Como calcular o tamanho de amostra para experimentos de mercado: guia prático para founders
Entenda quantos usuários testar, quando usar estatística e quando uma conversa bem conduzida vale mais do que centenas de respostas.
Conheça a abordagem da Tresete
Neste artigo7 seções
- Por que calcular o tamanho de amostra antes de testar
- Como calcular o tamanho de amostra para uma proporção
- Passo a passo para estimar sua amostra sem ser estatístico
- A heurística de 3 níveis da Tresete para escolher a amostra
- Exemplos práticos de tamanho de amostra em negócios locais e B2B
- Como adaptar a amostra ao orçamento e evitar erros comuns
- Como transformar o cálculo em um experimento executável
Por que calcular o tamanho de amostra antes de testar
Saber como calcular o tamanho de amostra ajuda você a distinguir um sinal real de uma oscilação aleatória. Em um MVP, isso significa evitar conclusões precipitadas como “o preço não funciona” depois de apenas cinco visitantes ou “a oferta foi validada” porque três pessoas demonstraram entusiasmo.
A amostra necessária depende da pergunta, da métrica e do nível de precisão que você precisa. Testar se usuários entendem uma proposta exige menos pessoas do que estimar, com margem estreita, a taxa de conversão de um canal de aquisição.
Para um founder, o objetivo inicial raramente é produzir um estudo acadêmico. É reduzir uma incerteza relevante o suficiente para escolher o próximo sprint, ajustar a oferta, mudar o preço ou interromper uma hipótese sem desperdiçar caixa.
O tamanho da amostra também precisa respeitar a população disponível. Um marketplace B2B com 400 compradores potenciais não deve copiar a amostra de um aplicativo de consumo com milhares de visitantes por dia. Segmentação, qualidade do recrutamento e comportamento observado podem ser mais decisivos do que um número grande de respostas.
A definição das métricas do primeiro MVP vem antes da conta. Sem uma métrica primária, você corre o risco de aumentar a amostra apenas para procurar algum resultado positivo entre vários indicadores.
Como calcular o tamanho de amostra para uma proporção
Quando a hipótese envolve uma taxa, como conversão, ativação ou intenção de compra, uma aproximação comum para população grande é: n = Z² × p × (1 - p) ÷ E². Nessa fórmula, n é o tamanho da amostra, Z corresponde ao nível de confiança, p é a proporção esperada e E é a margem de erro desejada.
Para 95% de confiança, usa-se aproximadamente Z = 1,96. Se você não tem dados históricos para estimar p, use 0,5, pois esse valor produz a maior amostra e evita subdimensionar o teste. Com margem de erro de 10%, o cálculo fica 1,96² × 0,5 × 0,5 ÷ 0,10², resultando em aproximadamente 96 observações.
Com margem de erro de 5%, a mesma conta chega a cerca de 385 observações. Essa diferença mostra por que buscar precisão estatística alta pode ser inviável em um MVP. Muitas vezes, uma decisão direcional com margem maior é mais útil do que esperar meses para conseguir uma amostra perfeita.
O manual de desenho de experimentos do NIST explica como planejamento, variabilidade e objetivo do experimento influenciam a análise. A fórmula não substitui a definição do desenho: ela apenas responde a uma parte do problema.
Se a população for pequena e conhecida, aplique a correção para população finita: n ajustado = n ÷ (1 + (n - 1) ÷ N), em que N é o tamanho total da população. Por exemplo, uma base de 400 compradores potenciais reduz uma amostra teórica de 96 para aproximadamente 77 pessoas, mantendo as mesmas premissas.
Para comparar duas versões, não basta calcular a amostra total. Você precisa dividir os participantes entre controle e variante, definir o efeito mínimo detectável e considerar a taxa de conversão inicial. Um aumento de 2 pontos percentuais exige muito mais dados do que um aumento de 15 pontos, porque o sinal é menor em relação ao ruído.
Quando a hipótese é “o preço de R$ 49 converte melhor que o preço de R$ 39”, registre a taxa de conversão de cada grupo, o número de pessoas expostas e a janela de observação. Não misture visitantes que viram preços diferentes nem altere a oferta no meio do teste sem documentar a mudança.
