AB test: cos’è e come usarlo per aumentare le conversioni

Al giorno d’oggi, tutto sta diventando più digitale e i dati e la velocità stanno diventando più importanti che mai. I leader aziendali e i professionisti IT devono distinguere tra idee e innovazioni promettenti e quelle che non lo sono.

L’AB test viene utilizzato per aiutare a prendere queste decisioni in ambito User Experience.

AB test: come e perché viene utilizzato

L’AB test, noto anche come split test, ti consente di confrontare due (o più) versioni di qualcosa per determinare quale funziona meglio.

Conoscere come e quando utilizzarlo è fondamentale se vuoi diventare ux designer, infatti questo è il metodo che la maggior parte delle aziende utilizza per determinare il miglior prezzo del prodotto, la pagina di destinazione del sito Web perfetta e il design corretto per una nuova app, per citarne alcuni.

Oltre ad essere uno strumento di confronto, l’AB test esamina in che modo cambia il comportamento degli utenti e, in quanto tale, garantisce ai progettisti la possibilità di modificare gli attributi delle innovazioni digitali in relazione alle preferenze individuali.

Non è così difficile da fare!

Il modo più semplice è quello di rilasciare alcune versioni dello stesso “prodotto” contemporaneamente ottenendo questo cambiamento di attributi.

Tutte queste versioni differiscono in termini di piccoli aspetti.

Ad esempio: diverse posizioni del pulsante di invito all’azione, scelta e colore del carattere e persino la dimensione dell’immagine.

Poiché queste diverse versioni vengono rilasciate contemporaneamente, le reazioni degli utenti vengono registrate per scoprire quale favoriscono di più.

L’AB test è una tecnica molto potente in UX Design.

È specificamente utilizzato per aumentare il tasso di conversione: vale a dire i clienti che acquistano i prodotti, fanno clic sui collegamenti per passare alla pagina successiva o si iscrivono alle newsletter, ecc.

La ricerca ha dimostrato che l’utilizzo dell’AB test può aumentare i lead del 30-40% in siti web tradizioni e, per i siti di e-commerce, possono arrivare fino al 20-25% in più di lead.
Pertanto, i test AB dovrebbero sicuramente far parte della tua strategia per aumentare le conversioni!

AB test: piccoli cambiamenti che portano a grandi risultati

Usando l’AB test, sei in grado di scoprire cambiamenti relativamente piccoli, ma l’impatto di questi potrebbe essere grande (e talvolta persino disastroso).

Vuoi sapere qualcosa di bello?

Google esegue AB test ogni 20 minuti sul suo algoritmo per la ricerca al fine di perfezionare e perfezionare ulteriormente la ricerca per gli utenti Web.

Potresti chiederti perché i test AB dovrebbero far parte della vita quotidiana di queste aziende.

È un buon punto.

La risposta è che sempre più aziende stanno passando al digitale e fare AB test diventa più conveniente.

Per i direttori IT, fare AB test è una scelta utile in quanto si è in grado di identificare piccole modifiche che potrebbero portare a grandi cambiamenti comportamentali, e quindi anche aumentare l’impressione del dipartimento IT in tutto il intero edificio.

Anche i testi e i microcopy, stanno iniziando ad essere testati con un AB test, la figura dell’UX Writer è nata da pochi anni e fa parte del team UX per questo motivo.

Pertanto, è opportuno ribadire che piccoli aggiustamenti nella progettazione possono causare importanti cambiamenti nel comportamento degli utenti.

All’estero, sono chiamati infatti i “piccoli elefanti” e sono diventati uno strumento fondamentale di una strategia di prodotto digitale online. La ragione di ciò è che questi test sono economici e rapidi e i risultati sono assolutamente attendibili.

AB Test: la campagna presidenziale degli Stati Uniti

Per la campagna presidenziale degli Stati Uniti del 2012, era necessario che il team che gestiva la comunicazione convertisse i visitatori del sito Web in iscritti e, successivamente, l’attenzione si sarebbe quindi concentrata sulla conversione di questi iscritti in possibili donatori.

Inizialmente, pochissime persone hanno fatto clic sul pulsante “Iscriviti” e, di conseguenza, sono stati registrati bassi tassi di conversione. Il team ha quindi deciso di utilizzare i test AB su alcune parti del sito Web e di utilizzare i risultati per modificare il sito Web per ottenere migliori risultati.

