A/B Testing: Tutto quello che devi sapere

L'A/B testing, noto anche come split testing, si riferisce a un processo di sperimentazione randomizzata in cui due o più versioni di una variabile (pagina web, elemento della pagina, ecc.) vengono mostrate contemporaneamente a diversi segmenti di visitatori del sito web per determinare quale versione riscuote il massimo impatto e guida le metriche di business.

In sostanza, il test A/B elimina tutte le congetture dall'ottimizzazione del sito web e consente agli ottimizzatori dell'esperienza di prendere decisioni basate sui dati.

Nei test A/B, A si riferisce al "controllo" o alla variabile di test originale. Mentre B si riferisce alla "variazione" o a una nuova versione della variabile di test originale.

La versione che sposta le metriche aziendali in direzione positiva è nota come "vincente".

L'implementazione delle modifiche di questa variante vincente nelle pagine/elementi testati può contribuire all'ottimizzazione del sito web e all'aumento del ROI aziendale.

Le metriche di conversione sono uniche per ogni sito web.

Ad esempio, nel caso dell'eCommerce, può essere la vendita dei prodotti. Nel caso del B2B, invece, può essere la generazione di lead qualificati.

Il test A/B è uno dei componenti del processo globale di ottimizzazione del tasso di conversione (CRO), grazie al quale è possibile raccogliere informazioni qualitative e quantitative sugli utenti.

È possibile utilizzare questi dati raccolti per comprendere il comportamento degli utenti, il tasso di coinvolgimento, le criticità e persino il tasso di soddisfazione per le funzionalità dello stesso sito web, comprese le nuove funzionalità, le sezioni rinnovate delle pagine, ecc.

Se non fate i test A/B sul vostro sito web, state sicuramente perdendo un sacco di potenziali entrate.

Perché dovresti prendere in considerazione i test A/B?

Se le aziende B2B oggi sono insoddisfatte di tutti i lead non qualificati che ricevono al mese, i negozi di e-commerce, invece, sono alle prese con un alto tasso di abbandono dei carrelli. Nel frattempo, anche i media e le case editrici hanno a che fare con un basso coinvolgimento degli spettatori. Queste metriche di conversione fondamentali sono influenzate da alcuni problemi comuni, come perdite nell'imbuto di conversione, abbandoni nella pagina di pagamento, ecc.

Vediamo perché dovresti fare i test A/B:

1. Risolvere le criticità percepite dai visitatori

I visitatori arrivano sul vostro sito web per raggiungere un obiettivo specifico che hanno in mente.

Può trattarsi di saperne di più sul vostro prodotto o servizio, di acquistare un particolare prodotto, di leggere/apprendere di più su un argomento specifico o semplicemente di navigare.

Qualunque sia l'obiettivo del visitatore, è possibile che si trovi ad affrontare alcuni punti dolenti comuni durante il raggiungimento del suo obiettivo.

Può trattarsi di un testo non chiaro o di un pulsante CTA (Call to Action) difficile da trovare, come ad esempio "compra ora", "richiedi una demo", ecc.

L'impossibilità di raggiungere i propri obiettivi porta a una cattiva esperienza dell'utente. Questo aumenta la resistenza e influisce sui tassi di conversione.

Utilizzare i dati raccolti attraverso strumenti di analisi del comportamento dei visitatori come heatmap, Google Analytics e sondaggi sul sito web per risolvere tutte le criticità. Questo vale per tutte le aziende: eCommerce, viaggi, SaaS, istruzione, media ed editoria.

2. Ottenere un migliore ROI dal traffico esistente

Come la maggior parte degli ottimizzatori UI (User experience) ha capito, il costo dell'acquisizione di traffico di qualità sul vostro sito web è enorme.

I test A/B consentono di sfruttare al meglio il traffico esistente e di aumentare le conversioni senza dover spendere altri soldi per acquisire nuovo traffico. I test A/B possono garantire un elevato ROI (Return of Investment), poiché a volte anche la più piccola delle modifiche apportate al sito web può determinare un aumento significativo delle conversioni complessive dell'azienda.

3. Ridurre la frequenza di rimbalzo

Una delle metriche più importanti da monitorare per valutare le prestazioni del vostro sito web è la sua frequenza di rimbalzo. Le ragioni alla base dell'elevata frequenza di rimbalzo del vostro sito web possono essere molteplici, come ad esempio la presenza di troppe opzioni tra cui scegliere, la mancata corrispondenza con le aspettative, la navigazione confusa, l'uso di un gergo troppo tecnico e così via.

Poiché i siti web hanno obiettivi diversi e si rivolgono a segmenti di pubblico diversi, non esiste una soluzione unica per ridurre la frequenza di rimbalzo. Tuttavia, l'esecuzione di un test A/B può rivelarsi utile. Con i test A/B, potete testare più varianti di un elemento del vostro sito web fino a trovare la migliore versione possibile. Questo non solo vi aiuta a trovare i punti di attrito e di sofferenza dei visitatori, ma contribuisce a migliorare l'esperienza complessiva dei visitatori del sito, facendo sì che trascorrano più tempo sul vostro sito e che si convertano in clienti paganti.

4. Modifiche a basso rischio

Con i test A/B apportate modifiche minori e incrementali alla vostra pagina web, invece di riprogettare l'intera pagina. In questo modo si può ridurre il rischio di compromettere l'attuale tasso di conversione.

I test A/B consentono di indirizzare le risorse per ottenere il massimo risultato con modifiche minime, con conseguente aumento del ROI. Un esempio potrebbe essere la modifica della descrizione del prodotto. È possibile eseguire un test A/B quando si prevede di rimuovere o aggiornare le descrizioni dei prodotti. Non sapete come reagiranno i vostri visitatori al cambiamento. Eseguendo un test A/B, potete analizzare la loro reazione e stabilire da che parte può pendere la bilancia.

Un altro esempio di modifica a basso rischio può essere l'introduzione di una nuova funzionalità. Prima di introdurre una nuova funzionalità, lanciarla come test A/B può aiutarvi a capire se la nuova modifica che state proponendo piacerà o meno al pubblico del vostro sito web.

L'implementazione di una modifica sul vostro sito web senza averla testata può dare o meno i suoi frutti sia nel breve che nel lungo periodo. Testare e poi apportare le modifiche può rendere il risultato più certo.

5. Ottenere miglioramenti statisticamente significativi

Poiché i test A/B sono interamente basati sui dati e non lasciano spazio a congetture, sensazioni o istinti, è possibile determinare rapidamente un "vincitore" e un "perdente" in base a miglioramenti statisticamente significativi su metriche come il tempo trascorso sulla pagina, il numero di richieste di demo, il tasso di abbandono del carrello, il tasso di clic e così via.

6. Riprogettare il sito web per incrementare i futuri guadagni commerciali

La riprogettazione può andare da una piccola modifica del testo della CTA o del colore di particolari pagine web fino al completo rinnovamento del sito. La decisione di implementare una versione o l'altra deve sempre essere guidata dai dati durante i test A/B. Non abbandonate i test quando il progetto è stato finalizzato. Quando la nuova versione diventa operativa, testate altri elementi della pagina web per assicurarvi che ai visitatori venga proposta la versione più accattivante.

Che cosa si può testare con A/B?

Il funnel di conversione del vostro sito web determina il destino della vostra attività. Pertanto, ogni contenuto che raggiunge il pubblico target attraverso il vostro sito web deve essere ottimizzato al massimo delle sue potenzialità. Questo vale soprattutto per gli elementi che hanno il potenziale di influenzare il comportamento dei visitatori del sito e il tasso di conversione dell'azienda. Quando intraprendete un programma di ottimizzazione, testate i seguenti elementi chiave del sito (l'elenco, tuttavia, non è esaustivo):

COPY

1. Titoli e sottotitoli

Il titolo è praticamente la prima cosa che un visitatore nota in una pagina web. È anche ciò che definisce la prima e l'ultima impressione, che riempie gli spazi vuoti per decidere se convertirsi o meno in clienti paganti. Per questo motivo, è indispensabile prestare la massima attenzione ai titoli e ai sottotitoli del vostro sito. Assicuratevi che siano brevi, diretti, accattivanti e che trasmettano il messaggio desiderato nella prima posizione. Provate a fare dei test A/B su alcune copie con font e stili di scrittura diversi e analizzate quale cattura maggiormente l'attenzione dei vostri visitatori e li spinge a convertire. Potete anche utilizzare il sistema di generazione di testi AI di VWO per generare raccomandazioni per i testi esistenti sul vostro sito web.

2. Body

Il corpo o il contenuto testuale principale del vostro sito web deve indicare chiaramente ciò che il visitatore sta ricevendo, ovvero ciò che ha in serbo per lui. Dovrebbe anche essere in sintonia con il titolo e il sottotitolo della pagina. Un testo ben scritto può aumentare notevolmente le possibilità di trasformare il vostro sito web in un magnete di conversione.

Durante la stesura dei contenuti del vostro sito web, tenete a mente i due parametri seguenti:

• Stile di scrittura: Utilizzate la giusta tonalità in base al vostro pubblico di riferimento. Il testo deve rivolgersi direttamente all'utente finale e rispondere a tutte le sue domande. Deve contenere frasi chiave che migliorino l'usabilità ed elementi stilistici che evidenzino i punti importanti.
• Formattazione: Utilizzate titoli e sottotitoli pertinenti, suddividete il testo in paragrafi piccoli e semplici e formattatelo per gli skimmer utilizzando punti o elenchi.

È interessante notare che gli ottimizzatori di esperienza possono ora sfruttare l'intelligenza artificiale per creare copie di siti web. GPT-3, o Generative Pre-trained Transformer 3, è una rete neurale alimentata dall'intelligenza artificiale in grado di produrre contenuti testuali quasi impeccabili e pertinenti a qualsiasi contesto. Costruito da OpenAI, GPT-3 utilizza l'apprendimento automatico per prevedere e redigere contenuti proprio come un essere umano. La parte migliore? Ora potete integrare GPT-3 di OpenAI con l'account VWO Testing e creare variazioni per i testi del vostro sito web e distribuirle senza l'aiuto di uno scrittore esperto o di un informatico.

3. Oggetto delle mail

Gli oggetti delle e-mail hanno un impatto diretto sui tassi di apertura. Se un abbonato non trova nulla di suo gradimento, è probabile che l'e-mail finisca nel cestino.

