A/B test

Il test A/B prevede la creazione di 2 versioni di una risorsa digitale per vedere quale degli utenti risponde meglio. Esempi di risorse sono le pagine di destinazione, gli annunci display, le email di marketing e i post sui social. In un A/B test, metà del pubblico riceve automaticamente la “versione A”, l’altra metà riceve la “versione B”. Le performance di ciascuna versione si basano sul tasso di conversione, ad esempio la percentuale di persone che fanno clic su un link, completano un modulo o effettuano un acquisto.

L’A/B test non è un’idea nuova legata all’avvento del marketing digitale. Un tempo, era principalmente con il direct mail che si suddividevano o raggruppavano le offerte per capire quale funzionasse meglio. Le soluzioni digitali si basano sulla stessa idea, ma consentono di ottenere risultati più specifici, affidabili e rapidi.

Se stai cercando di far crescere la tua attività, può essere difficile capire quali strategie di marketing abbiano maggiore risonanza presso il tuo pubblico. Gli A/B test, insieme ad altre strategie di ottimizzazione della conversione, permettono di fare delle prove per migliorare i contenuti, fornire le migliori esperienze ai clienti e realizzare più velocemente le conversioni. Questa guida agli AB test ti aiuterà a conoscerne i fondamenti.

Definizione di A/B test: che cos’è l’A/B test?

Gli A/B test, noti anche come split test, consentono di confrontare due versioni di una risorsa per capire quale sia più efficace. In poche parole, ai tuoi utenti piace di più la versione A o la versione B?

Il concetto è simile al metodo scientifico. Se vuoi scoprire cosa succede quando cambi una cosa, devi creare una situazione in cui cambia solo quella cosa.

Pensa agli esperimenti che hai condotto nella scuola elementare. Se metti due semi in due tazze di terra, poi ne metti una nell’armadio e l’altra vicino alla finestra, otterrai risultati diversi. Questo tipo di configurazione sperimentale è definita A/B test.

Storia degli A/B test

Negli anni ‘60, gli operatori di marketing hanno iniziato a capire come questo tipo di test potesse aiutarli a comprendere l’impatto della loro pubblicità. Attira più clienti un annuncio televisivo o uno spot radiofonico? Per il direct mail marketing sono meglio le lettere o le cartoline?

Quando negli anni ‘90 Internet è diventato parte integrante del mondo degli affari, gli A/B test sono diventati digitali. Una volta ottenute le risorse tecniche, i team del marketing digitale iniziarono a testare le loro strategie in tempo reale e su una scala molto più ampia.

Cosa comporta l’A/B test?

L’A/B test prevede l’impiego di soluzioni digitali per testare diversi elementi di una campagna di marketing. Per iniziare un A/B test, è necessario disporre di:

• Una campagna da testare. Per sottoporre ad A/B test una campagna di marketing, è necessario un annuncio, un’e-mail, una newsletter, una pagina di destinazione o un altro mezzo già in uso.
• Elementi da testare. Esaminando i diversi elementi della campagna, valuta cosa puoi cambiare per spingere i clienti ad agire. Assicurati di testare gli elementi singolarmente per assicurarti di ottenere le misurazioni corrette.
• Obiettivi definiti. L’obiettivo dell’A/B test dovrebbe essere quello di capire quale versione della campagna ha risultati migliori per la tua azienda. Considera le diverse metriche che puoi monitorare, inclusi clic, iscrizioni o acquisti.

Come funziona l’A/B test nell’era digitale?

In fondo, nel marketing gli A/B test funzionano come sempre. Si sceglie l’elemento che si desidera controllare, ad esempio un post del blog con immagini rispetto allo stesso post senza immagini. Poi si mostra in modo casuale una delle due opzioni, controllando altri fattori. Si registrano quanti più dati possibili: tassi di bounce, tempo di permanenza sulla pagina e così via.

Puoi anche testare più di una variabile alla volta. Ad esempio, se desideri valutare il carattere e la presenza di immagini, puoi creare 4 pagine, ognuna delle quali mostra il post del blog con:

1. Arial con immagini
2. Arial senza immagini
3. Times New Roman con immagini
4. Times New Roman senza immagini

Il software di A/B test per il marketing riporta i dati di esperimenti come questo. Poi qualcuno dell’azienda interpreta i risultati per decidere se ha senso agire su di essi e, in caso affermativo, in che modo.

