Come fare un test A/B come un professionista [+strumenti]

Nel nostro recente post, abbiamo parlato dell'importanza dei test A/B. È una delle pratiche di marketing più calde del 2020 e non andrà da nessuna parte nel 2021. Nell'era della concorrenza estrema, vuoi andare sul sicuro anche quando ti prendi dei rischi.

Il test A/B è una metodologia estremamente utile in grado di far salire alle stelle le prestazioni aziendali. La verità è che è possibile solo se lo fai bene. Devi sapere esattamente cosa stai facendo quando esegui i tuoi esperimenti per garantire risultati accurati e significativi. Per fare ciò, è necessario prima coprire la metodologia.

Una guida passo passo al test A/B

Passaggio 1: fai le tue ricerche

Prima di poter iniziare a testare A/B le tue risorse di marketing, devi avere una solida idea di cosa ti impedisce di sfruttare tutto il tuo potenziale in questo momento. È necessario condurre una ricerca preliminare approfondita delle aree che richiedono un miglioramento, identificare sia le opportunità di crescita che le possibili insidie ​​che richiedono un po' di lavoro su di esse.

Fortunatamente, il mercato è saturo di vari strumenti di ricerca che possono semplificare il processo per te e darti un'idea delle prestazioni del tuo sito Web (o di qualsiasi altra risorsa di marketing). Ecco alcuni degli strumenti più utili da aggiungere al tuo arsenale:

1. Analizzatore della pagina di destinazione. Questo strumento gratuito ti consente di analizzare la pagina di destinazione del tuo sito Web per vedere quanto è efficace. Inoltre, offre anche un rapporto fruibile sulle aree problematiche della tua pagina di destinazione e consigli su come migliorarle. I criteri utilizzati per l'analisi includono i seguenti 5 parametri: Rilevanza, Propensione all'azione, Persuasività, Motivazione e Focus sull'obiettivo.
2. Google Analytics (GA). Parte della famiglia di prodotti Google, questo strumento di analisi web gratuito estremamente potente ti consente di monitorare il traffico del tuo sito web e ottenere informazioni statisticamente significative sul comportamento dei visitatori del sito web. Non appena lo aggiungi alla tua pagina web, inizia automaticamente a raccogliere dati e a formare rapporti basati su di essi. È anche possibile integrare Google Analytics con altri strumenti come Google AdWords per ottenere un quadro più olistico delle prestazioni della tua attività.
3. Mappe di calore VWO. A differenza dei due strumenti precedenti che presentano principalmente informazioni statistiche sotto forma di un foglio di calcolo numerico, Heatmaps di VWO offre rappresentazioni visive di come i visitatori interagiscono con il tuo sito Web, comprese mappe di calore, mappe di scorrimento, mappe di clic, area di clic, ecc.

In effetti, le mappe di calore - visualizzazione aggregata del movimento, dello scorrimento, dei clic e dei tocchi del mouse dell'utente - sono uno degli strumenti più efficaci per una ricerca preliminare in quanto aiutano non solo a ottenere informazioni statistiche sul problema, ma anche a capire perché ciò potrebbe sta accadendo.

Esempio. Usiamo la mappa termica della vecchia pagina di destinazione di Nurse.com per spiegare l'importanza della ricerca per il successo dei test A/B.

L'obiettivo principale di qualsiasi pagina di destinazione è convertire. Nel caso di Nurse.com, la pagina di destinazione aveva lo scopo di invitare i visitatori a fare clic sul pulsante "Acquista abbonamento CE illimitato" e diventare clienti di Nurse.com.

La mappa termica di Nurse.com rivela che solo pochi visitatori del sito effettivamente seguono e agiscono come previsto. Il resto di loro viene distratto dall'elemento principale e finisce per fare clic altrove. Alcuni dei problemi chiave con la pagina di destinazione in questione sono:

• Ci sono due inviti all'azione concorrenti che dividono i clic tra loro.
• Ci sono diversi elementi non ovviamente non cliccabili con cui gli utenti cercano di interagire.
• Ci sono molti link meno importanti che distraggono l'attenzione degli utenti dal "corso principale".
• La copia principale sulla pagina viene ignorata.

Come imprenditore, sai esattamente cosa deve essere cliccato. Quindi, sei di parte: non puoi assolutamente sapere con cosa lotteranno le persone che lo vedono per la prima volta. Pertanto, nessuno dei suddetti fattori è davvero così ovvio. Tutti e quattro, tuttavia, comprendono le scarse prestazioni della pagina di destinazione.

