GrowthBook
GrowthBook, Inc. · Programação · Produtividade
O GrowthBook é uma plataforma de código aberto para gestão de feature flags, testes A/B e analytics de produto que roda sobre o seu próprio data warehouse. Equipes de produto a usam para liberar recursos com segurança, rodar experimentos com rigor estatístico de verdade e ler dados de comportamento sem movê-los para fora da própria infraestrutura. Ela é feita para times de dados e engenharia, não para usuários casuais. E vem com SDKs para web, mobile e serviços de backend.
Sobre GrowthBook
O que é o GrowthBook
O GrowthBook é uma plataforma de software que reúne três tarefas que as equipes de produto costumam comprar separadamente: feature flags, experimentação e analytics. A parte nativa do data warehouse é o que a diferencia. O GrowthBook se conecta ao Snowflake, BigQuery, Databricks, Redshift ou Postgres e lê as suas métricas direto de tabelas que já são suas, em vez de copiar eventos para o banco de dados de outra pessoa. Isso importa para quem tem regras rígidas de privacidade de dados ou conformidade, porque os dados dos usuários nunca saem da sua nuvem.
É de código aberto sob a licença MIT, então você pode hospedar tudo por conta própria ou usar via GrowthBook Cloud. A empresa afirma que mais de 3.000 companhias usam a plataforma. Dropbox, a Fundação Wikimedia e a Khan Academy estão na lista.
O principal trade-off é o esforço de configuração. Como ela se apoia no seu data warehouse, alguém da equipe precisa apontar o GrowthBook para as tabelas certas e definir as métricas em SQL. Isso é um problema? Para a maioria dos times de engenharia, não. Mas não é uma ferramenta de ligar e usar para um único profissional de marketing. Tem também o cálculo de sempre do código aberto. A edição gratuita auto-hospedada é realmente capaz, mas você fica com as atualizações, o escalonamento e os plantões. Isso é trabalho de verdade.
Como começar
- Crie uma conta gratuita em app.growthbook.io, ou clone o repositório de código aberto e rode nos seus próprios servidores.
- Conecte uma fonte de dados (Snowflake, BigQuery, Databricks, Redshift ou Postgres) para que o GrowthBook possa ler os dados do seu produto.
- Defina as métricas e dimensões dos experimentos em SQL sobre as tabelas que você já tem.
- Instale um SDK cliente para a sua stack (JavaScript, React, Python, iOS, Android e outros) e envolva um recurso em uma flag.
- Libere o recurso para uma porcentagem de usuários e depois acompanhe os resultados no painel do experimento.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de GrowthBook.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Product managers
- Cientistas de dados
- Times de growth e marketing
- Times de engenharia
Tarefas
- Testes A/B
- Gestão de feature flags
- Lançamentos por etapas
- Analytics de produto
- Migração de ferramentas legadas
Cenários
- Um time de fintech que não pode enviar dados de clientes para um SaaS de terceiros descobre que o analytics nativo do data warehouse mantém tudo dentro da própria nuvem.
- Um time de app mobile testando fluxos de onboarding no iOS e no Android ao mesmo tempo, usando a mesma configuração de flags nos dois.
- Um time de growth que quer conferir cada experimento contra uma definição de métrica compartilhada para que os resultados sejam comparáveis entre trimestres.
- A fase inicial de pesquisa do projeto, em que um time pequeno roda uma instância auto-hospedada gratuita para ver se o fluxo de trabalho encaixa antes de pagar por assentos.
Principais recursos
Experimentação nativa do data warehouse
O GrowthBook lê as suas métricas do data warehouse que você já opera, então nunca copia eventos de usuário para um armazenamento separado. Você define um experimento uma vez e ele puxa os resultados de tabelas como Snowflake ou BigQuery. Sem duplicação de dados. Para times com regras rígidas de privacidade, essa é a razão principal para escolhê-lo em vez de uma ferramenta SaaS fechada.
Gestão de feature flags
Você envolve um trecho de código em uma flag e controla quem o vê pelo painel, sem precisar fazer novo deploy. As flags aceitam liberações por porcentagem, kill switches instantâneos e regras de segmentação baseadas em atributos do usuário. O kill switch é a parte que os times adoram. Desligar um recurso com problema em segundos em vez de reverter um lançamento.
Estatística avançada
A plataforma aceita métodos bayesianos e frequentistas, além de redução de variância com CUPED e testes sequenciais. Essa mistura importa porque os testes sequenciais deixam você conferir resultados de forma contínua sem inflar os falsos positivos, uma armadilha comum quando os times olham os painéis cedo demais.
Bandits multi-braço e contextuais
Além dos testes A/B simples, o GrowthBook roda bandits multi-braço que deslocam o tráfego para as variantes vencedoras automaticamente. A versão 5.1 adicionou bandits contextuais, que ajustam a divisão com base no contexto de cada usuário em vez de porcentagens fixas. Útil quando você tem várias variantes. Você para de desperdiçar tráfego com as perdedoras.
Editor visual com IA e Analista com IA
O Editor visual com IA deixa você mudar textos ou o layout de uma página ao vivo sem alterar o código, e o Analista com IA responde a perguntas sobre os seus dados em linguagem comum. Os dois estão ligados aos planos pagos, e os limites de uso da IA sobem conforme o nível em que você está.
Mais de 24 SDKs de frameworks
O GrowthBook distribui mais de duas dúzias de SDKs para JavaScript, React, Python, iOS, Android, Go, Ruby e mais. Eles foram feitos para ser menores que os dos concorrentes e não precisam de nenhuma chamada de rede para avaliar uma flag. Isso os mantém rápidos. Também evita vazar dados para terceiros em tempo de execução.
Implantação auto-hospedada ou na nuvem
Você pode rodar o GrowthBook inteiramente dentro da sua própria nuvem ou on-premise, ou usar a versão gerenciada na nuvem para atualizações imediatas com menos manutenção. A auto-hospedagem dá controle total dos dados. A versão na nuvem troca um pouco de controle por não ter que corrigir e escalar o serviço você mesmo. Essa é a troca.
Prós e contras
Prós
- O design nativo do data warehouse mantém os seus dados na sua própria infraestrutura, o que importa em setores regulados.
- O núcleo de código aberto sob a licença MIT significa que não há aprisionamento ao fornecedor e que a opção auto-hospedada continua gratuita.
- Um nível gratuito realmente capaz: flags, experimentos e tráfego ilimitados para equipes de até 3 usuários.
- Suporte estatístico amplo (bayesiano, frequentista, CUPED, testes sequenciais) em uma só ferramenta.
- Mais de 24 SDKs cobrem web, mobile e servidor, então stacks mistas não são problema.
Contras
- A configuração nativa do data warehouse dá trabalho de verdade, porque alguém precisa conectar as fontes de dados e escrever as métricas em SQL. Não é tarefa para um usuário não técnico.
- O preço é por assento, então os custos sobem conforme mais colegas precisam de acesso a experimentos e painéis.
- Algumas peças avançadas, como os bandits contextuais e o Analista com IA, ficam atrás dos níveis pagos e não do plano gratuito.
Perguntas frequentes
Sim. O plano Starter é gratuito e sem cartão de crédito, cobre até 3 usuários, 1 projeto e flags, experimentos e tráfego ilimitados, enquanto a versão de código aberto continua gratuita para auto-hospedar na sua própria infraestrutura.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a GrowthBook.
Alternativas a GrowthBook
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.