Perché l’A/B test è importante?

Gli A/B test ti forniscono i dati necessari per sfruttare al massimo il budget destinato al marketing. Supponiamo che il tuo capo ti abbia assegnato un budget per indirizzare il traffico verso il tuo sito utilizzando Google AdWords. Hai configurato un A/B test che monitora il numero di clic per 3 diversi titoli di articoli. Esegui il test per una settimana, assicurandoti di diffondere lo stesso numero di annunci per ogni opzione, ogni giorno e ad ogni ora.

I risultati di questo test ti aiuteranno a determinare quale titolo ottiene il maggior numero di clic. Quindi puoi utilizzare questi dati per modellare la tua campagna di marketing di conseguenza, migliorando il ritorno sull’investimento (ROI) in modo più consistente che se avessi scelto un titolo a caso.

Piccole modifiche, grandi miglioramenti

Gli A/B test consentono di valutare l’impatto di cambiamenti relativamente economici da implementare. L’esecuzione di una campagna AdWords può essere costosa, quindi vuoi che ogni aspetto sia il più efficace possibile.

Supponiamo di eseguire A/B test sul font della home page, sulle dimensioni del testo, sui titoli dei menu, sui link e sul posizionamento del modulo di iscrizione personalizzato. Eseguiamo i test di questi elementi, due o tre alla volta in modo da non avere troppe incognite che interagiscano tra loro.

Al termine del test, scopriamo che la modifica di questi ultimi tre elementi aumenta il tasso di conversione del 6% ciascuno. Il tuo web designer implementa queste modifiche in meno di un’ora e, con la nuova versione della pagina, hai la possibilità di ottenere il 18% di entrate in più rispetto a prima.

Minimo rischio, massima resa

Gli A/B test sono efficaci anche dal punto di vista del tempo, non solo economicamente. Si testano due o tre elementi e si ottiene la risposta. A partire da qui, è facile decidere se implementare o meno una modifica. Se i dati reali non sono all’altezza dei risultati dei test, è sempre possibile tornare a una versione precedente.

Massimo sfruttamento del traffico

Se utilizzi gli A/B test per rendere il sito web il più efficace possibile, ottieni più conversioni per visitatore. Più alta è la percentuale di conversione, meno tempo e denaro dovrai dedicare al marketing. Questo perché, in teoria, tutti coloro che visitano il sito web sono più propensi ad agire.

Ricorda che quando migliori il sito web, puoi aumentare il tasso di conversione sia per il traffico a pagamento, sia per quello non a pagamento.

Su cosa funziona l’A/B test?

Quando si tratta di contenuti rivolti ai clienti, gli A/B test sono utili a valutare moltissimi aspetti.

Gli obiettivi comuni includono:

• Campagne email
• Email individuali
• Strategie di marketing multimediale
• Pubblicità su Internet a pagamento
• Newsletter
• Progettazione di siti web

In ogni categoria è possibile condurre A/B test su un numero qualsiasi di variabili. Se stai testando il design del sito, ad esempio, puoi provare diverse opzioni come:

• Combinazione di colori
• Layout
• Numero e tipo di immagini
• Intestazioni e sottotitoli
• Prezzi dei prodotti
• Offerte speciali
• Design dei pulsanti delle call-to-action
• Email video vs. email non video

In sostanza, quasi tutti gli elementi di stile o di contenuto di un messaggio rivolto al cliente sono testabili.

Come si conducono gli A/B test?

A conti fatti, il processo di A/B test è semplicemente un metodo scientifico. E, se si vuole ottenere il massimo, è necessario adottare un approccio scientifico. Proprio come accade nella versione laboratoriale del metodo scientifico, gli A/B test partono dalla scelta di ciò che si vuole testare. L’intero processo comprende diverse fasi:

1. Identifica un problema

Assicurati di identificare un problema specifico. Ad esempio, “Conversioni insufficienti” è un concetto troppo generico. Sono molti i fattori che incidono sulla possibilità che un visitatore di un sito web diventi o meno un cliente o che il destinatario di un’email faccia clic sul link al sito. Devi capire perché il tuo materiale non ottiene abbastanza conversioni.

