Por que o CRO AI-native testa a intenção do visitante em vez da página, e como fica o ciclo de pesquisa dentro de um sprint.
Por Luis Gomes, Fundador e líder de crescimento
Uma equipe roda um sprint de CRO de quatro semanas. Na primeira semana, faz o brainstorm. Na segunda, desenha e monta as variantes. Na terceira, coloca as variantes no ar e espera o tráfego passar do ruído. Na quarta, faz o balanço: o que ganhou, o que publicar, o que manter, o que descartar. O sprint fecha e o próximo abre.
Agora rode o mesmo sprint duas vezes, com duas equipes diferentes. A equipe A passa a primeira semana em entrevistas com clientes e em gravações de sessão. Também lê com cuidado três meses de respostas à pergunta "como você conheceu a gente?" no formulário de contato. No fim, escreve uma hipótese que o resto do sprint vai testar. A equipe B passa a primeira semana olhando para a home e para a página de produto, tira doze ideias de variante da cabeça e escolhe quatro que "parecem bons testes". As duas equipes fazem igual da segunda à quarta semana. As duas publicam na mesma velocidade. Três meses depois, todos os testes da equipe A moveram um número principal. Todos os testes da equipe B "ensinaram alguma coisa", mas o painel não mexeu.
O que a equipe A tinha não era uma ferramenta melhor. Era uma camada de trabalho acima da variante. Leia o discurso público da maioria das plataformas de experimentação e você não vai achar essa camada com nome. A unidade de trabalho nesses sites é a página, o elemento, a variante, a experiência. O nome mais claro para essa camada veio este ano de uma pequena empresa britânica de produtos de CRO, a Made With Intent. O fundador, David Mannheim, apresentou a ideia na conferência Circus 2026 da Speero, em Londres, no começo deste mês: desenhar experimentos em torno da intenção, e não das páginas. Essa troca única, intenção no lugar de página, é o assunto do resto deste texto.
A intenção como unidade de trabalho
Intenção é o que o visitante está tentando fazer. Ela vem antes da página em que ele por acaso caiu, do aparelho que usou, do canal de onde veio e da variante que a plataforma de experimentação decidiu mostrar. A página é o que ele encontra. A intenção é o que ele traz.
Quando a unidade de experimentação é a página, a pergunta que o sprint responde é esta: entre a versão A e a versão B deste layout, qual converte mais? A resposta pode ser limpa do ponto de vista estatístico e inútil na operação, se a equipe ainda não sabia a que intenções a página precisa atender. Imagine uma página de produto que metade dos visitantes lê como uma assinatura e a outra metade lê como uma compra avulsa. Ela tem dois argumentos a vencer. Testar variantes de texto nessa página sem resolver a divisão é o jeito de a equipe acumular testes sem acumular aprendizado.
Quando a unidade é a intenção, o sprint faz primeiro a pergunta anterior: que intenções chegam a esta página, em que proporção, e qual delas é o gargalo? A variante vem depois. Muitas vezes ela acaba sendo mais simples do que a equipe esperava. Com a intenção clara, a lista do que vale a pena testar encolhe.
É o diagnóstico que Lukas Vermeer batizou há algum tempo de Experimentation Gap: a distância entre o que a equipe acha que aprendeu com um teste e o que o teste de fato sustenta. Um sprint que usa a página como unidade aumenta essa distância por padrão. Um sprint que usa a intenção como unidade diminui essa distância por construção.
O CRO que começa pela pesquisa
As empresas de CRO que começam pela pesquisa apontam para essa camada há anos. A Speero publica o método como um Experimentation Operating System. A AGConsult abre com pesquisa com usuários e questionários de "tarefas principais" (top tasks). A GetUplift põe o mesmo formato num enquadramento que começa pela emoção. Todas essas empresas entregam trabalho que vem antes da variante, e todas estão certas em fazer isso. (A lista completa e a crítica ao ajuste automático que está por baixo deste texto ficam na coluna anterior, ajuste automático não é experimentação. É por ela que vale começar.)
O que a proposta da Made With Intent acrescenta é um nome público mais preciso para a camada anterior à variante. "Pesquisa com usuários" descreve a atividade. "Tarefas principais" descreve um método. "Intenção" descreve o que a atividade tenta modelar. Uma equipe pode fazer pesquisa com usuários e ainda assim produzir um sprint em que a unidade de trabalho é a página, porque nunca construiu a intenção como artefato. No papel, a mudança é pequena. Na prática, é surpreendentemente grande. É a diferença entre uma primeira semana que termina num resumo de pesquisa e uma primeira semana que termina numa hipótese que o sprint consegue testar.
É aqui também que a IA muda a conta. Modelar intenção em qualquer escala exigia antes um trabalho qualitativo profundo, que não escalava, ou uma segmentação quantitativa, que perdia os detalhes. Um modelo de linguagem é a primeira ferramenta capaz de ler os detalhes. Ele lê as respostas literais, agrupa as gravações e classifica as respostas de formulário numa velocidade que permite à equipe produzir um mapa de intenções toda semana, em vez de todo trimestre. O modelo faz a leitura. A equipe escolhe quais intenções vale a pena testar. O trabalho gera efeito composto porque o mapa fica mais preciso a cada ciclo.