La formazione di una mappa di calore consente di ottenere la prospettiva di un utente del sito Web invece di formulare un'ipotesi soggettiva.

Tuttavia, anche con una gamma così ampia di strumenti analitici automatici a disposizione degli esperti di marketing, è comunque consigliabile lavorare anche sullo sviluppo delle capacità analitiche! Non importa quanto sia eccezionale la tecnologia che usi, è sempre una buona idea mescolare la ricerca con un po' di esperienza umana.

Fortunatamente, c'è anche una risorsa per questo!

È una piattaforma ludicizzata con una delle raccolte più ampie e complete di casi di studio di test A/B su Internet. Ti consente di testare e indovinare quale delle due varianti di test ottiene la maggior parte delle conversioni. Dopo aver espresso il tuo giudizio, indipendentemente dal fatto che tu scelga il vincitore o meno, puoi vedere i risultati reali del test A/B, oltre a tutta la documentazione di supporto.

Passaggio 2: osservare per formulare un'ipotesi

Non appena hai completato la tua ricerca, dovresti essere in grado di fare un'ipotesi plausibile su ciò che influisce sulle prestazioni delle tue risorse di marketing e in che modo. La tua ricerca ti consente di avanzare un'ipotesi supportata dai dati, una proposta di spiegazione per un fenomeno.

Ci sono diversi requisiti che devono essere soddisfatti affinché un'ipotesi sia valida:

• È possibile testare. La tua ipotesi deve essere misurabile per essere verificata. Altrimenti, finirai per ottenere risultati soggettivi che non possono essere giustificati statisticamente.
• Aiuta a risolvere un problema di conversione. Ogni ipotesi che formuli si basa sulla convinzione che possa aumentare il tasso di conversione dell'asset di marketing in questione.
• Fornisce informazioni sul mercato. Sia se la tua variante "vince" o "perde", dovrebbe comunque darti una migliore comprensione delle esigenze e dei desideri del tuo pubblico di destinazione. Se riesci ad articolare bene la tua ipotesi, te la fornirà a prescindere.

"Se non puoi indicare il motivo per cui esegui un test, probabilmente devi esaminare perché e cosa stai testando".
[Brian Schmitt, Consulente per l'ottimizzazione delle conversioni, CROmetrics]

Una dichiarazione di ipotesi di test A/B di base ha tre componenti cruciali ed è normalmente strutturata come segue:
'Se _____ allora _____ perché ______'

• La variabile. Il COSA del tuo test - l'elemento che cambierai nel corso del tuo processo di test A/B.
• Risultato. Il SO WHAT del tuo test: cosa ti aspetti che accada una volta apportate modifiche alla variabile.
• Fondamento logico. Il PERCHE' del tuo test: il ragionamento alla base del tuo suggerimento, dati basati sulla ricerca che ti fanno credere che un certo cambiamento della variabile porterà a un determinato risultato.

Tuttavia, ciò non significa che puoi piegare qualsiasi affermazione che desideri adattare alla struttura di cui sopra e chiamarla un giorno. Invece, dovresti avvicinarti al processo in modo strategico e formulare la tua ipotesi usando uno dei seguenti metodi:

• L'ipotesi è per ogni risultato. Invece di sperimentare per il gusto di sperimentare, assicurati che, indipendentemente dal risultato del tuo esperimento, otterrai un'informazione preziosa. Pensa in anticipo e ipotizza una spiegazione sia per una "vittoria", una "perdita" e un "pareggio".
• Rendi l'ipotesi pertinente ai tuoi KPI chiave. Assicurati che i tuoi esperimenti e le tue ipotesi siano orientati al miglioramento delle metriche chiave delle prestazioni della tua azienda.

In questo modo, sarai in grado di formulare un'ipotesi attuabile.

Tenendo presente tutti i punti di cui sopra, Craig Sullivan, un professionista di test A/B, ha sviluppato un kit di ipotesi di test A/B.