Secondo una recente ricerca, i tassi di apertura medi in più di una dozzina di settori vanno dal 25 al 47%. Anche se siete al di sopra della media, solo circa la metà dei vostri abbonati potrebbe aprire le vostre e-mail.

I test A/B sulle righe dell'oggetto possono aumentare le possibilità di ottenere un clic. Provate a confrontare le domande con le affermazioni, le parole chiave con le altre e prendete in considerazione l'idea di usare gli oggetti con e senza emoji.

Design e layout

Poiché tutto sembra così essenziale, le aziende a volte faticano a trovare solo gli elementi più indispensabili da mantenere sul proprio sito web. Con i test A/B, questo problema può essere risolto una volta per tutte.

Ad esempio, per un negozio di e-commerce, la pagina dei prodotti è estremamente importante dal punto di vista della conversione. Una cosa è certa: con il progresso tecnologico nella sua fase attuale, i clienti amano vedere tutto in alta definizione prima di acquistarlo. Pertanto, la pagina del prodotto deve essere ottimizzata al massimo in termini di design e layout.

Oltre al testo, il design e il layout della pagina includono immagini (immagini del prodotto, immagini dell'offerta, ecc.) e video (video del prodotto, video dimostrativi, annunci pubblicitari, ecc.) La pagina del prodotto deve rispondere a tutte le domande del visitatore senza confonderlo e senza ingombrarlo:

• Fornite informazioni chiare: In base ai prodotti che vendete, trovate modi creativi per fornire tutto il contesto necessario e descrizioni accurate dei prodotti, in modo che i potenziali acquirenti non vengano sopraffatti da una copia non organizzata mentre cercano le risposte alle loro domande. Scrivete copie chiare e fornite grafici delle taglie, opzioni di colore e così via.
• Evidenziate le recensioni dei clienti: Aggiungete recensioni positive e negative sui vostri prodotti. Le recensioni negative aggiungono credibilità al vostro negozio.
• Scrivete contenuti semplici: Evitate di confondere i potenziali acquirenti con un linguaggio complicato nel tentativo di decorare i vostri contenuti. Manteneteli brevi, semplici e divertenti da leggere.
• Create un senso di urgenza: Aggiungete tag come "Ne rimangono solo 2 in magazzino", conti alla rovescia come "L'offerta termina tra 2 ore e 15 minuti", o evidenziate sconti esclusivi e offerte festive, ecc. per spingere i potenziali acquirenti ad acquistare immediatamente.

Altre pagine importanti per le quali il design deve essere perfetto sono pagine come la home page e la landing page. Utilizzate i test A/B per scoprire la versione più ottimizzata di queste pagine fondamentali. Testate quante più idee possibili, ad esempio aggiungendo molto spazio bianco e immagini ad alta definizione, inserendo video dei prodotti al posto delle immagini e provando diversi layout.

Riducete l'ingombro delle vostre pagine utilizzando le heatmap, le clickmap e le scrollmap per analizzare i clic morti e identificare le distrazioni. Meno ingombranti sono la home page e le landing page, più è probabile che i visitatori trovino facilmente e rapidamente ciò che cercano.

La navigazione

Un altro elemento del vostro sito web che potete ottimizzare con i test A/B è la navigazione. È l'elemento più cruciale quando si tratta di offrire un'esperienza utente eccellente. Assicuratevi di avere un piano chiaro della struttura del vostro sito web e di come le diverse pagine saranno collegate tra loro e reagiranno all'interno di tale struttura.

La navigazione del vostro sito web inizia dalla home page. La home page è la pagina madre da cui emergono e si collegano tutte le altre pagine. Assicuratevi che la vostra struttura sia tale da permettere ai visitatori di trovare facilmente ciò che cercano e di non perdersi a causa di un percorso di navigazione interrotto. Ogni clic deve indirizzare i visitatori alla pagina desiderata.

Di seguito sono riportate alcune idee per aiutarvi a migliorare la vostra navigazione:

• Rispettare le aspettative dei visitatori posizionando la barra di navigazione in punti standard, come la navigazione orizzontale in alto e quella verticale a sinistra, per rendere il sito più facile da usare.
• Rendete prevedibile la navigazione del vostro sito web mantenendo i contenuti a tema simile nello stesso contenitore o in contenitori correlati per ridurre il carico cognitivo del visitatore. Ad esempio, un negozio di e-commerce potrebbe vendere una serie di auricolari e cuffie. Alcuni di essi possono essere cablati, mentre altri possono essere wireless o auricolari. Raccoglieteli in modo tale che quando un visitatore cerca auricolari o cuffie, trovi tutte queste varietà in un unico posto, invece di dover cercare ogni tipo separatamente.
• Creare un sito web fluido e facile da navigare, mantenendo la sua struttura semplice, prevedibile e in linea con le aspettative dei visitatori. In questo modo non solo si aumentano le probabilità di ottenere più conversioni, ma si crea anche un'esperienza piacevole per il cliente che spinge i visitatori a tornare sul vostro sito.

I moduli

I moduli sono mezzi attraverso i quali i potenziali clienti entrano in contatto con voi. Diventano ancora più importanti se fanno parte del vostro funnel di acquisto. Così come non esistono due siti web uguali, non esistono due moduli che si rivolgono a pubblici diversi. Mentre per alcune aziende può andare bene un piccolo modulo completo, per altre aziende i moduli lunghi possono fare miracoli per la qualità dei lead.

Per capire quale stile funziona meglio per il vostro pubblico, potete utilizzare strumenti/metodi di ricerca come l'analisi dei moduli per determinare l'area problematica del vostro modulo e lavorare per ottimizzarlo.

CTA (Call-to-action)

La CTA è il luogo in cui avviene l'azione vera e propria: se i visitatori concludono o meno l'acquisto e si convertono, se compilano o meno il modulo di iscrizione e altre azioni di questo tipo che hanno un impatto diretto sul vostro tasso di conversione. I test A/B consentono di testare diverse copie di CTA, il loro posizionamento nella pagina web, di giocare con le dimensioni e la combinazione di colori e così via. Questa sperimentazione aiuta a capire quale variante ha il potenziale per ottenere il maggior numero di conversioni.

Riprova Sociale (Social Proof)

La prova sociale può assumere la forma di raccomandazioni e recensioni da parte di esperti del settore, di celebrità e clienti stessi, oppure può presentarsi come testimonianze, menzioni dei media, premi e distintivi, certificati e così via. La presenza di queste prove convalida le affermazioni del vostro sito web. I test A/B possono aiutarvi a determinare se l'aggiunta di prove sociali sia o meno una buona idea. Se è una buona idea, quali e quanti tipi di social proof aggiungere. Potete testare diversi tipi di prove sociali, il loro layout e la loro collocazione per capire quale funziona meglio a vostro favore.

Profondità del contenuto

Alcuni visitatori di un sito web preferiscono leggere contenuti lunghi che coprono in modo esauriente anche i dettagli più minuti. Altri, invece, preferiscono scorrere le pagine e approfondire solo gli argomenti più rilevanti per loro. In quale categoria rientra il vostro pubblico target?

Test A/B sulla profondità dei contenuti. Creare due parti dello stesso contenuto, una significativamente più lunga dell'altra, fornisce maggiori dettagli. Analizzate quale dei due attira di più i vostri lettori.

È chiaro che la profondità dei contenuti ha un impatto sulla SEO e su molte altre metriche aziendali, come il tasso di conversione, il tempo di permanenza sulla pagina e la frequenza di rimbalzo. I test A/B consentono di trovare l'equilibrio ideale tra i due aspetti.

Quali sono i diversi tipi di test A/B?

Dopo aver appreso quali sono gli elementi della pagina web da testare per far evolvere le metriche aziendali in senso positivo, passiamo a conoscere i diversi tipi di metodi di test e i loro vantaggi.

Idealmente, esistono quattro metodi di test di base: A/B test, Split URL test, Multivariate test e Multipage test. Abbiamo già discusso il primo tipo, ovvero l'A/B testing. Passiamo ora agli altri.

Split Test

Molte persone che si occupano di test confondono i test Split URL con i test A/B. Tuttavia, le due cose sono fondamentalmente molto diverse. Lo Split URL testing si riferisce a un processo di sperimentazione in cui viene testata una versione completamente nuova dell'URL di una pagina web esistente, per analizzare quale sia la più performante.
In genere, il test A/B viene utilizzato quando si desidera testare solo le modifiche front-end del sito web. Il test Split URL, invece, viene utilizzato quando si desidera apportare modifiche significative alla pagina esistente, soprattutto in termini di design. Non si vuole toccare il design della pagina web esistente a scopo di confronto.

Quando si esegue uno Split Test, il traffico del sito web viene suddiviso tra il controllo (URL della pagina web originale) e le variazioni (URL della nuova pagina web) e vengono misurati i rispettivi tassi di conversione per stabilire il vincitore.

Vantaggi dello Split Test Split 

• Ideale per provare nuovi design radicali e utilizzare il design della pagina esistente per l'analisi comparativa.
• Consigliato per eseguire test con modifiche non legate all'interfaccia utente, come il passaggio a un database diverso, l'ottimizzazione del tempo di caricamento della pagina, ecc.
• Modificare i flussi di lavoro delle pagine web. I flussi di lavoro influiscono in modo significativo sulle conversioni aziendali; è quindi utile testare nuovi percorsi prima di implementare le modifiche e determinare se sono stati tralasciati alcuni punti critici.
• Un metodo di test migliore e molto consigliato per i contenuti dinamici.

Test multivariati (MVT)

Il test multivariato (MVT) si riferisce a un metodo di sperimentazione in cui vengono testate simultaneamente le variazioni di più variabili di una pagina per analizzare quale combinazione di variabili risulta migliore tra tutte le possibili permutazioni. È più complicato di un normale test A/B ed è più adatto a professionisti avanzati del marketing, dei prodotti e dello sviluppo.

Ecco un esempio per fornire una descrizione più completa dei test multivariati. Supponiamo che decidiate di testare 2 versioni, ognuna della hero image, del colore del pulsante call-to-action e dei titoli di una delle vostre landing page. Ciò significa che sono state create in totale 8 varianti, che verranno testate simultaneamente per trovare la variante vincente.

