Che cos'è l'A/B testing
Introduzione
Il marketing di oggi si basa sui dati. Sono finiti i tempi in cui si spendeva tutto il budget nel marketing nella speranza di un ritorno positivo. Il marketing di oggi ha un approccio scientifico basato sui dati. E il modo migliore per relegare al passato le decisioni azzardate e prese d'istinto riguardo al sito Web, alla pubblicità e a tutto quello che si trova online, è l'A/B Testing.
Adotta una mentalità scientifica.
Basando la tua strategia sui dati e i test, non solo faciliterai il tuo lavoro ma avrai soprattutto un feedback chiaro e diretto su che cosa funziona e cosa no. Sarai in grado di prendere decisioni ponderate sulla tua azienda e investire tempo e denaro in quello che vogliono realmente i visitatori.
A/B Testing: l’arma segreta dei migliori esperti di marketing
Il 75% dei siti Web con più di un milione di visitatori al mese si affida già all'A/B Testing. Forse è arrivato anche per te il momento di non correre più rischi nelle tue scelte di marketing.
Ma è vero, l'A/B testing richiede un po' di lavoro e un po' di pratica. Devi creare un processo, implementare un framework, imparare qualche nozione di statistica, impostare e cominciare a utilizzare un nuovo strumento, assicurarti di avere risultati attendibili... Ma da un ottimo potenziale, nascono grandi investimenti (di tempo e denaro).
Ma niente paura, puoi trovare tutto ciò che ti serve qui, con i migliori contenuti sull'argomento trattati dai migliori blog ed esperti.
Che cos'è l'A/B testing?
DEFINIZIONE: L'A/B testing è un esperimento online condotto su un sito Web, un'applicazione su dispositivo mobile o pubblicità (e non solo), per testare i potenziali miglioramenti rispetto a una versione originale. Detto in parole semplici, ti permette di capire quale versione funziona meglio per il tuo pubblico in base ad analisi statistiche.
L'A/B Testing è conosciuto anche come split testing, con cui si intende o l'A/B testing vero e proprio o lo split URL testing.. Nel classico A/B test, le 2 varianti hanno lo stesso URL, mentre nello split URL testing le varianti hanno un URL diverso (anche se i visitatori non vedranno la differenza).
Che cos'è un test multivariato (MVT)?
A volte, è necessario testare diverse modifiche su una pagina, per esempio il banner, il titolo, la descrizione e il video. Per testarli tutti allo stesso tempo, bisogna effettuare un test multivariato (o MVT).
Verranno generate delle varianti per testare tutte le diverse combinazioni di queste modifiche e individuare la migliore.
Il lato negativo di un test multivariato è che richiede un volume di traffico immenso. Per maggiori dettagli dai un'occhiata a questo articolo di Hubspot sulle differenze tra un test MVT e un A/B test.
Bandit testing o multi-armed bandit testing
Il multi-armed bandit test consiste in un algoritmo che reindirizza automaticamente e gradualmente il pubblico verso la variante vincente..
Per maggiori informazioni sui multi-armed bandit test, leggi l'articolo migliore del momento di Alex Birkett di CoversionXL.
A/B/n testing
L'A/B testing consiste nel testare due o più varianti di un elemento o di una pagina. Puoi testare 6 versioni di una pagina e fare un A/B/C/D/E/F test.
Articoli introduttivi sull'A/B testing per aiutarti a cominciare
Quali sono i vantaggi dell'A/B testing?
Perché dovresti scegliere l'A/B Testing? O ancora meglio: Sei soddisfatto di come utilizzi il tuo tanto sudato traffico? Se hai già un buon traffico, ottimizzare le conversioni sarà molto meno costoso con un ROI dall'ottimo potenziale. E con l'A/B Testing è ancora meglio. Ma non è tutto, ecco qualche altro vantaggio:
- Conosci a fondo il tuo pubblico ad ogni test: che cosa gli piace, come reagiscono, le loro necessità e abitudini.
- Niente più decisioni rischiose basate sull'istinto per la tua strategia di marketing con test regolari e valutazione di tutte le opzioni.
- Spendi tempo e denaro su ciò che interessa di più ai visitatori, grazie alle informazioni raccolte dagli A/B test.
Ed ecco qualche esempio operativo delle domande a cui potresti rispondere con un A/B Testing:
- Quali elementi hanno un impatto sulle vendite, sulle conversioni o sul comportamento dell'utente
- Qual è la lunghezza ottimale dei tuoi moduli
- Se è il caso di implementare questa nuova funzionalità
- Quale titolo per un articolo genera maggiori like
- Quali passaggi dei funnel di conversione sono poco efficienti
Esempi di A/B Testing di siti Web leader
Come funziona l'A/B testing?