Kit semplice

1. Perché abbiamo visto (dati/feedback)
2. Ci aspettiamo che (il cambiamento) causi (impatto)
3. Lo misureremo utilizzando (metrica dei dati)

Kit avanzato

1. Perché abbiamo visto (dati quali e quanti)
2. Ci aspettiamo che (cambiamento) per (popolazione) provochi (impatto/i)
3. Prevediamo di vedere (cambiare le metriche dei dati) in un periodo di (x cicli economici)

Passaggio 3: ultimi preparativi

Sulla base dell'ipotesi formulata nel passaggio precedente, dovresti ora essere in grado di identificare gli elementi esatti che devi testare e tutte le possibili modifiche da apportare agli stessi.

A questo punto, devi creare una serie di sfidanti (alternative) al tuo controller (la versione esistente della tua risorsa di marketing). Qui, tuttavia, arriva la parte difficile: come fai a sapere quando fermarti? Quante variabili dovresti testare?

In teoria, non esiste un limite per il numero di varianti che puoi testare allo stesso modo in cui non esiste un limite al numero di variabili da modificare. Tutto si riduce alle risorse a tua disposizione: se hai abbastanza soldi, tempo e traffico per testare centinaia di modifiche minori, sei più che benvenuto!

Realisticamente parlando, tuttavia, se non hai una fortuna da spendere per i test A/B, dovresti scegliere 3-4 varianti per ogni variabile .

Dal momento che abbiamo già immerso le dita dei piedi nelle acque del "quanto", diamo un'occhiata ad altri numeri su cui dobbiamo decidere mentre siamo qui. I principali fattori determinanti per il successo dei test A/B sono avere un gruppo campione sufficientemente grande ed eseguire il test abbastanza a lungo. Ha perfettamente senso, non è vero - più ce ne sono, meglio è! Beh... Non proprio. A volte, fare troppo può far male. Invece, attieniti alla dimensione e al periodo di tempo ottimali, soprattutto perché sono facili da calcolare.

• Determinazione della significatività statistica ottimale di un test A/B.
  Uno dei maggiori vantaggi del test A/B è il fatto che è basato sui dati e, quindi, accurato. L'ultima cosa che vuoi fare è ignorare il fatto che non tutti i risultati sono significativi. Per tenerne conto, devi calcolare la significatività statistica del tuo esperimento. Mostra quanto è probabile che la differenza tra la versione di controllo dell'esperimento e la versione di prova non sia dovuta a un errore o a un caso casuale. Puoi farlo qui.

• Calcolo della dimensione ottimale del campione per un test A/B.
  Devi assicurarti di mostrare le tue varianti a un numero sufficiente di persone. In caso contrario, i risultati dei test saranno imperfetti. Il calcolatore delle dimensioni dei campioni ottimizzato consente di calcolare la dimensione ottimale del campione in base al tasso di conversione di base, agli effetti minimi rilevabili e alla significatività statistica.
• Calcolo della durata ottimale di un test A/B.
  Calcola la durata per la quale dovresti eseguire i test A/B usando il Calcolatore di durata gratuito di VWO. Stima la durata per la quale dovresti eseguire il tuo test per concludere con significatività statistica sulla base di 5 parametri:
  
  - tasso di conversione esistente stimato;
  - miglioramento minimo del tasso di conversione che si desidera rilevare;
  - numero di variazioni/combinazioni (compreso il controllo);
  - il numero medio di visitatori giornalieri;
  - percentuale di visitatori inclusi nel test.

Passaggio 4: eseguire i test e analizzare i risultati

Non appena i passaggi precedenti sono stati completati, sei a posto e puoi finalmente avviare il tuo processo di test A/B.

Prendi tutti gli elementi di test A/B che hai e inseriscili nel tuo strumento di test A/B preferito. A seconda della risorsa di marketing che stai cercando di ottimizzare, il miglior strumento di test varierà. Tuttavia, questi sono considerati i grandi protagonisti del gioco, indipendentemente dal fatto che tu stia sperimentando un modulo web, un'e-mail, un CTA o una pagina di destinazione:

1. In modo ottimale
2. VWO
3. Converti esperienze

Quando esegui i test, assicurati di attenerti al tuo piano di test e di concedere ai test abbastanza tempo per fornirti risultati significativi discussi nel passaggio precedente. A proposito di tempo... È anche obbligatorio testare tutte le varianti contemporaneamente in modo che i risultati dei test A/B siano il più imparziali possibile.

Una volta raggiunta la significatività statistica, la dimensione del campione e la durata del test A/B richiesti, è possibile interrompere il test e analizzare i risultati.

I risultati dei test A/B di base sono generalmente semplici da interpretare. Tutto quello che devi fare è tenere traccia dell'obiettivo principale (conversioni) all'interno del tuo strumento di test A/B.

