Ottimizzazione del tasso di conversione (CRO): una guida pratica

L'ottimizzazione del tasso di conversione (CRO) è la pratica sistematica di aumentare la quota di visitatori che compiono un'azione di valore sul tuo sito, scoprendo perché non lo fanno e risolvendo il problema. Tutto qui. Il resto di questa guida è metodo: come trovare le vere ragioni, come decidere cosa correggere per primo, come sapere se una modifica ha funzionato e come continuare a farlo senza ingannare te stesso.

Questa è una guida generale. I principi valgono sia per un negozio online sia per un'azienda software B2B, ma dedichiamo più spazio alla situazione che la maggior parte delle guide trascura: siti con traffico modesto, cicli di vendita lunghi e conversioni di valore molto diverso. Che tu la chiami CRO o ottimizzazione del tasso di conversione, la disciplina è la stessa.

Che cos'è davvero l'ottimizzazione del tasso di conversione

Una conversione è qualsiasi azione che vuoi far compiere a un visitatore: un acquisto, una richiesta di demo, la registrazione a una prova, l'iscrizione a una newsletter. Il tasso di conversione è la quota di visitatori (o sessioni) che la completano:

Tasso di conversione = conversioni / visitatori × 100

Esempio: una landing page riceve 18.400 sessioni in un mese e produce 460 iscrizioni. 460 / 18.400 = 0,025, quindi il tasso di conversione è del 2,5%. Se una modifica lo porta al 3,0% con lo stesso traffico, ottieni 552 iscrizioni: 92 in più al mese senza acquistare un solo clic aggiuntivo. È un incremento relativo del 20%, o un incremento assoluto di 0,5 punti percentuali. Specifica sempre quale intendi; confonderli è l'errore di reportistica più comune nel CRO. Puoi fare i tuoi calcoli con il calcolatore del tasso di conversione.

In quella formula si nascondono due decisioni. Primo, il denominatore: le sessioni gonfiano la base per i siti con molti visitatori di ritorno, gli utenti la sottostimano se il tracciamento non riesce a deduplicare tra dispositivi. Scegline uno e mantienilo. Secondo, il numeratore: quale conversione conta.

Macro e micro-conversioni

• Le macro-conversioni sono le azioni per cui l'azienda esiste: un ordine, una richiesta di demo, un piano a pagamento.
• Le micro-conversioni sono i passi che portano lì: aggiungere al carrello, iniziare a compilare un form, visualizzare i prezzi, guardare un video del prodotto, cliccare una CTA.

Le micro conversioni contano per due motivi. Localizzano la falla (i visitatori vedono i prezzi ma non cliccano mai su “Inizia”) e si verificano molto più spesso delle macro conversioni, il che le rende testabili sui siti dove la macro conversione è troppo rara per essere misurata. Ne parliamo meglio nella sezione sul traffico ridotto.

Che cosa non è la CRO

• Non è testare il colore dei pulsanti. I test estetici raramente spostano qualcosa, perché non affrontano il motivo per cui le persone esitano. Una buona CRO cambia ciò che il visitatore capisce, crede o deve fare.
• Non è solo A/B testing. Il test è la fase di validazione. Gran parte del valore deriva dalla ricerca che ti dice cosa cambiare. Molti miglioramenti (un modulo rotto su Safari, un prezzo mancante) vanno semplicemente corretti, non testati.
• Non è un sacco di best practice. "Aggiungi urgenza" o "accorcia il modulo" possono aiutare o danneggiare a seconda del pubblico. Una pratica resta un'ipotesi finché i tuoi dati non la confermano.
• Non è acquisizione di traffico. La CRO lavora su ciò che succede dopo l'inizio della visita. Rende più efficiente ogni canale di acquisizione, ma non ne sostituisce nessuno.

Il processo CRO, passo per passo

Ogni programma CRO credibile segue una versione dello stesso ciclo. I nomi cambiano; l'ordine no.

1. Ricerca: scopri dove e perché i visitatori non convertono.
2. Ipotesi: trasforma ogni risultato in un'affermazione verificabile.
3. Prioritizzazione: ordina le ipotesi in modo che il traffico scarso e il tempo di sviluppo vadano alle scommesse migliori.
4. Test: esegui un esperimento controllato (o, dove è impossibile, il metodo migliore disponibile).
5. Analisi: leggi il risultato con onestà, inclusi segmenti e metriche guardrail.
6. Rilascio e apprendimento: pubblica le varianti vincenti, registra ogni risultato, riporta quanto appreso nella ricerca.

