Che cos'è il test A/B?

Definizione di test A/B

Quando e perché è necessario eseguire i test A/B

I test A/B offrono vantaggi maggiori quando vengono eseguiti in modo costante. Un flusso regolare di test può fornire delle raccomandazioni continue su come ottimizzare le performance. E sono possibili continui test, in quanto le opzioni disponibili per i test sono pressoché illimitate.

Come specificato in precedenza, i test A/B possono essere utilizzati per valutare qualsiasi risorsa di digital marketing, tra cui:

• e-mail
• newsletter
• annunci pubblicitari
• messaggi di testo
• pagine dei sito Web
• componenti su pagine web
• app mobile

l test A/B svolgono un ruolo importante nella gestione delle campagne, poiché consentono di determinare cosa funziona e cosa non funziona. Mostra ciò a cui il tuo pubblico è interessato e reagisce. l test A/B possono aiutarti a individuare quale elemento della tua strategia di marketing ha un impatto maggiore, quale è necessario migliorare e quale invece eliminare del tutto.

Dopo aver chiarito quindi il perché è necessario eseguire i test A/B, è necessario considerare due criteri riguardo al quando effettuare i test.

• Hai una campagna di digital marketing o un elemento che non genera risultati a livelli ottimali e quindi non soddisfa le aspettative. I test A/B possono essere utilizzati per isolare il problema e migliorare le performance.
• Devi lanciare un nuovo contenuto (pagina Web, campagna e-mail) e non sei sicuro dell'approccio più efficace (ad esempio del messaggio). L'uso proattivo dei test A/B ti consentirà di confrontare e contrapporre le performance di due approcci diversi per identificare quello migliore.

Vantaggi dell'esecuzione dei test A/B sul tuo sito Web

I test A/B offrono un ottimo modo per determinare quantitativamente la tattica che funziona meglio con i visitatori del tuo sito web. Potrai capire semplicemente se un'intuizione può essere valida o sbagliata. Il lato positivo è che non continuerai a utilizzare qualcosa che non funziona. Attirerai più visitatori che passeranno più tempo sul tuo sito e cliccheranno altri link.

Testando componenti/sezioni di siti Web ampiamente utilizzati, è possibile prendere decisioni che migliorano non solo la pagina di test ma anche altre pagine simili.

Come si effettua un test A/B?

I test A/B non sono complessi, ma richiedono ai professionisti del marketing di seguire un processo ben definito. Ecco i nove passaggi fondamentali:

I passaggi fondamentali per la pianificazione e l'esecuzione di un test A/B

• 1. Misurare e rivedere il parametro di riferimento delle performance
• 2. Determinare l'obiettivo di test utilizzando il parametro di riferimento delle performance
• 3. Sviluppare un'ipotesi su come il test incrementerà le performance
• 4. Identificare i target o le aree del test
• 5. Creare la versione A e quella B per effettuare il test
• 6. Utilizzare uno strumento QA per convalidare l'impostazione
• 7. Eseguire il test
• 8. Monitorare e valutare i risultati utilizzando gli analytics Web e quelli di test
• 9. Implementare le nozioni apprese per migliorare la Customer Experience

Seguendo i passaggi sopra riportati, con obiettivi chiari e una solida ipotesi, saranno utili per evitare gli errori più comuni sui test A/B.

I test forniranno dati e prove empiriche che ti aiuteranno a ottimizzare e a migliorare le performance. Grazie alle nozioni apprese dai test A/B, potrai generare un impatto maggiore, progettare una Customer Experience (CX) più coinvolgente, scrivere dei testi più convincenti e creare delle grafiche più accattivanti. Grazie a un'ottimizzazione continua, le tue strategie di marketing diventeranno più efficaci e incrementeranno così il ROI e i ricavi.

Esempi di test A/B

Ecco qui un elenco degli elementi di digital marketing che possono essere testati:

• Link di navigazione
• Call-to-action (CTA)
• Design/layout
• Testi
• Offerta di contenuti
• Titolo
• Oggetto delle e-mail
• Indirizzo e-mail "da" descrittivo
• Immagini
• Pulsanti dei social media (o altri pulsanti)
• Logo e tagline/slogan

I tuoi obiettivi di business e di performance, parametro di riferimento e attuale mix di campagne di marketing, ti consentono di determinare i candidati migliori da testare.

Il ruolo degli analytics nei test A/B del sito Web

Come interpretare i risultati dei test A/B

È importante stabilire gli obiettivi durante la pianificazione di un test in modo da poter valutare i risultati, determinare un vincitore e aggiornare la campagna di marketing e/o il sito Web in modo da riflettere il risultato vincente. In molte situazioni, un pubblico viene suddiviso inizialmente con un gruppo escluso ("holdout group") che riceverà la versione vincente di un messaggio.

I risultati del test indicano il successo di un elemento rispetto all'altro in base a ciò che si è deciso di misurare, ad esempio:

• numero di visitatori
• tasso di apertura
• tasso di clic
• iscrizioni (per newsletter ecc.)
• sottoscrizioni

Durante il test, i due elementi sono monitorati fino al raggiungimento di una misurazione rilevante da un punto di vista statistico.

