Come Fare A/B Testing in 7 Passi (Con Esempi)
Che tu sia un professionista di prodotto o di marketing o lavori insieme a quei team nell’esperienza cliente, è probabile che tu sia coinvolto in processi chiave per migliorare i prodotti e le performance della tua azienda e che utilizzi il punto di vista degli utenti per farlo. Uno degli strumenti più potenti nel tuo arsenale è, senza ombra di dubbio, l’A/B testing.
Perché? Perché elimina le supposizioni da domande come quale di queste versioni della funzionalità supporta meglio i nostri KPI principali? Chi rinuncerebbe a un’opportunità per scoprire con certezza quale versione di un’iterazione di prodotto sostiene meglio metriche chiave, come il tasso di conversione o un altro indicatore di coinvolgimento?
Risposta: praticamente nessuno.
Join our community to access the full article
Unlock more content to help you turn AI into leverage, design experiences that build trust, and drive business impact.
Have an account? Log In
Come User Research Lead, collaboro con diversi team che eseguono test A/B per capire cosa impariamo dagli utenti con ciascun test e come ci può aiutare a effettuare iterazioni di prodotto migliori in futuro. Esploriamo insieme cosa sia l’A/B testing, quando e perché dovresti usarlo, come si fa e come sfruttarlo per costruire conoscenza interna sulla tua base utenti.
Cos’è l’A/B testing: Definizione ed esempio
In poche parole, l’A/B testing, noto anche come split testing, è un metodo che confronta due versioni di qualcosa per vedere quale performa meglio secondo le tue metriche principali. È comunemente utilizzato nello sviluppo prodotto per testare diverse varianti di un prodotto o di una funzionalità e i relativi effetti sui KPI.
In un test A/B, si creano due versioni di qualcosa (ad esempio, una funzionalità) e si assegnano casualmente diversi gruppi di utenti a ciascuna versione. Analizzando i risultati del test, è possibile determinare quale versione sia più efficace e utilizzare queste informazioni per prendere decisioni basate sui dati riguardo il prodotto.
Ecco un esempio:
Supponiamo che la tua azienda abbia un’app mobile che aiuta gli utenti a organizzare grandi eventi. Il tuo team ha una funzionalità che permette agli utenti di importare i contatti telefonici e inviare inviti via SMS direttamente dall’app. Internamente, alcuni membri dei team di prodotto e customer experience hanno opinioni diverse su quando chiedere all’utente di importare i contatti telefonici - prima o dopo che abbia personalizzato il testo dell’invito. Il principale KPI di questa particolare funzionalità è la percentuale di utenti che iniziano il processo di invito e che, alla fine, inviano davvero i loro inviti tramite messaggio di testo.
Durante un test A/B, il tuo team sviluppa le due diverse versioni. L’unica variabile, o differenza, tra le due versioni è il momento in cui appare la CTA per importare i contatti telefonici. Il team assegna casualmente due gruppi di utenti, ognuno con una versione della funzionalità. Quando si raccolgono abbastanza dati—idealmente, raggiungendo risultati statisticamente significativi—si analizza ciascun gruppo: quale gruppo ha avuto una percentuale maggiore di utenti che hanno completato il percorso e inviato gli inviti tramite SMS? Quella è la versione vincente, che poi viene attivata per tutti gli utenti.
Perché fare A/B Testing?
È vero che l’A/B testing richiede molte risorse—design, sviluppo, analisi dei dati e così via. Ma se guardi ai valori e agli obiettivi della maggior parte delle aziende, vedrai che spesso sono molto allineati con i benefici dell’A/B testing. Vediamo alcuni di questi obiettivi e valori, che possono aiutarti a sostenere un progetto di A/B test.
Decisioni guidate dai dati
L’A/B testing permette di prendere decisioni basate sui dati riguardanti il tuo prodotto, anziché affidarsi all’intuito o alle supposizioni. Testando diverse varianti di una funzionalità, puoi capire quale versione è più efficace e prendere decisioni basate su dati concreti. Non ho ancora incontrato nessuno, in nessun team di prodotto, che non aspiri ad essere guidato dai dati. L’A/B testing è uno strumento chiave per qualsiasi team prodotto orientato ai dati.
Esperienza utente migliorata
Testando versioni diverse di un prodotto o di una funzionalità, puoi individuare modi per migliorare l’esperienza utente. Questo può significare rendere un pulsante dell’app più visibile, cambiare il colore di una CTA, o semplificare il processo di checkout in un sito e-commerce. I risultati dell’A/B test ti dicono quali flussi, funzionalità e variabili funzionano meglio per i tuoi utenti in base alle metriche che scegli. Spesso, quando saltiamo l’A/B testing, scopriamo di aver sbagliato e investiamo ancora più risorse per correggere l’errore—prolungando anche la tempistica per ottimizzare una funzionalità fino a raggiungere la soddisfazione dell’utente.
