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 d'uso
- 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
Avvio rapido
- Prepara i tuoi dati in formato CSV con gruppo (A o B) e metrica di risultato
- Carica il file su pagina di upload
- Configura i parametri (livello di confidenza, tipo di test)
- Attendere l'elaborazione (di solito 1-2 minuti)
- 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.)
| 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).
90% Buona fiducia per test rapidi
95% Standard consigliato (bilanciato)
99% Alta fiducia per decisioni critiche
- 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