1. Ricerca: dove e perché

La ricerca ha due metà. I dati quantitativi ti dicono dove si trova il problema. I dati qualitativi ti dicono perché. Ti servono entrambi: un report sul funnel mostra che il 70% dei visitatori abbandona la pagina prezzi, ma non può dirti che se ne sono andati perché il piano enterprise riporta "Contattaci" senza alcuna fascia di prezzo.

Parti dagli analytics per scegliere le due o tre pagine più importanti (molto traffico, vicine ai ricavi, forte abbandono), poi concentra lo sforzo qualitativo solo lì. Uno sprint di ricerca di due o tre settimane di solito produce più idee di test di quante tu possa eseguirne in sei mesi.

Prima di fidarti dei dati, controlla l'impianto. Verifica che gli eventi di conversione si attivino una sola volta per conversione, che i passaggi del funnel siano tracciati su ogni dispositivo e che il traffico interno sia filtrato. Una quota sorprendente di “problemi di conversione” si rivela essere un problema di misurazione.

2. Ipotesi: rendi ogni idea falsificabile

Un'ipotesi collega un'osservazione a una modifica e a un risultato misurabile. Usa questo template:

"Poiché abbiamo osservato" ciò che mostravano i dati, "crediamo che cambiare" un elemento "per" un pubblico "porterà" al risultato atteso, "misurato da" una metrica principale.

Esempio: “Poiché dalle registrazioni delle sessioni e da un sondaggio in uscita abbiamo osservato che i visitatori da mobile della pagina prezzi non riescono a capire quale piano include l'SSO, riteniamo che aggiungere un interruttore di confronto delle funzionalità sopra le schede dei piani per i visitatori da mobile porterà a più selezioni di piano, misurate dai clic su qualsiasi pulsante 'Scegli il piano' per visitatore della pagina prezzi.”

Il template svolge tre funzioni. Impone le evidenze (niente "perché piace al CEO"). Indica il pubblico, così testi dove si trova il problema. E fissa la metrica principale prima dell'inizio del test, evitando di scegliere a posteriori una metrica lusinghiera. Una versione da copiare è nel nostro template di piano per A/B test.

3. Prioritizzazione: PIE, ICE o PXL

Avrai sempre più idee che capacità. Dominano tre framework di scoring:

• PIE (Potenziale, Importanza, Facilità), reso popolare da WiderFunnel: assegna a ciascuno un punteggio da 1 a 10 e fai la media. L'"Importanza" riguarda quanto vale il traffico della pagina.
• ICE (Impact, Confidence, Ease), dal growth marketing: assegna a ciascuno un punteggio da 1 a 10 e fai la media. "Confidence" indica quanto sono solide le tue evidenze.
• PXL, di CXL: una checklist di domande perlopiù sì/no con punteggi fissi, ad esempio se la modifica è above the fold, se si nota entro cinque secondi, se aggiunge o rimuove un elemento, se riguarda una pagina ad alto traffico e se risolve un problema emerso da test utente, feedback qualitativi o analytics. La facilità viene valutata in base all'impegno stimato. CXL l'ha progettata per eliminare l'approssimazione che PIE e ICE lasciano nell'"impatto".

Esempio (punteggi illustrativi per un backlog, PXL semplificato a sette domande):

Tutti e tre i framework concordano che A va per primo e D per ultimo. Divergono su C: PIE lo valuta quasi al livello di B perché il “potenziale” è generoso, mentre ICE e PXL ne penalizzano la mancanza di evidenze. Questo disaccordo è proprio il motivo per scegliere un framework in modo consapevole.

Il nostro punto di vista: usa ICE per un piccolo team che deve classificare 20 idee in un pomeriggio. Passa a PXL quando più di una persona assegna i punteggi, perché le domande sì/no producono valutazioni coerenti tra persone diverse e impediscono alla voce più forte di gonfiare l'"impatto". PIE è utile quando devi decidere su quale pagina lavorare, meno per le singole idee. Qualunque metodo scegli, dai molto peso alle evidenze: il miglior predittore di un test vincente è un'ipotesi fondata sulla ricerca.

