Classifique seu backlog de CRO quando ICE, PIE, PXL e RICE discordarem.

Apenas cerca de um terço das ideias testadas na plataforma de experimentação da Microsoft melhoraram a métrica para a qual foram projetadas, e a Netflix estimou sua taxa de sucesso em cerca de uma em cada dez (Kohavi e Longbotham, 2015Se a maior parte do seu backlog estiver incorreta, a ordem em que você o testa determinará a maior parte do retorno que você obterá. Este guia é para líderes de CRO e donos de produto que já têm mais ideias de teste do que tráfego. Avaliamos as mesmas três ideias com os algoritmos ICE, PIE, PXL e RICE, mostramos por que as quatro ordens de classificação divergem, apresentamos uma regra para escolher entre elas e adicionamos o critério que falta em todos os quatro: se um teste pode atingir significância estatística antes do final do trimestre.

Em que cada estrutura está realmente apostando?

Todos os quatro geram um número, e nenhum mede a mesma coisa. Cada um é menos um sistema de pontuação do que uma opinião condensada sobre o que torna um teste válido.

Duas correções antes de você adotar uma delas. O PXL foi escrito como um ataque às outras estruturas de CRO: o argumento de Laja é que, se você pudesse prever com segurança o potencial ou a confiança antecipadamente, não precisaria de um teste. E a página canônica do PIE define os critérios, mas não publica nenhuma escala nem fórmula, então cada equipe cria a sua própria. O domínio widerfunnel.com agora redireciona para conversion.com, portanto, a estrutura que a maioria das apresentações de CRO cita não possui uma especificação principal atualizada.

O mesmo acúmulo de tarefas, pontuado de quatro maneiras.

Três testes de candidatos em uma rede varejista de médio porte. Os números são ilustrativos e não representam dados reais do cliente.

• A. Detalhamento das parcelas (taksit) dentro do bloco de preço da página do produto. 180,000 visualizações da página de detalhes do produto por mês, com suporte de análises e tickets de feedback do cliente.
• B. Eliminar a criação forçada de contas no checkout. 12,000 checkouts iniciados por mês, com suporte de sessões de usabilidade, gravações, análises e contatos de suporte.
• C. Reescrever o título principal da página inicial. 220,000 sessões na página inicial por mês, sem pesquisa de apoio, proposta apresentada em um workshop.

Todos os testes são válidos em pelo menos uma das estruturas. A discordância reside no fato de as estruturas estarem cumprindo suas funções:

• A Rice coloca um A em primeiro lugar Porque o Reach representa um número bruto de funcionários. Ele vai sobrecarregar o checkout e o trabalho de conta em qualquer funil de vendas normal.
• ICE coloca B em primeiro lugar Porque um profissional sênior atribui Impacto 9, Confiança 9 à criação forçada de contas, e o ICE multiplica opinião por opinião. Mude o avaliador, mude o roteiro.
• PIE coloca C em primeiro lugar Porque a página inicial tem o tráfego mais valioso e o conteúdo é trivial de produzir. O PIE foi criado para escolher páginas; pediu para classificar alterarIsso recompensa edições baratas em modelos importantes.
• A PXL coloca C por último. Porque a opção C obtém pontuação zero em todas as quatro questões de evidência. É a única estrutura que penaliza estruturalmente um palpite, em vez de confiar na honestidade do avaliador quanto à confiança.

Qual usar: escolha de acordo com sua restrição de vinculação.

Faltam os quatro portões: será que este teste pode terminar?

