# Teste A/B no WhatsApp: comparar sem se enganar

> Como montar um teste A/B no WhatsApp que compara de verdade: o que variar, como dividir o público, quantos contatos por grupo e o que fazer com empate.

Publicado em 2026-11-11 por Equipe Franco. Fonte: https://papofranco.online/blog/teste-a-b-no-whatsapp-comparar-sem-se-enganar

Teste A/B no WhatsApp é mandar duas versões de uma mensagem para dois grupos parecidos da mesma base, escolher uma métrica antes do envio e comparar o que aconteceu. Se a diferença for maior do que a variação normal da sua operação, a versão vencedora passa a valer para todos. Se for pequena, a resposta honesta é empate — e empate também é resultado, porque evita trocar uma mensagem que funciona por outra que só parece mais bonita.

O problema é que a maior parte dos testes feitos em pequenas operações não compara nada: muda três coisas de uma vez, escolhe o grupo a dedo, lê o resultado na primeira hora e declara vencedora uma diferença de dois pontos. Este guia trata do desenho do teste e do que fazer depois dele, com atenção ao que muda quando a mensagem é de atendimento e não de campanha.

## O que vale testar no WhatsApp

A primeira decisão é escolher um elemento cuja diferença possa mudar o resultado de forma visível. Vale testar o que muda a razão pela qual a pessoa responde, e não o que muda o estilo.

Na ordem do que costuma mexer mais no resultado:

- **A oferta.** Frete grátis contra desconto, brinde contra condição de pagamento, avaliação gratuita contra primeira mensalidade com desconto. É onde as diferenças maiores aparecem — desde que as duas ofertas sejam reais e possam ser cumpridas.
- **O motivo do contato.** "Você pediu um orçamento na semana passada" contra "Chegou uma condição nova para o seu perfil". Muda a sensação de quem recebe sobre por que foi escolhido.
- **A ação pedida.** "Quer que eu reserve um horário?" contra "Posso te mandar os valores?". A primeira fecha mais rápido, a segunda abre conversa para qualificar. São resultados diferentes, então a métrica precisa acompanhar a escolha.
- **A abertura.** Pergunta contra afirmação, nome do produto contra nome do problema do cliente, texto curto contra texto com contexto. É o teste mais comum e o de efeito menor.
- **O horário.** Mesma mensagem, duas janelas do dia. Exige um desenho diferente, porque o dia e o horário se confundem.

O que quase nunca vale o teste: trocar uma palavra no meio do texto, incluir ou tirar emoji, "Oi" contra "Olá", mudar a cor de um botão. A diferença, se existir, é menor do que a sua amostra consegue enxergar. Você gasta envio, tempo e reputação do número para aprender algo que não muda a decisão.

A abertura é o que a pessoa vê antes de responder, e o que já está coberto em [primeira mensagem de vendas no WhatsApp](https://papofranco.online/blog/primeira-mensagem-de-vendas-no-whatsapp).

### Campanha e conversa pedem testes diferentes

Numa campanha, a mensagem sai, a pessoa responde ou não, e o teste termina. A métrica natural é resposta ou clique por mensagem entregue, e o ciclo é curto: horas, não semanas.

Numa conversa de atendimento, a mensagem é o começo de uma troca. A pessoa responde, o atendente ou o agente de IA continua, e o desfecho é uma etapa do funil — orçamento enviado, visita marcada, venda. Aqui a métrica de resposta engana: uma abertura que faz todo mundo responder "oi, tudo bem?" pode ser pior do que uma que faz menos gente responder e mais gente informar o que precisa.

Por isso, no atendimento, o teste precisa de duas métricas: uma de curto prazo, para saber se a mensagem foi lida e respondida, e uma de desfecho, para saber se a conversa avançou. A segunda é a que decide. Comparar só a primeira é o erro mais comum de quem leva a lógica de campanha para a caixa de entrada.

## Uma variável por vez

Um teste com duas variáveis não tem resultado: se a versão B vender mais, você não sabe se foi a oferta, o texto ou o botão. E, sem saber o motivo, não consegue repetir o acerto no mês seguinte.

