Calculadora de Taxa de Conversão

A Calculadora de Taxa de Conversão transforma uma contagem de visitantes e conversões em uma taxa acompanhada de um intervalo de confiança estatisticamente rigoroso, margem de erro e avaliação de confiabilidade. Use-a para landing pages, funis de inscrição, campanhas de anúncios, páginas de iscas digitais, fluxos de checkout e qualquer teste A/B onde a métrica seja "o usuário concluiu a ação ou não?". A ferramenta oferece três métodos de intervalo de confiança — Wilson score (o padrão recomendado), Wald (a aproximação normal clássica) e Agresti-Coull (um meio-termo conservador) — e detalha a margem de erro, o veredito de adequação da amostra, uma visualização animada do funil, uma faixa de benchmark do setor e o tráfego adicional que você precisaria para estreitar a estimativa. Seja para avaliar uma única etapa do funil ou planejar o tamanho da amostra de um teste futuro, o resultado obtido aqui é muito mais preciso do que o de uma calculadora tradicional de "conversões ÷ visitantes".

Como Usar

1. Insira o número total de visitantes — sessões, testes ou impressões que alcançaram a etapa que você deseja medir.
2. Insira o número de conversões — visitantes que concluíram a ação desejada. As conversões não podem exceder o número de visitantes.
3. Escolha um nível de confiança. 95% é o padrão do setor; use 99% para decisões de alto impacto e 90% somente para explorações iniciais.
4. Escolha um método de intervalo de confiança. O Wilson score é recomendado para todos os tamanhos de amostra; Wald é a fórmula clássica dos livros didáticos; Agresti-Coull é uma alternativa ligeiramente conservadora.
5. Clique em Calcular Taxa de Conversão para visualizar a taxa, o intervalo de confiança, a margem de erro, o veredito de adequação da amostra, a visualização do funil, a comparação de métodos e um detalhamento matemático passo a passo.

Fórmula Utilizada

O Que Torna Esta Calculadora de Taxa de Conversão Diferente

• Wilson score por padrão — a maioria das calculadoras online oferece apenas o método Wald, que gera intervalos impossíveis (limite inferior negativo, limite superior > 100%) para amostras pequenas ou taxas extremas. O método Wilson funciona corretamente em qualquer cenário e é o recomendado por estatísticos profissionais.
• Visualização ao vivo antes do envio — digite qualquer número e veja a taxa, o intervalo de confiança e o selo de adequação atualizarem em tempo real, sem a necessidade de recarregar a página inteira.
• Visualização animada do funil — compreenda o formato real do seu funil em vez de analisar apenas um número isolado.
• Semáforo de adequação da amostra — um selo verde / âmbar / vermelho baseado na regra prática n·p̂ ≥ 10, permitindo que você saiba instantaneamente se a estimativa é confiável.
• Comparação lado a lado de métodos — os intervalos Wilson, Wald e Agresti-Coull exibidos na mesma tabela. O método selecionado fica destacado, enquanto os outros revelam como a escolha influenciaria a resposta.
• Faixa de benchmark do setor — uma escala com seis níveis (Muito baixa → Elite) contextualiza a sua taxa de conversão.
• Auxiliares de planejamento — saiba com exatidão quantos visitantes a mais são necessários para reduzir a margem de erro pela metade ou alcançar uma precisão de ±1,00 / ±0.50 ponto percentual.
• Matemática passo a passo — cada cálculo é detalhado linha por linha para que você possa verificar e aprender o processo.

Como Interpretar o Veredito de Adequação da Amostra

• Verde — confiável. Tanto n·p̂ quanto n·(1 − p̂) são pelo menos 10. A aproximação normal é válida e o intervalo de confiança é perfeitamente seguro para a tomada de decisões.
• Âmbar — limítrofe. Um dos valores entre n·p̂ ou n·(1 − p̂) está abaixo de 10, mas é de pelo menos 5. Prefira utilizar o intervalo Wilson ou Agresti-Coull em vez do Wald, e colete mais dados antes de oficializar uma decisão.
• Vermelho — amostra pequena. Tanto n·p̂ quanto n·(1 − p̂) está abaixo de 5. Considere a taxa apenas como um indicador bruto e faça a coleta de um volume substancialmente maior de dados.