Passo a passo para estimar sua amostra sem ser estatístico
- 1
Escreva uma hipótese mensurável
Troque “clientes vão gostar do produto” por uma frase observável, como “pelo menos 20% dos visitantes que recebem a oferta de delivery deixam um pedido ou contato”. A hipótese deve indicar público, ação, período e métrica principal.
- 2
Escolha uma métrica primária
Use uma métrica que represente o comportamento decisivo, como pedido pago, cadastro qualificado ou reunião agendada. Cliques, curtidas e respostas positivas podem ser sinais auxiliares, mas não devem substituir uma ação de valor.
- 3
Estime a taxa de referência
Procure dados do seu funil, de um teste anterior ou de uma campanha pequena. Sem histórico, adote 50% para calcular uma proporção conservadora, ou faça um teste exploratório para obter uma primeira referência.
- 4
Defina o efeito mínimo detectável
Pergunte qual mudança justificaria uma decisão. Se aumentar a conversão de 10% para 11% não altera o negócio, não dimensione o experimento para detectar apenas esse ponto. Um efeito mínimo de 5 ou 10 pontos percentuais costuma ser mais útil em uma fase inicial.
- 5
Escolha a margem de erro e o nível de confiança
Para exploração, uma margem de erro de 8% a 12% pode ser aceitável, desde que você reconheça a incerteza. Confiança de 95% é uma convenção frequente, mas não transforma um recrutamento enviesado em uma amostra representativa.
- 6
Acrescente perdas e filtros
Se você precisa de 80 respostas válidas e estima que 20% serão incompletas ou fora do perfil, recrute cerca de 100 pessoas. Registre previamente os critérios de exclusão para não remover respostas apenas porque contrariaram sua expectativa.
- 7
Defina a regra de parada
Estabeleça o número mínimo, a janela de coleta e a decisão para cada resultado antes de iniciar. Você pode parar quando atingir a amostra planejada, quando houver um sinal de risco grave ou quando o custo restante superar o valor provável da informação.
A heurística de 3 níveis da Tresete para escolher a amostra
- ✓Descoberta: use de 8 a 15 entrevistas ou testes moderados para entender linguagem, dores, objeções e contexto de uso. Se o comportamento for observável em uma página ou protótipo, combine essas conversas com 20 a 40 usuários expostos ao fluxo. O objetivo é descobrir padrões, não estimar uma taxa com precisão.
- ✓Validação: trabalhe com aproximadamente 60 a 120 usuários qualificados quando a pergunta for se uma oferta gera ação inicial, como cadastro, solicitação de orçamento ou primeira compra. Em uma comparação simples, procure distribuir o tráfego de forma equilibrada e considere pelo menos 30 observações por grupo como piso operacional, não como garantia de significância.
- ✓Escala: aumente a amostra quando a decisão envolver investimento recorrente, expansão de canal ou uma diferença pequena entre alternativas. Dependendo da taxa de base, do efeito mínimo e da variabilidade, isso pode significar centenas ou milhares de observações. Aqui, cálculo de poder estatístico, controle de segmentos e acompanhamento de coortes se tornam mais importantes.
- ✓Amostra qualitativa não é uma versão menor da quantitativa. Oito entrevistas podem revelar que usuários não entendem o termo usado na oferta, algo que uma pesquisa fechada jamais capturaria. Depois de corrigir a mensagem, você pode testar a nova hipótese com uma amostra quantitativa mais limpa.
- ✓A Tresete usa essa progressão em ciclos de experimentação para evitar dois desperdícios: construir antes de compreender o problema e coletar dados antes de saber qual decisão será tomada. O tamanho é revisado a cada sprint conforme surgem dados de aquisição, ativação, conversão e retenção.
Exemplos práticos de tamanho de amostra em negócios locais e B2B
Imagine um restaurante delivery testando uma página com um novo combo. A pergunta inicial não é qual é a taxa exata de conversão da cidade inteira, mas se a oferta consegue gerar pedidos de pessoas dentro do raio de entrega. Uma fase de descoberta pode usar 10 entrevistas e 30 a 40 visitantes qualificados; se houver pedidos pagos e comentários consistentes, o próximo teste pode ampliar a exposição para 100 ou 150 pessoas.
Suponha que 12% dos visitantes façam um pedido no primeiro teste. Para detectar uma melhoria relevante, como chegar a 20%, você pode planejar uma nova rodada com grupos equilibrados e uma janela fixa. A quantidade final deve ser calculada com uma ferramenta de poder para comparação de proporções, mas o ponto estratégico é não tentar provar uma diferença de 1 ponto percentual enquanto o cardápio, o prazo e a mensagem ainda estão mudando.