4. Testing

Realizza la variante, fai il QA su tutti i principali browser e dispositivi ed esegui un esperimento controllato dove il traffico lo consente (vedi la sezione sulla statistica più sotto). Prima del lancio annota: la metrica primaria, le metriche di salvaguardia, la dimensione del campione, la durata prevista e la regola di arresto. Se non riesci a compilare questi cinque punti, non sei pronto per il lancio.

5. Analisi

Quando si raggiunge il campione pianificato, verifica prima la qualità dei dati (rapporto del campione, tracciamento), poi la metrica principale, poi le metriche di controllo, poi i segmenti definiti in anticipo come dispositivo o nuovi visitatori rispetto a quelli di ritorno. Tratta i risultati sui segmenti che non avevi pianificato come nuove ipotesi, non come conclusioni: se scomponi un test in abbastanza modi, qualcosa sembrerà significativo per puro caso.

6. Rollout e apprendimento

Rilascia i vincitori nel modo giusto (nel codice, non lasciati per mesi al 100% nello strumento di test). Registra ogni test in un log: ipotesi, screenshot, numeri, decisione e cosa ti ha insegnato sui visitatori. Un test perdente che smentisce una convinzione diffusa vale spesso più di una piccola vittoria, ma solo se qualcuno lo mette per iscritto.

La statistica dei test, fatta bene

Non serve essere statistici per eseguire test validi, ma devi rispettare cinque concetti. Il miglior riferimento in assoluto è Kohavi, Tang e Xu, Trustworthy Online Controlled Experiments (2020).

Dimensione del campione: decidila prima di iniziare

Il numero di visitatori necessario dipende dal tasso di conversione di partenza, dall'effetto più piccolo che ti interessa rilevare (minimum detectable effect, MDE), dal livello di significatività (alfa) e dalla potenza statistica. Per un test bilaterale che confronta due proporzioni:

n per variante = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

Esempio pratico: baseline p₁ = 3%, MDE = 20% relativo, quindi p₂ = 3,6%. Alfa = 0,05 (bilaterale), quindi z = 1,96. Potenza = 0,8, quindi z ≈ 0,8416. Il tasso aggregato p̄ = 3,3%.

1. Primo termine: 1,96 × √(2 × 0,033 × 0,967) = 1,96 × √0,06382 = 1,96 × 0,2526 = 0,4951
2. Secondo termine: 0,8416 × √(0,03 × 0,97 + 0,036 × 0,964) = 0,8416 × √(0,02910 + 0,03470) = 0,8416 × 0,2526 = 0,2126
3. Numeratore: (0,4951 + 0,2126)² = 0,7077² = 0,5009
4. Denominatore: (0,036 - 0,03)² = 0,006² = 0,000036
5. n = 0,5009 / 0,000036 ≈ 13.900 visitatori per variante, circa 27.800 in totale.

Corrisponde a quanto restituisce il calcolatore della dimensione del campione di Evan Miller con gli stessi input, e puoi verificare il tuo scenario nel nostro calcolatore di A/B test. Nota quanto siano spietati i numeri: dimezza l'MDE al 10% e ti serve circa quattro volte il traffico. Il nostro articolo sulla dimensione del campione per l'A/B test contiene tabelle di riferimento per le baseline più comuni.

Durata: dimensione del campione divisa per il traffico, in settimane intere

Durata del test = campione totale necessario / visitatori idonei settimanali, arrotondata per eccesso a settimane intere.

Esempio: la pagina sopra riceve 7.000 visitatori idonei a settimana. 27.800 / 7.000 = 3,97, quindi eseguilo per 4 settimane complete. Le settimane complete contano perché i visitatori dei giorni feriali e del fine settimana si comportano in modo diverso; fermarsi di mercoledì sovrarappresenta una parte della settimana. Come regola pratica, esegui almeno un ciclo di business completo ed evita test più lunghi di sei-otto settimane, oltre le quali la cancellazione dei cookie e i cambiamenti stagionali iniziano a inquinare il campione.

Non sbirciare (o usa un metodo pensato per farlo)

Controllare ogni giorno un test standard a orizzonte fisso e fermarlo appena raggiunge p < 0,05 gonfia enormemente i falsi positivi, come mostra Evan Miller in How Not To Run an A/B Test. O ti impegni sulla dimensione del campione pianificata e leggi il risultato solo alla fine, oppure usi uno strumento con una statistica pensata per il monitoraggio continuo (test sequenziali). Guardare una dashboard va bene; il problema è agire troppo presto.

