Come eseguire il test A / B: una lista di controllo da aggiungere ai segnalibri

Quando i professionisti del marketing come noi creano pagine di destinazione, scrivono messaggi di posta elettronica o progettano pulsanti di invito allazione, può essere essere tentati di usare la nostra intuizione per prevedere cosa spingerà le persone a fare clic e a convertirsi.

Ma basare le decisioni di marketing su una “sensazione” può essere piuttosto dannoso per i risultati. Piuttosto che fare affidamento su supposizioni o supposizioni per prendere queste decisioni , è molto meglio eseguire un test A / B, a volte chiamato split test.

test A / B può essere utile perché diversi tipi di pubblico si comportano, beh, in modo diverso. Qualcosa che funziona per unazienda potrebbe non funzionare necessariamente per unaltra. In effetti, gli esperti di ottimizzazione del tasso di conversione (CRO) odiano il termine “best practice” perché potrebbe non essere effettivamente la best practice per te.

Ma i test A / B possono anche essere complessi. Se non stai attento, potresti formulare ipotesi errate su ciò che piace alle persone e su ciò che le spinge a fare clic: decisioni che potrebbero facilmente fornire informazioni errate su altre parti della tua strategia.

Continua a leggere per imparare come fare A / B test prima, durante e dopo la raccolta dei dati in modo da poter prendere le migliori decisioni dai risultati.

Per eseguire un test A / B, è necessario creare due diverse versioni di un contenuto, con modifiche a una singola variabile. Quindi, mostrerai queste due versioni a due segmenti di pubblico di dimensioni simili e analizzerai quale ha avuto il rendimento migliore in un periodo di tempo specifico (abbastanza lungo da trarre conclusioni accurate sui risultati).

Sorgente

I test A / B aiutano i professionisti del marketing a osservare come una versione di un pezzo di i contenuti di marketing si comportano insieme agli altri. Di seguito sono riportati due tipi di test A / B che potresti condurre nel tentativo di aumentare il tasso di conversione del tuo sito web:

Esempio 1: test dellesperienza utente

Forse vuoi vedere se spostare un determinato pulsante di invito allazione (CTA) nella parte superiore della home page invece di tenerlo nella barra laterale ne migliorerà la percentuale di clic.

Per testare A / B questa teoria, tu ” d creare unaltra pagina web alternativa che rifletta la modifica del posizionamento dellinvito allazione. Il design esistente – o il “controllo” – è la versione A. La versione B è lo “sfidante”. Quindi, dovresti testare queste due versioni mostrandole ciascuna a una percentuale predeterminata di visitatori del sito. Idealmente, la percentuale di visitatori che visualizzano entrambe le versioni è la stessa.

Scopri come eseguire facilmente un test A / B un componente del tuo sito web con Hub di marketing di HubSpot.

Esempio 2: test di progettazione

Forse vuoi scoprire se si cambia il colore del tuo invito allazione (CTA ) può aumentare la sua percentuale di clic.

Per testare A / B questa teoria, devi progettare un pulsante CTA alternativo con un pulsante di colore diverso che porti alla stessa pagina di destinazione del controllo. Se di solito utilizzi un pulsante di invito allazione rosso nei tuoi contenuti di marketing e la variante verde riceve più clic dopo il test A / B, questo potrebbe meritare di cambiare il colore predefinito dei pulsanti di invito allazione in verde dora in poi .

Per ulteriori informazioni sui test A / B, scarica la nostra guida introduttiva gratuita qui.

I vantaggi dei test A / B

Il test A / B ha una moltitudine di vantaggi per un ma rketing team, a seconda di cosa decidi di testare. Soprattutto, tuttavia, questi test sono preziosi per unazienda perché “sono a basso costo ma ad alto rendimento.

Supponiamo che tu assuma un creatore di contenuti con uno stipendio di $ 50.000 allanno. Questo creatore di contenuti pubblica cinque articoli a settimana per il blog aziendale, per un totale di 260 articoli allanno. Se il post medio sul blog dellazienda genera 10 lead, potresti dire che costa poco più di $ 192 per generare 10 lead per lazienda ($ 50.000 di stipendio ÷ 260 articoli = $ 192 per articolo). Questo è “un bel pezzo di cambiamento.