Possibili incrementi di ricavi
Quando esegui un test A/B, scegli la/le metriche chiave con cui deciderai il vincitore una volta ottenuti i risultati del test. Questo significa che, se il ricavo è uno dei tuoi principali obiettivi, puoi davvero sapere con certezza quale versione di un prodotto o funzionalità genera il ricavo più alto.
Costruire conoscenza sugli utenti nel tempo
Ne parleremo ancora più avanti, ma un altro vantaggio chiave nell'integrare l'A/B testing nel tuo flusso di lavoro di prodotto è che, con il tempo, costruisci una conoscenza sugli utenti. Non è solo il fatto che ogni test A/B ti aiuta a prendere decisioni nell'immediato, ma ti insegna anche qualcosa su come gli utenti interagiscono con il tuo prodotto, e questa conoscenza può essere utile per il lavoro futuro sul prodotto.
Il processo di A/B testing in 7 semplici passaggi
Eccoci arrivati—la parte divertente! Sei già convinto che testare con A/B testing la posizione della tua call-to-action o il modo migliore di implementare una nuova funzionalità sia la strada giusta. Come procedere?
Passaggio 1: Definisci il tuo obiettivo
Prima di iniziare un A/B test, è importante definire il tuo obiettivo. Cosa speri di ottenere dal test? La chiave qui è che il tuo obiettivo deve essere una metrica. In altre parole, devi poter sapere in numeri come ciascuna variabile si comporta rispetto all'altra.
Ad esempio:
Rendere l'esperienza utente più semplice è un ottimo obiettivo da tenere presente, ma non conta come obiettivo per un test A/B. Supponiamo che tu abbia un negozio online. Un buon obiettivo per un test A/B potrebbe essere qualcosa come: Aumentare la % di utenti che completano il processo di checkout e effettuano un acquisto o, semplicemente, il tasso di conversione a pagamento. È misurabile in numeri e probabilmente è una metrica che risponde ai tuoi obiettivi di business complessivi.
Oppure, supponiamo che tu stia utilizzando l'A/B testing per ottimizzare meglio un elemento specifico della tua strategia di marketing. Potresti rilasciare due versioni di una landing page, entrambe con il messaggio della campagna marketing, ma con un colore diverso per il pulsante della CTA principale. L'obiettivo del tuo test A/B potrebbe essere il click-through rate (CTR) sul pulsante.
Passaggio 2: Identifica la variabile da testare
Una volta definito il tuo obiettivo, il passo successivo è identificare la variabile che vuoi testare. Una variabile è la differenza tra le due versioni nel tuo test A/B, e ora ti dirò qualcosa di abbastanza radicale sulla variabile:
Se hai più di una variabile, i risultati del tuo test A/B sono limitati in quello che possono insegnarti.
Se le tue due versioni presentano più di una differenza tra loro, sarai comunque in grado di sapere quale versione ha vinto in base alla tua metrica principale, ma non saprai il perché, e questo può complicare le cose. Torniamo all’esempio della landing page. Ogni pagina ha una CTA con un colore di pulsante diverso e ipotizziamo che anche il testo marketing sia diverso tra le due versioni. Potresti vedere che la versione B ha un impatto più positivo sui tuoi KPI, ma non saprai se è stato per via del colore del pulsante, del testo differente o di entrambi.
Questo aspetto è fondamentale, soprattutto se intendi apportare iterazioni future, sia sui colori dell’interfaccia che sul testo marketing. Non sapresti quali elementi sono "sacri" e quali no, oppure come impostare strategicamente il tuo prossimo test A/B. Quindi la regola è: un test A/B, una variabile.
Detto ciò, esiste qualcosa chiamato test multivariato, che è esattamente ciò che sembra—testare versioni di qualcosa che presentano più variabili. Le regole e i passaggi per eseguire un test multivariato sono diversi e non rientrano nell’ambito di questa guida, ma questa è una risorsa eccellente da cui partire.
Fase 3: Crea le tue varianti
Ora hai definito i tuoi obiettivi e hai deciso quale sarà la variabile unica tra le due versioni. È questo il momento in cui designer e sviluppatori iniziano a lavorare e producono entrambe le versioni.
Quando pianifichi il tuo test A/B e avvisi gli altri stakeholder su quando aspettarsi i risultati, assicurati di consultarti con i team di design e sviluppo per conoscere le loro tempistiche: quanto tempo ci metteranno a creare le due versioni di cui hai bisogno?
Fase 4: Configura il tuo test
Assicurarsi che il test sia impostato correttamente è un passaggio fondamentale. Ecco una rapida checklist di cose da verificare che potrebbero essere o meno rilevanti nella tua azienda o organizzazione.
- Hai controllato che entrambe le versioni della tua pagina web/app mobile/funzionalità funzionino correttamente?
- Il tuo team dati o prodotto è stato avvisato che questo test A/B si svolgerà e ha destinato del tempo per analizzare i dati man mano che arrivano?
- Hai una dashboard dove monitorare le principali KPI e le metriche di comportamento utente mentre il test A/B è in corso? Questo è importante anche per assicurarsi che una delle varianti non vada ad incidere in modo drasticamente negativo su una metrica chiave: in tal caso potresti voler interrompere il test e indagare.