Ti permette di confrontare la versione corrente di una pagina/un elemento con una (o più) varianti con le modifiche che vuoi testare (pagina sito Web, elementi in una pagina, CTA, immagini...).
Il traffico viene diviso in porzioni identiche ed è esposto in modo casuale a una o all'altra variante in un preciso arco di tempo. Infine, le prestazioni (conversioni, vendite...) sono confrontate e analizzate per determinare se serve implementare quelle modifiche.
Vuoi saperne di più sul funzionamento dell'A/B testing?
La conversion rate optimization è la chiave del successo del tuo A/B testing
In genere si tratta di un acquisto o "conversione" e ti forniscono i contatti. In altre parole, accompagnano i tuoi visitatori nel percorso d'acquisto.
Avere un traffico elevato è fantastico, ma devi sapere cosa fartene. Ecco perché la CRO è così preziosa.
Le migliori guide di conversion rate optimization
- The Beginner’s Guide to Conversion Rate Optimization (Qualaroo)
- The Definitive Guide to Conversion Rate Optimization (Quicksprout)
- Conversion Rate Optimization Techniques (100+ Techniques and Free PDF) (Note: Lots of ideas to test in there)
- The Beginner’s Guide to Conversion Rate Optimization (ConversionXL)
- The A-Z Guide to Conversion Rate Optimization
- The Definitive How-To Guide For Conversion Rate Optimization
- What you have to know about conversion optimization
- The Conversion Optimization Rulebook
- Widerfunnel’s case studies
Como fare un a/B testing: metodologia e procedimento
Misurare, studiare e analizzare i dati del sito Web. Identificare le problematiche e le potenzialità.
Formulare ipotesi (un buon modo per formulare un'ipotesi di Craig Sullivan)
Dare priorità alle idee dei test: uno dei metodi più utilizzati è il framework PIE coniato da Widerfunnel.
Con questo framework, puoi classificare le idee dei test secondo 3 criteri per determinare quale dovresti eseguire prima:
Potenziale ./10: Qual è il margine di miglioramento di questa/e pagina/e?
Impatto ./10: Qual è il valore del traffico su questa/e pagina/e?
Facilità di implementazione ./10: Quanto è semplice implementare questo test sul tuo sito?
Facendo la media dei 3, saprai da quale test cominciare. Ci sono comunque diversi framework, provali e scegli quello che fa per te.
Testa le ipotesi con maggiore priorità.
Analizza i risultati e raccogli le informazioni dei test
Comunica i risultati
Ricomincia!
Ottime metodologie e procedimenti per l'A/B testing
- PXL: A Better Way to Prioritize Your A/B Tests
- The A/B Testing Framework So Good It Got A Codename
- Widerfunnel's infinity optimization process
- How to Build a Strong A/B Testing Plan That Gets Results
- Iterative A/B Testing – A Must If You Lack a Crystal Ball
- Start A/B Testing Today with 5 Simple Steps
Che cosa testare? Idee in quantità
Puoi testare praticamente tutto sul tuo sito Web:
ma qualche volta hai bisogno di un'ispirazione. Quindi eccoti idee di A/B testing in quantità.
Nota: Prima di buttarti in queste liste, una piccola dichiarazione: quello che ha funzionato per altri non è detto che funzioni per te. Non applicare alla cieca quello che leggi, assicurati che si addica alla tua situazione e analizza come (o se) può essere adattato alla tua azienda.
Decine di idee per A/B test da cui trarre ispirazione
- How to come up with A/B testing ideas using quantitative data
- 150+ A/B email split testing ideas you can use today
- 50 Split Testing Ideas (You Can Run Today!)
- 19 Obvious A/B Tests You Should Run on Your Website
- 12 A/B tests you can run with videos on your ecommerce store
- 12 Simple A/B Tests You Should Be Running Right Now to Increase Sales or Leads
Best practice A/B e... errori
L'A/B testing può essere complicato ed è facile sbagliare. Bisogna sapere che cosa può andare storto ed essere pronti a salvaguardarsi. Per fortuna, ci sono persone che hanno studiato a fondo entrambi gli argomenti.
Per un successo assicurato, analizza le migliori strategie e i possibili errori. Ma come per le idee dei test, non prendere tutto alla lettera. Effettua dei test e verifica che siano compatibili con la tua azienda.