O alcance não é detectabilidade. Verifique a viabilidade antes de pontuar, usando a aproximação normal para um teste bicaudal com 95% de significância e 80% de poder:

n per variant ≈ 15.7 × p × (1 - p) / d²

onde p é a taxa base da métrica que você está movendo e d é o aumento absoluto que você deseja detectar. Aplicado ao backlog acima:

O teste classificado em primeiro lugar pela RICE não pode ser lido por um trimestre com a sensibilidade que a maioria das equipes assume, enquanto o teste classificado em último lugar pela RICE termina em um mês. A tem uma base de 2% e B uma base de 55%, e o tamanho da amostra é determinado por p(1-p)/d², não por quantas pessoas viram a página. A viabilidade também surge no momento em que você declara 10% como o menor aumento que vale a pena considerar, o que faz com que seu efeito mínimo detectável seja uma decisão de priorização, e não um detalhe estatístico. Decida isso na mesma reunião da pontuação e escolha uma única calculadora para tudo, já que diferentes aproximações de variância não coincidem exatamente: de Evan Miller e Calculadora de teste A/B Switas Ambas estão bem.

Categorias de viabilidade

• Duas semanas ou menos. Verde. Marque um ponto e corra com a bola.
• De duas a quatro semanas. Amber. Execute o programa sozinho, cobrindo pelo menos dois ciclos semanais completos.
• Quatro a oito semanas. Vermelho para um teste A/B padrão. Aumente o MDE, mude para uma métrica base mais alta ou use um design sequencial com uma regra de parada pré-registrada.
• Ao longo de oito semanas. Não faça testes A/B. Baseie-se no seu julgamento, utilizando métricas de segurança, ou realize um estudo qualitativo.

Este ponto de controle é mais importante aqui do que a literatura sobre otimização da taxa de conversão (CRO) em inglês pressupõe. O volume de comércio eletrônico da Turquia atingiu 4.567 trilhões de liras em aproximadamente 634,000 empresas em 2025 (Ministério do Comércio, 12 de maio de 2026), uma média de cerca de 7.2 milhões de liras por empresa por ano, e a distribuição é desproporcional, concentrando-se em um pequeno número de marketplaces, de modo que o comerciante típico fica bem abaixo desse patamar. Um site que processa algumas centenas de pedidos por mês não consegue viabilizar um teste de checkout em nenhum MDE útil. Para esses sites, o resultado honesto da priorização é um roteiro de pesquisa e mensuração, não um roteiro de testes.

Dar significado às pontuações

1. Escreva as âncoras antes de pontuar. O impacto 3 no modelo RICE deve ter um significado específico na sua moeda, por exemplo, "aumenta a taxa de conversão de compras em mais de 5% em termos relativos". Sem parâmetros de referência, as pontuações oscilam dentro de uma mesma sessão.
2. Limitar a confiança por nível de evidência. Sem limite de pesquisa de 50%, apenas análise de dados em 80%, análise de dados combinada com pesquisa qualitativa e um resultado positivo anterior relacionado em 100%. Isso importa a disciplina da PXL para o RICE.
3. Ao pontuar às cegas, comece por reconciliar as maiores diferenças. Três pessoas avaliando independentemente, e depois discutindo apenas os itens que diferem em três pontos ou mais, levam cerca de quarenta minutos para trinta itens.
4. Compare a pontuação prevista com o resultado real. Após dez leituras, verifique se as pontuações de Impacto se correlacionam com os efeitos observados. Caso contrário, a escala é meramente decorativa e você deve optar pela PXL.
5. Nunca compare pontuações entre diferentes estruturas. Uma pontuação RICE de 144,000 e uma pontuação PXL de 10 não têm relação alguma.

Onde isso falha

Essas estruturas classificam ideias, não as aprimoram. Uma hipótese fraca com pontuação 11 de 12 no PXL continua sendo fraca, e nenhum modelo lhe dirá que o problema real está a montante da página que você está testando. Limitações específicas:

• O esforço é o indicador menos confiável e ninguém o avalia novamente. O denominador do RICE é o número com maior probabilidade de estar errado por um fator de dois, e isso altera a ordem de classificação mais do que uma pontuação de impacto incorreta.
• Nenhuma das quatro interações entre os modelos ocorreu. Realizar três testes em um mesmo funil simultaneamente não forneceu nenhuma informação sobre interferência.
• Alcance em pessoas por mês, com intervalos para negócios sazonais. Viagens e educação devem pontuar o Reach ao longo de um ciclo sazonal completo, ou em comparação com o mesmo período do ano anterior.
• As dependências são invisíveis. Uma pontuação compartilhada entre uma lista de testes pendentes e um roteiro de produtos também favorece o lado que tiver mais tráfego.