Ora, se chiedi a questo creatore di contenuti di dedicare due giorni allo sviluppo di un test A / B su un articolo, invece di scrivere due articoli in quel periodo di tempo, potresti bruciare $ 192 perché stai pubblicando un articolo in meno . Ma se il test A / B rileva che puoi aumentare il tasso di conversione di ogni articolo da 10 a 20 lead, hai appena speso $ 192 per raddoppiare potenzialmente il numero di clienti che la tua attività ottiene dal tuo blog.

Se il test fallisce, ovviamente, hai perso $ 192, ma ora puoi rendere il tuo prossimo test A / B ancora più istruito. Se il secondo test riesce a raddoppiare il tasso di conversione del tuo blog, alla fine hai speso $ 284 per raddoppiare potenzialmente le entrate della tua azienda. Non importa quante volte il tuo test A / B fallisca, il suo successo finale supererà quasi sempre il costo per condurlo.

Esistono molti tipi di split test che puoi eseguire per far valere lesperimento alla fine.Di seguito sono riportati alcuni obiettivi comuni che i professionisti del marketing hanno per la loro attività durante i test A / B:

• Aumento del traffico sul sito web: testare diversi post di blog o titoli di pagine web può modificare il numero di persone che fanno clic su quel titolo con link raggiungere il tuo sito web. Ciò può aumentare il traffico del sito web di conseguenza.
• Tasso di conversione più elevato: testare diverse posizioni, colori o persino testo di ancoraggio sui tuoi CTA può modificare il numero di persone che fanno clic su questi CTA per accedere a una pagina di destinazione. Ciò può aumentare il numero di persone che compilano moduli sul tuo sito web, ti inviano le loro informazioni di contatto e “convertono” in un lead.
• Abbassa la frequenza di rimbalzo: se i visitatori del tuo sito web lasciano (o “rimbalzano “) subito dopo aver visitato il tuo sito web, testare diverse introduzioni di post del blog, caratteri o immagini in primo piano può ridurre questa frequenza di rimbalzo e trattenere più visitatori.
• Abbandono del carrello inferiore: le attività di e-commerce registrano il 40-75% dei clienti lascia il loro sito Web con gli articoli nel carrello, secondo MightyCall. Questo è noto come “abbandono del carrello degli acquisti”. Testare diverse foto di prodotti, design delle pagine di check-out e persino dove vengono visualizzati i costi di spedizione può ridurre questo tasso di abbandono.

Ora esaminiamo lelenco di controllo per limpostazione, lesecuzione, e misurare un test A / B.

Come condurre test A / B

Segui con il nostro kit di test A / B gratuito con tutto il necessario per eseguire i test A / B tra cui un modello di monitoraggio del test, una guida pratica per istruzioni e ispirazione e un calcolatore di significatività statistica per vedere se i tuoi test sono stati vittorie, sconfitte o inconcludente.

Prima del test A / B

Esaminiamo i passaggi da eseguire prima di iniziare il test A / B.

1. Scegli una variabile da testare.

Mentre ottimizzi le tue pagine web e le tue email, potresti scoprire che ci sono un certo numero di variabili che vuoi testare. Ma per valutare lefficacia di un cambiamento, dovrai isolare una “variabile indipendente” e misurarne il rendimento, altrimenti non puoi essere sicuro di quale sia stato responsabile dei cambiamenti nel rendimento.

Tu può testare più di una variabile per una singola pagina web o email; assicurati solo di testarli uno alla volta.

Guarda i vari elementi nelle tue risorse di marketing e le loro possibili alternative per design, formulazione e layout. Altre cose che potresti testare includono le righe delloggetto delle email , i nomi dei mittenti e diversi modi per personalizzare le tue email.

Tieni presente che anche semplici modifiche, come cambiare limmagine nella tua email o le parole sul tuo pulsante di invito allazione, possono portare a grandi miglioramenti . In effetti, questi tipi di modifiche sono generalmente più facili da misurare rispetto a quelli più grandi.

Nota: ci sono alcune volte in cui ha più senso testare più variabili piuttosto che una singola variabile. Questo è un processo chiamato test multivariato. Se ti stai chiedendo se dovresti eseguire un test A / B rispetto a un test multivariato, ecco “un utile articolo di Optimizely che confronta i due.

2. Identifica il tuo obiettivo.

Anche se misurerai una serie di metriche per ogni test, scegli una metrica principale su cui concentrarti, prima di ru n il test. In effetti, fallo prima ancora di impostare la seconda variazione. Questa è la tua “variabile dipendente”.