Ecco una semplice formula per calcolare il numero totale di versioni in un test multivariato:

[N. di variazioni dell'elemento A] x [N. di variazioni dell'elemento B] x [N. di variazioni dell'elemento C]... = [N. totale di variazioni].

Se condotti correttamente, i test multivariati possono aiutare a eliminare la necessità di eseguire test A/B multipli e sequenziali su una pagina web con obiettivi simili. L'esecuzione di test simultanei con un numero maggiore di varianti consente di risparmiare tempo, denaro e sforzi e di giungere a una conclusione nel più breve tempo possibile.

Vantaggi dei test multivariati

I test multivariati offrono in genere tre vantaggi principali:

• Evita la necessità di condurre diversi test A/B sequenziali con lo stesso obiettivo e fa risparmiare tempo, poiché è possibile monitorare contemporaneamente le prestazioni dei vari elementi della pagina testati.
• Analizzare e determinare facilmente il contributo di ciascun elemento della pagina ai guadagni misurati,
• mappare tutte le interazioni tra tutte le variazioni indipendenti degli elementi (titoli della pagina, immagine del banner, ecc.).

Test multipagina

Il test multipagina è una forma di sperimentazione in cui è possibile testare le modifiche a particolari elementi su più pagine.

Esistono due modi per condurre un test multipagina. Il primo è quello di prendere tutte le pagine dell'imbuto di vendita e creare nuove versioni di ognuna di esse, in modo da rendere il vostro sfidante l'imbuto di vendita, e poi testarlo contro il controllo. Questo si chiama test Funnel Multipagina.

In secondo luogo, è possibile verificare come l'aggiunta o la rimozione di elementi ricorrenti, come badge di sicurezza, testimonial, ecc. Si tratta del cosiddetto test multipagina classico o convenzionale.

Vantaggi dei test multipagina

Come i test A/B, i test multipagina sono facili da creare ed eseguire e forniscono dati significativi e affidabili con facilità e nel minor tempo possibile.

I vantaggi del test multipagina sono i seguenti:

• Permette di creare esperienze coerenti per il pubblico di destinazione.
• Consente al pubblico target di vedere un insieme coerente di pagine, indipendentemente dal fatto che si tratti del controllo o di una delle sue varianti.
• Permette di implementare la stessa modifica su diverse pagine per garantire che i visitatori del sito web non si distraggano e non rimbalzino tra diverse varianti e design durante la navigazione del sito.

Quale approccio statistico utilizzare per eseguire un test A/B?
Dopo aver appreso i quattro diversi tipi di metodi di sperimentazione dei test A/B, è altrettanto importante capire quale approccio statistico adottare per eseguire con successo un test A/B e trarre le giuste conclusioni commerciali.

Idealmente, esistono due tipi di approcci statistici utilizzati dagli sperimentatori A/B/n di tutto il mondo: Frequentista e Bayesiano. Ognuno di questi approcci ha i suoi pro e contro. Tuttavia, noi di VWO utilizziamo, sosteniamo e promuoviamo l'approccio bayesiano.

Il confronto tra i due approcci riportato di seguito vi aiuterà a capire perché.

Approccio frequentista:

L'approccio frequentista della probabilità definisce la probabilità di un evento in relazione alla frequenza con cui (da qui il nome) un particolare evento si verifica in un gran numero di prove/punti dati. Se applicato al mondo dei test A/B, si può notare che chi segue l'approccio frequentista avrebbe bisogno di un maggior numero di dati (in funzione di un maggior numero di visitatori testati e per un periodo più lungo) per giungere alle giuste conclusioni. Questo è un aspetto che limita la scalabilità di qualsiasi sforzo di A/B testing. Secondo l'approccio frequentista, è essenziale definire la durata del test A/B in base alla dimensione del campione per giungere alle giuste conclusioni. I test si basano sul fatto che ogni esperimento può essere ripetuto infinite volte.

Seguire questo approccio richiede una grande attenzione ai dettagli per ogni test che si esegue perché, a parità di visitatori, si è costretti a eseguire test di durata maggiore rispetto all'approccio bayesiano. Pertanto, ogni test deve essere trattato con estrema cura, poiché è possibile eseguire solo pochi test in un determinato lasso di tempo. A differenza della statistica bayesiana, l'approccio frequentista è meno intuitivo e spesso risulta difficile da comprendere.

Approccio bayesiano:

Rispetto all'approccio frequentista, la statistica bayesiana è un approccio teorico che si basa sull'interpretazione bayesiana della probabilità, dove la probabilità è espressa come un grado di fiducia in un evento. In altre parole, più si conosce un evento, meglio e più velocemente si possono prevedere i risultati finali. Anziché essere un valore fisso, la probabilità secondo la statistica bayesiana può cambiare man mano che si raccolgono nuove informazioni. Questa convinzione può basarsi su informazioni passate, come i risultati di test precedenti o altre informazioni sull'evento.

Diversamente dall'approccio frequentista, l'approccio bayesiano fornisce risultati attuabili quasi il 50% più velocemente, concentrandosi sulla significatività statistica. In qualsiasi momento, purché si disponga di dati sufficienti, l'approccio bayesiano indica la probabilità che la variante A abbia un tasso di conversione inferiore rispetto alla variante B o al controllo. Non ha un limite di tempo definito, né richiede una conoscenza approfondita della statistica.

In termini più semplici, l'approccio bayesiano è simile al modo in cui affrontiamo le cose nella vita quotidiana. Ad esempio, avete smarrito il vostro cellulare in casa. Come frequentista, utilizzeresti un localizzatore GPS per rintracciarlo e controlleresti solo l'area su cui punta il localizzatore. Mentre come bayesiano, non solo utilizzerà un localizzatore GPS, ma controllerà anche tutti i luoghi della casa in cui ha trovato il telefono smarrito. Nel primo caso, l'evento è considerato un valore fisso, mentre nel secondo vengono utilizzate tutte le conoscenze passate e future per localizzare il telefono.

Per comprendere meglio i due approcci statistici, ecco una tabella di confronto:

Approccio Frequentista	Approccio Bayesiano
Le statistiche frequentiste seguono la definizione di probabilità come "frequenza a lungo termine".	Le statistiche bayesiane seguono le nozioni di "probabilità come grado di convinzione" e "probabilità logica".
In questo approccio si utilizzano solo i dati dell'esperimento in corso. La soluzione frequentista consiste nel condurre test e trarre conclusioni	In questo approccio, si utilizzano le conoscenze pregresse degli esperimenti precedenti e si cerca di incorporare tali informazioni nei dati attuali. La soluzione bayesiana consiste nell'utilizzare i dati esistenti per trarre conclusioni.
Fornisce una stima della media (e della deviazione standard) dei campioni in cui A batte B, ma ignora completamente i casi in cui B batte A.	Prende in considerazione la possibilità che A batta B e calcola anche l'intervallo del miglioramento che ci si può aspettare.
Richiede che il test venga eseguito per un periodo di tempo prestabilito per ottenere dati corretti, ma non riesce a capire quanto A e B siano effettivamente vicini o lontani. Non è in grado di dire quale sia la probabilità che A batta B	Fornisce un maggiore controllo sui test. Ora è possibile pianificare meglio, avere un motivo più preciso per terminare i test ed entrare nel merito di quanto A e B siano vicini o lontani.

Una volta stabilito il metodo di test e l'approccio statistico che si desidera utilizzare, è il momento di imparare l'arte e la scienza dell'esecuzione dei test A/B sulla piattaforma di test A/B di VWO.

Come si esegue un test A/B?

I test A/B offrono un metodo molto sistematico per scoprire cosa funziona e cosa non funziona in una determinata campagna di marketing. La maggior parte degli sforzi di marketing è orientata ad aumentare il traffico. Poiché l'acquisizione di traffico diventa sempre più difficile e costosa, diventa fondamentale offrire agli utenti la migliore esperienza possibile quando arrivano sul vostro sito web. Questo li aiuterà a raggiungere i loro obiettivi e a convertire nel modo più rapido ed efficiente possibile. I test A/B nel marketing consentono di sfruttare al meglio il traffico esistente e di aumentare le entrate.

Un programma strutturato di A/B testing può rendere più redditizi gli sforzi di marketing, individuando le aree problematiche più cruciali da ottimizzare. L'A/B testing sta passando dall'essere un'attività a sé stante, condotta una volta ogni morte di papa, a un'attività più strutturata e continua, che dovrebbe sempre essere svolta attraverso un processo CRO ben definito. In linea di massima, comprende le seguenti fasi:

Fase 1: Ricerca

Prima di elaborare un piano di test A/B, è necessario condurre una ricerca approfondita sulle prestazioni attuali del sito web.

Devi raccogliere dati su tutto ciò che riguarda il numero di utenti che arrivano sul sito, le pagine che generano più traffico, i vari obiettivi di conversione delle diverse pagine, ecc.

Gli strumenti di A/B testing utilizzati in questo caso possono includere strumenti di analisi quantitativa del sito web come Matomo, Google Analytics, Omniture, Mixpanel, ecc. che possono aiutarti a capire quali sono le pagine più visitate, quelle con il maggior tempo di permanenza o quelle con la più alta frequenza di rimbalzo.

Ad esempio, si può iniziare a selezionare le pagine che hanno il maggior potenziale di guadagno o il maggior traffico giornaliero. In seguito, potreste voler approfondire gli aspetti qualitativi di questo traffico.

Gli strumenti di Heatmap sono la tecnologia più utilizzata per determinare dove gli utenti trascorrono più tempo, il loro comportamento di scorrimento, ecc. Questo può aiutarti a identificare le aree problematiche del vostro sito web.

Un altro strumento molto utilizzato per fare ricerche più approfondite sono i sondaggi tra gli utenti del sito web. I sondaggi possono fungere da tramite diretto tra il team del sito web e l'utente finale e spesso evidenziano problemi che potrebbero sfuggire ai dati aggregati.

Inoltre, gli strumenti di registrazione delle sessioni, che raccolgono dati sul comportamento dei visitatori, consentono di individuare le lacune nel percorso dell'utente. Infatti, gli strumenti di registrazione delle sessioni, combinati con le indagini di analisi dei moduli, possono far emergere i motivi per cui gli utenti non compilano il modulo. Può essere dovuto ad alcuni campi che richiedono informazioni personali o al fatto che gli utenti abbandonano i moduli per troppo tempo.