[SÃO NECESSÁRIA A DADOS INTERNOS: Taxa de sucesso da Switas por pilar nos últimos 24 meses, para substituir os números de taxa de sucesso do setor por números próprios.]

[DADOS INTERNOS NECESSÁRIOS: uma lista de pendências de clientes anonimizada, classificada segundo duas estruturas, para substituir o exemplo ilustrativo.]

Perguntas frequentes

O método RICE é melhor que o ICE para o trabalho de CRO?

Não inerentemente. O RICE adiciona o Reach e coloca o Effort no denominador, o que ajuda quando a capacidade de entrega é o gargalo, mas tende a favorecer páginas com alto tráfego. Use o RICE quando o tempo de engenharia for escasso e o ICE quando não for.

Qual pontuação é alta o suficiente para realizar um teste?

Nenhum dos quatro possui um limiar absoluto. As pontuações são ordinais: elas indicam o que fazer em seguida, não se algo vale a pena fazer. O critério absoluto é a viabilidade. Se um teste não atingir significância estatística em oito semanas, sua pontuação é irrelevante.

Podemos combinar duas estruturas?

Combinar os resultados não faz sentido porque as escalas não estão relacionadas. Combinar os insumos, sim. Limitar a confiança do RICE com as questões de evidência do PXL é um modelo híbrido bem-sucedido e o que usamos com mais frequência.

O PXL funciona para sites que não são de comércio eletrônico?

As perguntas sobre evidências são aplicáveis ​​a qualquer produto. As perguntas sobre layout pressupõem uma página de marketing e são inadequadas para fluxos com usuários logados. Substitua-as por perguntas sobre a frequência com que os usuários encontram o elemento no fluxo da tarefa.

Sites com pouco tráfego deveriam usar esses frameworks?

Sim, para o trabalho de sequenciamento, mas pare de chamar o resultado de roteiro de testes. Em um site que não suporta testes, o mesmo exercício ordena as conclusões da auditoria de UX, as perguntas de pesquisa e o trabalho de desenvolvimento.

Quem deve participar da sessão de avaliação?

De três a cinco pessoas que analisam diferentes evidências: análises, pesquisas ou suporte, e quem for responsável pela entrega. A pontuação individual produz conclusões sem fundamento; a pontuação com dez pessoas produz médias que não classificam ninguém.

Experimente isso com sua própria lista de pendências.

Pegue os dez itens no topo da sua lista de testes, aplique a fórmula de viabilidade acima a cada um e conte quantos sobrevivem na sensibilidade que você assumiu. Se mais da metade não sobreviver, o problema nunca foi a classificação. CRO e equipe de experimentação Executa essa avaliação de pontuação e viabilidade como primeiro passo de um projeto.

Fontes

• Kohavi, R. e Longbotham, R. (2015). Experimentos controlados online e testes A/B. Cita Kohavi, Crook e Longbotham (2009) para o número da Microsoft, Moran (2007) para a Netflix.
• McBride, S. (5 de janeiro de 2018). RICE: Priorização simples para gerentes de produtoInterfone.
• Laja, P. (27 de setembro de 2016). PXL: Uma maneira melhor de priorizar seus testes A/B, CXL.
• Quadro de priorização PIE, Conversion (anteriormente WiderFunnel), com crédito a Chris Goward.
• Ministério do Comércio da Turquia (12 de maio de 2026). O volume do comércio eletrônico atingiu 4.6 trilhões de liras em 2025..
• Miller, E. Calculadora de tamanho de amostra.
• Switas. Calculadora de teste A/B.