O CRO não é apenas teste A/B (e o botão vermelho não salva ninguém)
The short version: conversion rate optimization is not A/B testing. Testing is the last, smallest step in a research-led process, and most published tests never reach statistical significance. The real levers are value proposition clarity, trust, and the offer itself. A red button will not fix a page that gives visitors no clear reason to say yes.
Ask most marketers what conversion rate optimization means, and the answer arrives fast: run a test, pick a winner, repeat. It is a tidy story, and mostly wrong. Two myths travel together here. The first is that CRO equals testing. The second is that the tests worth running are cosmetic: a button color, a headline tweak, a CTA word swap. Neither survives the data.
What is conversion rate optimization, if it is not A/B testing?
CRO is the discipline of finding and removing the real reasons a visitor does not take the action a page wants, then confirming the fix with evidence. Testing sits at the end of that chain, as verification. Most of the work happens earlier: reading analytics funnels for where people leave, watching session recordings for where they hesitate, and building a specific, falsifiable hypothesis before any test goes live. Skip that work and a test is not an experiment. It is a guess with a sample size.
How many A/B tests actually produce a winner?
Fewer than most teams assume, and the gap between the myth and the number is exactly why testing alone cannot carry a CRO program.
| Source | Tests examined | Statistically significant win rate |
|---|---|---|
| Optimizely | 127,000+ experiments | 12 percent on the primary metric (Optimizely) |
| ConversionTeam | 2,288 audited tests | 19.1 percent per test (ConversionTeam, to re-verify) |
Independent studies land anywhere from roughly 10 to 22 percent, depending on how strictly "win" is defined, but they agree on the shape: most tests are flat, not victories. That is not an argument against testing. It is an argument against spending scarce testing capacity on low-confidence ideas instead of the hypotheses research already points to.
What actually moves the number, if not the test itself?
Three things, in this order.
- Value proposition clarity. Whether a visitor understands, in seconds, what the offer is, who it is for, and why it beats the alternative.
- Trust. Whether the visitor believes the page and the business behind it before being asked to commit anything.
- The offer. The actual terms on the table: price, risk, packaging, and what is being asked of the visitor relative to what they have earned.
None of these are cosmetic, and none are fixed by swapping a hex code. NextAfter's published experiment log includes a donation-page test where a sharper value proposition lifted conversion by roughly 41 percent, on a sample honest enough to report the result narrowly missed the standard 95 percent confidence bar (NextAfter, to re-verify): exactly the discipline real optimization work requires. On trust, Baymard Institute found that 19 percent of shoppers had abandoned a checkout specifically over payment trust (Baymard Institute). Neither lever shows up in a "before" and "after" button screenshot.
Why did the red button become gospel?
Because one case study was easy to repeat and nobody checked the context. In 2011, HubSpot ran a red button against a green one on a sample of a little over 2,000 visits, and red won by 21 percent (HubSpot, to re-verify, original small-sample test). Green was HubSpot's own dominant brand color, used everywhere on that page, so visitors had gone blind to it. Red was the only warm color on the screen. The lever was contrast against a color-saturated page, not the hue itself, a point conversion researchers including CXL have made consistently since (CXL, to re-verify). A result that specific, from a page that specific, was never a universal law. It just travelled well.
Where does testing actually belong in the process?
Last, and only once research has produced a hypothesis worth the traffic it will cost to test. One CRO agency puts a number on the split: practitioners worth hiring spend roughly 70 percent of their time analyzing data and 30 percent testing, a single-source estimate rather than a survey finding, but directionally consistent with everything above (Strategyc, to re-verify). It also explains why testing gets the credit: a test produces a clean number, research produces judgment, and judgment is harder to put in a slide. A widely repeated, Econsultancy-sourced figure names a longer-standing version of the same imbalance: for every 92 dollars spent acquiring a visitor, only 1 goes toward converting them. Its original report is hard to trace at this remove, so treat it as industry lore, not a fresh study (to re-verify). True or approximate, the direction holds: acquisition gets the budget, and conversion gets what testing can squeeze from the rest.
Value proposition, trust, and offer are where that budget should go first. Testing confirms the fix. It does not find it.
Perguntas frequentes
Não. O teste é apenas uma etapa de verificação dentro do CRO, que começa com a investigação das razões pelas quais os visitantes não convertem. A maior parte dos ganhos acontece antes de qualquer teste entrar no ar.
Cerca de 12 a 19 por cento, segundo duas análises em larga escala que abrangeram mais de 127.000 e 2.288 testes auditados, respetivamente. Estudos independentes situam-se numa faixa entre 10 e 22 por cento. A maioria dos testes é neutra ou inconclusiva, não vencedora.
Apenas através do contraste, não da própria cor. O famoso teste vermelho contra verde por detrás deste mito usou uma página onde o verde já era a cor dominante da marca, pelo que o vermelho simplesmente se destacou. Vale a pena testar o contraste. A cor pela cor não.
Produziu um número limpo e impressionante a partir de uma única página, e esse número viajou mais longe do que o seu contexto. O ganho veio do contraste numa página saturada de cor, uma nuance que se perdeu sempre que o resultado foi repetido como regra universal.
Uma hipótese específica e refutável, construída a partir de evidências: dados analíticos que mostrem onde os visitantes desistem, gravações de sessões que mostrem onde hesitam, e investigação sobre o que os confunde. Um teste sem isso é um palpite disfarçado de amostra estatística.
A clareza da proposta de valor, a confiança e a própria oferta: se o visitante compreende a oferta e por que razão ela supera a alternativa, se acredita no site, e se os termos correspondem ao que já conquistou.
Não existe uma proporção universal, mas os profissionais que levam isto a sério inclinam a balança fortemente para a investigação e o diagnóstico, ficando o teste como o passo final que confirma uma hipótese, e não o que a gera.
Um número que circula há muito tempo aponta para uma proporção de 92 para 1. A sua fonte original é difícil de rastrear, pelo que deve ser encarado como folclore do setor, não como um estudo recente. A tendência que indica, a aquisição a receber o orçamento e a conversão a ficar com o que sobra, corresponde à experiência de quem trabalha no terreno.
É a resposta às perguntas o que é isto, para quem é, e por que razão supera a alternativa, entendida em poucos segundos. Uma experiência publicada registou um ganho de cerca de 41 por cento ao tornar essa proposta mais nítida, uma escala que nenhuma cor de botão alguma vez igualou.
O suficiente para construir uma hipótese a partir de evidências, não de uma intuição, com uma razão clara para esperar que a alteração vá mover a métrica.
Não. Um redesign altera muitas variáveis ao mesmo tempo, pelo que, quando o número se move, ninguém consegue dizer qual alteração foi responsável.
Tratar o teste como a estratégia, e não como o último passo de uma. Corrija primeiro a clareza, a confiança e a oferta, e só depois teste a alteração com melhores probabilidades.