Come possiamo vedere, sia la ricerca quantitativa che quella qualitativa possono aiutarci a prepararci per la fase successiva del processo, facendo osservazioni attuabili per i passi successivi.

Fase 2: Osservare e formulare ipotesi

Approccia gli obiettivi aziendali registrando le osservazioni della ricerca e creando ipotesi basate sui dati e finalizzate ad aumentare le conversioni. Senza di esse, la campagna di test è come una bussola senza direzione.

Gli strumenti di ricerca qualitativa e quantitativa possono solo aiutarti a raccogliere i dati sul comportamento dei visitatori. Ora è tua responsabilità analizzare e dare un senso a questi dati.

Il modo migliore per utilizzare tutti i dati raccolti è analizzarli, fare osservazioni acute e poi trarre spunti dai siti web e dagli utenti per formulare ipotesi basate sui dati.

Una volta pronta un'ipotesi, testatela in base a vari parametri, come la sicurezza che sia vincente, il suo impatto sui macro-obiettivi, la facilità di configurazione e così via.

Fase 3: Creare varianti

Il passo successivo del vostro programma di test dovrebbe essere la creazione di una variante basata sulla tua ipotesi e il test A/B rispetto alla versione esistente (controllo).

Una variante è un'altra versione della versione attuale con le modifiche che si desidera testare.

È possibile testare più varianti rispetto al controllo per vedere quale funziona meglio.

Create una variante in base alle vostre ipotesi su cosa potrebbe funzionare dal punto di vista dell'UX.

Ad esempio, le persone non compilano i moduli? Il vostro modulo ha troppi campi? Richiede informazioni personali?

Forse puoi provare una variante con un modulo più breve o un'altra variante che ometta i campi che richiedono informazioni personali.

Passo 4: Eseguire il test

Prima di passare a questa fase, è importante stabilire il tipo di metodo di test e l'approccio che si desidera utilizzare. Una volta scelto uno di questi tipi e approcci in base alle esigenze e agli obiettivi aziendali del vostro sito web (si vedano i capitoli precedenti), avviate il test e attendete il tempo necessario per ottenere risultati statisticamente significativi. Tenete presente una cosa: indipendentemente dal metodo scelto, il metodo di test e l'accuratezza statistica determineranno i risultati finali.

Ad esempio, una di queste condizioni è la tempistica della campagna di test. I tempi e la durata del test devono essere adeguati. Calcolate la durata del test tenendo conto della media dei visitatori giornalieri e mensili, del tasso di conversione esistente stimato, del miglioramento minimo del tasso di conversione che vi aspettate, del numero di varianti (compreso il controllo), della percentuale di visitatori inclusi nel test e così via.

Fase 5: Analisi dei risultati e implementazione delle modifiche

Anche se questo è l'ultimo passo per trovare il vincitore della campagna, l'analisi dei risultati è estremamente importante.

Poiché i test A/B richiedono una raccolta e un'analisi continua dei dati, è in questa fase che si dipana l'intero percorso. Una volta concluso il test, analizzatene i risultati considerando metriche come l'aumento percentuale, il livello di confidenza, l'impatto diretto e indiretto su altre metriche, ecc.

Dopo aver considerato questi numeri, se il test ha avuto successo, distribuite la variante vincente. Se il test rimane inconcludente, traetene spunti per implementarli nei test successivi.

I test A/B consentono di lavorare sistematicamente su ogni parte del sito web per migliorare le conversioni.

Come creare un cronoprogramma per i test A/B - pianificare e stabilire le priorità

I test A/B non dovrebbero mai essere considerati un esercizio di ottimizzazione isolato. È una parte di un più ampio programma olistico di CRO e come tale deve essere trattato. Un programma di ottimizzazione efficace si compone tipicamente di due parti: la pianificazione e la definizione delle priorità. Svegliarsi un giorno e decidere di testare il proprio sito web non è il modo in cui si fa la CRO. Una buona dose di brainstorming, insieme ai dati dei visitatori in tempo reale, è l'unico modo per procedere.

In parole povere, si inizia con l'analisi dei dati del sito web esistente e la raccolta dei dati sul comportamento dei visitatori, per poi passare alla preparazione di un elenco di azioni da intraprendere sulla base di questi dati, alla definizione delle priorità di ciascuna di queste azioni, all'esecuzione di test e alla stesura di analisi per il futuro. Alla fine, quando, come ottimizzatori dell'esperienza, avrete condotto un numero sufficiente di test ad hoc, vorrete scalare il vostro programma di test A/B per renderlo più strutturato.

Il primo passo per farlo è la creazione di un calendario per i test A/B. Un buon calendario di test o un buon programma di CRO vi porterà attraverso 4 fasi:

Fase 1: Misurazione

Comprende la misurazione delle prestazioni del sito web in termini di reazioni dei visitatori è la fase di pianificazione del vostro programma di A/B testing. 

In questa fase, dovresti essere in grado di capire cosa sta accadendo sul sito web, perché sta accadendo e come i visitatori stanno reagendo.

Tutto ciò che accade nel sito web deve corrispondere ai tuoi obiettivi aziendali. Quindi, prima di ogni altra cosa, devi essere sicuro di quali siano i tuoi obiettivi e strumenti come Matomo o Google Analytics possono aiutarti a misurarli. Una volta definiti chiaramente gli obiettivi, impostate GA per il vostro sito web e definite gli indicatori chiave di performance.

Prendiamo come esempio un negozio online di cover per cellulari. L'obiettivo aziendale di questo negozio è aumentare le entrate incrementando gli ordini e le vendite online. Il KPI (Key Performer Indicator) impostato per monitorare questo obiettivo potrebbe essere quindi il numero di cover per cellulari vendute.

Questa fase, tuttavia, non si esaurisce con la definizione degli obiettivi e dei KPI del sito web. Comprende anche la comprensione dei visitatori. Abbiamo già parlato dei vari strumenti che possono essere utilizzati per raccogliere dati sul comportamento dei visitatori. Una volta raccolti i dati, è possibile accedere alle osservazioni e iniziare a pianificare la campagna da lì. Dati migliori significano vendite più elevate.

Una volta definiti gli obiettivi aziendali, stabiliti i KPI e analizzati i dati del sito web e i dati sul comportamento dei visitatori, è il momento di preparare un backlog.

Backlog: "accumulo di compiti non eseguiti o di materiali non elaborati".

Il backlog deve essere un elenco esaustivo di tutti gli elementi del sito web che si decide di testare in base ai dati analizzati. Una volta preparato un backlog basato sui dati, il passo successivo è la formulazione di un'ipotesi per ogni elemento del backlog. Con i dati raccolti in questa fase e la loro analisi, ora avrete un contesto sufficiente di ciò che accade sul vostro sito web e perché. Formulate un'ipotesi sulla base di questi dati.

Ad esempio, dopo aver analizzato i dati raccolti con strumenti di ricerca quantitativi e qualitativi nella prima fase, siete giunti alla conclusione che l'assenza di opzioni di pagamento multiple ha fatto sì che la maggior parte dei clienti potenziali abbandonasse la pagina di checkout. Quindi ipotizzate che "l'aggiunta di più opzioni di pagamento aiuterà a ridurre l'abbandono della pagina di checkout".

In breve, alla fine di questa fase, saprete cosa e perché del vostro sito web.

Fase 2: Definizione delle priorità

La fase successiva consiste nel definire le priorità delle opportunità di test. La definizione delle priorità vi aiuta a classificare scientificamente più ipotesi. A questo punto, dovreste essere completamente equipaggiati con i dati del sito web, i dati dei visitatori e avere chiari i vostri obiettivi. Con il backlog preparato nella prima fase e le ipotesi pronte per ogni candidato, siete a metà strada nella vostra roadmap di ottimizzazione. Ora arriva il compito principale di questa fase: stabilire le priorità.

Nella fase 2, dovreste essere completamente attrezzati per identificare le aree problematiche del vostro sito web e le falle nel vostro imbuto. Ma non tutte le aree di intervento hanno lo stesso potenziale commerciale. Diventa quindi indispensabile soppesare i candidati del backlog prima di scegliere quelli da testare. Ci sono alcuni elementi da tenere a mente quando si stabilisce la priorità degli elementi per la campagna di test, come il potenziale di miglioramento, il valore e il costo della pagina, l'importanza della pagina dal punto di vista del business, il traffico sulla pagina e così via.

Ma come potete assicurarvi che la soggettività non entri nel vostro quadro di priorità? Potete essere sempre obiettivi al 100%? Come esseri umani, diamo molta importanza alle sensazioni viscerali, alle opinioni personali, alle idee e ai valori, perché sono le cose che ci aiutano nella vita di tutti i giorni. Ma il CRO non è la vita di tutti i giorni. È un processo scientifico che richiede obiettività e decisioni e scelte fondate su dati certi. Il modo migliore per eliminare queste soggettività è adottare un quadro di priorità.

Esistono molti schemi di prioritizzazione che anche gli esperti utilizzano per dare un senso ai loro enormi arretrati. In questa pagina di pilastri, imparerete a conoscere i framework più popolari utilizzati dagli ottimizzatori di esperienza: il framework di prioritizzazione CIE, il framework di prioritizzazione PIE e il Modello LIFT.

1. Quadro di prioritizzazione CIE

Nel framework CIE, ci sono tre parametri su cui si deve valutare il test su una scala da 1 a 5:

• Fiducia: Su una scala da 1 a 5 - 1 è il valore più basso e 5 il più alto - selezionare quanto si è fiduciosi di ottenere il miglioramento previsto attraverso l'ipotesi.
• Importanza: Su una scala da 1 a 5 - 1 è il valore più basso e 5 quello più alto - selezionate l'importanza del test (per il quale è stata creata l'ipotesi).
• Facilità: Su una scala da 1 a 5 - 1 è il più difficile e 5 il più facile - selezionate la complessità del test. Valutate quanto sarà difficile implementare i cambiamenti identificati per il test.

Prima di valutare le ipotesi, considerate questi tre aspetti:

A. Quanto siete sicuri di ottenere l'aumento?

La prototipazione dell'utente target può aiutarvi a determinare il potenziale di un'ipotesi. Con una solida comprensione del vostro pubblico, potete fare un'ipotesi istruita sul fatto che l'ipotesi affronterà le apprensioni e i dubbi degli utenti e li spingerà a convertirsi o meno.

