Ferramentas

Fonte: Shutterstock.

Deseja ouvir este material?

Áudio disponível no material digital.

Convite ao estudo

Para compreender a dinâmica de crescimento dos negócios de maior sucesso atualmente, é necessário entender a cultura de experimentação, também chamada de cultura de testes. 
Vivemos a era dos dados. Empresas estão mergulhadas em uma infinidade de métricas que orientam, de fato, uma tomada de decisão mais acertada. Como reflexo, temos um cenário cada vez mais competitivo, com decisões baseadas em dados e uma fundamental rotina de testes frente à imprevisibilidade do comportamento do consumidor. 
Pela ótica da CRO (Conversion Rate Optimization; em português, Otimização de Conversão), você entenderá por que o teste de hipótese é um pilar do processo de otimização de conversão. Nesse processo, que continuamente visa detectar oportunidades de melhoria e aprimoramento em interfaces (sites e aplicativos) e em produtos digitais, tudo deve ser testado antes de ser implementado. 
Com o conteúdo aqui explanado, você saberá como testar suas hipóteses, como analisar e validar os resultados de suas ações de otimização e quais são as ferramentas para cada caso. Afinal, implementar melhorias que foram testadas e mostraram um resultado efetivo durante o teste levará o seu site a converter mais, gerando assim mais receita. Tendo em vista os altos custos de aquisição de tráfego em canais digitais e toda a complexidade de se levar um tráfego mais qualificado para o seu site, por que não aumentar suas conversões, potencializar seus investimentos em mídia e aumentar o ROI (Return on Investment; em português, Retorno sobre o Investimento) de suas ações de marketing digital por meio de um processo de experimentação constante? É testar para otimizar! 

Praticar para aprender

A otimização da taxa de conversão (CRO) é definida pela VWO ([s. d.]) como o processo de otimizar a experiência de um site, página ou aplicativo com base no comportamento do visitante, com o objetivo de aumentar a taxa de visitantes que realizam ações desejadas (conversões), como uma compra, o preenchimento de um formulário, a adição de um produto ao carrinho, etc. 
Embora não seja algo tão novo, a CRO apresentou um crescimento mais expressivo nos últimos anos. Tal crescimento está relacionado com a transformação digital de negócios dos mais diversos setores e a alavancada do comércio online. Observe, a seguir, o crescimento do interesse por Conversion Rate Optimization (CRO) nos últimos anos.

Em um cenário cada vez mais digital, o tráfego online é altamente inconsistente. A VWO ([s. d.]) reforça que se uma empresa não consegue fazer com que os visitantes entrem em seu funil de conversão na primeira tentativa, as chances desses visitantes voltarem e realizarem uma ação desejada são muito baixas, ou seja, uma oportunidade perdida para o negócio. Sendo assim, as empresas entenderam que a melhor maneira de aumentar suas chances e obter mais conversões é executando processos eficazes de otimização da taxa de conversão. Por isso, a CRO se tornou um processo tão popular, e o profissional que domina CRO passou a ser tão requisitado, principalmente em empresas que vendem qualquer produto ou serviço de forma online. 
Ainda segundo a VWO ([s. d.]), um bom processo de otimização da conversão não significa apenas economia de muito tempo, dinheiro e esforços para as empresas, mas também exploração de novas estratégias de crescimento. Em outras palavras, a otimização da conversão ajuda empresas a entenderem melhor como usuários navegam e interagem por seus canais digitais, ao mesmo tempo que fornece insights (entendimentos ou descobertas) sobre o comportamento dos consumidores e dicas sobre como tornar a experiência do usuário melhor para atender às suas metas. 
Chris Goward (2017) afirma que, em um nível estratégico, a otimização da taxa de conversão ou CRO é um processo contínuo de aprendizado, e tem como base disciplinas como Copywriting (a escrita persuasiva e voltada para vendas), UX (experiência do usuário) e Web Analytics (medição, coleta e análise de dados da web), bem como a execução de experimentos para testar melhorias e novos recursos antes da implementação. 
Mas como as empresas podem implementar processos de CRO? Como elas podem introduzir uma cultura de experimentos e testar melhorias de forma constante? O profissional que atua com marketing digital atualmente está preparado para conduzir processos de CRO? Por quê? Quais ferramentas e recursos um profissional que atua com CRO deve dominar? 