Em um salão de beleza, a hipótese pode ser que um pacote de manutenção vendido por assinatura aumente a recompra. Primeiro, converse com 8 a 12 clientes recentes para entender objeções sobre recorrência, cancelamento e pagamento antecipado. Em seguida, ofereça o pacote a um grupo de clientes elegíveis e acompanhe adesão, comparecimento e renovação, não apenas o número de cliques na página.
Se a base elegível tiver 120 clientes, uma amostra de 40 a 60 pode ser suficiente para uma decisão de continuidade inicial, desde que o recrutamento cubra perfis diferentes e o período inclua pelo menos um ciclo real de compra. Não confunda “não houve renovação em sete dias” com “o modelo não funciona” se o serviço normalmente é contratado a cada 30 dias.
Em um marketplace B2B, o universo costuma ser menor e o valor por cliente, maior. Entrevistar 15 compradores e 15 fornecedores pode revelar incompatibilidades de processo, critérios de aprovação e concentração de demanda. Nesse caso, uma amostra pequena, mas composta por decisores reais, pode produzir mais aprendizado do que 300 respostas de pessoas que nunca poderiam contratar.
A planilha de hipóteses para seis sprints de validação ajuda a conectar cada teste à decisão seguinte. Na prática, registre para cada experimento a amostra planejada, o custo por participante, a métrica primária, o efeito mínimo esperado, a data de encerramento e a ação associada a cada faixa de resultado.
Como adaptar a amostra ao orçamento e evitar erros comuns
O primeiro limite deve ser o custo da informação, não uma regra universal de usuários. Se cada participante custa R$ 18 entre mídia, incentivo e operação, uma amostra de 100 pessoas custa cerca de R$ 1.800, sem contar desenvolvimento. Compare esse valor com o custo de lançar uma funcionalidade errada ou manter um canal que não retorna receita.
Uma forma prática de planejar é definir um teto de custo por usuário e uma verba máxima por sprint. Depois, divida a verba entre recrutamento, incentivo, instrumentação e análise. O artigo sobre quanto custa um ciclo de experimentação de mercado pode ajudar a organizar essa visão de investimento sem tratar o teste como uma despesa isolada.
O erro mais comum é parar assim que aparece um resultado favorável. Se você acompanha a taxa diariamente e encerra no primeiro pico, aumenta a chance de comemorar uma flutuação. Defina a amostra e a data antes do teste, ou use um método sequencial formal com critérios claros de parada.
Outro problema é misturar públicos. Uma campanha para clientes recorrentes pode converter muito melhor do que uma campanha para novos visitantes, mas juntar os dois grupos esconde essa diferença. Use identificadores de origem, segmento, dispositivo e estágio do funil para saber exatamente quem foi exposto à hipótese.
Também evite aumentar a amostra indefinidamente porque o resultado ficou inconclusivo. Um teste sem diferença pode significar que as alternativas são parecidas, que o efeito é menor do que o negócio consegue capturar ou que a execução não foi consistente. Antes de recrutar mais pessoas, revise a hipótese e o instrumento.
Para fundamentos sobre intervalo de confiança de uma proporção, consulte a referência técnica do NIST sobre intervalos para proporções. Ela é mais adequada para aprofundar o método do que calculadoras sem explicação, mas não substitui a análise do contexto comercial.
Como transformar o cálculo em um experimento executável
Um cálculo só gera valor quando está ligado a uma rotina de execução. No início de cada sprint, escreva a hipótese, a população elegível, o canal de recrutamento, o tamanho mínimo, a regra de parada e a decisão que será tomada. Essa documentação reduz discussões baseadas em memória ou preferência pessoal.
A planilha modelo usada pela Tresete organiza cinco blocos: premissas estatísticas, estimativa de usuários, custo por usuário, resultados por segmento e decisão. Nas premissas, você informa taxa de referência, efeito mínimo, confiança e margem de erro. No bloco financeiro, calcula o investimento necessário para atingir a amostra e adiciona uma reserva para perdas.