È stato calcolato approssimativamente che circa 4 milioni di visitatori (dei 13 milioni di abbonati) sono diventati abbonati a causa del sito Web sottoposto a test AB.

È impressionante, vero?

Prima della rielezione del presidente degli Stati Uniti Barack Obama nel 2012, il suo team elettorale ha effettuato alcune centinaia di esperimenti controllati dalle e-mail alle pagine Web. L’obiettivo era aumentare le donazioni della campagna e il test AB era il metodo scelto per eseguire questi test.

In quel periodo di 20 mesi, il numero di visitatori del sito Web è aumentato di quasi il 50% e le conversioni di oltre il 150%.

Queste donazioni hanno fornito ulteriore sostegno alla campagna di Obama, si potrebbe sostenere che questi test AB hanno contribuito a cambiare la storia.

C’è una cosa che possiamo certamente dire: gli AB test e i test multivariati sono fondamentali per il design “guidato” dalle ipotesi.

Altri casi di studio interessanti sono:

• Caso DHL: l’azienda ha ottenuto un aumento del tasso di conversione del 98% modificando le immagini generali e aumentando le dimensioni del modulo di contatto;
• Caso Citycliq: l’azienda ha ottenuto un aumento del tasso di conversione del 98% modificando il progetto di Value Propositions;
• Un elenco di 10 case study di test Kickass A / B di VWO: Link.

AB test per migliorare la UX

I leader nel settore IT dovrebbero imparare dai giganti di Internet come Amazon e Google, poiché queste aziende implementano molto più AB test e multivariati rispetto ad altri e offrono un’esperienza utente migliore che mai (UX) e aumentano il valore del business.

Questa pratica deve essere padroneggiata, ovviamente, specialmente nelle aziende che vogliono abbinare quelle guidate dal web.

Strumenti di AB testing. Come funzionano?

Questi strumenti sono in grado di impostare i test, eseguire gli esperimenti e anche autenticare i risultati ai fini della significatività statistica.

Spesso gli strumenti possono anche creare contenuti e design e apportare modifiche front-end senza alcun codice. Lo scopo degli strumenti di AB test è di eseguire test più fluidi in modo che non si necessiti di alcuna collaborazione IT.

Esistono tre forme diverse per questi strumenti di test:

• Il primo è integrato nella gestione dei contenuti Web o nelle offerte del portale.
• In secondo luogo, fa parte delle offerte prevalenti di analisi dei dati web.
• L’ultima forma è una soluzione autonoma.

Le applicazioni Web non sono sistemi semplici e il risultato di una modifica del sistema non può essere indiscutibilmente previsto.

Tuttavia, esaminando il comportamento degli utenti Web mediante l’uso di strumenti come l’analisi dei dati Web, è possibile comprendere cosa è successo.

Se un esperimento controllato viene implementato correttamente, solo tu sarai in grado di capire il perché di ciò che è accaduto.

Lo strumento di analisi web non è il solo.

I software Heatmap sono ottimi strumenti per tracciare il comportamento dei visitatori sul tuo sito.

È importante notare che puoi praticamente testare qualsiasi cosa in un’applicazione o su un sito Web.

Ogni serie di test comporta risorse diverse da diversi dipartimenti organizzativi.

Scoprirai che alcuni test richiedono uno sviluppo personalizzato, in quanto esiste un limite a ciò che gli strumenti AB possono facilitare.

Ad esempio, è necessario coinvolgere sviluppatori e parti interessate se si desidera testare nuovi punti tariffari o esaminare concettualmente diverse UX.

Come eseguire un AB test molto efficace?

Fase 1: Decidi cosa vuoi testare

Parliamo chiaro.

Puoi utilizzare i test AB praticamente per qualsiasi cosa, ad esempio dai prezzi ai prodotti, allo sviluppo di app mobili e alla creazione della landing page perfetta.

Questo metodo di test è anche altamente raccomandato quando vengono introdotte nuove esperienze utente.

Quello che stai cercando di ottenere è ciò che informerà la base del test.