Verifica il sample ratio mismatch

Se dividi il traffico 50/50 e ottieni 10.000 visitatori nel controllo e 9.400 nella variante, qualcosa non funziona: un redirect che perde utenti, un filtro anti-bot che colpisce una sola variante, una variante che si blocca su alcuni browser. Un test chi-quadro sul numero di visitatori lo segnala. Kohavi e colleghi considerano lo sbilanciamento del rapporto campionario (SRM) uno dei controlli di affidabilità più importanti; quando fallisce, non interpretare il risultato, trova il bug.

Effetti novità, una sola metrica primaria e metriche di controllo

• Effetti novità e primacy: i visitatori di ritorno potrebbero cliccare un nuovo elemento perché è nuovo, o ignorarlo perché sono abituati al vecchio layout. Confronta la prima settimana con le successive; se l'effetto svanisce, sii scettico.
• Una sola metrica primaria: dichiarata in anticipo, idealmente la metrica più vicina al fatturato che puoi misurare con volumi sufficienti. Dieci metriche “primarie” garantiscono un falso vincitore da qualche parte.
• Metriche di guardrail: elementi che non devono peggiorare, come ricavo per visitatore, qualità dei lead, tasso di rimborso, tempo di caricamento della pagina. Una variante che aumenta le iscrizioni del 10% riducendo il valore medio dell'ordine del 15% non è vincente.

E testa un solo cambiamento coerente per variante, a meno che tu non abbia molto traffico. Il nostro confronto tra A/B test e test multivariati spiega quando la strada multivariata vale il traffico che richiede (raramente, sotto le centinaia di migliaia di visitatori al mese).

CRO per siti a basso traffico e siti B2B

La maggior parte dei consigli sul CRO è stata scritta da chi ottimizza siti consumer ad alto volume. I siti B2B, e i piccoli siti consumer, affrontano tre problemi strutturali:

1. Traffico ridotto. L'esempio svolto sopra richiede circa 27.800 visitatori per un solo test. Una pagina con 5.000 visitatori al mese impiegherebbe cinque o sei mesi, e nel frattempo mercato, annunci e pagina stessa sarebbero cambiati.
2. Cicli di vendita lunghi. Un test può contare le compilazioni dei form in poche settimane, ma per sapere se quei lead sono diventati pipeline servono mesi. La variante che vince sulle richieste di demo a febbraio può perdere sul fatturato a giugno se ha attirato aziende poco adatte.
3. Valore di conversione diseguale. Una richiesta di demo può arrivare da un'azienda che potrebbe diventare il tuo cliente più grande; un'altra da uno studente. Il tasso di conversione le tratta allo stesso modo, e le metriche ponderate sui ricavi sono molto più rumorose, quindi richiedono ancora più dati.

Niente di tutto questo significa "non fare CRO". Significa cambiare metodo.

Cosa testare per primo

Quando puoi fare solo pochi test all'anno, fai quelli con effetti attesi ampi sulle pagine vicine ai ricavi. Un ordine sensato:

1. Titoli e proposta di valore nelle pagine commerciali con più traffico: orientati al risultato o alle funzionalità, specifici per il pubblico o generici, centrati sul problema o sulla soluzione.
2. L'offerta e la CTA: non solo il testo del pulsante, ma cosa offri (demo, tour del prodotto, assessment, chiamata sui prezzi) e dove compare.
3. Form: campi, domande di qualificazione, passaggio singolo o multi-step. Misura la qualità dei lead, non solo il tasso di completamento.
4. Layout e struttura della pagina per ultimi: i più costosi da realizzare, in media con l'effetto più piccolo e più lento da misurare.

Fai cambiamenti più audaci

La dimensione del campione necessaria varia con l'inverso del quadrato dell'effetto. Rilevare un lift del 40% richiede circa un quarto del traffico necessario per un lift del 20%. I piccoli ritocchi non sono testabili con poco traffico; le modifiche audaci e basate sulla ricerca (un argomento del titolo completamente diverso, un'offerta diversa) sì. Inoltre ti insegnano di più sui tuoi buyer, mentre i piccoli ritocchi ti insegnano qualcosa solo sulla pagina.

Testa le micro-conversioni a monte

Se le richieste di demo sono troppo rare, scegli una metrica primaria più in alto nel funnel che sia plausibilmente collegata a esse: clic verso la pagina demo, moduli iniziati, visite alla pagina prezzi dalla homepage. Una metrica che si verifica dieci volte più spesso rende i test circa dieci volte più rapidi da portare alla potenza necessaria. Il compromesso è che devi comunque monitorare la macro-conversione come metrica di controllo, perché una micro-conversione può salire mentre le conversioni reali restano ferme.