Uma coluna de “amostra válida” evita outro erro recorrente. Pessoas que não pertencem ao público, duplicatas, tráfego automatizado e respostas incompletas não devem ser contadas como evidência, mas precisam aparecer em um registro de perdas para que a taxa de recrutamento permaneça transparente.
No fechamento, não escreva apenas “validado” ou “invalidado”. Registre o resultado observado, a incerteza, os segmentos que responderam melhor, o custo por ação e a próxima decisão. Um resultado de 18% em uma amostra pequena pode ser um bom sinal para uma nova rodada, mas não equivale a afirmar que 18% do mercado inteiro comprará.
Esse processo funciona bem com sprints de engenharia para validar hipóteses em quatro semanas. A primeira semana define o desenho e instrumenta o fluxo, a segunda recruta e lança, a terceira acompanha a coleta e a quarta consolida evidências e decide o próximo teste.
Quando o experimento exige recrutamento, instrumentação e análise que sua equipe ainda não domina, pedir uma avaliação inicial pode economizar tempo. A Tresete combina roadmap, engenharia e estratégia comercial para transformar o tamanho de amostra em uma decisão operacional, sem substituir o julgamento do founder.
Perguntas Frequentes
Quantos usuários eu preciso para validar um MVP?▼
Não existe um número único, porque depende da pergunta e da métrica. Para descoberta, 8 a 15 entrevistas bem selecionadas podem revelar problemas de linguagem e uso, enquanto 20 a 40 usuários ajudam a observar padrões iniciais. Para uma validação quantitativa de conversão, uma faixa de 60 a 120 usuários pode ser um ponto de partida operacional, mas a amostra deve considerar taxa de base, efeito mínimo e perdas.
Como estimar o efeito mínimo detectável sem dados históricos?▼
Comece pela decisão econômica: qual melhoria mudaria sua escolha de canal, preço ou produto? Se passar de 10% para 11% não altera o resultado financeiro, não faz sentido dimensionar o teste para detectar apenas 1 ponto percentual. Use entrevistas, um teste exploratório pequeno ou referências internas para criar uma taxa inicial, e trate a primeira rodada como aprendizado para refinar a estimativa.
Qual tamanho de amostra preciso para testar se um preço funciona?▼
Defina primeiro o que significa funcionar, como aumentar pedidos pagos, margem ou receita por cliente, e não apenas gerar preferência declarada. Depois, estabeleça a taxa atual, a diferença mínima entre preços que justificaria uma decisão e a divisão entre grupos. Para uma comparação confiável de conversões, use uma calculadora de poder ou apoio estatístico; em uma fase inicial, 30 a 50 observações por grupo podem servir como piso exploratório, não como prova definitiva.
Quando usar testes qualitativos em vez de aumentar a amostra quantitativa?▼
Use entrevistas e testes de usabilidade quando você ainda não sabe por que as pessoas abandonam, quais palavras usam ou qual problema tentam resolver. Aumentar uma pesquisa quantitativa não corrige uma pergunta mal formulada nem revela necessariamente a objeção escondida. Depois de entender os padrões qualitativos, transforme-os em hipóteses mensuráveis e faça um teste quantitativo com melhor definição.
Posso usar 30 usuários para validar uma hipótese de mercado?▼
Trinta usuários podem ser suficientes para identificar falhas de fluxo, padrões de comportamento ou sinais fortes em uma etapa de descoberta. Esse número geralmente é insuficiente para estimar com precisão uma taxa de conversão ou detectar uma diferença pequena entre dois preços. Use os 30 como evidência exploratória, declare a incerteza e evite generalizar o resultado para todo o mercado.
Como calcular a amostra quando o público total é pequeno?▼
Calcule uma amostra inicial usando a proporção, a margem de erro e o nível de confiança desejados, depois aplique a correção para população finita. Uma base conhecida de 400 potenciais compradores, por exemplo, exige menos observações do que uma população muito grande para a mesma precisão. Ainda assim, cobertura e qualidade do cadastro importam: entrevistar sempre os mesmos clientes pode enviesar a conclusão.
Devo continuar coletando respostas até o resultado ficar positivo?▼
Não. Essa prática aumenta o risco de parar em um momento favorável por acaso e torna o resultado difícil de interpretar. Defina previamente o tamanho, a janela de coleta e as regras de decisão; se o resultado for inconclusivo, documente a incerteza e escolha entre reformular a hipótese, executar outro ciclo ou abandonar o teste.