Le migliori strategie di successo
- 36 essential A/B testing best practices to boost your conversions
- 55 A/B Testing Best Practices Every Marketer Should Know
- 8 Rules of A/B Testing – The Art in Marketing Science
- 8 Best Practices for Starting Your A/B Testing
- What are some best practices with A/B testing?
- A/B Testing Best Practices Can Save You Time, Money and Effort – Here's How
- The Endless Suck of Best Practice and Optimisation Experts
Nota: Abbiamo una newsletter mensile con contenuti approfonditi sull'A/B testing e il CRO, iscriviti qui.
Errori dell'A/B testing
(attenzione, con risultati falsati rischi di perdere soldi)
- 12 A/B Split Testing Mistakes I See Businesses Make All The Time
- [INFOGRAPHIC] 19 Ways A/B Testing Is Ruining Your Site (And How To Fix It)
- 11 Worst A/B Testing Mistakes According to Experts
- Should You Run an A/A test?
- Why Your Brain Is Your Worst Enemy When A/B Testing
- Are You Misinterpreting Your A/B Tests Results?
- Warning! Is the world sabotaging your A/B Tests?
- Are You Stopping Your A/B Tests Too Early?
- 7 Mistakes Most Beginners Make When A/B Testing
- How to Minimize A/B Test Validity Threats
- Sample Pollution: The A/B Testing Problem You Don’t Know You Have
- 11 ways to stop FOOC’ing up your A/B tests
Libri per approfondire la tematica
Non ci sono molti libri (o e-book) sull'A/B testing, ma te ne consigliamo alcuni con cui placare la tua sete di conoscenza.
- Small Business Big Money Online by Alex Harris
- A/B testing mistakes and how to avoid them by Kameleoon
- Controlled experiments on the web: survey and practical guide by Ron Kohavi
- A / B Testing: The Most Powerful Way to Turn Clicks Into Customers by Dan Siroker and Pete Koomen
- You should test that by Chris Goward
- Zen Marketer’s Guide to Growth by Chris Goward
Reportistica e risultati A/B testing
L'A/B testing permette di prendere decisioni ragionate e imparare. Ecco perché la reportistica e i risultati sono di inestimabile importanza: servono a estrapolare le lezioni, comunicare con i tuoi colleghi o farti un'idea per i prossimi test.
Come gestire la reportistica e i risultati dell'A/B testing
Scava a fondo nelle statistiche dell'A/B testing
L'A/B testing si basa su metodi statistici. Non devi essere un matematico ma qualche nozione di statistica non farebbe male e di sicuro migliorerebbe le tue possibilità di successo.
Dietro le soluzioni di A/B testing ci sono 2 metodi statistici principali. Non ce n'è uno migliore dell'altro, sono solo utilizzati diversamente. Ecco come li gestiamo con il motore statistico di Kameleoon.
Approccio frequentista
Permette di leggere in modo semplice l'attendibilità dei risultati grazie al suo livello di confidenza: con un livello pari o superiore al 95%, hai il 95% delle possibilità di ottenere lo stesso risultato riproducendo l'esperimento nelle stesse condizioni. Ma questo metodo ha un lato negativo: ha un "orizzonte fisso", ovvero il livello di confidenza non ha valore finché il test non è terminato.
Approccio bayesiano
Permette di determinare un probabile risultato fin dall'inizio del test. Non è necessario aspettare fino alla fine per individuare una tendenza e interpretare i dati. Ma questo metodo richiede un po' di preparazione: è necessario sapere come leggere l'intervallo di confidenza indicato dalle stime durante il test. L'attendibilità di una variante presumibilmente vincente aumenta ad ogni ulteriore conversione.
Le statistiche dell'A/B testing decodificate:
- Ignorant No More: Crash Course on A/B Testing Statistics
- A/B Testing Tech Note: determining sample size
- Speed vs. Certainty in A/B Testing
- How Not To Run An A/B Test
- Statistical Significance Does Not Equal Validity (or Why You Get Imaginary Lifts)
- What is the difference between Bayesian and frequentist statisticians?
A/B testing : gestione & competenze
Per avere il massimo delle possibilità dovresti affinare alcune competenze e tecniche di gestione. Alcuni esempi sono Web analytics, design dell'UX e comunicazione dei risultati.