Accetta un livello di confidenza adeguato alla decisione

Non ogni decisione richiede una confidenza del 95%. Per modifiche ai testi facilmente reversibili, una soglia più bassa (o una lettura bayesiana della “probabilità di essere la migliore”) è un compromesso ragionevole tra velocità e certezza. Per modifiche strutturali costose da annullare, come il redesign di una pagina prezzi, aspetta evidenze solide. Decidi la soglia prima del test, non dopo aver visto i numeri.

Test sequenziali e prima/dopo, con qualche avvertenza

Quando uno split test è impossibile (esperienze per account target con poche decine di visite, una modifica alla navigazione dell'intero sito), un confronto prima/dopo è meglio di niente, ma sii onesto sulla sua debolezza: stagionalità, campagne, attività commerciali e notizie di mercato cambiano tutte nello stesso momento della tua pagina. Riduci il rischio confrontando periodi di uguale durata, controllando una metrica di controllo che la tua modifica non dovrebbe influenzare (se si è mossa anche quella, lo spostamento è probabilmente esterno) e ripetendo l'attivazione (on, off, on) dove puoi.

Affidati alla ricerca qualitativa

Con poco traffico, cinque interviste ai clienti e venti registrazioni di call commerciali valgono più di un test sottodimensionato. Usa il lavoro qualitativo per fare modifiche di cui sei abbastanza sicuro e riserva il testing alle decisioni davvero incerte e ad alta posta in gioco.

Misura la pipeline, non le compilazioni dei form

Esempio: la variante A produce 20 lead, di cui il 25% diventa opportunità (5 opportunità). La variante B produce 30 lead, di cui il 10% diventa opportunità (3). B ha "vinto" sul tasso di conversione e perso sulla metrica che conta. Collega il tuo strumento di test o gli analytics al CRM in modo che ogni lead porti con sé la propria variante, e riesamina i risultati quando i dati sulle opportunità maturano. Controlla anche i risultati per segmento: un dato aggregato piatto può nascondere una variante vincente per i visitatori enterprise e una perdente per le piccole aziende che si annullano a vicenda. Per tattiche CRO specifiche del B2B come moduli di qualificazione, social proof enterprise e contenuti per il buying committee, consulta la nostra guida approfondita all'ottimizzazione del tasso di conversione B2B.

Condurre un audit CRO

Un audit CRO è la fase di ricerca condensata in una revisione una tantum, utile quando erediti un sito o ti serve in fretta un piano con le priorità. La versione breve:

1. Verifica la misurazione: eventi di conversione, passaggi del funnel, tracciamento cross-domain, traffico interno filtrato.
2. Mappa il funnel per dispositivo e canale e trova i due passaggi con la perdita assoluta maggiore.
3. Esamina quelle pagine in modo euristico: chiarezza dell'offerta in cinque secondi, pertinenza rispetto alla sorgente di traffico, attrito (campi, passaggi, tempo di caricamento), ansia (fiducia, prezzo, privacy) e distrazione.
4. Raccogli evidenze qualitative sulle stesse pagine: registrazioni, un breve sondaggio, qualche test con utenti.
5. Registra i risultati come “da correggere subito” (bug, flussi interrotti), “da approfondire” o “da testare”, ciascuno con un'ipotesi e un punteggio di priorità.

La nostra checklist per l'audit CRO elenca ogni controllo, e la guida passo passo all'audit CRO mostra come trasformare i risultati in una roadmap.

Su cosa concentrarsi, per tipo di pagina

Vale la pena conoscere due benchmark esterni. Baymard Institute, facendo la media di 50 studi, stima l'abbandono documentato del carrello online a circa il 70%; tra gli acquirenti che hanno abbandonato per motivi diversi dal "stavo solo guardando", costi aggiuntivi (40%) e obbligo di creare un account (18%) sono in cima alla lista, e Baymard stima che un checkout ideale richieda solo 7-8 campi contro una media statunitense di circa 15. Per i form in generale, le raccomandazioni di Nielsen Norman Group sull'usabilità dei form (form brevi, a una colonna, requisiti spiegati in anticipo, messaggi di errore specifici) sono una checklist solida. I form B2B sono un'eccezione parziale al principio "più corto è sempre meglio", perché i campi di qualifica proteggono il tempo del commerciale; la nostra guida al design dei form di acquisizione lead spiega come adattare la lunghezza del form all'intenzione, e l'ottimizzazione delle landing page B2B approfondisce le pagine delle campagne.

