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, não depois. 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

A tensão central deste projeto não era técnica — era de produto. O botão de extensão de trial atendia a um caso de uso legítimo: usuários que não haviam tido tempo suficiente para explorar o produto em 3 dias. Mas sua presença no checkout gerava dois problemas. Para o usuário, era uma saída que competia com a conversão em um momento de decisão. Para o time de vendas, a extensão criava ambiguidade sobre quando retomar o contato — sem registro, o usuário somia por tempo indeterminado.

A decisão estratégica foi reduzir a ênfase visual do botão de extensão para dar mais peso aos botões de compra de planos — e vincular a ação de extensão a um registro em planilha para o time de vendas. Não foi uma decisão puramente de UX: foi uma decisão de pipeline de vendas mediada pelo design.

A segunda decisão de estratégia foi tratar cada melhoria como hipótese documentada, não como ‘entrega de melhoria de UX’. A meta oficial era reduzir o abandono de 62% para 55%. Para chegar lá de forma rastreável, cada intervenção precisava de uma previsão de impacto registrada antes da execução. Esse formato criou dois benefícios: clareza sobre o que estava sendo apostado, e base de aprendizado sobre o que especificamente funcionou.

Para o CTA principal, a decisão de aumentar a área de clique dos botões foi ancorada na Lei de Fitts: o tempo para acessar um alvo é função direta do seu tamanho e da distância. Em um fluxo de alto custo percebido — assinar um plano B2B —, reduzir o esforço motor do clique não é detalhe de polish, é intervenção de conversão.

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.

Diagnóstico por etapa antes do design
Levantamento colaborativo de hipóteses
Priorização por viabilidade e impacto
Hipótese explícita por intervenção
Métrica de sucesso antes da execução
QA como parte do escopo do designer

Diagnóstico

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

Solução

Reflexão

O que este projeto realmente foi

Este projeto foi um programa de conversão executado com disciplina de hipótese — não um redesign de interface. A diferença é material: um redesign produz um checkout melhor; um programa de conversão produz aprendizado sobre o que especificamente moveu a métrica. A meta oficial era reduzir o abandono de 62% para 55%. Chegar a 28,96% de abandono (71,04% de conclusão) foi consequência de tratar cada intervenção como aposta documentada antes da execução.

O dilema da extensão de trial ilustra o que separa decisão de design de decisão de produto: o botão atendia a um caso legítimo, mas sua posição no fluxo criava perda silenciosa de receita e ausência de registro para o time de vendas. Resolver isso exigiu entender o pipeline de vendas, não apenas o comportamento do usuário no checkout.

O que permaneceu depois

O padrão de trabalho permaneceu: hipótese documentada antes de design, métrica de sucesso antes de execução, QA como parte do escopo do designer. Esse formato transforma cada entrega em dado — e dados acumulam; entregas sem hipótese não.

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.