Ad esempio, un’azienda potrebbe tentare di aumentare il numero di acquisti e-commerce. Pertanto, potrebbero decidere di testare diversi elementi, come:

• CTA: forme, colori, caratteri;
• Test: intestazione, sottotitolo, paragrafi di caratteristiche;
• Form: numero di campi, copia dei campi, progettazione e layout dei campi;
• Funnel: ovvero i passaggi per completare l’acquisto. Può essere abbreviato in qualche modo?
• Design della pagina: test di diversi ordini di elementi e sezioni;
• Prodotto: foto, prezzi, sconti, offerte, promozioni, urgenze;

Fase 2: creare l’AB test

L’obiettivo principale del test è quello di separare gli elementi che impediscono agli utenti di “chiudere l’affare”, vale a dire fare ciò che intendevi fare, che può variare dal fare un acquisto all’iscrizione a una newsletter.

Come nell’esempio sopra, questi fattori potrebbero anche essere quanti passaggi ci sono per completare un acquisto, ecc.

La modifica dei componenti di progettazione, uno per uno, può essere utilizzata per testare ogni variabile e queste modifiche, sotto forma di diverse versioni di quella pagina Web, possono essere testate su utenti reali.

Gestendo l’indirizzo IP, sei in grado di rilasciare versioni diverse per i nuovi utenti e documentare interazioni come la percentuale di clic, quanto tempo l’utente trascorre la tua pagina (dai un’occhiata a questo bel calcolatore della durata del test di VWO) e quali azioni sono state ( e non sono stati) presi.

Sta a te vedere qual è la combinazione vincente e rilasciare quella versione per ottenere il massimo effetto e risultati.

Fase 3: evitare insidie ​​comuni

Al fine di superare gli svantaggi dei AB test più comuni, ecco alcuni modi per ottimizzare i test AB:

• Esegui i test contemporaneamente – Sempre! Eseguendo i test contemporaneamente, si elimina la possibilità di determinate circostanze in un determinato momento che incidono sul risultato finale.
• Stai attento alla fiducia statistica. Utilizzare uno strumento online come Visual Website Optimizer che include funzionalità che calcolano la fiducia statistica, che è il punto in cui i risultati del test sono degni di nota, ovvero non sono il risultato di casualità.
• Non lasciare che il tuo istinto prevalga sul risultato del test. L’obiettivo è raggiungere alti tassi di conversione e talvolta l’opzione vincente non è intuitiva. Gli AB test si concentrano principalmente su piccole modifiche e non su quelle che vengono chiamate innovazioni rivoluzionarie. Pertanto, i test AB non dovrebbero essere l’unico modo o il modo principale per ottenere un investimento in innovazione; piuttosto, dovrebbe essere aggiunto al già esistente budget di innovazione.

Infine, gli AB test possono aprire la strada a ulteriori sperimentazioni in quanto il risultato di un nuovo approccio può essere un miglioramento rispetto al vecchio una volta che è stato testato col metodo AB.

Il vantaggio dell’AB test qui è che ti mostra quanto il nuovo sia migliore del vecchio, piuttosto che nel presumere che sia meglio (perché è più recente).

Quindi, implementa più test AB e segui ciò che i giganti di Internet stanno già facendo; potrebbe cambiare in meglio i risultati della tua attività!

Fase 4: Analisi dell’AB test

Un vero AB test si sforza di fattorizzare tutti gli altri elementi che potrebbero potenzialmente influenzare il risultato.

In questo modo, il test rivela solo risultati statisticamente significativi.

Affinché i fattori esterni non abbiano un impatto sul risultato, è necessario testare contemporaneamente le due versioni variabili.

Inoltre, il test non deve essere modificato fino a quando non è stato esposto a un numero statisticamente rilevante di utenti.

Se questa “regola” non viene seguita, la varianza tra le versioni potrebbe derivare da fluttuazioni non attendibili.

Potrebbe essere allettante testare ogni permutazione; tuttavia, questo funzionerebbe solo per i siti Web con molto traffico.