La personalizzazione come leva di CRO

Un classico A/B test si chiede "quale versione è la migliore per tutti?" A volte la risposta onesta è "nessuna delle due": un buyer enterprise e una startup di cinque persone vogliono prove diverse, un linguaggio diverso e un passo successivo diverso, e il risultato medio lo nasconde. Personalizzare significa offrire esperienze diverse a segmenti definiti, e poi misurare ciascuna rispetto a un gruppo di controllo di quel segmento.

Batte il test unico per tutti quando valgono tre condizioni: il tuo pubblico si divide in segmenti con esigenze davvero diverse (per settore, dimensione aziendale, fase del funnel o sorgente di traffico), puoi riconoscere in modo affidabile quei segmenti al loro arrivo, e hai contenuti realmente diversi per ciascuno. Se manca una di queste condizioni, la personalizzazione aggiunge complessità senza incremento. Inoltre divide il traffico, quindi non è una scorciatoia rispetto ai calcoli sulla dimensione del campione; parti da uno o due segmenti grandi e da una sola pagina. Se vuoi prima strutturare i segmenti, la guida alla strategia di segmentazione ti accompagna passo passo, e le nostre funzionalità di segmentazione mostrano come Markettailor serve varianti specifiche per segmento con un gruppo di controllo.

Errori comuni nel CRO (e come correggerli)

1. Testare senza ricerca. Le idee nate dai brainstorming vincono meno spesso di quelle nate dalle evidenze. Soluzione: ogni test cita l'osservazione da cui nasce.
2. Fermare i test in anticipo. I vantaggi iniziali sono perlopiù rumore e il peeking gonfia i falsi positivi. Soluzione: fissa in anticipo dimensione del campione e durata.
3. Test sottodimensionati. Un test che può rilevare solo un incremento del 50% classificherà la maggior parte dei miglioramenti reali come “nessuna differenza”. Soluzione: calcola l'MDE che puoi rilevare prima del lancio ed esegui solo test che possano plausibilmente raggiungerlo.
4. Ottimizzare la metrica sbagliata. Più lead, pipeline peggiore. Soluzione: metrica primaria il più vicina possibile ai ricavi compatibilmente con i volumi, più metriche di controllo sulla qualità.
5. Chiamare fallimenti le sconfitte. I team abbandonano in silenzio i test perdenti e perdono ciò che hanno imparato. Soluzione: registra ogni risultato e ciò che ha smentito.
6. Ignorare i segmenti, o sovrainterpretarli. Succedono entrambe le cose. Soluzione: preregistra due o tre segmenti (dispositivo, nuovi vs di ritorno, dimensione aziendale) e tratta gli altri come ipotesi.
7. Copiare i concorrenti o gli elenchi di “best practice”. Vedi la loro pagina, non i loro risultati. Soluzione: usali come fonti di ipotesi, mai come risposte.
8. Saltare il QA. Una variante che si rompe su un browser produce un falso perdente e uno sbilanciamento del rapporto campionario. Soluzione: testa ogni variante sui principali browser e dispositivi prima del lancio.
9. Trattare la CRO come un progetto. Un audit, cinque correzioni, fatto. Soluzione: una cadenza fissa con un responsabile, un backlog e un log.
10. Non correggere bug evidenti perché "dovremmo testarlo". Soluzione: le cose rotte si aggiustano; quelle incerte si testano.

Strumenti CRO per funzione

Scegli gli strumenti in base alla funzione che svolgono e compra per ultimo lo strumento di test: alla maggior parte dei team serve una ricerca migliore prima di una maggiore capacità di test.

• Analytics: funnel, segmenti ed eventi. Google Analytics 4, Adobe Analytics o strumenti di product analytics come Mixpanel e Amplitude.
• Analisi del comportamento: heatmap e registrazioni delle sessioni. Microsoft Clarity, Hotjar, Contentsquare.
• Test e personalizzazione: sperimentazione lato client o lato server. Optimizely, VWO, AB Tasty o piattaforme di feature flag per i test lato server.
• Sondaggi e ricerca sugli utenti: sondaggi sulla pagina e test con utenti moderati o non moderati. Sondaggi Hotjar, Typeform, UserTesting, Maze.

