Che cos'è l'A/B testing? Come funziona, esempi e best practice (2026)
L'A/B testing (chiamato anche split testing) è un metodo per confrontare due versioni di qualcosa, una pagina web, un oggetto di un'email, un annuncio, una call-to-action, per vedere quale rende di più. Mostri la versione A a metà del tuo pubblico e la versione B all'altra metà, misuri quale ottiene di più il risultato che desideri (clic, iscrizioni, vendite) e tieni quella vincente. È il modo più semplice per sostituire «penso che questo sia meglio» con «i dati dimostrano che questo è meglio».
Questa guida spiega cos'è l'A/B testing, come funziona, cosa testare, gli errori che invalidano i risultati e le best practice.
TL;DR
- L'A/B testing confronta due versioni per vedere quale rende di più, decisioni basate sui dati, non sulle opinioni.
- Mostra la versione A a metà del tuo pubblico, la versione B all'altra metà, misura e tieni quella vincente.
- Testa una sola variabile alla volta così sai cosa ha causato la differenza.
- Ti serve un volume sufficiente perché il risultato sia significativo, i campioni piccoli producono rumore.
- Elementi ad alto impatto da testare: titoli, oggetti delle email, CTA, offerte e layout di pagina.
Come funziona l'A/B testing
Il processo è semplice:
- Scegli una sola cosa da testare e formula un'ipotesi («un oggetto più breve otterrà più aperture»).
- Crea due versioni che differiscono solo in quella singola cosa, la versione A (il controllo/l'originale) e la versione B (la variante).
- Suddividi il tuo pubblico in modo casuale, metà vede A, metà vede B, nello stesso momento.
- Misura il risultato che ti interessa (tasso di apertura, tasso di clic, conversione).
- Aspetta di avere dati a sufficienza, poi dichiara la vincitrice e implementala.
La regola «una cosa alla volta» è fondamentale: se A e B differiscono in tre modi, non puoi sapere quale modifica ha causato il risultato. Isola la variabile.
Cosa testare con l'A/B
Gli elementi a maggiore impatto, più o meno in quest'ordine:
- Titoli e oggetti delle email: spesso la leva più grande da soli, decidono se qualcuno legge il resto.
- Call to action: formulazione, colore, posizionamento, «Inizia» vs «Avvia la prova gratuita».
- Offerte: uno sconto vs un bonus, una prova gratuita vs una demo.
- Layout di pagina e immagini: hero, lunghezza del modulo, posizionamento della riprova sociale.
- Contenuto di email e messaggi: lunghezza, tono, personalizzazione.
Inizia dagli elementi più vicini alla decisione (titolo, CTA, offerta), di solito spostano l'ago della bilancia più dei ritocchi visivi.
Gli errori che rovinano i test A/B
- Testare troppe cose contemporaneamente. Se le versioni differiscono in più modi, il risultato è ininterpretabile. Una variabile per test.
- Concludere troppo presto. Una differenza del 10 % su 50 visitatori è rumore. Ti serve una dimensione del campione sufficiente perché il risultato sia statisticamente significativo, spesso qualche centinaio di conversioni per variante, prima di fidartene.
- Ignorare la metrica reale. Una versione può vincere sui clic ma perdere sulle conversioni effettive o sui ricavi. Testa rispetto al risultato che conta, non a una metrica di vanità.
- Fermarsi nel momento in cui vedi una vincitrice. I vantaggi iniziali spesso si ribaltano. Lascia che il test duri il tempo previsto.
- Non testare affatto. L'errore più comune, decidere per opinione e non validare mai.
Esempi di A/B testing
- Email: oggetto «domanda veloce» vs «idea per [azienda]», misura il tasso di apertura e di risposta (vedi oggetti per email a freddo).
- Landing page: una pagina di vendita lunga vs una corta, misura la conversione (vedi landing page).
- CTA: «Prenota una demo» vs «Ottieni il tuo audit gratuito», misura i clic e le prenotazioni completate.