Ecco i quattro passaggi per eseguire strutturalmente gli AB test:

• Il primo passo è mettere in discussione. Dopotutto, ogni test deve iniziare con questo. Domande come “Perché le persone non fanno clic sul pulsante di iscrizione alla newsletter?” Sono utili perché desideri identificare l’azione dell’utente che desideri e i criteri di successo, ovvero i risultati e il numero di iscrizioni devono aumentare.
• Il secondo passo è ipotizzare le risposte a tutte le domande. Usando l’esempio sopra, alcune possibilità sono: “Abbiamo bisogno di troppe informazioni in modo che l’utente non si iscriva” e “Il modulo di iscrizione non è abbastanza visibile (o affatto) per l’utente”. In questo caso, quest’ultimo è la priorità. Dopo aver identificato l’ipotesi, puoi iniziare a progettare l’esperimento.
• Il terzo passo consiste nell’esperire poiché l’ipotesi deve essere convalidata o invalidata. Sempre usando l’esempio sopra, è necessario rendere il modulo di iscrizione più visibile in modo visibile.
• Il quarto è analizzare. Se l’ipotesi è stata convalidata attraverso l’esperimento, è possibile implementare la modifica. D’altra parte, un’ipotesi non convalidata non era una perdita di tempo; sapresti che il modulo era sufficientemente visibile, ma ci sono altri motivi per cui gli utenti non si sono registrati. Devi ripensare l’ipotesi ed eseguire un altro test. È importante sottolineare che ogni esperimento fallito è documentato e condiviso con il team in modo che possano ottenere informazioni sulla soluzione e anche sugli utenti.

Alcuni consigli sarebbero:

• Progettare domande che semplificano ciò che viene testato e quali sono i criteri di successo. Anche il comportamento dell’utente desiderato deve essere identificato.
• Pensa a più di una sola ipotesi che potrebbe rispondere alla domanda e seleziona quella che potrebbe avere l’effetto maggiore.
• Se l’ipotesi non è convalidata, assicurarsi che il risultato sia registrato e trasmesso al resto della squadra.

AB Test: Ottenere risultati statisticamente significativi

La parte più cruciale di qualsiasi AB test, o anche dei test multi-variante, è ottenere risultati statisticamente significativi.

Cicli di test lunghi sono spesso il risultato se i test sono stati progettati in modo errato.

In questo caso, ci vorrà anche molto tempo per produrre risultati.

Esistono diversi fattori che influiranno sul tempo necessario per eseguire il test.

Ci sono:

• Numero di visitatori: è necessario esaminare il numero medio di utenti che visitano le pagine durante l’esecuzione del test.
• Rapporto obiettivo-successo: quindi esaminare quanti di questi utenti stanno intraprendendo l’azione che si desidera intraprendono prima di eseguire il test.
• Le prestazioni reali sulla modifica che si sta testando: il significato statistico sarà raggiunto a un ritmo più veloce se la differenza nel rapporto è grande.
• Quante variazioni sono state testate: il test AB di solito verifica solo due variazioni alla volta, mentre il metodo multi-variante può testarne molte altre.
• Aver fiducia nella statistica: l’esito statisticamente significativo del test può essere visto in un intervallo di confidenza. A volte una confidenza dell’80% va bene e altre volte (per altri test) è preferita una confidenza al 95%. Il fattore che determina questa percentuale di confidenza statistica è quanto ti costerà sbagliare; ad esempio, dovrebbe essere impostata una maggiore fiducia per i fattori più critici che vengono testati.

I test devono essere mantenuti piccoli quando si testano i contenuti e si eseguono test visivi.

È inoltre possibile eseguire più test contemporaneamente, ma non possono dipendere l’uno dall’altro. Come tale, è necessario che siano su pagine separate, quindi non ci sono interferenze.

AB Test: alcuni consigli avanzati

• Si dovrebbe prestare attenzione agli effetti cumulativi di più di un test; come tale, non fare affidamento su risultati eccellenti da un solo test.
• Conoscere e comprendere come viene calcolata la significatività statistica. Creare i test in modo che vengano eseguiti per il minor tempo possibile.
• È bene rilasciare alcuni piccoli test da eseguire contemporaneamente anziché solo uno grande.
• Essere consapevoli di quando viene raggiunto il massimo locale; cioè quando il test AB produce rendimenti decrescenti. È necessario aumentare la portata del test strutturalmente, concettualmente e in termini di capacità in modo da aumentare le prestazioni possibili della soluzione.

Risorse Extra

Per avere tanti altri contenuti come questo:

• accedi al gruppo esclusivo, e gratuito, di User Experience Italia
• seguici su Instagram
• seguici su Telegram