Per un confronto più completo per livello di traffico e budget, consulta la nostra rassegna di strumenti di conversion rate optimisation.

Costruire un programma di CRO

La CRO produce risultati cumulativi solo se gestita come un programma e non come una serie di interventi isolati. La struttura minima:

• Un responsabile con tempo dedicato, più accesso a risorse di design e sviluppo. Senza tempo degli sviluppatori, il backlog diventa una lista dei desideri.
• Una cadenza: uno sprint di ricerca ogni trimestre, una revisione delle priorità ogni due settimane e una presentazione mensile dei risultati agli stakeholder.
• Un registro dei test consultabile da chiunque: ipotesi, pubblico, screenshot, campione, risultato, decisione, apprendimento. Dopo un anno è l'asset CRO più prezioso che possiedi.
• Un obiettivo di produttività realistico. Un sito consumer ad alto traffico può eseguire diversi test al mese in parallelo su pagine diverse. Un sito B2B con 10.000 visitatori mensili può gestirne uno o due al mese, abbinati a correzioni basate sulla ricerca.

Stabilisci fin dall'inizio le aspettative sui tassi di successo. In Online Experimentation at Microsoft (Kohavi et al., 2009), gli autori riportano che solo circa un terzo delle idee ha migliorato le metriche per cui era stato pensato, con circa un terzo neutro e un terzo negativo. Le idee di Microsoft non erano cattive; semplicemente, le buone idee sono difficili da prevedere. Se il tuo programma “vince” l'80% dei test, la spiegazione più probabile è una statistica poco rigorosa, non idee eccezionali. Giudica un programma CRO dall'impatto cumulativo validato e dalla qualità di ciò che ha imparato, non dal tasso di successo.

Domande frequenti

Qual è un buon tasso di conversione?

Non esiste un valore buono universale, perché il tasso di conversione dipende da cosa conti, dal mix di traffico, dal prezzo e dal ciclo d'acquisto. L'iscrizione gratuita a una newsletter e una richiesta di demo enterprise a sei cifre non possono condividere un benchmark. Il confronto utile è con la tua baseline per la stessa pagina, sorgente di traffico e dispositivo. Punta a migliorarla costantemente e giudica il successo in base ai ricavi o alla pipeline per visitatore, non al solo tasso.

Quanto deve durare un A/B test?

Fallo durare finché non raggiunge la dimensione del campione calcolata prima del lancio, arrotondata a settimane intere in modo che ogni giorno della settimana sia rappresentato allo stesso modo. Dividi il totale dei visitatori necessari per il traffico idoneo settimanale. Per la maggior parte dei siti significa da due a sei settimane. Se i calcoli indicano diversi mesi, testa una modifica più grande o una metrica con più volume invece di portare avanti un test infinito.

Qual è la differenza tra CRO e SEO?

La SEO aumenta quanti visitatori qualificati raggiungono il tuo sito dalla ricerca organica. Il CRO aumenta la quota di quei visitatori, da qualsiasi canale, che compie un'azione di valore. Si sostengono a vicenda: le pagine che rispondono chiaramente all'intento di chi cerca tendono sia a posizionarsi sia a convertire meglio. I conflitti sono rari, ma evita modifiche CRO che nascondono o eliminano contenuti di cui motori di ricerca e visitatori hanno bisogno.

La CRO conviene per i siti con poco traffico?

Sì, ma il metodo cambia. Con traffico limitato, affidati alla ricerca qualitativa come interviste ai clienti, registrazioni delle sessioni e test con gli utenti, correggi direttamente i problemi evidenti e riserva gli A/B test a cambiamenti audaci e ad alto impatto, misurati su metriche a monte frequenti. Anche senza alcun test, un audit guidato dalla ricerca sulle due o tre pagine più importanti di solito trova attriti che vale la pena eliminare.

Che cosa fa uno specialista CRO?

Uno specialista CRO gestisce il ciclo di ottimizzazione: analizza i funnel, conduce ricerche sugli utenti, scrive ipotesi, prioritizza e progetta esperimenti, ne verifica la validità statistica e trasforma i risultati in raccomandazioni. Il ruolo unisce analytics, ricerca UX, sensibilità di copywriting e statistica sufficiente a evitare falsi vincitori. Se stai valutando questa carriera, la nostra panoramica sui lavori nella conversion rate optimization illustra ruoli, competenze e come iniziare.