Para contextualizar sua aprendizagem, chegou a hora de aplicar os principais conceitos 
trabalhados até aqui. Imagine a seguinte situação: seu amigo tem um pequeno e-commerce de cervejas especiais e o contratou para ajudá-lo. Ele tem investido um bom valor mensal em anúncios e com isso tem conseguido levar muitos visitantes para o site, porém as conversões estão baixas. Ou seja, o e-commerce dele tem um bom tráfego, mas as vendas não vão bem. Ele não sabe o que está prejudicando as vendas e pediu para que você analisasse o site, investigasse o que pode estar acontecendo e o ajudasse a otimizar o site para que gere mais conversões. 
Você começa o seu processo de diagnóstico, e após avaliar o Google Analytics e navegar bastante pelo site, levanta os seguintes insights: 
1. A maioria dos visitantes entra no site pela home, mas muitos abandonam a navegação antes mesmo de seguir para outra página do site ou de ver a página de alguma cerveja. A taxa de abandono da home é alta e o tempo médio de navegação da home é baixo. 
2. As cervejas mais vendidas no site são as que estão com desconto. Porém, ao realizar sua avaliação, você percebeu que os produtos com desconto não estão destacados, especialmente na home, onde produtos em promoção não são bem comunicados. 
3. O site dispõe de uma infinidade de rótulos de cerveja, que foram separados por tipos no menu (Pilsen, Lager, Stout, Bock, Altbier, English Pale Ale, India Pale Ale, etc.). Você notou que, da forma como foi estruturado, o menu do site ficou muito extenso, o que deixa a navegação demorada e complicada. Avaliando os dados, você confirma que os visitantes que interagiram com o menu do site não converteram muito bem. 
4. Por outro lado, avaliando mais os números, você descobre que os visitantes que usaram a busca interna do site converteram bem mais, porém o percentual de visitantes que usam a busca é baixo. 
5. Entre os pedidos realizados no site, você vê que a maioria inclui três ou mais itens. Além disso, você nota que pedidos com uma quantidade maior de itens atingiram um valor mínimo que garante frete grátis. 
Agora, com base nesses insights, pense em possíveis hipóteses de melhoria que você gostaria de testar, visando aumentar a taxa de conversão de pedidos realizados no e-commerce do seu amigo. 
Aproveite para aplicar em seu cotidiano a busca constante por melhorias de um processo de otimização (CRO), conforme apresentado no conteúdo. Assim você desenvolverá um olhar mais crítico, analisando sempre o que pode ser testado e aprimorado, por exemplo, no seu site (ou da empresa onde você trabalha) ou nos mais diversos tipos de canais digitais. Bons estudos! 

conceito-chave

No mundo digital, o número de visitantes de um site pode ser igual ao número de oportunidades para expandir negócios adquirindo novos clientes ou para construir relacionamento com clientes atuais. Nesse contexto, é fundamental que se converta cada vez mais visitantes, o que torna a otimização da taxa de conversão (CRO) um processo indispensável para qualquer empresa que tenha um site ou algum canal digital, sendo válido para empresas de todos os portes ou segmentos. 
Supersonic (2016) afirma que o processo de CRO é guiado por insights qualitativos e quantitativos do site e dos visitantes, e os utiliza para entender os clientes em potencial e otimizar o funil de conversão com base nesses dados. Seu foco será otimizar as principais métricas de conversão, que são diferentes em cada tipo de site: para um e-commerce, por exemplo, pode ser a venda dos produtos, enquanto para um site B2B, pode ser a geração de leads (potenciais clientes) qualificados. 
Ao longo do processo, os insights serão insumos para as hipóteses de melhoria do site, ou seja, as hipóteses sugerem o que pode ser alterado em um site para que ele converta mais, mas elas serão sempre baseadas em um diagnóstico do cenário do site, com dados e análises. 
Hipóteses com potencial para aumentar a conversão geralmente seguem algumas premissas: 
•  São baseadas em dados comportamentais e de navegação do site.
•  Consideram dados gerais sobre o negócio e sobre o perfil do visitante.
•  Propõem tratativas para os principais problemas da jornada de conversão. 
•  Atuam diretamente nos pontos de dor do visitante.
•  Visam reduzir a taxa de abandono.
•  Consideram o risco da mudança para os principais indicadores.
•  Devem entender as necessidades do visitante em toda a jornada, visando identificar novas oportunidades de otimização. 
No entanto, embora as hipóteses sejam baseadas em insights e dados sólidos, toda e qualquer mudança relacionada a um site deve ser fundamentada em testes, para avaliar a efetividade e o impacto real nas métricas principais. O comportamento dos visitantes é imprevisível e pode variar pelos mais diversos motivos, especialmente no meio online, por isso a necessidade de se testar qualquer mudança. 