A regra prática é escrever a pergunta antes de escrever as mensagens. "Abrir com o nome do produto faz mais gente pedir orçamento do que abrir com o problema do cliente?" é uma pergunta testável. "Qual mensagem é melhor?" não é, porque não diz o que está sendo comparado.

Três cuidados que evitam a maior parte dos testes perdidos:

- **A pergunta tem uma resposta possível.** Se a pergunta é "o que aumenta a venda?", há dezenas de respostas e nenhuma conclusão.
- **A mudança é perceptível.** Trocar "orçamento" por "cotação" não muda a decisão de ninguém, e o teste vai dar empate.
- **A mudança é repetível.** Se você não consegue descrever a diferença em uma frase, ela não serve para o próximo teste.

Quem atende por WhatsApp costuma ter pressa e testar tudo junto na primeira semana. É melhor uma pergunta por mês, com resultado claro, do que cinco perguntas ao mesmo tempo e nenhuma resposta.

## Onde o teste roda: campanha, régua e IA

O mesmo desenho serve em três lugares, com prazos e métricas diferentes.

| Onde | O que muda entre A e B | Métrica que decide | Prazo típico |
|---|---|---|---|
| Campanha para a base | Template, oferta, botão | Resposta ou clique por entregue | 24 a 48 horas |
| Régua de follow-up | Um passo da sequência | Avanço de etapa no funil | Duas a quatro semanas |
| Agente de IA | Como a IA abre ou conduz a triagem | Conversa qualificada por conversa | Duas a quatro semanas |

Na campanha, o teste é barato e rápido, e o resultado vale para o próximo envio. Na régua e no agente, o teste corre por semanas, porque o desfecho demora, e a amostra precisa ser maior. Em troca, é ali que o resultado aparece em venda, e não em resposta.

No agente de IA, a comparação exige um cuidado extra: os dois grupos precisam conversar com a mesma configuração, com exceção do trecho testado. Se a versão B também ganhar um novo cenário, uma nova base de conhecimento e um novo tom, o teste vira uma reforma e não uma comparação. O roteiro para revisar conversas e separar o que é problema de configuração do que é problema de texto está em [como saber se a IA está respondendo bem](https://papofranco.online/blog/ia-esta-respondendo-bem-como-revisar-conversas).

## Dividir o público sem contaminar

O grupo A e o grupo B precisam ser parecidos em tudo, menos na mensagem. Se o grupo A tiver mais clientes recorrentes, mais contatos recentes ou mais gente que já pediu orçamento, o teste mede o público e não o texto.

### O sorteio simples que funciona

Para uma base pequena, o sorteio não precisa de ferramenta estatística. O último dígito do telefone serve: final par recebe A, final ímpar recebe B. O dígito não tem relação com comportamento de compra, então funciona como sorteio — e é fácil de auditar depois.

O que não é sorteio:

- **Dividir por cidade, por vendedor ou por origem do lead.** Isso compara públicos, não mensagens.
- **Mandar para os melhores clientes primeiro.** Garante que o grupo escolhido ganhe.
- **Deixar o atendente decidir o grupo.** Ele vai mandar a versão de que gosta mais para o cliente de que gosta mais.

Se a base tem segmentos muito diferentes — clientes novos, recorrentes e inativos —, vale sortear dentro de cada segmento, na mesma proporção nos dois grupos. É mais trabalho e evita a comparação torta.

### O que fazer quando a base é pequena

Base pequena não impede teste; muda o que dá para concluir. Com poucos contatos, só aparecem diferenças grandes. É por isso que, em operação pequena, vale testar oferta e motivo do contato, que costumam mudar muito o resultado, e não ajustes finos de redação.

Duas saídas quando a base não cresce:

- **Testar em sequência, não em paralelo.** Manda a versão A por duas semanas, a B nas duas seguintes, e compara com cuidado, sabendo que o período mudou. É pior do que o sorteio, mas melhor do que não testar nada — desde que você não faça isso em semana atípica.
- **Testar o processo, não o texto.** Se a base é pequena, talvez o gargalo não esteja na mensagem, e sim no tempo de resposta ou na qualificação. Vale medir antes de testar: [tempo de resposta](https://papofranco.online/blog/tempo-de-resposta-no-whatsapp) costuma pesar mais do que qualquer abertura.