I tassi di conversione possono essere misurati anche in termini di ricavi. È possibile prendere in considerazione i numeri delle vendite insieme all'impatto di una modifica sui ricavi effettivi delle vendite. Tieni presente che i tassi di conversione possono essere acquisiti per qualsiasi azione misurabile e non sono limitati ai siti e alle vendite di e-commerce. Possono includere:

• Vendite
• lead generati/registrazioni inviate
• iscrizioni a newsletter
• clic su annunci banner
• tempo trascorso sul sito

Quali metriche bisogna considerare riguardo ai test A/B?

La risposta a questa domanda dipende dalla tua ipotesi e dai tuoi obiettivi. È tuttavia necessario concentrarsi sulle metriche che indicano il coinvolgimento dell'audience con i tuoi contenuti di marketing.

Se stai testando una pagina Web, considera il numero di visitatori unici, visitatori che ritornano, il tempo che trascorrono sulla pagina, nonché i tassi di rimbalzo e di uscita. Per quanto riguarda l'e-mail marketing, dovrai considerare chi apre le e-mail e chi clicca le CTA.

Che cos'è un test multivariato? Qual è la differenza rispetto ai test A/B?

I test multivariati vengono spesso citati insieme ai test A/B, pertanto è importante comprendere cosa sono i test multivariati e quanto si differenziano dai test A/B. Sono due discipline correlate, ma hanno delle differenze ben precise.

I test multivariati testano contenuti diversi per vari elementi (rispetto a un singolo elemento nei test A/B) su una o più pagine del sito Web o campagne di e-mail marketing per identificare la combinazione che produce il maggiore tasso di conversione.

I test multivariati applicano un modello statistico per testare combinazioni di cambiamenti che generano un'esperienza di successo complessiva e l'ottimizzazione del sito Web. Di seguito sono riportati diversi aspetti chiave dei test multivariati:

È possibile eseguire i test A/B e quelli multivariati su applicazioni iOS e Android?

Nel 2020, le app mobile hanno rappresentato 2,9 bilioni di dollari negli investimenti relativi all'e-commerce. Tale numero è destinato ad aumentare di un ulteriore bilione entro la fine del 2021. E la crescita si estende oltre il retail e l'e-commerce. La quota mobile del traffico online totale continua a crescere molto più velocemente rispetto alla crescita del desktop, in quanto in molti paesi i telefoni cellulari sono più accessibili dei computer portatili. Quindi in sempre più casi, il percorso di acquisto del cliente ha inizio e termina su un'app iOS o Android. Tuttavia, a causa delle dimensioni ridotte dello schermo, il tasso di abbandono dei carrelli è più elevato per i dispositivi mobili (87%) rispetto ai desktop/computer portatili (73%).

È quindi più importante che mai garantire che la propria esperienza mobile sia ottimizzata, ma date le limitazioni legate alle applicazioni iOS e Android, bisogna affidarsi agli strumenti giusti.

Guarda il video qui sotto per scoprirne di più.

Segmentazione dei visitatori e clustering dei segmenti nei test multivariati

Un'unica esperienza potrebbe non essere adatta per tutti i visitatori/destinatari. Un importante vantaggio dei test multivariati è la capacità di identificare i segmenti di visitatori e il modo in cui interagiscono con esperienze diverse. Ad esempio, è possibile determinare che i nuovi visitatori preferiscono un'esperienza diversa rispetto ai visitatori ricorrenti, in modo da ottenere risultati complessivi migliori. I sistemi più sofisticati suggeriranno automaticamente la segmentazione dei visitatori per ridurre il tempo necessario per analizzare i risultati dei test su centinaia di attributi dei visitatori.

Il targetizzazione di esperienze diverse per diversi segmenti di visitatori aumenterà notevolmente i tassi di conversione. Targetizza i visitatori in base a una vasta gamma di attributi, da quelli ambientali a quelli comportamentali, e includi attributi sui clienti provenienti da altri sistemi, come quello CRM.

Quando effettuare i test A/B o i test multivariati? Questo è il problema.

Un test A/B è un ottimo strumento, ma se ci sono più di due opzioni che devono essere testate per determinare la "migliore esperienza", è probabile che si voglia eseguire un test multivariato anziché un test A/B.

I test con più di due opzioni richiedono più tempo per l'esecuzione e non riveleranno nulla sull'interazione tra le variabili in una singola pagina. Tuttavia, i test A/B sono molto facile da capire e possono essere un buon modo per introdurre i concetti di sito Web e l'ottimizzazione della campagna agli scettici o per mostrare l'impatto misurabile di un cambiamento di progettazione o di una leggera modifica.

I test multivariati sono estremamente utili per un asset (pagina del sito Web o e-mail) in cui è necessario confrontare diversi elementi, ad esempio diverse combinazioni di immagini e titoli accattivanti. Tuttavia, con più opzioni è necessario aumentare il traffico. Quindi non è consigliato testare tutto sulla pagina. Quando cambiano troppi elementi della pagina, il numero di combinazioni diventa troppo elevato. Ad esempio, l'esecuzione di un test su 10 elementi diversi può portare a oltre tre milioni e mezzo di combinazioni. Sarebbe difficile per la maggior parte dei siti Web e delle campagne e-mail trovare il traffico per supportare ciò.