Insights à prova: testando hipóteses no contexto real

Uma vez que as hipóteses são definidas, recorremos aos experimentos para validá-las no contexto real, com visitantes que usualmente acessam o site. Os testes reduzem os riscos envolvidos nas mudanças de um site, evitam impacto negativo nas métricas por implementações que não foram validadas, fornecem dados precisos para a tomada de decisão, garantem aprendizados sobre o site e a experiência do visitante, são validados estatisticamente e ainda ajudam a detectar possíveis problemas técnicos. Mesmo em pequena escala, por mais óbvia que uma mudança possa parecer, o comportamento dos visitantes pode ser bem diferente do esperado. E, se pode afetar o negócio, é melhor conduzir testes em vez de confiar na intuição. 
No processo de CRO, é sabido que a conversão é um mecanismo complexo, que depende de uma série de fatores, incluindo a qualidade do tráfego gerado, a experiência do usuário, a qualidade da oferta, a reputação do site, bem como o que a concorrência está fazendo. E é justamente por ter a conversão como um norte para o processo de otimização que os testes são indispensáveis em CRO, pois só testando saberemos a real dimensão do impacto que a alteração de um aspecto do site causará na taxa de conversão. 

Você já participou de experimentos!

Ao fazer uma busca no Google, navegar por uma rede social, usar algum aplicativo ou fazer compra em um e-commerce você participou de testes, mesmo sem perceber. E não é de hoje que experimentos são realizados com o público. Em seu livro Scientific Advertising, de 1923, Claude Hopkins já descrevia experimentos feitos naquela época, realizando testes em anúncios e mala direta. Atualmente, esse é um recurso amplamente utilizado em departamentos de marketing, comunicação e produto. Empresas como Google, Facebook, Netflix e Booking popularizaram o uso de testes como forma recorrente de otimizar e aprimorar seus produtos. Alguns experimentos chegam até a ficar bem conhecidos, como o mencionado por Holson (2009), no qual o Google testou 41 tons diferentes de azul em seus resultados de busca, para determinar qual cor recebeu mais cliques.

Por que empresas devem testar?

A forma como os negócios são administrados hoje em dia requer a adoção de uma abordagem baseada em dados. O cenário digital é repleto de imprevisibilidades, e a execução de testes guiará as empresas em decisões mais seguras acerca de seu site e demais canais com o cliente. 
Segundo Stefan Thomke, em publicação da Harvard Business Review (2020), o Booking.com chega a realizar mais de 25.000 testes por ano, sendo mais de 1.000 simultaneamente, buscando sempre aprimorar seu site, seu aplicativo e suas campanhas. São números expressivos, mas não se compararmos com outras grandes empresas de tecnologia. Entretanto, é importante ressaltar que ter um processo de testes não deve ser algo praticado apenas pelas grandes empresas. Mesmo um pequeno negócio pode implementar uma cultura de experimentação e buscar otimizar seu site, suas ofertas, seus anúncios, seu conteúdo em redes sociais, seu e-mail marketing, entre outros pontos de contato com o seu público. 
Contudo, obter resultados de uma cultura de experimentação requer um compromisso a longo prazo. Com o tempo, os testes resultarão em mudanças pequenas e não tão pequenas que, coletivamente, geram enormes benefícios. 
Caples (1998) reforça a importância de se conduzir testes com frequência para quantificar os sucessos e insucessos, apontar oportunidades de melhoria e gerar insights valiosos que irão definir o rumo do processo de otimização de um site. Porém, ter uma rotina de testes vai além de usar técnicas e ferramentas. É preciso enraizar a cultura de testes e pensar de forma cíclica. Manter um processo contínuo de otimização levará ao aprimoramento constante, a melhores resultados de conversão e à necessidade de inovar. Se uma empresa se propõe a sempre otimizar seu próprio site, por exemplo, se desafia a ser mais criativa e a constantemente encontrar novas formas de converter mais visitantes. 