Pensa a dove vuoi che sia questa variabile alla fine dello split test. Potresti formulare unipotesi ufficiale ed esaminare i risultati sulla base di questa previsione.

Se aspetti fino a dopo per pensare a quali metriche sono importanti per te, quali sono i tuoi obiettivi e come i cambiamenti che “riproponi potrebbe influenzare il comportamento dellutente, quindi potresti non impostare il test nel modo più efficace.

3. Crea un “controllo” e uno “sfidante”.

Ora hai il tuo variabile indipendente, la tua variabile dipendente e il risultato desiderato. Utilizza queste informazioni per impostare come “controllo” la versione inalterata di ciò che stai testando. Se stai testando una pagina web, questa è la pagina web inalterata poiché esiste già. Se stai testando una pagina di destinazione, questo sarebbe il design e la copia della pagina di destinazione che useresti normalmente.

Da lì, crea una variazione o uno “sfidante”: il sito web, la pagina di destinazione o lemail che testerai contro il tuo controllo. Ad esempio, se ti stai chiedendo se includere una testimonianza in una pagina di destinazione possa fare la differenza, imposta la tua pagina di controllo senza testimonianze. Quindi, crea la tua variazione con una testimonianza.

4. Dividi il tuo campiona i gruppi in modo uguale e casuale.

Per i test in cui hai un maggiore controllo sul pubblico, come con le email, devi testare con due o più segmenti di pubblico uguali per ottenere risultati conclusivi.

Il modo in cui eseguire questa operazione varia a seconda dello strumento di test A / B che utilizzi. Se sei un cliente HubSpot Enterprise che esegue un test A / B su unemail, ad esempio, HubSpot suddividerà automaticamente il traffico sulle tue varianti in modo che ogni variazione ottenga un campionamento casuale dei visitatori.

5. Determina la dimensione del campione (se applicabile).

Anche il modo in cui determini la dimensione del campione varierà a seconda dello strumento di test A / B e del tipo di test A / B che stai eseguendo.

Se stai eseguendo un test A / B su unemail, probabilmente vorrai inviare un test A / B a una porzione più piccola del tuo elenco per ottenere risultati statisticamente significativi. Alla fine, sceglierai un vincitore e invia la variazione vincente al resto della lista. (Vedi lebook “The Science of Split Testing” alla fine di questo articolo per ulteriori informazioni sul calcolo della dimensione del campione.)

Se sei un cliente HubSpot Enterprise, avrai un aiuto per determinare la dimensione del tuo gruppo campione utilizzando un dispositivo di scorrimento. Ti consentirà di eseguire un test A / B 50/50 di qualsiasi dimensione del campione, sebbene tutte le altre suddivisioni del campione richiedano un elenco di almeno 1.000 destinatari.

Se “stai provando qualcosa che non ha un pubblico limitato, come una pagina web, la durata del test influirà direttamente sul tuo dimensione del campione.

Dovrai eseguire il test abbastanza a lungo da ottenere un numero considerevole di visualizzazioni, altrimenti sarà difficile stabilire se cè stata una differenza statisticamente significativa tra le due varianti.

6. Decidi quanto devono essere significativi i tuoi risultati.

Dopo aver scelto la metrica del tuo obiettivo, pensa a quanto devono essere significativi i tuoi risultati per giustificare la scelta di una variazione rispetto a unaltra. La significatività statistica è una parte estremamente importante del processo di test A / B che spesso viene fraintesa. Se hai bisogno di un aggiornamento sulla significatività statistica dal punto di vista del marketing, ti consiglio di leggere questo post del blog.

Maggiore è la percentuale del tuo livello di confidenza, più puoi essere sicuro dei risultati. Nella maggior parte dei casi, vorrai un livello di confidenza minimo del 95%, preferibilmente anche del 98%, soprattutto se la configurazione è stata un esperimento che richiede molto tempo. Tuttavia, a volte ha senso utilizzare un tasso di confidenza inferiore se non è necessario che il test sia altrettanto rigoroso.

A Matt Rheault, ingegnere software senior di HubSpot, piace pensare alla significatività statistica come il posizionamento una scommessa. Su quali probabilità sei disposto a scommettere? Dire “Sono sicuro all80% che questo sia il progetto giusto e sono disposto a scommettere tutto su di esso” è simile allesecuzione di un test A / B con una significatività dell80% e poi dichiarare un vincitore.