Esempio: lavori per un rivenditore di abbigliamento femminile che realizza molte vendite online, ma poche di queste provengono dalle campagne email. Esaminando i dati analitici, scopri che un’elevata percentuale di utenti apre le email con le offerte speciali e le legge, ma pochi passano effettivamente alla conversione.

2. Analizza i dati dell’utente

Tecnicamente potresti condurre degli A/B test su tutto ciò che i clienti vedono quando aprono le email, ma ciò richiederebbe molto tempo. Ci sono tanti elementi di design e di contenuto che non sono rilevanti, quindi è necessario capire verso quale elemento orientarsi.

Esempio: i destinatari aprono le email, quindi non c’è nulla di sbagliato nell’oggetto dei messaggi. Inoltre, trascorrono del tempo a leggerle, quindi non c’è nulla che li spinga ad abbandonare immediatamente il contenuto. Poiché molti degli utenti che trovano il sito web partendo da altri siti finiscono per diventare clienti, si può dire che non c’è nulla di sbagliato nemmeno nel modo in cui presenti i prodotti. Ciò suggerisce che, sebbene le persone trovino le email interessanti, in qualche modo si perdono quando cliccano sul sito.

3. Sviluppa un’ipotesi da testare

Adesso stiamo davvero restringendo il campo. Il passo successivo è decidere esattamente cosa testare e come farlo. Restringi le incognite a una o due, almeno all’inizio. Quindi stabilisci come la modifica di quell’elemento o di quegli elementi possa risolvere il problema in questione.

Esempio: noti che il pulsante che conduce al negozio online è nascosto in fondo all’email, sotto la piega. Pensi che spostandolo in cima alla schermata, potrai convincere più efficacemente gli utenti a visitare il sito.

4. Testa l’ipotesi

Sviluppa una nuova versione del test implementando la tua ipotesi. Quindi esegui un A/B test sul pubblico target includendo la nuova versione e la pagina attuale.

Esempio: crei una versione dell’e-mail con il pulsante posizionato sopra la piega. Non cambi il design, ma solo il posizionamento. Decidi di eseguire il test per 24 ore, quindi imposti il periodo di tempo come parametro e avvii il test.

5. Analizza i dati

Al termine del test, analizza i risultati e verifica se il nuovo design delle email ha prodotto cambiamenti significativi. In caso contrario, prova a testare un nuovo elemento.

Esempio: la nuova versione dell’email ha aumentato leggermente le conversioni, ma il capo vuole sapere se c’è qualcos’altro che potrebbe funzionare meglio. Poiché la variabile era il posizionamento del pulsante, decidi di provare a collocarlo in altre due posizioni.

6. Trova nuovi sfidanti per il campione

Negli A/B test, a volte si usano i termini “campione” e “sfidante” per riferirsi alla migliore opzione corrente e alle nuove possibilità. Quando due o più opzioni si confrontano e una ha un successo significativamente maggiore, viene chiamata “campione”. È quindi possibile mettere alla prova il vincitore contro altre opzioni, definite “sfidanti”. Questo test potrebbe rivelare un nuovo campione o confermare il campione originale come il migliore.

Esempio: hai effettuato un A/B test su due versioni di una pagina di destinazione e hai trovato il campione tra le due, ma c’è anche una terza versione della pagina che vorresti confrontare con il vincitore del primo test. La terza versione diventa il nuovo sfidante da mettere alla prova contro il campione precedente.

Una volta completate tutte le sei fasi, puoi decidere se il miglioramento è stato abbastanza significativo da terminare il test e apportare le modifiche necessarie. Oppure puoi eseguire un altro A/B test per valutare l’impatto di un altro elemento, come le dimensioni del pulsante o la sua combinazione di colori.

Suggerimenti per tester A/B

Ecco alcuni suggerimenti per aiutarti a rendere gli A/B test il più utili possibile.

