Distribuição de tráfego: documentação do CheckoutOS

A alocação de tráfego determina como os visitantes são distribuídos entre as variantes do experimento. A estratégia certa equilibra poder estatístico e risco para o negócio.

Princípios da alocação

Quando um visitante entra no checkout, o CheckoutOS o atribui aleatoriamente a uma variante conforme suas configurações de tráfego. Após a atribuição, ele permanece nessa variante durante toda a sessão e nas próximas visitas.

Exemplo de alocação de tráfego

{
  "traffic_allocation": {
    "method": "random",
    "variants": [
      { "name": "Control", "weight": 50 },
      { "name": "Variant A", "weight": 50 }
    ],
    "sticky_assignment": true,
    "assignment_key": "visitor_id"
  }
}

Estratégias de alocação

Divisão igual (50/50)

A abordagem padrão para a maioria dos experimentos:

Significância mais rápida — Amostras de mesmo tamanho otimizam o poder estatístico
Análise simples — Não é preciso ponderar os cálculos
Ideal para — A maioria dos testes A/B padrão

Divisão conservadora (90/10)

Minimize o risco ao testar mudanças que podem afetar significativamente a experiência:

Menor risco — Apenas 10% veem a nova experiência
Resultados mais lentos — Leva mais tempo para atingir significância
Ideal para — Grandes mudanças, novos recursos e experimentos arriscados

Alocação conservadora

{
  "traffic_allocation": {
    "variants": [
      { "name": "Control", "weight": 90 },
      { "name": "New Checkout Flow", "weight": 10 }
    ]
  }
}

Disponibilização progressiva

Aumente gradualmente a exposição à variante:

Alocação progressiva

{
  "traffic_allocation": {
    "method": "ramped",
    "stages": [
      { "day": 1, "control": 95, "variant": 5 },
      { "day": 3, "control": 80, "variant": 20 },
      { "day": 7, "control": 50, "variant": 50 }
    ],
    "auto_progress": true,
    "hold_on_degradation": true
  }
}

Quando usar a disponibilização progressiva

Use a disponibilização progressiva quando quiser os benefícios dos testes, mas precisar minimizar o risco. Se a variante tiver desempenho ruim, o impacto ficará limitado a uma pequena porcentagem.

Bandit de múltiplos braços

Direcione automaticamente o tráfego para as variantes de melhor desempenho:

Alocação bandit

{
  "traffic_allocation": {
    "method": "bandit",
    "algorithm": "thompson_sampling",
    "exploration_rate": 0.1,
    "optimize_for": "revenue_per_visitor",
    "minimum_traffic_per_variant": 0.05
  }
}

Vantagens e desvantagens do bandit

Vantagem: maximiza a receita durante o teste
Vantagem: adapta-se automaticamente ao desempenho
Desvantagem: é mais difícil calcular a significância
Desvantagem: pode convergir cedo demais

Segmentação do público

Execute experimentos em segmentos específicos de clientes:

Experimento segmentado

{
  "audience": {
    "include": [
      { "type": "customer_tag", "value": "vip" },
      { "type": "order_count", "operator": "gte", "value": 2 }
    ],
    "exclude": [
      { "type": "customer_tag", "value": "wholesale" }
    ],
    "percentage_of_audience": 100
  }
}

Opções de segmentação

Tags e segmentos de clientes
Visitantes novos ou recorrentes
Histórico de pedidos (primeira compra ou recompra)
Limites de valor do carrinho
Localização geográfica
Tipo de dispositivo (móvel ou computador)
Origem do tráfego (orgânico, pago ou indicação)

Regras de exclusão

Impeça que determinados visitantes participem dos experimentos:

Configuração de exclusões

{
  "exclusions": {
    "other_experiments": ["experiment-123", "experiment-456"],
    "customer_segments": ["employees", "testers"],
    "conditions": [
      { "type": "cart_value", "operator": "lt", "value": 20 }
    ]
  }
}

Exclusão mútua

Ao executar vários experimentos, garanta que eles não entrem em conflito. Um cliente em um teste de preço de venda adicional não deve participar também de um teste de posicionamento dessa oferta, pois isso confundiria os resultados.

Calculadora de tamanho da amostra

O CheckoutOS inclui uma calculadora de tamanho da amostra. Informe:

Taxa de conversão de referência — Seu desempenho atual
Efeito mínimo detectável — A menor melhoria que vale a pena detectar
Significância estatística — Geralmente 95%
Poder estatístico — Geralmente 80%

A calculadora informa quantos visitantes são necessários e aproximadamente quanto tempo o teste levará, com base no seu volume de tráfego.

Boas práticas

Dicas de alocação de tráfego

Comece com 50/50 — A menos que tenha um motivo para não fazer isso
Mantenha a atribuição fixa — Os visitantes devem ter uma experiência consistente
Não altere a alocação durante o teste — Isso invalida os resultados
Exclua outros experimentos — Evite efeitos de interação
Considere os ciclos do negócio — Execute os testes por semanas completas

Tópicos relacionados

Crie experimentos

Como configurar seus testes A/B

Saiba mais

Análise de resultados

Interprete os dados do experimento

Saiba mais