O teste A/B

Blanks e Jesson (2017, p. 44) descrevem o teste A/B, comumente chamado no inglês de split test, como a técnica de testar simultaneamente duas versões de uma mesma página ou de um mesmo site. A versão A, também chamada de Controle, é a versão original que está no site. A versão B, também chamada de Variante, é a versão que contemplará as mudanças que serão testadas. 
Durante a execução do teste, os visitantes que chegarem ao site (ou determinada página) verão a versão A ou a versão B. Esse processo é aleatório e coordenado pela ferramenta de teste, e o visitante não tem conhecimento de que está participando de um experimento. Durante todo o teste, observaremos uma distribuição aleatória das visitas de 50% para cada versão, ou seja, metade do tráfego vai para a versão A e a outra metade para a B. Depois de um determinado período, o teste é finalizado e o resultado de ambas as versões será comparado. 
Para exemplificar, vamos ao seguinte cenário hipotético: 
Você quer testar uma nova imagem de um produto em uma página do seu site, e resolve realizar um teste A/B. Durante o seu teste você recebeu 20 visitantes, que foram divididos aleatoriamente em dois grupos de dez. Um grupo visualizou a versão A da página. O outro grupo visualizou a versão B, com a nova foto que você está testando (conforme ilustrado a seguir). 

Dos dez visitantes que viram a página A, dois converteram, resultando em uma taxa de conversão de 20%. Dos dez visitantes que viram a página B, quatro converteram, resultando em uma taxa de conversão de 40%. Ou seja, a página com a foto nova do produto converteu mais. 
Uma das melhores atribuições do teste A/B é que ele pode ser muito rápido para validar alterações mais simples, inclusive sendo menos complicado para configurar e alcançar resultados significativos. 
Por outro lado, os testes A/B também podem ser usados para testar mudanças muito drásticas, como redesenhar toda uma página inicial, aplicando o teste apenas para uma parte dos visitantes. Kohavi (2017) descreve como empresas líderes no setor de tecnologia usam essa estratégia constantemente para testar grandes mudanças na interface, exibindo a nova versão apenas para um pequeno segmento de visitantes e medindo como esse grupo reage. É um recurso que pode ser utilizado caso o seu site tenha muito tráfego ou em situações de testes em páginas que requerem mais cuidado com as alterações, como o checkout de um e-commerce, por exemplo. 
Todavia, testando alterações mais discretas ou um layout completamente diferente, o resultado do teste A/B será o melhor guia para as decisões de reformulação do site, apontando quais elementos são importantes e o que melhor funciona para o seu visitante. 

Teste multivariável

Segundo o Google Optimize Resource Hub ([s. d.]), o teste multivariável, também chamado de multivariado ou MVT, testa variantes de dois ou mais elementos de uma página simultaneamente, para ver qual combinação cria o melhor resultado. Em vez de apontar qual variante de página é mais eficaz (como no teste A/B), o MVT identifica a variante mais eficaz de cada elemento e aponta qual foi a melhor combinação. 
Para exemplificar, vamos ao seguinte cenário hipotético: 
Você quer identificar a melhor combinação de headline (título) e imagem em uma página do seu site. Para esse teste você selecionou duas headlines e três imagens. Ao todo, você terá seis combinações (duas headlines x três imagens), conforme ilustrado a seguir: 

O objetivo do teste multivariável é refinar páginas que já funcionam bem, procurando por efeitos de composição entre os elementos. Mas, embora possibilite testes mais abrangentes, requer muito mais tráfego do que um teste A/B, para obter significância estatística.