B. Qual è il valore del traffico per il quale state conducendo il test?

Il vostro sito web può attirare un gran numero di visitatori, ma non tutti diventano acquirenti. Non tutti si convertono. Ad esempio, un'ipotesi costruita intorno alla pagina di pagamento ha un'importanza maggiore di quella costruita intorno alla pagina delle caratteristiche del prodotto. Questo perché i visitatori della pagina di pagamento si trovano molto più in profondità nell'imbuto di conversione e hanno maggiori possibilità di convertire rispetto ai visitatori della pagina delle caratteristiche del prodotto.

C. Quanto è facile implementare questo test?

Il punto successivo è la determinazione della facilità di implementazione del test. Cercate di rispondere ad alcune domande: È necessaria una grande strategia da parte vostra per implementare l'ipotesi? Qual è lo sforzo necessario per progettare e sviluppare la soluzione proposta dall'ipotesi? Le modifiche suggerite nell'ipotesi possono essere implementate utilizzando solo l'editor visuale o richiedono l'aggiunta di codice personalizzato? Solo dopo aver risposto a tutte queste e ad altre domande di questo tipo, dovrete valutare il candidato del backlog in base al parametro di facilitazione.

2. Struttura di prioritizzazione PIE

Il framework PIE è stato sviluppato per rispondere alla domanda: "Dove devo testare per primo?". L'obiettivo della fase di definizione delle priorità nel vostro percorso di A/B testing è proprio quello di trovare una risposta a questa domanda. Il framework PIE parla di 3 criteri da considerare per scegliere cosa testare: potenziale, importanza e facilità.

Per potenziale si intende la capacità di una pagina di migliorare. La fase di pianificazione dovrebbe fornirvi tutti i dati necessari per determinarlo.

L'importanza si riferisce al valore di una pagina: quanto traffico arriva alla pagina. Se avete identificato una pagina problematica, ma non c'è traffico su quella pagina, allora quella pagina è meno importante rispetto ad altre pagine con un traffico maggiore.

Il terzo e ultimo criterio è la facilità. La facilità definisce la difficoltà di eseguire un test su una determinata pagina o elemento. Un modo per determinare la facilità di testare una pagina consiste nell'utilizzare strumenti come il landing page analyzer per determinare lo stato attuale delle vostre pagine di destinazione, stimare il numero e l'entità dei cambiamenti che sarebbero necessari e stabilire la priorità di quelli da fare o se farli del tutto. Questo è importante dal punto di vista delle risorse. Molte aziende abbandonano l'idea di intraprendere una campagna di A/B testing per mancanza di risorse. Queste risorse sono di due tipi:

A. Risorse umane

Anche se le aziende utilizzano il CRO e i test A/B da molti anni, è solo di recente che questi due concetti hanno conquistato una posizione di primo piano. Per questo motivo, un'ampia fetta di mercato non dispone di un team di ottimizzazione dedicato e, quando lo fa, di solito si limita a una manciata di persone. È qui che si rivela utile un calendario di ottimizzazione pianificato. Con un backlog adeguatamente pianificato e prioritizzato, un piccolo team CRO può concentrare le sue limitate risorse sui punti più importanti.

B. Strumenti:

La popolarità del CRO e dei test A/B sta aumentando, così come le centinaia di strumenti per i test A/B, sia di fascia bassa che alta. Senza la prospettiva di un esperto, se le aziende dovessero sceglierne uno tra tutti, ad esempio il più economico, e iniziare a testare A/B ogni singolo elemento del backlog, non arriverebbero a nessuna conclusione statisticamente significativa. I motivi sono due: uno, i test senza priorità sono destinati a fallire e a non produrre alcun profitto per l'azienda. Due: non tutti gli strumenti sono della stessa qualità.

Alcuni strumenti possono essere più costosi, ma sono integrati con buoni strumenti di ricerca qualitativa e quantitativa o sono brillanti strumenti autonomi che li rendono più che capaci di produrre risultati statisticamente significativi. Mentre gli altri possono essere più economici e attirare le aziende in un momento di crisi di capitale e con un enorme arretrato, questi strumenti saranno solo una perdita di investimento per le aziende senza alcun beneficio. La definizione delle priorità vi aiuterà a dare un senso al vostro backlog e a dedicare le poche risorse disponibili a un candidato di test redditizio.

I candidati del backlog dovrebbero essere classificati in base a quanto sono difficili da testare, in base alla facilità tecnica ed economica. È possibile quantificare ogni potenziale candidato come opportunità di business in base ai criteri di cui sopra e scegliere il punteggio più alto. Per esempio, nel caso di un'attività di commercio elettronico, si potrebbe voler testare la homepage, la pagina del prodotto, la pagina di pagamento e la pagina di ringraziamento (rating). Ora, in base al quadro PIE, si mettono in fila questi elementi e li si contrassegna per potenziale, importanza e facilità:

	Potenziale	Importanza	Facilità	PIE (P+I+E/3)
Homepage	10/10	9/10	7/10	8.6/10
Product Page	8/10	10/10	9/10	9/10
Checkout Page	9/10	10/10	9/10	9.3/10
Thank you page	8/10	6/10	10/10	8/10

3. Il modello LIFT

Il Modello LIFT è un altro popolare schema di ottimizzazione della conversione che aiuta ad analizzare le esperienze web e mobile e a sviluppare buone ipotesi per i test A/B. Si basa sui 6 fattori di conversione per valutare le esperienze dal punto di vista del visitatore della pagina: Proposta di valore, chiarezza, rilevanza, distrazione, urgenza e ansia.

Con la definizione delle priorità, è possibile avere un calendario di test A/B pronto per l'esecuzione per almeno 6-12 mesi. In questo modo non solo avrete il tempo e l'anticipo per prepararvi al test, ma potrete anche pianificare le vostre risorse.

Fase 3: test A/B

La terza e più importante fase è quella del test. Dopo la fase di definizione delle priorità, avrete tutti i dati necessari e un backlog prioritario. Una volta formulate le ipotesi che si allineano al vostro obiettivo e le avete classificate come prioritarie, create le varianti e avviate il test. Mentre il test è in corso, assicuratevi che soddisfi tutti i requisiti per produrre risultati statisticamente significativi prima della chiusura, come ad esempio testare su un traffico accurato, non testare troppi elementi insieme, testare per la giusta durata e così via.

Fase 4: ripetere

Questa fase consiste nell'imparare dal test passato e da quello in corso e nell'applicarlo ai test futuri. Una volta che il test è stato eseguito per il periodo di tempo stabilito, interrompete il test e iniziate ad analizzare i dati raccolti. La prima cosa di cui vi accorgerete è che una delle tante versioni testate ha ottenuto risultati migliori di tutte le altre e ha vinto. È ora che voi e il vostro team capiate perché è successo. I risultati del test possono essere tre:

• La vostra variante o una delle vostre varianti avrà vinto con significatività statistica.
• Il vostro controllo era la versione migliore e ha vinto sulla/e variazione/i.
• Il test è fallito e ha prodotto risultati non significativi. Determinate la significatività dei risultati del vostro test con l'aiuto di strumenti come il calcolatore di significatività dei test A/B.

Nei primi due scenari, non smettete di testare solo perché avete un vincitore. Migliorate la versione e continuate a testare. Nel terzo scenario, ricordate tutti i passaggi e identificate dove avete sbagliato nel processo e rifate il test dopo aver corretto l'errore.

Ecco un esempio di calendario scaricabile per il test A/B da utilizzare come riferimento. Per utilizzare questo foglio di calcolo, fate clic sull'opzione "File" nel menu principale e poi su "Crea una copia".

File > Crea una copia

Esempio di calendario per i test A/B
Quando scalate il vostro programma di A/B testing, tenete presente i seguenti punti:

A. Rivedere i test già conclusi:

Con un calendario delle priorità, il team di ottimizzazione avrà una visione chiara dei prossimi test e di quali test devono essere eseguiti quando. Una volta testato ogni elemento o la maggior parte degli elementi del backlog, rivedete le campagne che hanno avuto successo e quelle che hanno fallito. Analizzate i risultati del test e stabilite se ci sono dati sufficienti per giustificare l'esecuzione di un'altra versione del test. In caso affermativo, eseguite nuovamente il test, con le modifiche necessarie.

B. Aumentare la frequenza dei test:

Sebbene si debba sempre essere cauti nel testare troppi elementi insieme, l'aumento della frequenza dei test è essenziale per scalare il programma di test. Il team di ottimizzazione dovrà pianificare il programma in modo che nessuno dei test influisca sugli altri o sulle prestazioni del sito web. Un modo per farlo è eseguire i test contemporaneamente su diverse pagine web del vostro sito o testare elementi della stessa pagina web in periodi di tempo diversi. In questo modo non solo si aumenta la frequenza dei test, ma nessuno di essi influisce sugli altri. Ad esempio, è possibile testare contemporaneamente un elemento della homepage, della pagina di pagamento e della pagina di iscrizione e altri elementi (1 elemento alla volta) di queste pagine dopo la conclusione del test in corso.

C. Distanziare il test:

Questo punto deriva da quello precedente. Se guardate il calendario qui sopra, vedrete che in ogni settimana non si sovrappongono più di due test. Nel tentativo di aumentare la frequenza dei test, non compromettete il tasso di conversione complessivo del vostro sito web. Se avete due o più elementi critici da testare sulla stessa pagina web, distanziateli. Come già detto, testare troppi elementi di una pagina web insieme rende difficile individuare quale elemento abbia influenzato maggiormente il successo o il fallimento del test.

Supponiamo, ad esempio, che vogliate testare una delle pagine di destinazione del vostro annuncio. Si vuole testare la CTA per aumentare le iscrizioni e i banner per diminuire la frequenza di rimbalzo e aumentare il tempo di permanenza. Per la CTA, sulla base dei dati raccolti, si decide di modificare la copia. Per il banner, decidete di testare un video rispetto a un'immagine statica. Si effettuano entrambi i test contemporaneamente e, alla fine, entrambi gli obiettivi sono stati raggiunti. Il problema è che i dati hanno mostrato che, mentre le iscrizioni sono aumentate grazie alla nuova CTA, anche il video (oltre a ridurre la frequenza di rimbalzo e ad aumentare il tempo medio trascorso sulla pagina) ha contribuito a questo risultato. La maggior parte delle persone che hanno guardato il video si sono poi iscritte.