Per quanto riguarda l'esecuzione del tuo test, potrebbe essere che il tuo team dati abbia già un meccanismo interno per gestirlo. In caso contrario, esistono molti strumenti per i test A/B: da funzionalità di base di Google Analytics fino a piattaforme più complesse, come i tool SaaS per A/B testing. Confrontati internamente con il tuo team per capire quale soluzione risponde meglio alle tue esigenze.
Fase 5: Raccogli e analizza i tuoi dati
Confrontati con il tuo team dati interno su quando hai raggiunto una significatività statistica, ovvero quando un numero sufficiente di utenti è stato esposto alle versioni del test A/B da consentire delle conclusioni affidabili sul campione corrente. Vuoi evitare di prendere una decisione troppo in fretta, quando i gruppi di utenti non sono ancora abbastanza grandi da trarre conclusioni.
Una volta ricevuto il via libera, lavora con loro per analizzare i risultati del test. Hai già deciso le metriche chiave in base alle quali determinare la variante vincente, quindi questa fase dovrebbe essere relativamente veloce e semplice.
Fase 6: Implementa la versione vincente
Dopo aver analizzato i dati, è il momento di implementare la versione vincente del tuo test A/B. In questa fase è importante assicurarsi che tutti gli stakeholder siano informati sui risultati del test A/B e su come è stata determinata la variante vincente. Se esiste un canale Slack o simili, ancora meglio: hai appena preso una decisione sull’esperienza utente e vuoi garantire trasparenza su quando, perché e come.
Quando tutti sono a conoscenza della decisione e si può procedere, chiedi al team tecnico e di prodotto di attivare la variante vincente per tutti gli utenti—e guarda la tua metrica chiave salire sempre di più!
Detto ciò, il tuo lavoro non è ancora del tutto finito…
Fase 7: Itera e ottimizza
È vero che il nucleo del tuo test A/B si può considerare concluso a questo punto, ma è importante prendersi un po’ di tempo per capire cosa hai imparato e pensare alle future iterazioni di ciò che hai testato. Ricorda che solo perché la variante vincente è risultata migliore dell’altra secondo gli obiettivi del test non significa che non esista una versione ancora migliore da testare la prossima volta.
Confrontati con tutti coloro che hanno partecipato al test A/B, e discutete la variabile testata: quali sono le tue ipotesi sul perché la variante vincente ha influenzato più positivamente la tua KPI? Cosa c’era nella variante perdente che l’ha resa, in questo caso, meno efficace? Non potrai averne la certezza senza fare ricerche qualitative su utenti, ma anche solo discutere le ipotesi può aiutarti a pensare alle prossime iterazioni e ai futuri A/B test, per ottimizzare continuamente l’esperienza utente.
Usa l'A/B testing per costruire nel tempo la conoscenza della tua base utenti
Sebbene ogni test A/B sia progettato per raccogliere dati su una specifica iterazione di prodotto e prendere una decisione in tempo reale su un problema specifico, noterai che, una volta incorporata la metodologia dell'A/B testing nei tuoi flussi di lavoro principali di prodotto, in realtà stai accumulando molte informazioni sulla tua base utenti che potrebbero anche avere una certa longevità.
Il tuo team potrebbe voler considerare l'uso di qualcosa di semplice come un foglio di calcolo o di uno strumento più avanzato come un repository di ricerca ed esperimenti per tracciare e taggare le intuizioni raccolte da ogni test A/B, insieme ad altri insight interni sugli utenti.
Col tempo, è probabile che inizierai a notare delle tendenze. Ad esempio, se c'è uno specifico colore del pulsante CTA o una riga dell'oggetto che risulta spesso la variante vincente, sono dati potenzialmente duraturi, soprattutto se supportati da dati provenienti da più di un test A/B. Un altro esempio potrebbe essere la constatazione del team che le modifiche al testo tendono ad avere un effetto meno significativo sui test A/B orientati al tasso di conversione rispetto ai cambiamenti nella UI.
Le possibilità sono infinite e dipendono fortemente dalla natura del tuo prodotto, ma il punto principale è che dovresti rivedere i dati dei test A/B con una certa regolarità, così da poter non solo ottenere insight nell'immediato, ma anche costruire conoscenza nel tempo.
Il tuo percorso di A/B testing sarà fruttuoso, garantito!
L'A/B testing è senza dubbio uno degli strumenti più potenti a disposizione di chi gestisce prodotti o si rivolge agli utenti, per ottimizzare l'esperienza utente, offrire valore e raggiungere i propri obiettivi chiave.
Speriamo che ora tu ti senta in grado di proseguire con la metodologia dell'A/B testing. Ma se hai fame di ulteriori conoscenze, assicurati di iscriverti alla newsletter di CX Lead per ricevere regolarmente articoli selezionati che possono aiutarti a raggiungere i tuoi obiettivi.
Buon testing!