Por que o teste A/B é a melhor opção na maioria dos casos?

O teste A/B é mais comumente utilizado por profissionais de CRO, pois o consideram mais produtivo como método de teste. Além disso, ele permite melhor aprofundamento nas análises, já que testes multivariáveis impossibilitam gerar dados e análises complementares em ferramentas como o Hotjar. 
Chris Goward (2017, p. 321), no seu livro Você deve testar!, comenta que na Wider Funnel (sua agência de CRO) são realizados em média de oito a dez testes A/B para cada um teste multivariável. Tal proporção, segundo ele, se justifica pelo fato de que testes A/B possibilitam respostas mais rápidas no que tange ao aumento das conversões, foco da maioria dos clientes da agência. 

Mais algumas considerações sobre teste A/B

•  Avaliar tráfego do ambiente que será testado (página ou site): quanto maior o tráfego, maior a amostragem do teste e a possibilidade de que o resultado obtenha significância estatística. No entanto, isso depende de outras variáveis, como a performance da Variante na principal métrica avaliada. 
•  Qual métrica validará o teste: vamos considerar, por exemplo, que o objetivo do teste seja aumentar a taxa de cliques de um CTA (call to action). O aumento necessário para que o resultado do teste obtenha significância estatística dependerá do percentual dessa métrica. Por exemplo, se a taxa atual for de 1% ou de 10%, isso vai influenciar no esforço necessário para a Variante vencer o teste. 
•  Avaliar calendário de ações do site: considerar quais são as ações previstas para o site no período imaginado para o teste. Quando o teste estiver ativo, é importante evitar ações e/ou alterações no site que possam interferir no ambiente testado e, consequentemente, no resultado do teste. 
•  Embora o nome popular seja teste A/B, o que remete a apenas duas versões, é possível sim testar mais de uma versão além da original nesse tipo de split test. Se, por exemplo, você quer testar duas hipóteses diferentes (X e Y) para uma mesma página, pode fazer um teste A/B/C, ou seja, a versão original (A), a versão com as melhorias da hipótese X (B) e a versão com as melhorias da hipótese Y (C). Nesse caso, o tráfego da página seria dividido em três, sendo um terço para cada variante. Vale ressaltar que um teste A/B/C demandaria muito mais tráfego que um teste A/B para a validação estatística. 

A significância estatística dos testes

O teste é uma forma estatística de comparar duas ou mais versões de uma página ou site, possibilitando determinar não apenas qual versão demonstrou melhor desempenho, mas também entender se a diferença entre as versões testadas é estatisticamente significativa. 
No processo de CRO, Blanks e Jesson (2017, p. 52) reforçam que um teste A/B permite comparar versões e saber, com base estatística, qual delas apresenta melhores resultados. Assim, saberemos com segurança se as melhorias e otimizações testadas na Variante (B) tiveram um impacto positivo e relevante, para assim tomarmos as decisões acerca da implementação. Ou seja, quando o resultado de um teste A/B alcança significância estatística, podemos considerar que a diferença entre as variantes testadas foi significativa o suficiente para garantir estatisticamente que a variante vencedora do teste é, de fato, superior, e que o resultado não foi aleatório (nesse caso, a versão B seria implementada). Para facilitar o entendimento, o termo “significância estatística” pode ser interpretado aqui como “provavelmente verdadeiro”. 
A significância estatística está relacionada ao nível de significância e, consequentemente, ao nível de confiança. Goward (2017, p. 301) reforça que, no mercado de CRO, o intervalo de confiança mais utilizado é o de 95% (inclusive adotado pela maioria das ferramentas de teste), mas também é comum encontrar profissionais de CRO que adotam o intervalo de confiança de 90% para validar seus testes, o que vai depender do tipo de projeto e do segmento do cliente. Goward inclusive menciona que alguns clientes de sua agência adotam o intervalo de confiança de 80% para alguns tipos de teste. 
É importante ressaltar que as ferramentas de teste já fazem esse cálculo automaticamente, inclusive informando o status do teste em relação à significância. 
Vale ainda destacar que, para muitos testes realizados, haverá uma grande dificuldade em se obter significância estatística no resultado (considerando o intervalo de confiança de 95%). Isso pode ocorrer por questões como: pouco tráfego (em alguns casos, a própria ferramenta de testes vai indicar que o teste continue rodando por mais dias), o desempenho da versão testada (B) está muito próximo ou inferior ao desempenho da versão original (nesses casos, a performance da versão B não foi tão bem como o esperado e o teste pode ser inclusivo em termos estatísticos), o teste não rodou por um período mínimo recomendado (geralmente, as ferramentas de teste recomendam o mínimo de 21 dias, mas isso vai depender de fatores como métrica principal avaliada, tráfego, tipo do teste, etc.) ou por algum detalhe/problema técnico em alguma das variantes. 
Por último, mesmo que o tráfego do site possibilite a obtenção rápida de uma amostra de tamanho suficiente, é recomendável deixar o teste ativo por vários dias para levar em consideração as diferenças de comportamento observadas por dia da semana, por hora do dia ou por dia do mês (no caso de influência de alguma sazonalidade, como o dia do pagamento, por exemplo). Em alguns casos, quando a conversão se referir a produtos para os quais o ciclo de compra requer mais tempo (produtos/serviços complexos ou B2B), o período de teste também deve ser mais longo. 