Utilizza campioni rappresentativi dei tuoi utenti

Qualsiasi scienziato ti dirà che se stai conducendo un esperimento, devi assicurarti che i gruppi di partecipanti siano il più possibile simili. Per testare un sito web, è possibile utilizzare diversi strumenti di test automatizzati per garantire che una selezione casuale di persone veda ogni versione.

Se si invia materiale direttamente ai clienti o ai potenziali clienti, è necessario creare manualmente liste comparabili. Fai in modo che i gruppi abbiano più o meno le stesse dimensioni e, se hai accesso ai dati, distribuisci equamente i destinatari in base al sesso, all’età e alla posizione geografica. In questo modo, le variazioni di tali caratteristiche avranno un impatto minimo sui risultati.

Massimizza le dimensioni del campione

Più persone si sottopongono al test, più i risultati saranno affidabili. Ciò si ricollega a un concetto che gli statistici chiamano “significatività statistica”.

Se il risultato è statisticamente significativo, è improbabile che si sia verificato per caso. Ad esempio, se si invia una nuova versione di un’email a 50 persone e una versione standard ad altre 50, un aumento del 5% della percentuale di clic significa solo che 5 persone hanno risposto meglio alla nuova versione. La differenza è così piccola che potrebbe essere spiegata dal caso e, se si esegue di nuovo lo stesso test, c’è una buona probabilità di ottenere risultati diversi. In altre parole, i risultati non sono stati statisticamente significativi.

Se si invia lo stesso insieme di email a gruppi di 500 persone, un aumento del 5% significa che 50 persone hanno risposto meglio alla novità, quindi un dato molto più significativo.

Evita errori comuni

È facile cadere nella tentazione di creare un pulsante a comparsa con un nuovo carattere, modificare la dimensione del testo oppure le dimensioni e i colori del pulsante. Ma più elementi nuovi si aggiungono, più i risultati saranno confusi.

Mantenendo l’esempio precedente, se il nuovo pop-up ha un design completamente diverso dall’originale, è probabile che si vedano correlazioni del tutto casuali. Forse può sembrare che il grande pulsante viola “Check out” con il simbolo del dollaro stia funzionando meglio del piccolo pulsante blu precedente. Tuttavia, è possibile che a fare la differenza sia solo un elemento dei due design, come ad esempio le dimensioni.

Ricorda, puoi sempre eseguire un nuovo test con elementi diversi in un secondo momento. Esaminare il test di follow-up sarà più facile che cercare di analizzare un test con 18 variabili diverse.

Concludi il test prima di apportare modifiche

Poiché gli A/B test consentono di vedere gli effetti di una modifica in tempo reale, si è tentati di terminare il test non appena si vedono i risultati, in modo da poter implementare subito una nuova versione. Tuttavia, questo significa che i risultati sono più facilmente incompleti e meno significativi dal punto di vista statistico. I fattori sensibili al tempo influiscono sui risultati, perciò è necessario attendere la fine della fase di test per trarre vantaggio dalla randomizzazione.

Esegui i test più di una volta

Anche il miglior software di A/B test genera falsi positivi perché il comportamento degli utenti è estremamente variabile. L’unico modo per assicurarsi che i risultati siano accurati è ripetere lo stesso test con gli stessi parametri.

La ripetizione del test è particolarmente importante se la nuova versione mostra un piccolo margine di miglioramento. Un singolo risultato falso positivo è più importante quando non ci sono tanti risultati positivi.

Inoltre, se si eseguono molti A/B test, è più probabile registrare un falso positivo. Forse non puoi permetterti di ripetere ogni test, ma se lo fai ogni tanto, hai maggiori possibilità di individuare gli errori.

Semplifica gli A/B test con Mailchimp

Gli A/B test rappresentano un modo efficiente ed efficace per valutare la risposta del pubblico a un progetto o a un’idea di contenuto, perché non disturbano l’esperienza degli utenti e non comportano l’invio di fastidiosi sondaggi di feedback. Prova a fare qualcosa di nuovo e lascia che i risultati si commentino da soli.

Non hai esperienza con gli A/B test? Testa facilmente le campagne con Mailchimp per stabilire quali intestazioni, elementi visivi, oggetti e testi delle email hanno maggiore rilevanza per i tuoi clienti.