## Quantos contatos por grupo

Esta é a conta que decide se o teste vai concluir algo. Com pouca gente por grupo, a diferença entre duas versões oscila por acaso, e a leitura vira interpretação de sorte.

A tabela abaixo é um critério deste guia, não uma regra oficial: usa a fórmula da diferença entre duas proporções, com 95% de confiança, partindo de uma taxa-base de 10% de resposta. Serve para dar escala ao planejamento.

| Contatos por grupo | Diferença que dá para enxergar | O que concluir |
|---|---|---|
| 250 | 5 pontos ou mais | Só diferenças grandes, como 8% contra 15% |
| 500 | 3 a 4 pontos | Diferenças médias, como 9% contra 13% |
| 1.000 | 2 a 3 pontos | Ajustes de redação já aparecem |
| 2.000 | 1 a 2 pontos | Comparações finas, com base grande |

Leia a tabela ao contrário: se a sua base só permite 200 contatos por grupo, não perca tempo testando duas aberturas parecidas. Teste duas ofertas bem diferentes ou duas abordagens que pedem coisas distintas — reservar horário contra receber os valores, por exemplo.

Há ainda o limite de envio da plataforma. Pela documentação da Meta consultada em 11/11/2026, um portfólio novo começa com 250 destinatários únicos por 24 horas, fora da janela de atendimento, e sobe para 2.000 ao cumprir um dos caminhos de escala. Isso significa que, num número novo, o teste pode precisar de dois dias para juntar 500 contatos. A saída é dividir cada grupo entre os dois dias: 125 de A e 125 de B no primeiro dia, o mesmo no segundo. Assim os dois grupos sofrem o mesmo efeito de calendário.

## Prazo, horário e a hora de ler

Resposta e clique continuam chegando horas depois do envio. Quem lê o resultado uma hora depois premia a mensagem que gera resposta imediata, que não é necessariamente a que gera mais resposta.

Um critério simples: feche a leitura 24 horas depois do envio para campanha e 48 horas quando a mensagem pede uma decisão que demora, como agendar uma visita. Escolha o prazo antes de mandar e não o mude porque a versão A disparou na primeira hora.

E mande as duas versões ao mesmo tempo, intercaladas. Mandar A na terça e B na quarta mede a diferença entre terça e quarta, não entre as mensagens. Fora da janela de 24 horas, cada versão é um template que precisa estar aprovado pela Meta antes do envio; a revisão pode levar até 24 horas, segundo a documentação consultada em 11/11/2026. Cadastre as duas com antecedência, senão o teste começa torto, com uma versão pronta e a outra pendente.

### O teste de horário é outro desenho

Testar horário é testar o momento, não o texto. Se você manda A às 9h e B às 18h no mesmo dia, o resultado mistura mensagem e horário. Se manda A na segunda e B na sexta, mistura mensagem e dia da semana.

O desenho que funciona: na primeira semana, metade do grupo recebe a mensagem pela manhã e metade à noite; na segunda semana, inverta. No fim, compare manhã contra noite com o mesmo número de pessoas em cada janela. Dá mais trabalho e é o único jeito de separar as duas coisas sem enganar a si mesmo.

## Como ler o resultado

Na hora de ler, a pergunta não é "qual teve a taxa maior", e sim "a diferença é grande o bastante para não ser acaso". Há quatro leituras possíveis, e três delas não são falha do teste.

| Leitura | O que aconteceu | O que fazer |
|---|---|---|
| Vencedora clara | Diferença acima da margem, com amostra suficiente | Mandar a vencedora para o resto da base |
| Diferença não conclusiva | Uma passou na frente, mas dentro da margem | Tratar como empate e escolher pela operação |
| Amostra pequena | Pouca gente por grupo para comparar | Repetir com mais volume ou mudar algo mais forte |
| Empate | As duas renderam praticamente igual | Escolher a mais simples de operar |

### A conta que ninguém quer fazer

Duas taxas próximas quase nunca provam nada. Se o grupo A teve 20 respostas em 250 envios (8%) e o B teve 24 em 250 (9,6%), a diferença de 1,6 ponto está dentro da margem de 5 pontos daquele tamanho de grupo. A leitura correta é "empate", mesmo que o painel mostre o B na frente em verde.