E antes de qualquer teste...

É de vital importância que, antes de se iniciar qualquer teste, o site e/ou página estejam funcionando corretamente, principalmente quanto aos aspectos técnicos, como: carregamento adequado dos elementos da página e/ou site (sem links quebrados e sem erro em objetos ou funções), carregamento adequado do layout em todos os dispositivos (desktop, mobile e tablet), carregamento adequado do layout nos principais sistemas operacionais (Windows, Android, iOS) e velocidade de carregamento (a página e/ou site não podem demorar muito tempo para carregar, principalmente no mobile).

Google Optimize como ferramenta para executar testes

O Google Optimize se destaca em alguns pontos como a melhor escolha para a realização de testes: é gratuito, funciona em conjunto com o Google Analytics (a ferramenta de web analytics já adotada pela grande maioria dos sites) e é de fácil configuração. 
Como ferramenta de otimização, permite testar variantes de páginas e sites e verificar o desempenho delas em comparação com o objetivo especificado. O Google Optimize monitora o desempenho do seu experimento e informa qual variante é a melhor. Observe a captura de tela a seguir, que mostra o resultado de um teste de Clique no CTA, no qual a Variante foi a vencedora com uma taxa de conversão de 2,12%, em comparação com a versão original, que obteve uma taxa de 1,13%.

Criando experimentos no Google Optimize

O processo para configurar testes na ferramenta é bem intuitivo. É claro que, dependendo da complexidade do teste, podem ser requeridos conhecimentos específicos. Porém, testes mais simples (como a troca da cor de um botão, por exemplo) podem facilmente ser configurados diretamente na ferramenta, sem a necessidade de conhecimento em linguagem de programação. 
Antes de iniciar a configuração dos testes, não se esqueça de fazer a integração do Google Optimize com o Google Analytics. Isso vai permitir o uso de metas já criadas no Google Analytics como métricas de controle nos testes do Google Optimize. 

Google Tag Manager (GTM) e seu uso em CRO

O GTM também é gratuito, integra as demais ferramentas do Google e permite gerenciar as tags de um site sem editar o código. Ou seja, é possível configurar o rastreamento de um site ou plugins diversos sem depender de um desenvolvedor, o que vai auxiliar muito em um processo de otimização. Com o GTM, é possível adicionar e atualizar tags para acompanhamento de conversões, site analytics, remarketing e muito mais, propiciando a implementação de tags do próprio Google e de terceiros, como o Hotjar.