Benchmarks Típicos de Taxa de Conversão

Canal / Etapa	Faixa típica	Notas
E-commerce geral do site	2% – 3%	Lojas consolidadas giram em torno de 2,5%; o mobile costuma ser inferior ao desktop.
E-commerce adicionar ao carrinho → checkout	20% – 35%	Taxa por etapa de funil, não do site como um todo.
Landing page (tráfego pago)	3% – 10%	Textos persuasivos e uma oferta atrativa elevam essa taxa acima da média.
Inscrição para teste gratuito de SaaS	5% – 12%	Inscrições com menos fricção registram taxas maiores; exigir cartão de crédito reduz o desempenho.
SaaS gratuito → pago	2% – 5%	Conversão de teste para plano pago na metade inferior do funil.
Formulário de geração de leads B2B	1% – 5%	Formulários extensos reduzem drasticamente a taxa; conteúdos ricos ajudam a elevá-la.
Clique em anúncios de display	0,05% – 1%	Altamente dependente do criativo e do posicionamento.
Clique em anúncios de busca	2% – 6%	Buscas por termos de marca podem ultrapassar os 10%.
E-mail abertura → clique	2% – 10%	Referente aos e-mails abertos; a segmentação melhora bastante os resultados.

Por Que um Intervalo de Confiança É Importante

Uma taxa de conversão medida a partir de uma amostra finita de visitantes é apenas uma estimativa da verdadeira taxa subjacente. Se você lançar uma moeda viciada 100 vezes, poderá obter 47 caras; ao lançá-la novamente, poderá obter 53. O mesmo vale para um funil — a oscilação diária dos números flutua em torno da taxa real por mero acaso. O intervalo de confiança indica a faixa onde a taxa real plausivelmente reside, ajudando a evitar dois erros clássicos: declarar um vencedor baseado no ruído e concluir que "nada aconteceu" quando o teste foi simplesmente pequeno demais para identificar a mudança.

Wilson vs Wald vs Agresti-Coull

Os três intervalos buscam responder à mesma pergunta, mas realizam o cálculo de maneiras distintas:

• Wald é a fórmula padrão de livros didáticos p̂ ± z·√[p̂(1−p̂)/n]. É simples e ágil, mas falha gravemente em amostras pequenas ou taxas próximas de 0% / 100% — podendo gerar limites inferiores negativos ou superiores acima de 100%.
• Wilson é o intervalo de score. Baseado no inverso do teste de score, ele é o padrão recomendado por se manter rigidamente dentro do intervalo de [0, 100%] em qualquer tamanho de amostra, fornecer uma cobertura quase nominal para qualquer taxa e alinhar-se perfeitamente com as melhores práticas de pesquisa estatística.
• Agresti-Coull adiciona z² pseudo-observações (metade conversões, metade não-conversões) e depois aplica a fórmula de Wald sobre essas contagens ajustadas. Consiste em um meio-termo ligeiramente conservador e de fácil explicação.

Para o trabalho prático do dia a dia, use o método Wilson por padrão. Recorra ao Wald somente para amostras massivas onde a taxa esteja bem distante de 0% ou 100%. Use o Agresti-Coull quando preferir um intervalo ligeiramente mais amplo e conservador, cuja dedução seja direta.

Planejamento de Tamanho de Amostra para uma Margem de Erro Alvo

Se o seu objetivo é obter um intervalo de confiança de ±E pontos percentuais em torno da taxa de conversão, o tamanho de amostra necessário é:

Erros Comuns ao Medir Taxas de Conversão

• Misturar o escopo dos visitantes — medir sessões em uma variante e usuários únicos em outra distorce os resultados de uma das taxas. Defina um escopo único e aplique-o uniformemente.
• Tráfego de bots — acessos automatizados que não foram filtrados inflam a contagem de visitantes e reduzem artificialmente a taxa. Remova indexadores conhecidos e tráfego headless antes de realizar os cálculos.
• Interrupção precoce — acompanhar os resultados diariamente e pausar o teste no primeiro sinal de melhora significativa eleva os casos de falsos positivos. Estipule o tamanho da amostra final com antecedência.
• Comparar taxas de períodos temporais distintos — fins de semana vs dias úteis, alta temporada vs períodos de baixa ou dados de antes e depois do lançamento alteram a base de comparação. Compare cenários idênticos.
• Desconsiderar a heterogeneidade dos segmentos — uma taxa consolidada de 4% pode camuflar uma taxa de 2% em dispositivos móveis e uma de 8% em desktops. Segmente funis volumosos antes de fechar conclusões.
• Contabilizar o mesmo usuário repetidas vezes — se um visitante retorna três vezes antes de converter, determine se o registro será de uma ou três conversões. A falta de critério distorce a taxa.
• Falhas de rastreamento — a ausência de uma tag na página de sucesso reduz silenciosamente o volume de conversões e derruba a taxa. Valide o funil de ponta a ponta antes de confiar nos dados.