Il problema è che, non avendo intervallato i due test, è diventato impossibile stabilire quale elemento abbia contribuito maggiormente all'aumento delle iscrizioni. Se i due test fossero stati intervallati meglio, si sarebbero potute raccogliere informazioni molto più significative?

D. Tracciare più metriche:

Di solito si misura la performance di un test A/B in base a un unico obiettivo di conversione e si punta tutto su quell'obiettivo per individuare la variante vincente. Ma a volte la variante vincente influisce anche su altri obiettivi del sito web. L'esempio precedente è applicabile anche in questo caso. Il video, oltre a ridurre la frequenza di rimbalzo e ad aumentare il tempo trascorso, ha anche contribuito ad aumentare le iscrizioni. Per scalare il vostro programma di A/B testing, tenete traccia di più metriche in modo da trarre più vantaggi con meno sforzo.

Avere un calendario ben costruito aiuta a snellire le cose. VWO ha una funzione di calendario incorporata, nota come Kanban board, che aiuta a tenere traccia dei progressi dei test nelle varie fasi.

Quali sono gli errori da evitare durante i test A/B?

Il test A/B è uno dei modi più efficaci per spostare le metriche aziendali in una direzione positiva e aumentare il flusso di entrate. Tuttavia, come già detto, i test A/B richiedono pianificazione, pazienza e precisione. Commettere errori stupidi può costare alla vostra azienda tempo e denaro, cosa che non potete permettervi. Per aiutarvi a non commettere errori, ecco un elenco di alcuni degli errori più comuni da tenere a mente quando si esegue un test A/B:

Errore n. 1: non pianificare la roadmap di ottimizzazione

A. Ipotesi non valida:

Nei test A/B, prima di condurre un test si formula un'ipotesi. Da essa dipendono tutti i passi successivi: cosa si deve cambiare, perché si deve cambiare, qual è il risultato atteso e così via. Se si inizia con un'ipotesi sbagliata, la probabilità di successo del test diminuisce.

B. Credere alle parole degli altri:

Certo, qualcun altro ha modificato il proprio flusso di iscrizione e ha registrato un aumento del 30% delle conversioni. Ma si tratta del risultato del loro test, basato sul loro traffico, sulla loro ipotesi e sui loro obiettivi. Ecco perché non dovreste implementare i risultati dei test di qualcun altro sul vostro sito web: non ci sono due siti web uguali - quello che ha funzionato per loro potrebbe non funzionare per voi. Il loro traffico sarà diverso, il loro pubblico di riferimento sarà diverso, il loro metodo di ottimizzazione potrebbe essere diverso dal vostro e così via.

Errore n. 2: testare troppi elementi insieme

Gli esperti del settore mettono in guardia dall'eseguire troppi test contemporaneamente. Testare troppi elementi di un sito web insieme rende difficile individuare quale elemento abbia influenzato maggiormente il successo o il fallimento del test. Più sono gli elementi testati, maggiore deve essere il traffico su quella pagina per giustificare un test statisticamente significativo. Pertanto, la prioritizzazione dei test è indispensabile per il successo dei test A/B.

Errore n. 3: ignorare la significatività statistica

Se le sensazioni o le opinioni personali entrano nella formulazione delle ipotesi o nella definizione degli obiettivi del test A/B, è molto probabile che il test fallisca. A prescindere da tutto, sia che il test abbia successo o che fallisca, dovete lasciarlo scorrere per tutto il suo corso in modo che raggiunga la sua significatività statistica.

I risultati dei test, buoni o cattivi che siano, vi forniranno preziose indicazioni e vi aiuteranno a pianificare meglio i vostri prossimi test.

Potete ottenere maggiori informazioni sui diversi tipi di errori che si verificano quando si ha a che fare con la matematica dell'A/B testing.

Errore n. 4: utilizzare un traffico non bilanciato

Le aziende finiscono spesso per testare un traffico non bilanciato. I test A/B devono essere eseguiti con il traffico appropriato per ottenere risultati significativi. L'utilizzo di un traffico inferiore o superiore a quello richiesto per il test aumenta le probabilità che la campagna fallisca o generi risultati inconcludenti.

Errore n. 5: eseguire i test per una durata non corretta

In base al traffico e agli obiettivi, eseguite i test A/B per un certo periodo di tempo per ottenere la significatività statistica. Eseguire un test per un periodo troppo lungo o troppo breve può far sì che il test fallisca o produca risultati insignificanti. Il fatto che una versione del sito web appaia vincente nei primi giorni dall'inizio del test non significa che si debba interromperlo prima del tempo e dichiarare il vincitore. Anche lasciare che una campagna si protragga troppo a lungo è un errore comune che le aziende commettono. La durata del test dipende da vari fattori, come il traffico esistente, il tasso di conversione esistente, il miglioramento previsto, ecc.

Scoprite per quanto tempo dovreste eseguire il vostro test.

Errore n. 6: non seguire un processo iterativo

Il test A/B è un processo iterativo, in cui ogni test si basa sui risultati dei test precedenti. Le aziende rinunciano ai test A/B dopo il fallimento del primo test. Ma per aumentare le probabilità di successo del test successivo, è necessario trarre spunto dagli ultimi test durante la pianificazione e l'implementazione del test successivo. Questo aumenta la probabilità che il test abbia successo con risultati statisticamente significativi.

Inoltre, non smettete di eseguire i test dopo averne eseguito uno con successo. Testate ripetutamente ogni elemento per produrre la versione più ottimizzata, anche se si tratta di un prodotto di una campagna di successo.

Errore n. 7: non considerare i fattori esterni

I test devono essere eseguiti in periodi comparabili per produrre risultati significativi. È sbagliato confrontare il traffico di un sito web nei giorni di maggiore affluenza con quelli di minore affluenza a causa di fattori esterni come vendite, festività e così via. Poiché il confronto non viene fatto tra like, aumentano le possibilità di giungere a conclusioni poco significative. Utilizzate il calcolatore di significatività dei test A/B di VWO per sapere se i risultati ottenuti dal vostro test sono significativi o meno.

Errore n. 8: utilizzare gli strumenti sbagliati

Con la popolarità dei test A/B, sono nati anche numerosi strumenti a basso costo. Non tutti questi strumenti sono ugualmente validi. Alcuni strumenti rallentano drasticamente il vostro sito, mentre altri non sono strettamente integrati con gli strumenti qualitativi necessari (heatmap, registrazioni di sessioni e così via), portando a un deterioramento dei dati. L'esecuzione di test A/B con questi strumenti difettosi può mettere a rischio il successo del test fin dall'inizio.

Errore n. 9: attenersi a un metodo di test A/B semplice e semplice

La maggior parte degli ottimizzatori esperti consiglia di iniziare il viaggio della sperimentazione eseguendo piccoli test A/B sul proprio sito web per prendere confidenza con l'intero processo. Ma, a lungo andare, attenersi a metodi di A/B testing semplici e vanigliati non farà miracoli per la vostra organizzazione. Per esempio, se avete intenzione di rinnovare completamente una delle pagine del vostro sito web, dovreste utilizzare lo split testing. Se invece volete testare una serie di permutazioni di pulsanti CTA, il loro colore, il testo e l'immagine del banner della vostra pagina, dovete utilizzare i test multivariati.

Quali sono le sfide dell'A/B testing?

Il ROI dei test A/B può essere enorme e positivo. Vi aiuta a indirizzare i vostri sforzi di marketing verso gli elementi di maggior valore, individuando con precisione le aree problematiche. Ma di tanto in tanto, come ottimizzatori di esperienze, potreste trovarvi di fronte ad alcune sfide quando decidete di intraprendere un A/B testing. Le 6 sfide principali sono le seguenti:

Sfida n. 1: decidere cosa testare

Non ci si può svegliare un giorno e decidere di testare alcuni elementi a scelta. Un'amara realtà di cui gli ottimizzatori di esperienza si stanno rendendo conto è che non tutti i piccoli cambiamenti facili da implementare sono sempre i migliori se si considerano gli obiettivi aziendali e spesso non si rivelano significativi. Lo stesso vale per i test complessi. È qui che entrano in gioco i dati del sito web e quelli relativi all'analisi dei visitatori. Questi dati vi aiutano a superare la sfida del "non sapere cosa testare", indicandovi in generale gli elementi che possono avere il maggiore impatto sui tassi di conversione o indirizzandovi verso le pagine con il traffico più elevato.

Sfida n. 2: Formulare ipotesi

In grande risonanza con la prima sfida è la seconda: formulare un'ipotesi. È qui che l'importanza di avere a disposizione dati scientifici si rivela utile. Se fate un test senza dati adeguati, potreste anche giocarvi la vostra attività. Con l'aiuto dei dati raccolti nella prima fase (cioè la ricerca) del test A/B, dovete scoprire dove si trovano i problemi del vostro sito e formulare un'ipotesi. Questo non sarà possibile se non si segue un programma di A/B testing ben strutturato e pianificato.

Sfida n. 3: Bloccare la dimensione del campione

Non molti ottimizzatori di esperienza sono statistici. Spesso commettiamo l'errore di definire risultati conclusivi troppo in fretta, perché il più delle volte siamo alla ricerca di risultati rapidi. Come ottimizzatori dell'esperienza, dobbiamo imparare a conoscere le dimensioni del campione, in particolare quanto dovrebbe essere grande il nostro campione di test in base al traffico della nostra pagina web.

Sfida n. 4: analizzare i risultati dei test

Con i test A/B, si assiste a successi e fallimenti in ogni fase. Questa sfida, tuttavia, riguarda sia i test riusciti che quelli falliti:

1. Campagne di successo:

È fantastico che abbiate eseguito due test ed entrambi abbiano prodotto risultati statisticamente significativi. E poi? Sì, distribuire il vincitore, ma poi? Ciò che gli ottimizzatori per esperienza spesso non fanno o trovano difficile è l'interpretazione dei risultati dei test. Interpretare i risultati dei test dopo la loro conclusione è estremamente importante per capire perché il test è riuscito. Una domanda fondamentale da porsi è: perché? Perché i clienti si sono comportati nel modo in cui si sono comportati? Perché hanno reagito in un certo modo con una versione e non con le altre? Quali informazioni sui visitatori avete raccolto e come potete utilizzarle? Molti ottimizzatori di esperienze spesso faticano o non riescono a rispondere a queste domande, che non solo aiutano a dare un senso al test in corso, ma forniscono anche input per i test futuri.