Implementando eventos importantes para o processo de otimização

Existe uma série de eventos que podem ser mensurados via Google Analytics, mas que requerem implementação. Tais eventos são importantes para rastrear todas as interações que são relevantes em um site. 
O GTM permite a implementação desses eventos de forma facilitada, assim eles poderão ser acompanhados via Google Analytics em diferentes etapas do processo de otimização, como no diagnóstico, durante o acompanhamento de um teste ou na análise do resultado de um teste já encerrado. A seguir, listamos alguns dos eventos mais relevantes para rastreamento de um site e muito usados em processos de CRO: 

Google Analytics e seu uso em CRO

Google Analytics é a ferramenta de web analytics mais utilizada no mundo, e em processos de CRO não poderia ser diferente. Os relatórios padrão (default da ferramenta) trazem uma infinidade de métricas e já permitem diversos tipos de análises. Na FIgura 3.6, à esquerda, temos o menu de acesso aos relatórios.

No entanto, em meio a tantos relatórios, é importante que sejamos assertivos na escolha dos dados a serem analisados. Uma analogia válida aqui é a de um painel de avião, que, apesar das dezenas de indicadores disponíveis para um piloto, apenas alguns são de importância fundamental, com os demais sendo observados somente em casos bastante específicos. 
Assim, a lista a seguir traz uma seleção dos relatórios mais utilizados em análises e extração de insights durante a etapa de diagnóstico em um processo de CRO. 

Avaliando o cenário do teste

Comece suas análises de forma a criar uma visão macro dos dados, entendendo o contexto geral, como o número de visitas, a sazonalidade do negócio, quais são as principais fontes de tráfego, quais canais mais convertem, etc. Depois, siga para um aprofundamento com métricas mais específicas e o cruzamento com dados de outras ferramentas.

Isolando dados e o tráfego de um teste no Google Analytics

Para analisar em detalhes o resultado de um teste você vai precisar recorrer ao Google Analytics. 
Você poderá valer-se dos mesmos relatórios listados anteriormente, e que geralmente municiam as análises usadas para construir as hipóteses de teste. No entanto, é preciso fazer um recorte, separando os dados específicos daquele teste dos demais dados do site. 
Para isolar os dados do teste, crie um Segmento avançado no Google Analytics, inserindo o ID do experimento que quer analisar (informação que você consulta no Google Optimize ou na seção Experimentos do próprio Google Analytics), além da versão da variante do teste. Para melhor comparação em suas análises, crie dois segmentos avançados, um para cada variante do teste. 

Segmentação de dados na análise do resultado do teste

Avinash Kaushik, em seu livro Web Analytics 2.0, ressalta a importância de usar a segmentação na hora de analisar dados, pois, se avaliarmos somente o conjunto todo de um site, estaremos considerando uma visão generalizada de seus visitantes, quando, na realidade, temos visitantes com necessidades e comportamentos diferentes. Por exemplo, os visitantes que vêm da busca no Google têm um perfil diferente dos visitantes que chegam através de anúncios, e podem inclusive estar em estágios diferentes da jornada de conversão. Portanto, devemos segmentar os dados a serem analisados para obter um aprofundamento mais preciso nos resultados de um teste. É preciso, inclusive, considerar, caso uma variante do teste tenha mostrado um ótimo desempenho para um segmento específico, uma abordagem personalizada para os visitantes desse segmento. 
Na lista a seguir, temos algumas segmentações comuns em análises de resultados de teste. Você pode consultar a lista de relatórios exibida anteriormente, mas não se esqueça de criar e aplicar o Segmento avançado do experimento em questão: 

Agora você já entende a importância de criar hipóteses bem fundamentadas e de executar testes para tomar decisões baseadas em dados, bem como quais caminhos seguir para análise dos resultados de um experimento e quais ferramentas adotar no seu processo de otimização. 
Existe uma frase muito usada entre profissionais de CRO, que é a seguinte: a experimentação leva à perfeição. Nesse caso, perfeição deve ser entendida com o resultado da busca por melhorias constantes, algo que se quer sempre aprimorar, e que vale aqui para dois aspectos: a interface que você quer otimizar e o seu próprio processo de otimização, que não deixa de ser empírico. Com o tempo, você passará a refinar seu processo, aplicar melhor seus aprendizados e ser mais assertivo em aumentar as taxas de conversão. Então, comece logo os seus experimentos!