A/B test: miti da sfatare e consigli inaspettati per risultati migliori
Gli A/B test sono strumenti preziosi, utilizzati nella web analytics, per interpretare il proprio target. Gli stessi permettono di incrementare di punti percentuali le performance di landing page ed e-commerce.
Analizziamoli al meglio insieme.
Web Analytics: di cosa si tratta
Ma procediamo con ordine. Prima di parlare di A/B test è necessario comprendere al meglio cosa sia la Web Analytics. Si tratta di un set di funzioni che permette di analizzare il comportamento degli utenti sulle proprietà digitali dell’azienda.
Queste vengono poi paragonate con metriche dimensioni classiche del marketing. In questo modo si ottengono analisi complete rispetto alle performance di campagna.
Ad oggi, Google Analytics è lo strumento migliore per monitorare il traffico di un sito web.
Infatti il problema fondamentale non è avere dati negativi o non in grado di supportare una strategia. Ma è non averne, non sapere ciò che avviene sulle proprie pagine né la motivazione.
Grazie a Google Analytics è possibile comprendere:
- quali sono e che caratteristiche hanno i propri utenti: i report mostrano gli utenti alla loro prima visita sul tuo e utenti che tornano. Di certo, hanno più valore i secondi. Fidelizzarli e proporre nel tempo stimolazioni verso l’iscrizione a un servizio continuativo;
- quanto cambi il tempo di permanenza sul sito se un utente accede da smartphone o da desktop;
- quali sono i canali di approdo al sito: e quindi confrontare fonti di traffico verso il proprio sito, ad esempio social media, email, etc. È inoltre possibile valutare la portata sia numerica sia qualitativa di ogni sorgente di traffico esterna.
Altre funzioni utili
Altre funzioni utili di Google Analytics sono:
pagine di destinazione: report mostrano la prima pagina che l’utente vede quanto inizia a navigare sul sito. Queste sono le pagine che condizionano maggiormente ciò che segue nella sessione dell’utente. Meno spesso di quanto pensi questa è la homepage;
pagine di uscita: di contro le pagine che generano un’uscita dal sito. Lavorare in questo caso sul ridurre gli spunti per un abbandono precoce. E per farlo è necessario rivedere periodicamente i link forniti nelle pagine e assicurarsi che vengano effettivamente utilizzati. Un’altra strategia attuabile è quella di adottare una maggiore quantità di banner su queste pagine. In questo modo è possibile trarre un qualche tipo di ritorno dalla fuga dell’utente;
analisi dati In-Page: questo report è molto visivo e mostra dove e quanto gli utenti clicchino i link presenti. In questo modo è possibile scoprire perché l’utente non clicca sul link ( ad esempio per la call-to-action, il colore o il contesto);
Events Intelligence: questo è un report che fa da ponte verso tutti gli altri più complessi. Analytics è in grado di creare report basati su attività straordinarie che avvengono sul sito e presentarle nel dettaglio in maniera leggibile. Quando il sito viene sottoposto a un cambiamento su qualche fronte (visite, tempi di permanenza, sorgenti, etc) il report mostra come ciò influisca sul traffico globale.
A/B test: come ottimizzare i risultati
Per ottimizzare i risultati di A/B test e metterne in pratica di funzionanti è necessario seguire alcune strategie vincenti. Tra queste dobbiamo citare:
- sapere cosa testare: se non si sa da dove partire il rischio è quello di sprecare tempo prezioso per scoprire una variazione il cui impatto sul sito sarà nullo. Saper cosa testare significa avere competenze nell’ interpretare i dati di traffico, conoscere come il target si muove sul proprio sito e perché. In questo modo è possibile predisporre variazioni efficaci negli snodi per veicolare utenti motivati a compiere le azioni che desideri;
- sapere quanto testare: gli A/B test diventano rilevanti solo quando hanno raggiunto un dato congruo. Un sufficiente numero di test effettuati, in grado di garantire la bontà il risultato ottenuto. Interrompere un test troppo presto porta ad ottenere la risposta sbagliata. Ad oggi esistono tool come Google Analytics e Optimizely che integrano vari sistemi per assicurarsi di aver ricevuto sufficienti dati prima di riportare un risultato;
- comprendere che un alto grado di discrepanza è sinonimo di insuccesso.
I test di questo tipo hanno come scopo quello di scoprire come tra un set di varianti, una di queste sia in grado di generare un risultato percentuale maggiore dell’errore intrinseco del test.Se, tuttavia, il vincitore supera di gran lunga tutte le altre variazioni, non è servito a niente.
A/B test: ulteriori suggerimenti
- non testare due strategie di marketing: un A/B test non dovrebbe testare tutto ciò che è un miglioramento già applicabile di base a una landing o a un sito nel suo insieme. È possibile variare il modo in cui si dice e comunica qualcosa nei testi, non il significato;
- avere traffico: è necessario abbastanza traffico da poter testare i propri utenti in un tempo ragionevole (all’incirca 30 giorni). In linea di massima è necessario ottenere almeno qualche migliaio di utenti al giorno;
- avere traffico pagato: una buona idea è quella di attivare un test A/B sottoponendolo a un flusso di traffico pagato da Google AdWords, Facebook Ads, etc. Attenzione però. Per mantenere coerente un test A/B non è possibile modificare la campagna pubblicitaria insieme alla destinazione. Questo imponend di testare le pagine solo su parti di campagne già avviate e in grado di generare lo stesso tipo di traffico, allo stesso volume, nel tempo;
- un solo A/B test non è sufficiente: diffidare quindi di chi propone A/B test come metodo per scoprire in poco tempo i segreti dei tuoi clienti.
