{"id":5687,"date":"2024-08-08T08:08:44","date_gmt":"2024-08-08T08:08:44","guid":{"rendered":"https:\/\/vwo.com\/glossary\/cuped\/"},"modified":"2025-09-30T19:22:43","modified_gmt":"2025-09-30T19:22:43","slug":"cuped","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/br\/cuped\/","title":{"rendered":"CUPED"},"content":{"rendered":"\n

Experimento controlado usando dados pr\u00e9-experimento (CUPED) \u00e9 uma t\u00e9cnica de redu\u00e7\u00e3o de vari\u00e2ncia usada em testes A\/B<\/a>.<\/p>\n\n\n\n

Desenvolvido pela equipe de ci\u00eancia de dados da Microsoft no in\u00edcio da d\u00e9cada de 2010, o CUPED foi criado para atender \u00e0 necessidade de ter testes A\/B mais eficientes em plataformas como Bing e Microsoft Office. Desde sua cria\u00e7\u00e3o, essa t\u00e9cnica se popularizou nas comunidades de testes A\/B e otimiza\u00e7\u00e3o devido \u00e0 sua capacidade de reduzir a vari\u00e2ncia<\/a>.<\/p>\n\n\n\n

Como funciona o CUPED?<\/strong><\/h2>\n\n\n\n

Vamos entender como o CUPED funciona por meio de um exemplo. Imagine que voc\u00ea tenha uma loja on-line e queira testar um novo processo de checkout. Para fazer isso, decide configurar um teste A\/B em que metade dos visitantes visualiza o novo processo de checkout (grupo B) e a outra metade acessa a vers\u00e3o atual (grupo A). O objetivo \u00e9 determinar se o novo processo resulta em mais compras finalizadas.<\/p>\n\n\n\n

Antes de iniciar o teste, voc\u00ea j\u00e1 possui dados abrangentes sobre o comportamento dos visitantes. Por exemplo, o n\u00famero de compras que cada um deles fez no m\u00eas anterior \u00e0 realiza\u00e7\u00e3o do teste. \u00c9 nesse cen\u00e1rio que o CUPED entra em a\u00e7\u00e3o. Para cada visitante do grupo A e do grupo B, a t\u00e9cnica re\u00fane dados sobre o comportamento de compra do m\u00eas anterior. \u00c0 medida que o teste \u00e9 executado, ela contabiliza as compras que cada grupo faz durante o per\u00edodo. No entanto, em vez de comparar somente os n\u00fameros brutos, o CUPED ajusta esses valores com base em um aumento ou diminui\u00e7\u00e3o nas compras em compara\u00e7\u00e3o com o \u00faltimo m\u00eas dentro do grupo de controle e do grupo de varia\u00e7\u00e3o.<\/p>\n\n\n\n

Sem o CUPED, se o grupo A (vers\u00e3o atual) tiver uma m\u00e9dia de 10 compras e o grupo B (nova vers\u00e3o) tiver uma m\u00e9dia de 12 compras ap\u00f3s o teste, voc\u00ea poder\u00e1 concluir que o novo processo de checkout \u00e9 ligeiramente melhor. Mas com o CUPED, voc\u00ea ajusta esses n\u00fameros usando dados pr\u00e9-experimento. Talvez os visitantes do grupo A tenham feito uma m\u00e9dia de quatro compras e os visitantes do grupo B tenham feito uma m\u00e9dia de duas compras antes do teste. Ap\u00f3s o ajuste, voc\u00ea pode descobrir que a melhoria no grupo B foi ainda mais significativa.<\/p>\n\n\n\n

Portanto, o CUPED torna seus testes A\/B mais precisos e confi\u00e1veis ao levar em considera\u00e7\u00e3o o que voc\u00ea j\u00e1 sabe sobre seus visitantes.\u00a0<\/p>\n\n\n\n

Benef\u00edcios do CUPED<\/strong><\/h2>\n\n\n\n

Estes s\u00e3o os benef\u00edcios de usar o CUPED para tornar seus testes A\/B mais precisos e confi\u00e1veis:<\/p>\n\n\n\n