2. Campagne fallite:

A volte, gli ottimizzatori dell'esperienza non guardano nemmeno ai test falliti. O hanno difficoltà a gestirli, ad esempio, quando parlano al team dei test falliti, oppure non hanno idea di cosa farne. Nessun test fallito è un fallimento se non si riesce a trarne un insegnamento. Le campagne fallite devono essere trattate come pilastri che alla fine vi porteranno al successo. I dati raccolti durante l'intero processo di A/B testing, anche se alla fine il test è fallito, sono come un vaso di Pandora aperto. Contengono una pletora di dati e intuizioni preziose che possono darvi un vantaggio per il vostro prossimo test.

Inoltre, in mancanza di una conoscenza adeguata di come analizzare i dati raccolti, le possibilità di corruzione dei dati aumentano in modo considerevole. Ad esempio, senza un processo ben definito, non si potrà fare a meno di scorrere i dati delle heatmap o delle sessioni di registrazione. Inoltre, se si utilizzano strumenti diversi, aumentano anche le possibilità di perdita di dati nel tentativo di integrarli. Inoltre, potreste non riuscire a trarre alcuna intuizione significativa mentre vagate senza direzione tra i dati e affogare sotto di essi.

Sfida n. 5: Mantenere una cultura del testing

Una delle caratteristiche più importanti dei programmi di ottimizzazione come il CRO e l'A/B testing è che si tratta di un processo iterativo. Questo è anche uno dei principali ostacoli che le aziende e gli ottimizzatori devono affrontare. Affinché i vostri sforzi di ottimizzazione siano fruttuosi nel lungo periodo, dovrebbero formare un ciclo che inizia con la ricerca e termina con la ricerca.

Questa sfida non è solo una questione di impegno o di conoscenze necessarie. A volte, a causa della scarsità di risorse, le aziende utilizzano raramente o in modo intermittente i test A/B e non riescono a sviluppare una cultura dei test adeguata.

Sfida n. 6: Cambiare le impostazioni dell'esperimento nel bel mezzo di un test A/B

Quando lanciate un esperimento, dovete impegnarvi completamente. Cercate di non cambiare le impostazioni dell'esperimento, di modificare o omettere gli obiettivi del test o di giocare con il design del controllo o della variazione mentre il test è in corso. Inoltre, non cercate di modificare l'allocazione del traffico alle variazioni, perché così facendo non solo altererete la dimensione del campionamento dei vostri visitatori di ritorno, ma falserete anche in modo massiccio i risultati del test.

Quindi, alla luce di tutte queste sfide, vale la pena intraprendere i test A/B?

Da tutte le prove e i dati disponibili sui test A/B, anche dopo queste sfide, i test A/B generano un grande ROI. Dal punto di vista del marketing, i test A/B eliminano le congetture dal processo di ottimizzazione. Le decisioni strategiche di marketing diventano basate sui dati, rendendo più facile la creazione di una strategia di marketing ideale per un sito web con obiettivi ben definiti. Senza un programma di A/B testing, il team di marketing si limiterà a testare elementi a caso o basati su sensazioni e preferenze. Questi test privi di dati sono destinati a fallire.

Se si parte da una buona analisi del sito web e dei dati dei visitatori, le prime tre sfide possono essere facilmente risolte. Con i dati completi del sito web e dei visitatori a vostra disposizione, potrete stabilire le priorità del vostro backlog e non dovrete nemmeno decidere cosa testare. Saranno i dati a parlare. Con dati di qualità di questo tipo e con la vostra esperienza aziendale, formulare un'ipotesi di lavoro diventa solo una questione di esaminare i dati disponibili e decidere quali modifiche sono più adatte al vostro obiettivo finale. Per superare la terza sfida, potete calcolare la dimensione del campione adatta alla vostra campagna di test con l'aiuto di molti strumenti oggi disponibili.

Le ultime due sfide sono legate al modo in cui ci si approccia al test A/B. Se trattate l'A/B testing come un processo iterativo, metà della quarta sfida potrebbe non essere nemmeno sul vostro piatto. L'altra metà può essere risolta assumendo esperti del settore o ricevendo una formazione su come analizzare correttamente i dati e i risultati delle ricerche. L'approccio giusto per affrontare l'ultima sfida consiste nell'incanalare le risorse sugli elementi più critici per l'azienda e nel pianificare il programma di test in modo che, con le risorse limitate, si possa costruire una cultura del testing.

A/B Test e SEO

Per quanto riguarda le implicazioni della SEO sui test A/B, Google ha chiarito la questione nel suo blog intitolato "Website Testing And Google Search". I punti più importanti di questo post sono riassunti di seguito:

Nessun cloaking

Il cloaking, ossia mostrare una serie di contenuti agli esseri umani e un'altra serie a Googlebot, è contrario alle Linee guida per i Webmaster di Google, sia che si stia eseguendo un test sia che non lo si stia facendo. Assicuratevi di non decidere se servire il test o quale variante di contenuto servire, in base all'utente. Un esempio potrebbe essere quello di servire sempre il contenuto originale quando viene visualizzato l'user-agent "Googlebot". Ricordate che la violazione delle nostre Linee guida può far retrocedere il vostro sito o addirittura rimuoverlo dai risultati di ricerca di Google, il che probabilmente non è l'esito desiderato del vostro test.

Utilizzate solo reindirizzamenti 302

Se state eseguendo un test A/B che reindirizza gli utenti dall'URL originale a un URL di variazione, utilizzate un reindirizzamento 302 (temporaneo) e non un reindirizzamento 301 (permanente). In questo modo si comunica ai motori di ricerca che il reindirizzamento è temporaneo (rimarrà in vigore solo per il periodo in cui si sta conducendo l'esperimento) e che devono mantenere l'URL originale nel loro indice, anziché sostituirlo con l'obiettivo del reindirizzamento (la pagina di test). Anche i reindirizzamenti basati su JavaScript hanno ricevuto il via libera da Google.

Eseguire gli esperimenti per una durata adeguata

La quantità di tempo necessaria per un test affidabile varia a seconda di fattori quali i tassi di conversione e il traffico del sito web. Un buon strumento di test dovrebbe dirvi quando avete raccolto abbastanza dati per poter trarre conclusioni affidabili. Una volta concluso il test, è necessario aggiornare il sito con le variazioni desiderate e rimuovere al più presto tutti gli elementi del test, come gli URL alternativi o gli script di test e il markup.

Utilizzare link rel="canonical"

Google suggerisce di utilizzare l'attributo rel="canonical" su tutti gli URL alternativi per poter evidenziare che l'URL originale è in realtà quello preferito. Questo suggerimento deriva dal fatto che rel="canonical" corrisponde maggiormente all'intento dell'utente in questa situazione, rispetto ad altri metodi come il meta tag "no index". Ad esempio, se state testando delle varianti della vostra pagina di prodotto, non volete che i motori di ricerca non indicizzino la vostra pagina di prodotto. Si vuole solo che capiscano che tutti gli URL di prova sono duplicati o variazioni dell'URL originale e che devono essere raggruppati insieme, con l'URL originale come protagonista. A volte, in questi casi, l'uso di no index piuttosto che di rel="canonical" può avere effetti negativi inaspettati.

Esempi di test A/B

Test A/B nell'industria dei media e dell'editoria

Alcuni obiettivi di un'azienda che opera nel settore dei media e dell'editoria possono essere l'aumento dei lettori e dell'audience, l'aumento degli abbonamenti, l'aumento del tempo trascorso sul sito web dai visitatori o l'aumento delle visualizzazioni di video e altri contenuti con la condivisione sui social e così via. Si può provare a testare varianti di modali per l'iscrizione via e-mail, contenuti consigliati, pulsanti di condivisione sociale, offerte di abbonamento in evidenza e altre opzioni promozionali.

Chiunque di noi sia un utente di Netflix può garantire per la sua esperienza di streaming. Ma non tutti sanno come riescono a renderla così buona. Ecco come: Netflix segue un programma strutturato e rigoroso di test A/B per offrire ciò che altre aziende faticano a ottenere ancora oggi nonostante i numerosi sforzi: un'esperienza utente eccellente. Ogni modifica apportata da Netflix al proprio sito web viene sottoposta a un intenso processo di test A/B prima di essere implementata. Un esempio per mostrare come lo fa è l'uso della personalizzazione.

Netflix utilizza ampiamente la personalizzazione per la sua homepage. In base al profilo di ciascun utente, Netflix personalizza la homepage per fornire la migliore esperienza d'uso a ciascun utente. Decide il numero di righe da inserire nella homepage e gli spettacoli/film da inserire nelle righe in base alla cronologia e alle preferenze di streaming degli utenti.

Personalizzazione di Netflix

Fonte immagine: Il blog tecnico di Netflix
Lo stesso esercizio viene seguito anche per le pagine dei titoli dei media. All'interno di queste pagine, Netflix personalizza quali titoli è più probabile che guardiamo, le miniature che vediamo su di esse, il testo del titolo che ci invoglia a cliccare, o se la riprova sociale aiuta a rendere più facile la nostra decisione, e così via. E questa è solo la punta dell'iceberg.

I test A/B nel settore dell'e-commerce

Grazie ai test A/B, i negozi online possono aumentare il valore medio degli ordini, ottimizzare l'imbuto di pagamento, ridurre il tasso di abbandono del carrello e così via. Si può provare a testare: il modo in cui vengono visualizzati i costi di spedizione e dove, se e come viene evidenziata la funzione di spedizione gratuita, modifiche al testo e al colore della pagina di pagamento o della pagina di checkout, la visibilità delle recensioni o delle valutazioni, ecc.

Nel settore dell'e-commerce, Amazon è all'avanguardia nell'ottimizzazione delle conversioni, in parte a causa della scala in cui opera e in parte per la sua immensa dedizione nel fornire la migliore esperienza ai clienti. Tra le molte pratiche rivoluzionarie che ha introdotto nel settore dell'e-commerce, la più prolifica è stata l'ordinazione in 1 clic. Introdotto alla fine degli anni '90 dopo numerosi test e analisi, l'ordine in 1 clic consente agli utenti di effettuare acquisti senza dover utilizzare il carrello della spesa.

