Nel campo della UX, le tendenze evolvono molto rapidamente, a seconda dei nuovi comportamenti di navigazione, dell'usabilità della tecnologia, dell'apprendimento, della cultura digitale... Ma in termini di scelta, varianti, istinto professionale, contro-intuizioni sono legioni nell'ecosistema digitale.
Quante decisioni vengono prese sulla base di influenze e criteri estranei agli obiettivi iniziali? Quindi, come diffondere la cultura dei "data-drive" per definire un insieme di soluzioni UX?
I test A/B rimediano a queste carenze illuminandoti su risultati raffinati, su feedback mirati degli utenti, abbreviando così i tuoi cicli decisionali. Andremo quindi a scoprire insieme alcune buone pratiche di A/B testing:
Identifica i tuoi obiettivi
Pianificare bene i test A/B può fare un'enorme differenza nell'efficacia dei tuoi sforzi UX. Imposta i tuoi obiettivi di conversione in base alle metriche che desideri determinare per disegnare qual è la variazione UX/UI più efficace rispetto alla versione originale. Una volta individuati i tuoi obiettivi, puoi iniziare generare la strategia di test A/B eseguendo lo script delle diverse schermate da testare in funzione dell'impatto atteso e della difficoltà di attuazione dei propri obiettivi.
Dai priorità ai tuoi test
Una delle tentazioni spesso osservate nei test A/B è il desiderio di partire con scenari con un grado di complessità abbastanza avanzato: imbuto di acquisto, test multivariati, gerarchia delle informazioni, ecc. Ma come tutto l'apprendimento, per ottenere i migliori risultati, è meglio iniziare con il più semplice. Strategicamente, dobbiamo iniziare con test che uniscano la reale speranza di guadagno di conversione e facilità di attuazione.
Adatta i tuoi test al tuo obiettivo volumetrico
Per ottenere risultati affidabili, è essenziale prevedere il tempo per la convergenza dei test fino ad ottenere un buon tasso di affidabilità, anche se un trend emerge rapidamente. Si consigliano almeno 5000 visitatori e 100 conversioni per variante. Al di là del volume, è consigliabile anche adattarsi al settore di destinazione, ad esempio è più rilevante testare un sito commerciale nel fine settimana che all'inizio della settimana.
Al via i test A/B
I test dovrebbero essere eseguiti contemporaneamente per tenere conto di qualsiasi variazione nei tempi. In questa fase, ogni interazione effettuata dall'utente viene misurata, contata e confrontata per determinare quale sia l'ergonomia più efficace. Spesso è consigliato in termini di UX di concentrare la tua ricerca sulla qualità piuttosto che sulla quantità, ma dal punto di vista del test A/B questo può essere messo in dubbio sapendo che è un metodo basato sui dati, dove il fattore chiave è ancora la quantità di dati disponibili.
Entra in una logica di miglioramento continuo
Il test A/B convalida un'ipotesi ma non la crea!! L'esecuzione di un test AB che confronta direttamente una variazione con un'esperienza comune consente di porre domande mirate che consentono l'evoluzione continua della tua esperienza utente.
Dinamica temporale del test AB
L'esperienza momentanea vissuta dall'utente durante l'interazione che esegue durante l'AB Testing è generalmente considerata il cuore del test. Tuttavia, l'obiettivo di questo tipo di test è distinguere più fasi temporali dell'utente testato per analizzare il suo senso di comprensione di fronte a un'applicazione o a un sito.
L'intelligenza statistica dei test A/B
Una volta terminato l'esperimento, è il momento di analizzare i risultati... mettendo in competizione le diverse versioni delle pagine testate per migliorarne l'efficienza. La condivisione di questi dati permette di diffondere la cultura dei dati, aiutando così nel processo decisionale sul cambiamento strategico dell'ergonomia.
Si tratta di validare o meno ipotesi applicando misure di affidabilità statistica ai dati raccolti. È importante sapere con certezza se le differenze nei risultati sono dovute al caso.
Oggi, il test A/B mira a trovare il miglior compromesso ergonomico per tutti i suoi visitatori ed è un vero valore aggiunto al processo decisionale strategico. Tuttavia, questo ha i suoi limiti, al momento della personalizzazione, dell'intelligenza artificiale, dell'adattabilità degli usi dove ogni contenuto si rivolge alla tipologia dei visitatori... L'Il test A/B non è una metodologia che si rinchiude in un discorso per evidenziare i problemi senza risolverli?
Carine Renaud, UX-evangelista @CarineWhatElse - Fondazione UXLab @UX-Repubblica