- Outreach: due frasi di apertura in una sequenza a freddo, misura il tasso di risposta.
In ogni caso, lo stesso pubblico e lo stesso timing, una variabile modificata, e la vincitrice conservata.
A/B testing e ottimizzazione della conversione
L'A/B testing è il motore dell'ottimizzazione del tasso di conversione: il CRO individua la perdita più grande e formula un'ipotesi, e l'A/B testing dimostra se la soluzione funziona davvero prima di implementarla. Molti strumenti di marketing includono lo split testing integrato, così puoi testare varianti di messaggio e contenuto senza strumenti aggiuntivi, Inflowave, per esempio, ti permette di fare split test del tuo outreach e dei tuoi follow-up così ottimizzi su dati reali di risposta e conversione invece che su ipotesi.
FAQ
Che cos'è l'A/B testing?
L'A/B testing, chiamato anche split testing, è un metodo per confrontare due versioni di qualcosa (una pagina web, un'email, un annuncio o una call-to-action) per determinare quale rende di più. Mostri in modo casuale la versione A a metà del tuo pubblico e la versione B all'altra metà nello stesso momento, misuri quale produce di più il risultato desiderato e tieni quella vincente. Ti consente di prendere decisioni basate su dati di performance reali anziché su opinioni o congetture.
Come funziona l'A/B testing?
Scegli un elemento da testare, crei due versioni che differiscono solo in quell'elemento, suddividi il tuo pubblico in modo casuale così che metà veda ciascuna versione simultaneamente, e misuri quale ottiene risultati migliori sulla metrica che ti interessa. Dopo aver raccolto dati a sufficienza perché il risultato sia significativo, dichiari la vincitrice e la implementi. Il principio chiave è cambiare una sola variabile per test, così puoi attribuire qualsiasi differenza a quella modifica specifica.
Cosa dovrei testare per primo con l'A/B?
Inizia dagli elementi più vicini alla decisione e a maggiore impatto: titoli e oggetti delle email (determinano se qualcuno interagisce affatto), call to action (formulazione e posizionamento) e offerte. Questi di solito spostano i risultati più dei ritocchi visivi come il colore dei pulsanti. Scegli la modifica che secondo te influenzerà di più la tua metrica chiave, testala in modo pulito, poi passa all'elemento successivo a maggiore impatto.
Quanto traffico mi serve per l'A/B testing?
Abbastanza perché il risultato sia statisticamente significativo anziché rumore casuale, il che dipende dal tuo tasso di conversione e dall'entità della differenza che stai cercando di rilevare. Come regola approssimativa, vuoi almeno qualche centinaio di conversioni per variante prima di fidarti di un risultato; una piccola differenza su un campione minuscolo è inaffidabile. Se il tuo traffico è basso, testa modifiche più grandi e audaci (che producono differenze più ampie e più facili da rilevare) anziché piccoli ritocchi.
Qual è la differenza tra A/B testing e split testing?
Sono essenzialmente la stessa cosa, i termini sono usati in modo intercambiabile. Entrambi si riferiscono al confronto di due (o più) versioni di qualcosa mostrando ciascuna a una porzione del tuo pubblico e misurando quale rende di più. Occasionalmente «split testing» viene usato in senso ampio per includere il test di più di due versioni (a volte chiamato A/B/n testing), ma nell'uso quotidiano del marketing, A/B testing e split testing indicano lo stesso metodo.
Perché l'A/B testing è importante?
Perché sostituisce le congetture con le prove. Senza testare, apporti modifiche basate sull'opinione e non sai mai se hanno davvero aiutato o danneggiato, e piccole supposizioni sbagliate si accumulano nel tempo. L'A/B testing ti permette di validare che una modifica migliori realmente la tua metrica chiave prima di implementarla, e una serie di miglioramenti validati si accumula in risultati nettamente migliori. È il fondamento del marketing basato sui dati e dell'ottimizzazione della conversione.
