Documentazione

A/B Test

Test statistici per confrontare due varianti

Carica un foglio di calcolo

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

  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
groupconverted
A1
A0
B1
B1

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

Apri la chat