Rheault dice anche che probabilmente vorrai una soglia di confidenza più alta quando provi qualcosa che migliora solo leggermente il tasso di conversazione. Perché? Perché è più probabile che la varianza casuale giochi un ruolo maggiore.

“Un esempio in cui potremmo sentirci più sicuri abbassando la nostra soglia di fiducia è un esperimento che probabilmente migliorerà il tasso di conversione del 10% o più, come una sezione eroe ridisegnata”, ha spiegato.

“La conclusione qui è che più radicale è il cambiamento, meno scientifici abbiamo bisogno di essere process-saggi. Più specifici il cambiamento (colore del pulsante, microcopia, ecc.), più scientifico dovremmo essere perché è meno probabile che il cambiamento abbia un impatto ampio e evidente sul tasso di conversione. “

7. Assicurati di eseguire un solo test alla volta su qualsiasi campagna.

Testare più di una cosa per una singola campagna, anche se non si trova sulla stessa risorsa esatta, può complicare i risultati. Ad esempio, se esegui un test A / B su una campagna e-mail che indirizza a una pagina di destinazione nello stesso momento in cui esegui il test A / B su quella pagina di destinazione … come puoi sapere quale cambiamento ha causato laumento dei lead?

Durante il test A / B

Esaminiamo i passaggi da eseguire durante il test A / B.

8. Utilizza uno strumento di test A / B.

Per eseguire un test A / B sul tuo sito web o tramite e-mail, dovrai utilizzare uno strumento di test A / B. Se sei un cliente HubSpot Enterprise, il software HubSpot dispone di funzionalità che ti consentono di testare email A / B (scopri come qui), inviti allazione (scopri come qui) e pagine di destinazione (scopri come qui).

Per i clienti non HubSpot Enterprise, altre opzioni includono Esperimenti “Google Analytics”, che ti consentono di testare A / B fino a 10 versioni complete di una singola pagina web e confrontare le loro prestazioni utilizzando un campione casuale di utenti.

9. Prova entrambe le varianti contemporaneamente.

La tempistica gioca un ruolo significativo nei risultati della tua campagna di marketing, sia che si tratti dellora del giorno, del giorno della settimana o del mese dellanno. Se dovessi eseguire la versione A durante un mese e la versione B un mese dopo, come faresti a sapere se il cambiamento delle prestazioni è stato causato dal diverso design o dal diverso mese?

Quando esegui i test A / B, devi eseguire il due varianti contemporaneamente, altrimenti potresti essere lasciato a indovinare i risultati.

Lunica eccezione qui è se stai testando il tempo stesso, come trovare i tempi ottimali per linvio delle email. Questo è unottima cosa da testare perché a seconda di ciò che offre la tua attività e di chi sono i tuoi iscritti, il momento ottimale per il coinvolgimento degli iscritti può variare in modo significativo in base al settore e al mercato di destinazione.

10. Dai al test A / B abbastanza tempo per produrre dati utili.

Ancora una volta, vorrai assicurarti di lasciare che il tuo test venga eseguito abbastanza a lungo da ottenere una dimensione sostanziale del campione. Altrimenti, ” Sarà difficile dire se cera una differenza statisticamente significativa tra le due varianti.

Quanto tempo è abbastanza lungo? A seconda della tua azienda e di come esegui il test A / B, ottenere risultati statisticamente significativi potrebbe avvenire in ore … o giorni … o settimane. Gran parte del tempo necessario per ottenere risultati statisticamente significativi è la quantità di traffico che ricevi, quindi se la tua attività non riceve molto traffico sul tuo sito web, ci vorrà molto più tempo per eseguire un A / B test.

In teoria, non dovresti limitare il tempo in cui raccogli i risultati. (Leggi questo post del blog per saperne di più sulla dimensione del campione e sui tempi.)

11. Chiedi feedback agli utenti reali.

Il test A / B ha molto a che fare con i dati quantitativi … ma questo non ti aiuterà necessariamente a capire perché le persone intraprendono determinate azioni rispetto ad altre. eseguendo il test A / B, perché non raccogliere feedback qualitativi da utenti reali?