O contrário também vale: uma diferença de 5 pontos com 250 por grupo é grande o bastante para virar decisão, e uma diferença de 1 ponto com 2.000 por grupo também. O que decide não é o tamanho da diferença sozinho, e sim a relação entre a diferença e o tamanho da amostra.

Há três cuidados adicionais na leitura:

- **Divida por entregues, não por enviadas.** Mensagem que não chegou não teve chance de funcionar, e a taxa de entrega pode variar entre grupos por motivos que nada têm a ver com o texto.
- **Olhe a qualidade do template.** Uma versão que responde mais e recebe feedback negativo pode ser limitada pela própria plataforma. Não escale uma vencedora que estraga a reputação do número.
- **Olhe a reclamação.** Pedido de saída e bloqueio entram como trava: a versão que vende mais e gera o dobro de descadastros não ganhou.

## O que fazer com empate

Empate é o resultado mais comum em bases de WhatsApp, e não significa que o teste foi perdido. Significa que, dentro do que aquela base permitiu medir, as duas mensagens rendem parecido.

Quando o resultado empata:

1. **Escolha pela operação.** Fica a versão mais simples de manter: a que tem menos variáveis, a que o time consegue reproduzir sem consultar, a que não depende de uma condição que vai expirar.
2. **Não repita o mesmo teste com a mesma amostra.** Repetir até dar diferença é o mesmo que escolher o resultado que se queria.
3. **Suba a aposta no próximo teste.** Se duas aberturas empataram, teste uma oferta contra outra ou uma ação contra outra. A próxima pergunta precisa ter mais chance de mexer no resultado.
4. **Registre o empate.** Saber que duas abordagens rendem igual evita que a equipe reabra a discussão a cada três meses.

Um cuidado importante: em atendimento, empate na resposta pode esconder diferença no desfecho. Se as duas versões têm a mesma taxa de resposta e uma gera mais gente qualificada, o empate é só na primeira métrica. Por isso a leitura do funil precisa vir junto — e é o que mostra [quais etapas do funil estão travando](https://papofranco.online/blog/metricas-do-funil-de-vendas-whatsapp).

## Registrar o teste

Teste sem registro vira opinião na semana seguinte. Uma ficha de oito campos resolve.

| Campo | Por que importa |
|---|---|
| Pergunta testada | Impede que o teste vire "melhorar a mensagem" |
| Versão A e versão B, com o texto exato | Permite repetir o que funcionou |
| Público e critério de sorteio | Mostra se os grupos eram comparáveis |
| Data e hora do envio | Explica diferenças de calendário |
| Métrica escolhida e prazo de leitura | Impede escolher a métrica depois |
| Resultado por grupo, com entregues | Dá a base da conta |
| Leitura: vencedora, empate ou amostra pequena | Evita reinterpretar depois |
| Decisão tomada | Fecha o ciclo e vira padrão |

Vale guardar também a versão perdedora. Ela serve de controle no teste seguinte e evita que a equipe proponha de novo uma abordagem que já foi medida.

Em atendimento, o registro precisa incluir o grupo no cadastro do contato, não só no relatório da campanha. Sem isso, não dá para ligar a conversa à versão que a originou e comparar desfecho. É o mesmo cuidado que permite medir [qualificação de leads](https://papofranco.online/blog/qualificacao-de-leads-no-whatsapp) por origem, e o que sustenta qualquer comparação de [follow-up](https://papofranco.online/blog/follow-up-de-vendas-no-whatsapp) mais adiante.

## O que o teste não prova

Um teste A/B compara duas mensagens. Ele não prova que mandar mensagem vale a pena, nem que o WhatsApp vende. Para isso seria preciso um grupo de controle que não recebe nada — e, em atendimento, negar atendimento a alguém para medir não é uma opção aceitável.