Conectando com Testes A/B

A taxa de conversão é a unidade fundamental de qualquer teste A/B. Para avaliar se duas taxas apresentam uma diferença estatisticamente significativa, você compara seus intervalos de confiança (ou, de forma mais precisa, aplica um teste z de duas proporções sobre as contagens brutas). A Calculadora de Significância de Teste A/B processa essa comparação de forma direta. A Calculadora de Intervalo de Confiança para Proporção dedica-se estritamente ao intervalo isolado. Combinadas, estas três ferramentas suprem a maior parte das demandas de análise de funil.

FAQ

O que é uma taxa de conversão?

Uma taxa de conversão é a porcentagem de visitantes que realizam uma ação específica de destino — comprar, se inscrever, clicar, baixar ou gerar um lead. Ela é igual às conversões divididas pelos visitantes, expressa como uma porcentagem. Qualquer evento configurado como "o usuário realizou a ação X ou não" constitui um evento de conversão.

Por que a taxa de conversão precisa de um intervalo de confiança?

Uma taxa de conversão medida em uma amostra finita de visitantes é apenas uma estimativa da verdadeira taxa subjacente. Um intervalo de confiança indica a faixa plausível da taxa real com base nos dados, o que é essencial para testes A/B, análise de funil e qualquer decisão que dependa de saber se uma taxa é confiavelmente melhor que outra.

Qual método de intervalo de confiança devo usar?

Use o intervalo Wilson score como padrão — ele é preciso em qualquer tamanho de amostra e nunca produz valores impossíveis abaixo de 0% ou acima de 100%. Use Wald apenas quando a amostra for grande e a taxa estiver longe de 0% ou 100%. Use Agresti-Coull quando desejar uma alternativa ligeiramente conservadora e fácil de explicar.

Como a margem de erro é calculada?

A margem de erro é a metade da largura do intervalo de confiança. Para o intervalo de Wald, ela equivale a z · √[p̂(1 − p̂) / n], onde z é o quantil normal padrão para o nível de confiança escolhido (1,96 para 95%). Para os métodos Wilson e Agresti-Coull, as fórmulas diferem sutilmente, mas a interpretação permanece idêntica: o quão distantes os limites superior e inferior se situam em relação à estimativa pontual.

De quantos visitantes preciso para uma taxa de conversão confiável?

Como regra geral, a amostra é confiável quando tanto n · p̂ quanto n · (1 − p̂) são pelo menos 10. Para uma taxa de conversão de 1% isso representa cerca de 1000 visitantes; para uma taxa de 5%, 200 visitantes. A calculadora exibe o tamanho exato da amostra necessária para atingir uma margem de erro predefinida, como ±1%.

Como posso reduzir a margem de erro pela metade?

Reduzir a margem de erro pela metade requer aproximadamente quatro vezes mais visitantes, porque a margem diminui com a raiz quadrada do tamanho da amostra. O painel "Quantos Visitantes a Mais" exibe o número exato com base nos seus dados vigentes.

A taxa de conversão é a mesma coisa que a taxa de clique?

Matematicamente sim — ambas correspondem a "eventos ÷ oportunidades". A taxa de clique (CTR) expressa a fração de impressões que geraram um clique; a taxa de conversão expressa a fração de visitantes que geraram um evento de conversão. O tratamento estatístico e matemático é idêntico, portanto, esta calculadora atende perfeitamente a ambas as métricas.

E se a minha taxa de conversão for exatamente 0% ou 100%?

O intervalo de Wald se reduz a uma largura zero nas extremidades, o que induz ao erro — um único arremesso de moeda que resulte em cara não comprova que a moeda apenas resultará em cara. O intervalo Wilson processa os extremos de forma adequada e gera uma faixa real não-nula. Priorize sempre o método Wilson nessas condições extremas.