais tempo do que rodaria um teste de página comum.
- Um paywall mais cedo sempre aumenta a receita?
- Não necessariamente, e é por isso que precisa ser testado, não decidido de ouvido. Mover o gatilho cedo demais aumenta cliques em "assinar" no curto prazo, mas se o usuário ainda não sentiu o valor do produto, a chance de ele cancelar no primeiro ciclo de cobrança sobe, e a receita líquida depois do churn pode ficar pior do que a de um paywall mais tardio, mesmo com uma taxa de conversão inicial maior.