O ciclo de pesquisa documentado
A maioria das equipes de CRO já roda um sprint. A maioria também guarda a memória de trabalho do sprint na cabeça de uma ou duas pessoas, num canal do Slack e em algumas apresentações. A versão documentada grava o ciclo em disco, em arquivos pequenos que a equipe e a IA conseguem ler. Assim o próprio ciclo passa a ser o que fica mais preciso.
O sprint de CRO com IA
O fluxo clássico. Brainstorm. Escolher as variantes. Montar. Testar. Fazer o balanço. A equipe guarda o contexto na cabeça. Quem chega aprende o sprint vendo a pessoa mais sênior conduzir. A camada da intenção acontece de forma implícita, no reconhecimento de padrões que a pessoa sênior traz de outras marcas, ou não acontece.
A versão AI-native.
- Primeira semana: o mapa de intenções. Junte todas as respostas à pergunta "como você conheceu a gente?" no formulário. Junte todo chamado de suporte que toca o evento de conversão, toda gravação de sessão marcada como de alto engajamento e sem compra e todo texto livre de pesquisa dos últimos noventa dias. A IA agrupa os dados em intenções com nome, o que os visitantes estão tentando fazer, nas palavras deles, e ordena essas intenções por frequência e peso na receita. A equipe lê os cinco grupos do topo e escolhe um como a hipótese de gargalo do sprint.
- Fim da primeira semana: a hipótese. Um parágrafo. A intenção que é o gargalo, a página onde ela está falhando, a mudança que o sprint vai testar e a métrica que vai se mexer se a hipótese estiver certa. Tudo declarado antes.
- Segunda semana: a montagem. A geração de variantes agora é estreita, porque a hipótese é estreita. São duas ou três variantes da mudança, e não doze. A IA pode rascunhar o texto e o layout a partir da hipótese. A equipe escolhe e publica.
- Terceira semana: o teste. Tamanho de amostra, limite de significância e duração declarados antes. A IA acompanha os dados e aponta anomalias, mas não decide o resultado. A equipe decide o resultado com base na regra declarada antes.
- Quarta semana: o balanço que atualiza o briefing da semana seguinte. O que o teste respondeu? O que ele não respondeu? O que isso significa para o mapa de intenções: que grupos ficaram mais precisos, quais perderam posição, quais novos apareceram? O balanço edita o mapa de intenções direto, e assim a primeira semana do próximo sprint começa com um mapa mais preciso.
O fechamento. O passo cinco é o que fecha o ciclo. O balanço não produz só um slide. Ele escreve de volta no mesmo mapa de intenções que abriu o sprint. A cada ciclo, o mapa fica mais preciso, as hipóteses ficam mais específicas, as variantes diminuem e os testes respondem perguntas mais limpas.
Onde quebra. Há duas falhas. A primeira é a equipe tratar o mapa de intenções como a entrega, e não como a entrada da hipótese. Um mapa bonito que não escolhe uma batalha produz zero testes. A segunda é ninguém ler os agrupamentos da IA. Se ninguém da equipe passou tempo suficiente com as respostas de origem para discordar dos grupos do modelo, o mapa sai genérico e a hipótese também. Aí o sprint volta a testar páginas, só que com mais etapas.
Nota de implantação. Entregamos isso como um conjunto de skills cro/ dentro da implantação de IA de cada marca. São três arquivos pequenos que a equipe e a IA leem a cada ciclo: o briefing de pesquisa de intenção, o modelo de hipótese e o balanço que edita o briefing para o próximo sprint. O fluxo acima é o formato. A implantação consiste em descobrir, na primeira semana, quais intenções importam para esta marca. Em geral isso pede uma rodada de entrevistas reais com clientes antes que os agrupamentos da IA tenham algo que valha a pena ler.
A conversa sobre CRO com IA
Em 2026, a conversa sobre CRO com IA está quase toda presa na camada errada. Quase tudo o que os fornecedores vendem é geração de variantes mais rápida, bandits mais rápidos, personalização mais rápida: velocidade na camada de execução. Executar mais rápido a pergunta errada é a falha que a coluna anterior já tratou, então este texto não vai voltar a ela.
A novidade é que a IA também é boa na camada acima da variante. Ela lê os detalhes de mil respostas abertas, agrupa essas respostas em intenções com nome e mostra as que ainda não foram testadas. Também acompanha o balanço e devolve o que ele ensinou ao briefing da semana seguinte. Esse trabalho morava na cabeça de uma pessoa sênior e agora pode morar num pequeno conjunto de arquivos que a equipe e o modelo leem. O efeito composto não vem de o modelo ser inteligente. Vem de o ciclo estar escrito.
No papel, a troca para a intenção é pequena. Num sprint, ela muda a semana em que o raciocínio difícil acontece. A primeira semana deixa de ser "o que devemos testar?" e passa a ser "o que esta página precisa fazer, e para quem?". A partir daí as variantes ficam mais fáceis, porque a pergunta já é estreita.
Esse é o ciclo. A unidade de trabalho é a intenção. O artefato é o mapa. O efeito composto é o balanço escrevendo de volta no mapa. A IA é quem lê, e a equipe escolhe as batalhas. Os fornecedores continuam na camada certa para as ferramentas deles. O erro deles é achar que a camada de cima é opcional.
O próximo texto desta série leva o ciclo para onde os visitantes estão indo: Como os agentes de IA viraram o segundo público da sua loja, e o que muda no sprint de CRO quando eles chegam.