Affina le tue competenze per migliorare gli A/B test
- Five skills you need to make AB testing work
- 10 Things Every Marketer Should Know About A/B Testing
- Free A/B Testing course by Google
- Beginner's Guide To Web Data Analysis: Ten Steps To Love & Success
- The Absolute Beginner's Guide to Google Analytics
- The ultimate guide to user experience
- Beginner’s guide to UX
- 9 strategies for becoming the marketing optimization champion your company can’t live without
Strumenti di A/B testing per massimizzare le tue possibilità di successo
Gestione del progetto
Strumenti di calcolo
Gli experti di A/B testing da seguire
Il mondo della CRO si muove in fretta, non rischiare di restare fuori dal giro, segui i migliori esperti dei settore. Ecco la lista completa dei loro account twitter (c'è anche il nostro ovviamente @kameleoonrocks)
Lance Jones > @userhue
Jason Kincaid > @jasonkincaid
Noah Kagan > @noahkagan
Hiten Shah > @hnshah
Dave McClure > @davemcclure
Avinash Kaushik > @avinash
Daniel Gonzalez > @HiDanielG
David Kirkpatrick > @davidkonline
Shanelle Mullin > @shanelle_mullin
Steve Blank > @sgblank
Matt McGee > @mattmcgee
Rand Fishkin > @randfish
Bart Schutz > @BartS
Rick Perreault > @rickperreault
Sean Ellis > @SeanEllis
Campaign Monitor > @CampaignMonitor
Moz > @Moz
Bryan Eisenberg > @TheGrok
Shopify > @Shopify
Scott Brinker > @chiefmartec
Chris Goward > @chrisgoward
Brian Massey > @bmassey
Jeffrey Eisenberg > @JeffreyGroks
Sherice Jacob > @sherice
Carlos del Rio > @inflatemouse
Pam Moore > @PamMktgNut
Angie Schottmuller > @aschottmuller
Ryan Deiss > @ryandeiss
Ian Lurie > @portentint
ashukairy > @ayat
Khalid Saleh > @khalidh
Anne Holland > @AnneHolland55
Lincoln Murphy > @lincolnmurphy
Amy Africa > @amyafrica
Unbounce > @unbounce
Raven Tools > @RavenTools
Roger Dooley > @rogerdooley
Neil Patel > @neilpatel
Nichole Elizabeth > @NikkiElizDemere
Craig Sullivan > @OptimiseOrDie
Peep Laja > @peeplaja
Jon Henshaw > @RavenJon
Marketing Nutz > @MktgNutz
Dan Siroker > @dsiroker
Tommy Walker > @tommyismyname
John Teevan > @JohnP_Teevan
Joanna Wiebe > @copyhackers
Rich Page > @richpage
Tiffany Da Silva > @bellastone
Jason Quey > @jdquey
Ton Wesseling > @tonw
Adam Hutchinson > @adamiswriting
Michael Aagaard > @ContentVerve
Matt Gershoff > @mgershoff
Andy Johns > @ibringtraffic
Brian Balfour > @bbalfour
Oli Gardner > @oligardner
Tim Ash > @tim_ash
Paul Rouke > @paulrouke
Linda Bustos > @edgacentlinda
Theo van der Zee > @theovdzee
Get Elastic > @getelastic
Conversion Conference > @ConversionConf
MAA1 > @MAA1
Talia Wolf > @TaliaGw
Justin Rondeau > @Jtrondeau
Tyson Quick > @TysonQuick
KlientBoost > @KlientBoost
Andre Morys > @morys
Conversion.com > @conversion_com
Anna Talerico > @annatalerico
Kelly Cutler > @kfcutler
Brooks Bell > @brooksbell
Andrew Youderian > @youderian
Alhan Keser > @AlhanKeser
Conversion Sciences > @ConversionSci
Alex Birkett > @iamalexbirkett
Steven Jacobs > @StevenJacobs_
Kaitlyn Nelson > @kaitlynelson
Kevin Hillstrom > @minethatdata
Dan Wang > @danwwang
Malachi Leopold > @livethetreplife
Pete Koomen > @koomen
Aaron Orendorff > @iconiContent
Chief Conversionista > @Conversionista
Joel Harvey > @JoelJHarvey
Rivolgiti a una di queste agenzie per il tuo A/B testing
Se non disponi delle risorse interne necessarie, affidare l'A/B testing a un'agenzia può essere un'ottima soluzione. Ecco alcune delle migliori.
Nota: noi di Kameleoon vendiamo uno strumento di A/B testing ma possiamo anche gestire l'intero test, scopri come pagina del customer success