Spiacenti, impossibile trovare dei risultati che corrispondono alla tua ricerca.

È consigliabile provare quanto segue per riuscire a trovare quello che stai cercando:

  • Controlla l'ortografia della ricerca per parola chiave.
  • Utilizza sinonimi per la parola chiave digitata, ad esempio prova “applicazione” anziché “software”.
  • Inizia una nuova ricerca.

Che cosa sono i test A/B?

Definizione di test A/B

I test A/B, detti anche split testing o bucket testing, mettono a contronto le performance di due versioni dei contenuti per capire quale versione suscita maggiore interesse nei visitatori/utenti. Testano una versione di controllo (A) rispetto a una versione di variante (B) per misurare quella più efficace secondo le metriche chiave. Se ti occupi di digital marketing sia nell'ambito del marketing B2B, sia in quello del marketing B2C, le opzioni disponibili per eseguire i test A/B sono:

  • Test A/B del sito Web (testi, immagini, colori, design, call-to-action), che divide il traffico tra due versioni, A e B. Si monitorano le azioni dei visitatori per identificare la versione che fornisce il numero maggiore di 1) conversioni o 2) visitatori che hanno effettuato l'azione desiderata.
  • Test A/B relativi all'e-mail marketing (oggetto, immagini, call-to-action), che suddivide i destinatari in due segmenti per determinare quale versione genera un maggiore tasso di apertura.
  • Contenuti selezionati dagli editor o contenuti selezionati da un algoritmo in base al comportamento dell'utente per capire quale genera un maggior coinvolgimento.

A prescindere dall'obiettivo, i test A/B ti consentono di determinare qual è la migliore Customer Experience (CX).

Oltre ai test A/B, ci sono anche test A/B/N, dove la "N" sta per "incognita". Un test A/B/N è un tipo di test con più di due varianti.

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

Durante tutto il ciclo di vita di qualsiasi test A/B, gli analytics sono al centro della pianificazione, dell'esecuzione e delle performance.

Lo sviluppo di un'ipotesi di test richiede una solida base relativa agli analytics. Si devono comprendere le attuali performance e livelli di traffico. In termini di web analytics (per esempio), esistono alcuni datapoint chiave che il sistema di analytics fornirà durante il processo di pianificazione, tra cui:

  • Traffico (visualizzazioni di pagina, visitatori unici) alla pagina, al componente o ad altri elementi esaminati per gli scenari di test
  • Coinvolgimento (tempo trascorso, pagine per visita, tasso di rimbalzo)
  • Conversioni (numero di clic, registrazioni, fallout)
  • Andamento delle performance nel tempo

Senza questi elementi di base sugli analytics, qualsiasi scenario di test o valutazione delle performance si baserà probabilmente su preferenze o impressioni personali. I test riveleranno spesso tali supposizioni errate.

Dopo l'avvio di un test A/B, gli analytics svolgono un ruolo centrale. Viene utilizzato un dashboard per monitorare le metriche delle performance in tempo reale, per verificare che il test funzioni come previsto e per rispondere a eventuali anomalie o risultati imprevisti. Ciò può includere l'arresto del test, la modifica e il riavvio, nonché la garanzia che i dati sulle performance riflettano qualsiasi modifica e la tempistica di tali modifiche. Il dashboard delle performance consente di determinare il tempo di esecuzione del test e di garantire il raggiungimento di una significatività statistica.

Dopo l'esecuzione del test, gli analytics sono la base per determinare le fasi successive. Per esempio, possono essere utilizzati per decidere se il vincitore del test diventa la presentazione tipo sulla pagina del sito Web che è stata testata o se diventa uno standard in corso. I professionisti del marketing dovrebbero sviluppare un modello di analytics riutilizzabile per trasmettere i risultati dei test e adattarlo in modo da riflettere gli elementi specifici di un determinato test.

Scopri di più sui test A/B relativi alle e-mail

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. Questo punto è riportato sopra e sotto.

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 cosa sono i test multivariati? 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:

1

Ampia gamma di elementi

I test multivariati vengono eseguiti per una serie di modifiche a siti Web/e-mail, tra cui tutti gli elementi di un'offerta di contenuti, quali immagini, testi, colori, font, link e pulsanti CTA, oltre ai contenuti e ai layout per le landing page o per i processi come il checkout. Non è raro che un test multivariato superi 50 o più combinazioni.

2

Dall'ipotesi ai risultati

I test multivariati iniziano con un'ipotesi relativa alle modifiche dei contenuti che potrebbero migliorare i tassi di conversione. Con test multivariati, le modifiche al contenuto possono essere suddivise in più elementi individuali per determinare le combinazioni che generano i maggiori tassi di conversione. L'eventuale presenza di lievi modifiche o modifiche significative alla User Experience può influire sui risultati complessivi.

3

Tassi conversione

Il tasso di conversione è il tasso in base al quale i visitatori eseguono un'azione desiderata, ad esempio cliccando un'offerta o aggiungendo prodotti al carrello. Per valutare il test vengono utilizzate ulteriori metriche, ad esempio ricavi per ordine o tasso di clic. Gli analytics indicano quale combinazione di modifiche ha prodotto i risultati migliori in base al tasso di conversione o all'incremento nelle metriche predefinite.

4

Ottimizzazione continua

Poiché è possibile definire un obiettivo di business in cui il test determina l'esperienza migliore per i visitatori raggiungendo così il proprio obiettivo, considera l'opzione di affidarsi al software per ottimizzare in automatico le esperienze per un test.

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 e includi attributi sui clienti 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.