Uno dei modi migliori per chiedere alle persone le loro opinioni è attraverso un sondaggio o un sondaggio. Potresti aggiungere un sondaggio di uscita sul tuo sito che chiede ai visitatori perché non hanno fatto clic su un determinato invito allazione o uno nelle tue pagine di ringraziamento che chiede ai visitatori perché hanno fatto clic su un pulsante o compilato un modulo.

Potresti scoprire, ad esempio, che molte persone hanno cliccato su un invito allazione che li porta a un ebook, ma una volta visto il prezzo, non hanno effettuato la conversione. Questo tipo di informazioni ti fornirà molte informazioni sul motivo per cui i tuoi utenti si comportano in determinati modi.

Dopo il test A / B

Infine, esaminiamo i passaggi per eseguire dopo il test A / B.

12. Concentrati sulla metrica dellobiettivo.

Anche in questo caso, sebbene misurerai più metriche, concentrati su quella metrica dellobiettivo principale quando fai la tua analisi.

Ad esempio, se hai testato due varianti di unemail e hai scelto i lead come metrica principale, non farti prendere dal tasso di apertura o dalla percentuale di clic. Potresti riscontrare una percentuale di clic elevata e tassi di conversione bassi, nel qual caso potresti finire per scegliere la variante con una percentuale di clic inferiore.

13. Misura la significatività dei tuoi risultati utilizzando il nostro calcolatore di test A / B.

Ora che hai determinato quale variazione ha il rendimento migliore, è il momento di determinare se i tuoi risultati sono statisticamente significativi. In altre parole, sono sufficienti per giustificare un cambiamento?

Per scoprirlo, dovrai condurre un test di significatività statistica. Potresti farlo manualmente … oppure potresti semplicemente collegare il risultati del tuo esperimento al nostro calcolatore di test A / B gratuito.

Per ogni variante testata, ti verrà chiesto di inserire il numero totale di tentativi, come le email inviate o le impressioni visualizzate. Quindi, inserisci il numero di obiettivi che ha completato: generalmente guarderai i clic, ma questo potrebbe essere anche altri tipi di conversioni.

La calcolatrice sputerà il livello di confidenza che i tuoi dati producono per la variazione vincente. Quindi, misura quel numero rispetto al valore che hai scelto per determinare la significatività statistica.

14. Agisci in base ai risultati.

Se una variazione è statisticamente migliore dellaltra, hai un vincitore. Completa il test disabilitando la variazione perdente nel tuo strumento di test A / B.

Se nessuna delle variazioni è statisticamente migliore, hai appena appreso che la variabile che hai testato non ha influito sui risultati e dovrai contrassegnare il test come inconcludente. In questo caso, mantieni la variazione originale o esegui un altro test. Puoi utilizzare i dati non riusciti per aiutarti a capire una nuova iterazione sul tuo nuovo test.

Sebbene i test A / B ti aiutino a influenzare i risultati caso per caso, puoi anche applicare le lezioni impari da ogni test e lo applichi agli sforzi futuri.

Ad esempio, se hai condotto test A / B nel tuo marketing e-mail e hai ripetutamente scoperto che luso di numeri nelle righe delloggetto delle email genera percentuali di clic migliori , potresti prendere in considerazione lidea di utilizzare questa tattica in più email.

15. Pianifica il tuo prossimo test A / B.

Il test A / B che hai appena terminato potrebbe aver aiutato scopri un nuovo modo per rendere i tuoi contenuti di marketing più efficaci, ma non fermarti qui. Cè sempre spazio per una maggiore ottimizzazione.

Puoi anche provare a condurre un test A / B su unaltra funzione della stessa pagina web o email su cui hai appena eseguito un test. Ad esempio, se hai appena testato un titolo su una pagina di destinazione, perché non eseguire un nuovo test sul body copy? O combinazione di colori? O immagini? Tieni sempre docchio le opportunità per aumentare i tassi di conversione e i lead.

Inizia oggi il test A / B

Il test A / B ti consente di conoscere la verità su quali contenuti e marketing il tuo pubblico vuole vedere.Scopri come eseguire al meglio alcuni dei passaggi precedenti utilizzando le-book gratuito riportato di seguito.

Nota delleditore: questo post è stato originariamente pubblicato a maggio 2016 ed è stato aggiornato per completezza.

Pubblicato originariamente il 13 aprile 2020 alle 8:00 : 00 AM, aggiornato l8 settembre 2020