O teste também não prova causalidade ampla. O resultado vale para aquele público, naquele período, com aquela oferta. Mudou a base, mudou o mês, mudou o preço: o resultado pode não se repetir. Trate o achado como hipótese confirmada para o próximo ciclo, não como lei.

Há ainda três limites práticos:

- **Sazonalidade.** Teste feito na semana da Black Friday ou na véspera de feriado mede a semana, não a mensagem. Repita em período normal antes de padronizar.
- **Dois testes ao mesmo tempo na mesma base.** Um interfere no outro, porque o mesmo contato pode receber as duas mudanças. Se precisar rodar dois, use públicos separados.
- **Mudança de atendente no meio.** Se a versão A foi atendida por uma pessoa e a B por outra, o teste mede o atendente. Padronize quem atende cada grupo, ou sorteie os atendentes entre os grupos também.

## Resumo

1. Teste A/B compara duas versões em dois grupos parecidos, com uma métrica escolhida antes do envio.
2. Mude uma coisa por vez e escreva a pergunta antes das mensagens.
3. Campanha se mede por resposta; atendimento se mede por avanço no funil.
4. Sorteie os grupos — o último dígito do telefone resolve — e mantenha cada contato no mesmo grupo.
5. Com 250 por grupo, só diferenças de 5 pontos aparecem; para diferenças finas, são precisos milhares.
6. Mande as duas versões juntas, com os templates aprovados, e leia o resultado 24 a 48 horas depois.
7. Diferença dentro da margem é empate; escolha pela operação e registre.
8. Teste não prova que o canal vende, e resultado de um mês não vira lei.

## Perguntas frequentes

**Preciso de uma ferramenta para fazer teste A/B no WhatsApp?**
Não é obrigatório. Em campanha, dá para montar o teste como duas campanhas separadas, com dois templates aprovados e dois grupos sorteados, e comparar os relatórios. Uma planilha com o grupo de cada contato resolve a divisão. A ferramenta ajuda quando o volume é grande ou quando você precisa ligar o resultado à venda no funil.

**Quantos contatos preciso por grupo?**
Depende da diferença que você quer enxergar. Com taxa de resposta perto de 10%, grupos de 250 só mostram diferenças de 5 pontos para cima; grupos de 1.000 já mostram diferenças de 2 a 3 pontos. Base menor não impede testar: obriga a testar mudanças mais fortes, como oferta e ação pedida.

**Posso testar duas coisas ao mesmo tempo?**
Pode, em públicos separados. Na mesma base, não: se a versão B muda o texto e a oferta, você não sabe o que causou a diferença. E, se dois testes rodam na mesma base, um contamina o outro.

**O teste deu empate. Fiz algo errado?**
Provavelmente não. Empate é o resultado mais comum em bases pequenas e significa que as duas versões rendem parecido ou que a amostra não separou a diferença. Escolha a versão mais simples de operar e faça o próximo teste com uma mudança mais forte.

**Dá para testar mensagem dentro da conversa de atendimento?**
Dá, com dois cuidados: a métrica precisa incluir o desfecho, não só a resposta, e o grupo tem que ficar registrado no contato. Também vale padronizar quem atende cada grupo, para o teste não medir o atendente em vez da mensagem.

**Testar ofertas diferentes para cada grupo é permitido?**
Sim, desde que as duas ofertas sejam reais, estejam disponíveis e sejam cumpridas para quem responder. O Código de Defesa do Consumidor, no art. 30, trata a oferta como vinculante: o que foi anunciado obriga quem anunciou. Testar não é licença para prometer o que não dá para entregar.

Se a sua operação atende pelo WhatsApp e a dúvida é qual mensagem converte mais, o PapoFranco junta agente de IA, CRM com funil e follow-up automático no mesmo lugar — o que permite marcar o grupo de cada contato, acompanhar a etapa e comparar desfecho, não só resposta. Vale conhecer em [papofranco.online](https://papofranco.online) e ver os outros guias no [blog](https://papofranco.online/blog).
