A/B Test
Test statistici per confrontare due varianti
Che cos'è il Test A/B?
Il Test A/B è un metodo statistico per confrontare due versioni (A e B) e determinare quale performa meglio. È come fare un esperimento scientifico con i tuoi utenti!
Dividi il tuo pubblico in due gruppi: uno vede la versione A (controllo) e l'altro vede la versione B (variante). Il sistema calcola se la differenza osservata è statisticamente significativa.
Esempi di utilizzo:
- • Testare due versioni di una pagina di vendita
- • Confrontare l'efficacia di due campagne di marketing
- • Valutare l'impatto delle modifiche nel design o nel copy
- • Decidere tra due strategie di pricing
Inizio Veloce
- 1. Prepara i tuoi dati in formato CSV con gruppo (A o B) e metrica di risultato
- 2. Carica il file su pagina di upload
- 3. Configura i parametri (livello di confidenza, tipo di test)
- 4. Attendere l'elaborazione (di solito 1-2 minuti)
- 5. Analizza i risultati statistici e prendi decisioni basate sui dati
Come organizzare i tuoi dati
Organizza i tuoi dati in un foglio di calcolo CSV con due colonne:
Colonna 1: Gruppo
Identifica quale versione è stata mostrata. Usa 'A' per il controllo e 'B' per la variante.
Colonna 2: Conversione/Metrica
Risultato dell'azione (1 = convertito, 0 = non convertito) oppure valore numerico (tempo, ricavo, ecc.)
Esempio di foglio di test A/B:
| group | converted |
|---|---|
| A | 1 |
| A | 0 |
| B | 1 |
| B | 1 |
💡 Suggerimento: Ogni riga rappresenta un utente o un'osservazione. Usa 1 per successo (conversione, clic, acquisto) e 0 per fallimento.
Impostazioni del test
Livello di Fiducia
Definisci quanto sei vuoi essere certo che la differenza sia reale (non è casuale).
Tipo di Test
Scegli il test statistico adeguato per i tuoi dati:
Z-Test (proporzioni)
Per dati binari (0 o 1): conversioni, clic, acquisti
T-Test (medie)
Per valori numerici continui: tempo, reddito, quantità
Test Unicaudal vs Bicaudal
Definisci l'ipotesi del test:
Bicaudal (two-tailed)
Testa se c'è differenza in qualsiasi direzione (maggiore o minore)
Unicaudal (one-tailed)
Testa se B è specificamente migliore di A
Comprendere i risultati
Il test restituisce statistiche che aiutano a decidere se la versione B è davvero migliore della A o se la differenza potrebbe essere solo fortuna.
Metriche Chiave
P-valore (p-value)
Probabilità di osservare questa differenza per caso.
p < 0.05 = Differenza significativa! | p > 0.05 = Differenza non significativa
Tasso di Conversione
Percentuale di successo in ogni gruppo (A e B).
Esempio: Gruppo A: 12%, Gruppo B: 15% (B è il 25% migliore)
Intervallo di Fiducia
Fascia in cui si trova probabilmente la vera differenza.
Se non include zero, la differenza è statisticamente significativa
Dimensione dell'Effetto (Effect Size)
Magnitudo pratica della differenza trovata.
Piccolo (0.2), Medio (0.5), Grande (0.8)
⚠️ Importante: Un risultato statisticamente significativo (p < 0.05) non garantisce un impatto sul business. Considera sempre la dimensione dell'effetto e il contesto pratico della decisione.
Hai bisogno di aiuto? Contattaci: contato@grabatus.com