Um Multi-Armed Bandit (MAB) é uma classe de algoritmos concebida para resolver o trade-off entre exploração e aproveitamento: continuar testando novas opções enquanto direciona mais tráfego para o que já está vencendo. O nome vem dos caça-níqueis de cassino: os "one-armed bandits" com taxas de retorno desconhecidas. A RevBridge utiliza Thompson Sampling, um algoritmo MAB bayesiano que modela a probabilidade de cada variante ser a melhor e extrai amostras dessas distribuições para decidir cada envio.

Não há limite fixo. Cada canal carrega seus próprios slots de criativo aninhados (assunto, título, corpo e CTA), de modo que uma única campanha normalmente explora dezenas de combinações ao mesmo tempo. O Thompson Sampling lida de forma eficiente com espaços de variantes de alta dimensionalidade: adicionar variantes não retarda a convergência de forma proporcional, e as de baixo desempenho são despriorizadas rapidamente.

Ele começa com um warmup curto, alternando os canais igualmente até que cada um acumule cerca de 20 amostras, garantindo uma baseline justa para cada opção. A partir daí, as atualizações são contínuas: cada abertura, clique e conversão retorna ao modelo em minutos, e o tráfego se desloca para as opções confiáveis enquanto uma fatia permanente de exploração segue testando alternativas. Listas maiores convergem mais rápido.

Não. Essa é uma das principais vantagens sobre o teste A/B. Os testes tradicionais têm um ponto final definido: você escolhe um vencedor e segue em frente. O engine mantém uma fatia de exploração contínua (cerca de 10% do tráfego, com um cronograma decrescente opcional) para detectar mudanças no comportamento dos clientes, variações sazonais e desgaste do criativo existente. Se uma variante que antes tinha baixo desempenho passa a se destacar, o motor detecta isso e realoca o tráfego conforme necessário.

Toda campanha mantém cerca de 10% dos destinatários em um grupo de controle aleatório. Eles continuam recebendo mensagens e seus resultados continuam sendo registrados, mas nunca atualizam o modelo, o que preserva uma baseline imparcial. O lift é calculado como (IA − controle) / controle nos seus próprios envios, e a atribuição de receita o conecta a pedidos reais.

Sim. Você tem controle total. É possível fixar variantes específicas, excluir canais para determinados segmentos, definir alocações mínimas ou máximas de tráfego e estabelecer limites criativos por meio do Brand DNA. O motor otimiza dentro das restrições que você definir. Muitas equipes começam com limites mais rígidos e os flexibilizam à medida que ganham confiança nas decisões do sistema.

A RevBridge substitui a sua infraestrutura de envio atual. Não é um plugin que se sobrepõe a outro ESP: email, SMS, WhatsApp e push são todos canais nativos integrados à plataforma. Conecte sua fonte de dados (Shopify, REST API ou CSV), importe suas listas de contatos, e o decision engine cuida do restante. A migração a partir de Braze, Salesforce, Insider ou qualquer outra plataforma normalmente leva menos de um dia.

O engine aprende com sinais ponderados: conversões pesam mais, cliques em seguida, aberturas um pouco, e resultados negativos contam contra a variante: descadastros, reclamações e bounces subtraem da sua pontuação. Isso significa que ele otimiza para engajamento saudável, e não para cliques de vaidade. A atribuição de receita conecta os resultados a pedidos reais, e o desempenho é reportado como taxa de conversão, custo por aquisição e ROAS.