{"id":680,"date":"2016-12-01T18:28:11","date_gmt":"2016-12-01T17:28:11","guid":{"rendered":"https:\/\/alistapart.com\/it\/article\/svegliare-il-campione-di-test-in-voi\/"},"modified":"2016-12-01T18:28:11","modified_gmt":"2016-12-01T17:28:11","slug":"svegliare-il-campione-di-test-in-voi","status":"publish","type":"article","link":"https:\/\/alistapart.com\/it\/article\/svegliare-il-campione-di-test-in-voi\/","title":{"rendered":"Svegliate il campione di test A\/B che c’\u00e8 in voi"},"content":{"rendered":"

Gli atleti di qualsiasi disciplina sportiva monitorano e catturano dati<\/a> che li aiutano a vincere. Usano videocamere, sensori e wearable per ottimizzare il loro apporto calorico, il regime di allenamento e la performance atletica, usando dati e il pensiero esplorativo per sfruttare ogni possibile vantaggio. Potrebbe non essere uno sport olimpico (ancora!), ma l’A\/B testing pu\u00f2 essere dominato allo stesso modo.<\/p>\n

Recentemente ho parlato con un proprietario di un sito web che ama la filosofia del \u201ctestare sempre\u201d. Mi ha spiegato che istruisce il suo team per testare sempre qualcosa<\/em>: il messaggio, il design, il layout l’offerta, la CTA.<\/p>\n

Ho chiesto: \u201cMa come sanno cosa scegliere?\u201d. Ci ha pensato su e mi ha risposto: \u201cNon lo sanno.\u201d.<\/p>\n

Basandosi sull’intuito, per quanta esperienza possa avere il vostro team, arriver\u00e0 solo fino a un certo punto. \u201cTestare sempre qualcosa\u201d pu\u00f2 essere una grande filosofia, ma testare per il semplice gusto di testare spesso \u00e8 un enorme spreco di risorse, come lo \u00e8 l’A\/B testing senza sufficiente riflessione e preparazione.<\/p>\n

Laddove l’A\/B testing standard pu\u00f2 rispondere a domande come \u201cQuale versione ha il maggior numero di conversions?\u201d, l’A\/B testing combinato con l’analisi avanzata<\/a> ci d\u00e0 qualcosa di pi\u00f9 importante: un framework per rispondere a domande come \u201cPerch\u00e9<\/em> la versione vincente ha pi\u00f9 conversions?\u201d.<\/p>\n

Atleti che cambiano o spreco di risorse?<\/h2>\n

Il tipico A\/B testing \u00e8 basato su algoritmi a cui vengono passati dati durante<\/em> il test, ma abbiamo cominciato a provare un diverso modello nei nostri progetti qui in Clicktale, mettendo moltissima enfasi sui dati prima, durante e dopo il test. I risultati sono stati pi\u00f9 interessanti e strategici, non solo tattici.<\/p>\n

Supponiamo che Wheaties.org voglia ridurre il bounce rate ed aumentare i click su Buy Now. \u00c8 ora di un test A\/B, vero?<\/p>\n

L’UX lead del sito ha l’idea di fare uno split test del loro attuale sito, confrontando versioni con atleti attuali e versioni con olimpionici del passato.<\/p>\n

\"Il Il design della pagina di Wheaties.<\/p>\n

Ma cosa succederebbe se il vostro team monitorasse il comportamento sulla pagina del visitatore e vedesse che un’incredibile maggioranza dei visitatori del sito non scrollano oltre il fold e quindi non notano nemmeno che atleti ci sono?<\/p>\n

Adesso l’idea di testare diverse combinazioni di atleti suona come una perdita di tempo e risorse, giusto?<\/p>\n

Tuttavia succede qualcosa di diverso quando guardate le cose da un punto di vista diverso. Cosa succederebbe se il vostro team guardasse i replay della sessione e notasse che quelli che visitano i profili degli atleti tendono a stare pi\u00f9 a lungo sul sito e ad aumentare esponenzialmente il tasso di click su \u201cBuy Now\u201d? Potrebbe trattarsi di un sottoinsieme di visitatori del sito, ma \u00e8 un sottoinsieme che si sta comportando come vorreste voi.<\/p>\n

Se il risultato desiderato fosse di usare a proprio vantaggio le grandi esperienze create nelle pagine, magari sarebbe saggio mettere pi\u00f9 in alto i profili degli atleti oppure fare un test A\/B sugli elementi che dovrebbero incoraggiare gli utenti a scrollare verso il basso.<\/p>\n

Nella nostra esperienza, sia facendo test A\/B sui siti web di nostra propriet\u00e0 sia aggregando i dati dei 100 miliardi di comportamenti in-screen che abbiamo tracciato, sappiamo questo per certo: il testing dovrebbe essere potente, mirato e si dovrebbe agire in base a questi. Nel prendere decisioni di business aiuta essere in grado di vedere prove visuali e inoppugnabili.<\/p>\n

Immaginate un maratoneta che non presti attenzione agli altri corridori una volta che la corsa \u00e8 cominciata. Ora, pensate ad un maratoneta che si dia un ritmo, guardi gli altri corridori e modifichi la propria cadenza di conseguenza.<\/p>\n