Una volta inseriti i dati della carta di credito e l'indirizzo di spedizione, l'utente non deve fare altro che cliccare sul pulsante e attendere la consegna dei prodotti ordinati. Gli utenti non devono inserire nuovamente i dati di fatturazione e di spedizione per effettuare gli ordini. Con l'ordine in 1 clic, è diventato impossibile per gli utenti ignorare la facilità di acquisto e rivolgersi a un altro negozio. Questo cambiamento ebbe un impatto commerciale così forte che Amazon ne ottenne il brevetto (ora scaduto) nel 1999. Infatti, nel 2000, anche Apple ha acquistato una licenza per utilizzarlo nel proprio negozio online.

Esempio di valore del carrello di Amazon

Fonte immagine: Amazon
Le persone che lavorano all'ottimizzazione del sito web di Amazon non hanno momenti "Eureka" improvvisi per ogni cambiamento che apportano. È grazie a test A/B continui e strutturati che Amazon è in grado di offrire il tipo di esperienza utente che ha. Ogni cambiamento sul sito web viene prima testato sul pubblico e poi implementato. Se si osservasse l'imbuto di acquisto di Amazon, ci si renderebbe conto che, anche se l'imbuto replica più o meno quello di altri siti web, ogni singolo elemento è completamente ottimizzato e corrisponde alle aspettative del pubblico.

Ogni pagina, dalla homepage alla pagina di pagamento, contiene solo i dettagli essenziali e conduce all'esatto passo successivo necessario per spingere gli utenti più avanti nell'imbuto di conversione. Inoltre, grazie all'analisi approfondita degli utenti e dei dati del sito web, ogni fase viene semplificata al massimo per soddisfare le aspettative degli utenti.

Prendiamo ad esempio l'onnipresente carrello della spesa.

C'è una piccola icona del carrello in alto a destra nella homepage di Amazon che rimane visibile indipendentemente dalla pagina del sito in cui ci si trova.

L'icona non è solo una scorciatoia per il carrello o un promemoria per i prodotti aggiunti. Nella sua versione attuale, offre 5 opzioni:

• Continua gli acquisti (se non ci sono prodotti aggiunti al carrello)
• Scopri le offerte di oggi (se non ci sono prodotti aggiunti al carrello)
• Lista dei desideri (se non ci sono prodotti aggiunti al carrello).
• Esempio di carrello vuoto Amazon
• Procedere all checkout (se ci sono prodotti nel carrello)
• Accedi per attivare il Checkout 1-Click (quando ci sono prodotti nel carrello)

Con un solo clic sulla piccola icona che offre così tante opzioni, il carico cognitivo dell'utente è ridotto e l'esperienza d'uso è ottima. Come si può vedere nella schermata precedente, la stessa pagina del carrello suggerisce anche prodotti simili, in modo che i clienti possano tornare sul sito e continuare a fare acquisti. Tutto questo si ottiene con un'unico strumento: l'A/B testing

Test A/B nel settore dei viaggi

Aumentate il numero di prenotazioni sul vostro sito web o sulla vostra applicazione mobile, le entrate derivanti dagli acquisti accessori e molto altro ancora grazie ai test A/B. Potete provare a testare i modali di ricerca della home page, la pagina dei risultati di ricerca, la presentazione dei prodotti accessori, la barra di avanzamento del checkout e così via.

Nel settore dei viaggi, Booking.com supera facilmente tutte le altre aziende di e-commerce quando si tratta di utilizzare i test A/B per le loro esigenze di ottimizzazione. Effettuano test come se non fosse un problema per nessuno. Dal giorno della sua nascita, Booking.com ha trattato i test A/B come il tapis roulant che introduce un effetto volano per le entrate. La portata dei test A/B di Booking.com è ineguagliabile, soprattutto quando si tratta di testare i loro testi. Mentre state leggendo questo articolo, sul sito web di Booking.com sono in corso quasi 1.000 A/B test.

Anche se Booking.com effettua test A/B da più di dieci anni, continua a pensare di poter fare di più per migliorare l'esperienza degli utenti. Ed è questo che rende Booking.com l'asso nella manica. Fin dall'inizio dell'azienda, Booking.com ha incorporato l'A/B testing nel suo processo di lavoro quotidiano. Ha aumentato la velocità dei test fino al ritmo attuale eliminando gli HiPPO e dando priorità ai dati prima di ogni altra cosa. E per aumentare ulteriormente la velocità dei test, tutti i dipendenti di Booking.com sono stati autorizzati a eseguire test sulle idee che ritenevano potessero contribuire alla crescita dell'azienda.

Questo esempio dimostra fino a che punto Booking.com può spingersi per ottimizzare l'interazione degli utenti con il sito web. Nel 2017 Booking.com ha deciso di ampliare la propria portata offrendo proprietà in affitto per le vacanze accanto agli hotel. Questo ha portato Booking.com a collaborare con Outbrain, una piattaforma di pubblicità nativa, per contribuire alla crescita della registrazione globale dei proprietari di immobili.

Nei primi giorni del lancio, il team di Booking.com si è reso conto che, sebbene molti proprietari di immobili avessero completato la prima fase di registrazione, si erano bloccati nelle fasi successive. In quel momento, per il processo di iscrizione venivano utilizzate pagine costruite per la ricerca a pagamento delle loro campagne native.

Entrambi i team hanno deciso di lavorare insieme e hanno creato tre versioni di landing page copy per Booking.com. Alle varianti sono stati aggiunti ulteriori dettagli come la prova sociale, i premi e i riconoscimenti, le ricompense per gli utenti, ecc.

Il test è durato due settimane e ha prodotto un aumento del 25% delle registrazioni dei proprietari. I risultati del test hanno anche mostrato una significativa diminuzione del costo di ogni registrazione.

Test A/B nel settore B2B/SaaS

Generare lead di alta qualità per il team di vendita, aumentare il numero di richieste di prove gratuite, attrarre gli acquirenti target ed eseguire altre azioni simili testando e perfezionando elementi importanti del motore di generazione della domanda. Per raggiungere questi obiettivi, i team di marketing pubblicano i contenuti più rilevanti sul loro sito web, inviano annunci ai potenziali acquirenti, conducono webinar, organizzano vendite speciali e molto altro ancora. Ma tutti i loro sforzi andrebbero sprecati se la pagina di destinazione a cui vengono indirizzati i clienti non fosse completamente ottimizzata per offrire la migliore esperienza all'utente.

L'obiettivo dei test A/B SaaS è fornire la migliore esperienza all'utente e migliorare le conversioni. Potete provare a testare i componenti del vostro modulo di lead, il flusso di iscrizione alla prova gratuita, la messaggistica della homepage, il testo della CTA, la prova sociale sulla home page e così via.

POSist, una piattaforma leader nella gestione dei ristoranti basata su SaaS con più di 5.000 clienti in oltre 100 sedi in sei paesi, voleva aumentare le richieste di demo.

La homepage del sito web e la pagina dei contatti sono le pagine più importanti dell'imbuto. Il team di POSist voleva ridurre il drop-off su queste pagine. Per raggiungere questo obiettivo, il team ha creato due varianti della homepage e due varianti della pagina Contatti da testare. Diamo un'occhiata alle modifiche apportate alla homepage. Ecco come appariva il controllo:

Controllo del test A/B di Posist

Il team di POSist ha ipotizzato che l'aggiunta di contenuti più pertinenti e focalizzati sulla conversione al sito web migliorerà l'esperienza dell'utente, oltre a generare conversioni più elevate. Hanno quindi creato due varianti da testare rispetto al controllo. Ecco come apparivano le varianti:

posist a/b test variazione 1
posist a/b test variazione 2
Il controllo è stato testato per primo contro la variante 1, e la vincitrice è stata la variante 1. Per migliorare ulteriormente la pagina, la variante 1 è stata poi testata contro la variante 2, e la vincitrice è stata la variante 2. La nuova variante ha aumentato le visite alla pagina di circa il 20%. La nuova variante ha aumentato le visite alla pagina di circa il 5%.

Conclusioni

Dopo aver letto questo articolo completo sui test A/B, dovreste essere completamente attrezzati per pianificare la vostra roadmap di ottimizzazione. Seguite diligentemente ogni fase e fate attenzione a tutti gli errori maggiori e minori che potete commettere se non date ai dati l'importanza che meritano. I test A/B sono preziosi quando si tratta di migliorare i tassi di conversione del vostro sito web.

Se eseguito con totale dedizione e con le conoscenze di cui disponete, il test A/B può ridurre molti dei rischi che si corrono quando si intraprende un programma di ottimizzazione. Inoltre, vi aiuterà a migliorare significativamente la UX del vostro sito web, eliminando tutti gli anelli deboli e trovando la versione più ottimizzata del vostro sito.

Se questa guida vi è stata utile, spargete la voce e aiutate gli altri ottimizzatori a eseguire i test A/B senza cadere nelle insidie più comuni. Buon test!

 

Domande frequenti sui test A/B

Qual è la definizione di A/B testing?

L'A/B testing è il processo di confronto tra due varianti di un elemento della pagina, di solito testando la risposta degli utenti alla variante A rispetto alla variante B e concludendo quale delle due varianti è più efficace.

Che cos'è l'A/B testing nel marketing digitale?

Nel marketing digitale, l'A/B testing è il processo che consiste nel mostrare due versioni della stessa pagina web a diversi segmenti di visitatori del sito web nello stesso momento e poi confrontare quale versione migliora le conversioni del sito.

Perché facciamo i test A/B?

Le ragioni per cui effettuiamo i test A/B sono diverse. Alcuni di essi sono la risoluzione dei punti dolenti dei visitatori, l'aumento delle conversioni o dei contatti sul sito web e la riduzione della frequenza di rimbalzo. Leggete la nostra guida per conoscere gli altri motivi.

Cosa sono i test A/B e i test multivariati?

Nei test A/B, il traffico viene suddiviso tra due o più versioni completamente diverse di una pagina web. Nei test multivariati, invece, si testano diverse combinazioni di alcuni elementi chiave di una pagina per capire quale combinazione funziona meglio per l'obiettivo del test.