Tuttavia, puoi migliorare il tuo gioco ed espandere la struttura dell'analisi dei risultati per coprire anche l'analisi avanzata! La maggior parte degli strumenti di test A/B ti consente di aggiungere metriche personalizzate da monitorare in modo da poter avere una visione migliore delle prestazioni di ciascuna variante. Alcune delle cose che puoi analizzare includono:

• Questo test funziona in modo diverso per i visitatori nuovi/di ritorno?
• Una variazione funziona particolarmente bene per una specifica sorgente di traffico?
• Come si comporta una variazione in un browser specifico/su un dispositivo specifico?

Il confronto e il contrasto di serie di cifre ti consentirà di decidere se lo sfidante è il vincitore o il perdente. Se genera più conversioni e nel complesso ha prestazioni migliori rispetto al controller originale, puoi implementare le modifiche. In caso contrario... Continua a provare!

Inoltre, se la tua ipotesi è buona, anche se la tua variante fallisce, otterrai comunque un'idea del comportamento dei tuoi utenti.

Cose da fare e da non fare nei test A/B

️ Rimani di mentalità aperta

La cosa più importante in assoluto da ricordare sui test A/B è che può facilmente farti impazzire! È abbastanza imprevedibile e può portare a un risultato che non ti aspettavi. Qualcosa che non penseresti abbia alcun impatto sul tuo pubblico di destinazione può effettivamente guidare la maggior parte dei cambiamenti. In alternativa, non potrebbe funzionare affatto. Ci sono molti modi diversi in cui il tuo esperimento può andare, quindi dovresti essere preparato a tutto. Indipendentemente dai risultati che ottieni, considerala una preziosa esperienza di apprendimento e non smettere di lavorare per migliorare te stesso.

NON chiamarlo un giorno troppo presto

Uno degli errori di test A/B più comuni è chiamare il test troppo presto. Assicurati di attenerti al quadro temporale pianificato e di non interrompere i test anche se raggiungi la dimensione del campione o le cifre della significatività statistica prima del previsto. Tutto può cambiare nel tempo.

️ Agisci in base ai risultati del test

La cosa peggiore che puoi fare quando il test A/B è eseguire esperimenti solo per il gusto di farlo. Dopotutto, il test A/B è un processo laborioso e dispendioso in termini di tempo. Se non utilizzi attivamente i risultati dei tuoi esperimenti, stai sprecando un mucchio di risorse aziendali che avrebbero potuto essere allocate altrove.

Per risultati positivi, significa implementare immediatamente le modifiche. Per risultati negativi: imparare da essi e trarre conclusioni basate sui dati sul mercato, sulla tua attività e sul tuo pubblico di destinazione.

NON affrettarti a testare

Può essere estremamente allettante testare tutto ciò che fai per essere sicuro di muoverti nella giusta direzione. Tuttavia, a volte è necessario fare marcia indietro e fare una pausa. Non puoi iniziare a testare non appena avvii qualcosa semplicemente perché non disponi di dati sufficienti per confrontare le metriche delle prestazioni della tua variante.

️ Testare più variabili

Ci sono molti elementi diversi che compongono le tue risorse di marketing e tutti sono in grado di avere un impatto. Non sai mai quale degli elementi, ad esempio CTA, colori, caratteri o testo, è il più importante per il tuo pubblico di destinazione. Per scoprirlo con certezza, devi smettere di presumere e iniziare a testare.

Ricorda solo che dovresti testare solo una variabile alla volta. Altrimenti, non saprai mai quale elemento ha generato i risultati.

NON seguire ciecamente casi di studio di test A/B

Internet è pieno di diversi casi di studio di test A/B, sia riusciti che non. Sebbene sia un'ottima idea esaminarli quando hai tempo per saperne di più sul metodo, sui possibili risultati, ecc., devi ricordare che lo scopo del test A/B è generare risultati specifici dell'azienda.

Stai cercando di testare le tue soluzioni per il tuo pubblico. Pertanto, l'esperienza di tutti gli altri può facilmente rivelarsi irrilevante. È necessario utilizzare i dati della ricerca durante la formulazione di un'ipotesi, il framework di test e l'analisi dei risultati.

Inizia in piccolo per diventare grande! Non aver paura di sperimentare con le tue risorse di marketing e, alla fine, troverai ciò che funziona meglio per te.