Facendo qualcosa di simile, il vostro team potrebbe fare cambiamenti e sistemare i bug agilmente. Ogni volta che il vostro team fa una modifica, potete cominciare un test A\/B che vi permetta di migliorare la customer experience pi\u00f9 rapidamente di dover aspettare giorni perch\u00e9 il primo test A\/B sia completato.<\/p>\n

La gara \u00e8 iniziata<\/h2>\n

Una volta che il test A\/B \u00e8 partito, le macchine usano algoritmi basati sui dati per determinare un vincitore. Basandosi su traffico, conversion rate, numero di variazioni e il minimo miglioramento che volete determinare, il traguardo potrebbe essere distante qualche giorno o qualche settimana. Cosa deve fare un A\/B tester ambizioso?<\/p>\n

Guardate immediatamente il replay di ogni variazione, una volta che avrete ricevuto un numero rappresentativo di visitatori. Usateli per validare funnel e state allerta per individuare qualunque problema nella customer experience che potrebbe causare perdite nel vostro funnel.<\/p>\n

Concentratevi sull’esperienza. Comprendere quali<\/em> comportamenti dell’utente dominano ogni pagina \u00e8 potente, interiorizzare perch\u00e9<\/em> gli utenti si comportano cos\u00ec come stanno facendo vi permette di prendere misure correttive a met\u00e0 strada e di posizionarvi in maniera appropriata.<\/p>\n

Il test seguente<\/h2>\n

Nelle vostre valutazioni post-test, usate ancora i dati per comprendere perch\u00e9<\/em> la variazione vincente ha avuto successo con il suo target audience. Comprenderne la ragione pu\u00f2 aiutarvi a dare una priorit\u00e0 agli elementi futuri da testare.<\/p>\n

Per esempio, quando testate un controllo con un banner promozionale (che dovrebbe far aumentare le conversion) rispetto ad una variazione senza una promozione, un PM potrebbe concludere che la promozione \u00e8 inefficiente quando quella variazione perde.<\/p>\n

Studiare una heatmap del test pu\u00f2 rivelare nuovi insight. In questo esempio, le conversions si sono ridotte perch\u00e9 il banner ha spinto la CTA \u201cbuy now\u201d fuori dalla visuale.<\/p>\n

\"Esempio Esempio di A\/B testing su device mobile.<\/p>\n

In questo caso, come test successivo, il PM potrebbe decidere di non rimuovere il banner ma di testarlo invece in un modo che lasci la pi\u00f9 importante CTA \u201cbuy now\u201d pi\u00f9 visibile. C’\u00e8 una buona chance che una tale combinazione dia risultati ancora migliori.<\/p>\n

Ci sono tantissimi altri esempi di questo. Per esempio, il web insight manager in un’azienda di carte di credito mi ha raccontato<\/a> che avere i dati aggregati, in forma di heatmap, l’ha aiutato continuamente a prendere decisioni sui test A\/B. Nel loro caso, sono stati in grado di fare affidamento sui dati che indicavano che avrebbero potuto rimuovere un pannello di contenuto senza danneggiare i loro KPI.<\/p>\n

Un altro dei nostri clienti, GoDaddy, \u00e8 stato in grado di aumentare le conversioni sulla sua pagina di checkout del quattro percento dopo aver fatto un test A\/B. \u201cCon il nostro volume, quello \u00e8 stato un grande, enorme miglioramento\u2026. Abbiamo anche triplicato le nostre donazioni a Round Up for Charity\u201d, ha detto<\/a> Ana Grace, la direttrice dell’ecommerce di GoDaddy, global product management. Ma l’ottimizzazione non si ferma una volta che un test \u00e8 stato completato: GoDaddy continua a monitorare le nuove pagine dopo i cambiamenti e a volte trova ipotesi aggiuntive che richiedono dei test.<\/p>\n

Cosa ci vuole per vincere l’oro<\/h2>\n

Non sono stata benedetta con l’abilit\u00e0 atletica naturale di un olimpionico, ma quando si tratta di fare test A\/B sugli asset web e sulle mobile app, ho quello che serve per determinare quale sar\u00e0 la versione vincente. La potente combinazione di statistiche comportamentali e di big data d\u00e0 agli atleti la conoscenza di cui hanno bisogno per ottenere il meglio dai propri asset e pu\u00f2 funzionare allo stesso modo per voi.<\/p>\n","protected":false},"excerpt":{"rendered":"

Gli atleti raccolgono e analizzano dati per ottimizzare le loro performance. I test A\/B possono produrre vincitori nello stesso modo: con dati che vanno oltre le supposizioni attraverso l’analisi comportamentale per estrarre insight pi\u00f9 profondi.<\/p>\n","protected":false},"author":818,"featured_media":0,"comment_status":"open","ping_status":"open","template":"","categories":[5,162,86],"tags":[],"coauthors":[494],"class_list":["post-680","article","type-article","status-publish","hentry","category-contenuto","category-numero-184-1-dicembre-2016","category-user-experience"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/article\/680","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/article"}],"about":[{"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/types\/article"}],"author":[{"embeddable":true,"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/users\/818"}],"replies":[{"embeddable":true,"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/comments?post=680"}],"wp:attachment":[{"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/media?parent=680"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/categories?post=680"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/tags?post=680"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/alistapart.com\/it\/wp-json\/wp\/v2\/coauthors?post=680"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}