greatbody
/
freeCodeCamp
mirror of https://github.com/freeCodeCamp/freeCodeCamp.git
1
0
Fork 0
Code Issues Projects Releases Wiki Activity

Vocabulary corrections on the first two paragraphs (#20472) 

* Vocabulary corrections on the first two paragraphs

Added some portuguese grammar elements; the document is written in brazilian portuguese (a derivate from portuguese itself), however it may benefit the most if converted into regular portuguese.

* small format and word changes for the PR
pull/30312/head
Bloombug 2018-10-27 13:22:19 +01:00 committed by Jefferson Oliveira
parent 3ebca04f6d
commit dfcb95b841
1 changed files with 3 additions and 3 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

6
guide/portuguese/user-experience-design/a-b-testing/index.md
View File

@ -4,10 +4,10 @@ localeTitle: Um teste B
---
## O que é o teste AB?
O teste A / B (às vezes chamado de teste de divisão) está comparando duas versões de uma página da web ou elemento para ver qual apresenta melhor desempenho. Você compara duas páginas da Web ou elementos mostrando as duas variantes (vamos chamá-las de A e B) para visitantes semelhantes ao mesmo tempo. Aquele que dá uma melhor taxa de conversão, ganha!
O teste A/B (por vezes chamado de teste de divisão) compara duas versões de uma página ou elemento <i>web</i> para ver qual dos dois apresenta melhor desempenho. Você compara duas páginas ou elementos da Web mostrando as duas variantes (vamos chamá-las de A e B) para visitantes semelhantes ao mesmo tempo. Aquele que dá uma melhor taxa de conversão, ganha!
Todo site quer que os visitantes convertam apenas visitantes em algo diferente (conversões, inscrições ou simplesmente tomar medidas para algo). A taxa em que um site é capaz de fazer isso é sua "taxa de conversão". Medir o desempenho de uma variação (A ou B) significa medir a taxa na qual ela converte os visitantes em realizadores de metas. Os cientistas de dados usam testes A / B para ver qual (is) versão (ões) de seu produto leva à meta desejada mais rapidamente. Às vezes, grandes empresas realizam centenas ou milhares de testes A / B para tomar decisões sobre produtos. Esses testes são quase sempre aleatórios, grandes e cegos. Isso significa que o assunto ou usuário não conhece o teste A / B.
Qualquer site quer que os visitantes se convertam de apenas visitantes para algo diferente (conversões, inscrições ou simplesmente tomando medidas para algo). A taxa em que um site é capaz de fazer isso é a sua "taxa de conversão". Medir o desempenho de uma variação (A ou B) significa medir a taxa na qual ela converte os visitantes em realizadores de metas. Os cientistas de dados usam testes A/B para ver qual(is) versão(ões) de seu produto leva à meta desejada mais rapidamente. Às vezes, grandes empresas realizam centenas ou milhares de testes A/B para tomar decisões sobre produtos. Esses testes são quase sempre aleatórios, grandes e cegos. Isso significa que o individuo ou usuário não sabe do teste A/B.
#### Mais Informações:
Para mais informações sobre testes A / B, por favor leia [O Guia Completo para Teste A / B](https://vwo.com/ab-testing/) e [Um refrescante no teste A / B.](https://hbr.org/2017/06/a-refresher-on-ab-testing) [O que é o teste A / B?](https://www.optimizely.com/ab-testing/)
Para mais informações sobre testes A/B, por favor leia [O Guia Completo para Teste A / B](https://vwo.com/ab-testing/) e [Um refrescante no teste A / B.](https://hbr.org/2017/06/a-refresher-on-ab-testing) [O que é o teste A / B?](https://www.optimizely.com/ab-testing/)