Conta Azul · 2023–2024

Redesenhando o checkout de assinatura para reverter uma taxa de abandono de 62%

Conversion
Checkout
B2B SaaS
Hypothesis-Driven
Revenue

Contexto: O checkout de assinatura da Conta Azul era o ponto final do funil de aquisição, e estava perdendo 62% dos usuários antes da conclusão do pagamento.
Problema: Taxa de abandono de 62%, com impacto direto na receita de assinatura. O design do fluxo acumulava fricção em múltiplos pontos sem hipóteses claras de onde priorizar.
Abordagem: Diagnóstico por etapa, priorização por impacto estimado e execução de cada melhoria como hipótese mensurável, antes do design. Responsabilidade integral do diagnóstico ao QA.
Resultado: +63,5% na taxa de conclusão do checkout. Taxa final de 71,04%, superando a meta original de reduzir abandono de 62% para 55%.

Resultados

+63,5% Conclusão do checkout vs. baseline
71,04% Conclusão após mudanças Meta era 55%
−12,77% Abandono no faturamento Maior gargalo
+14,5% Conclusão da etapa de add-on Reposicionamento

Atuação

Liderei este projeto como único designer responsável, com escopo integral: da análise de abandono por etapa à entrega do QA da implementação. O trabalho não foi apenas redesign de interface: foi um programa de conversão estruturado em hipóteses documentadas no Confluence, cada uma com métrica de sucesso definida antes de qualquer wireframe.

O escopo incluiu análise de dados de abandono por etapa do funil, decisões de UX writing, ajustes de hierarquia visual, reposicionamento estrutural do fluxo e um dilema de negócio que precisava ser resolvido antes do design: o que fazer com o botão de extensão de trial.

Estratégia

O problema central era de produto, antes de ser de UX. O botão de extensão de trial atendia a um caso legítimo, mas sua posição no checkout criava dois problemas: competia com a conversão no momento de decisão e deixava o time de vendas sem registro de quando retomar o contato. A decisão foi reduzir a ênfase visual do botão de extensão em favor dos botões de planos.

A segunda decisão foi tratar cada melhoria como hipótese documentada, não como entrega de UX.

Meta: reduzir abandono de 62% para 55%; para chegar lá de forma rastreável, cada intervenção precisava de uma previsão de impacto registrada antes do design.
Formato: gerou clareza sobre o que estava sendo apostado e base de aprendizado sobre o que especificamente funcionou.
CTA principal: decisão ancorada na Lei de Fitts: em fluxo de alto custo percebido, reduzir o esforço motor do clique é intervenção de conversão, não polish.

Processo

O diagnóstico partiu dos dados, não da percepção. O funil foi mapeado etapa a etapa com taxas de conclusão para identificar onde a perda era maior, não onde o fluxo parecia mais problemático visualmente. A partir do mapa de abandono, reuniões de alinhamento com o time produziram um levantamento colaborativo de hipóteses de causa. Cada hipótese foi avaliada por dois critérios: viabilidade de implementação e impacto estimado na taxa final.

O resultado foi uma lista priorizada de intervenções, cada uma com hipótese explícita e métrica de sucesso documentada no Confluence. O formato da hipótese era invariável: ‘se fizermos X, Y acontecerá porque Z.’ Esse formato forçou precisão antes do design e criou base para aprendizado após o resultado.

O fluxo de trabalho do designer incluiu QA da implementação, não como revisão pontual, mas como parte do escopo. Erros ortográficos na etapa de pagamento, bugs de validação e inconsistências de copy foram identificados e corrigidos nessa fase.

Data-Driven
Colaboração
Priorização
Hypothesis-Driven
Metrics-Driven
QA

Diagnóstico

O funil foi mapeado etapa a etapa para identificar onde a perda era maior.

Solução

Reflexão

O que este projeto realmente foi

Um programa de conversão tocado com disciplina de hipótese. Um redesign comum entregaria um checkout mais bonito; aqui cada intervenção virou aposta documentada antes da execução, e isso gerou aprendizado sobre o que de fato moveu a métrica. A meta oficial era baixar o abandono de 62% para 55%. Chegar a 28,96% de abandono (71,04% de conclusão) foi consequência desse método.

O dilema da extensão de trial mostra a fronteira entre decisão de design e decisão de produto. O botão atendia a um caso legítimo, mas sua posição no fluxo drenava receita em silêncio e não deixava registro para o time de vendas. Resolver isso exigiu entender o pipeline de vendas, e não só o comportamento do usuário no checkout.

O que permaneceu depois

O padrão de trabalho permaneceu: hipótese documentada antes do design, métrica de sucesso antes da execução, QA dentro do escopo do designer. Cada entrega vira dado, e dado a gente reaproveita na decisão seguinte. Uma entrega sem hipótese por trás some sem deixar aprendizado.

O resultado de 28,96% de abandono posiciona o produto no quartil superior do mercado. Benchmarks de checkout em SaaS B2B otimizado indicam taxas de abandono entre 30–50% para fluxos bem executados; acima de 60% é indicador de fricção estrutural não resolvida. O checkout da Conta Azul saiu da cauda inferior para superar a faixa de referência de fluxos otimizados.

O que eu faria diferente

Iniciaria o diagnóstico com segmentação de comportamento por contexto de entrada antes do levantamento colaborativo de hipóteses. Os 629 checkouts de end-trial e os 2.404 checkouts totais do período de referência tinham motivações diferentes, e hipóteses calibradas por segmento teriam produzido intervenções mais precisas desde o início, não como refinamento posterior.

Também documentaria a decisão sobre o botão de extensão de trial como decisão de produto registrada, não apenas como ajuste de hierarquia visual. Decisões que afetam pipeline de vendas merecem rastreabilidade formal, independentemente de onde aparecem na interface.