Conversion Optimization
i numeri, non l'intuizione.
A/B test server-side, hypothesis library documentata, statistical significance reale. Niente "redesign e speriamo bene", niente flicker, niente winner inventati. Solo esperimenti che vincono — o ci insegnano qualcosa.
- Server-side experiments
- Statistical significance >95%
- Hypothesis library documentata
Quattro metodologie. Una per ogni scenario.
Non tutto va testato con A/B. Scegliamo il framework giusto in base a traffico, complessità, urgenza decisionale.
A/B test
Standard · 1 variabileUna sola variabile testata (es. copy del CTA), traffico splittato 50/50, vincitore determinato per significatività statistica. Lo strumento più usato e più affidabile per la maggior parte degli scenari.
Multivariate test
2+ elementi · combinazioniTestiamo più elementi insieme (es. headline + immagine + CTA) e quale combinazione vince. Richiede più traffico, ma rivela interazioni tra elementi che A/B non vede.
Split URL test
Redesign completoDue URL completamente diverse (es. /old vs /new) confrontate sullo stesso traffico. Usato per redesign radicali dove cambia tutto e non si può "A/B il singolo elemento".
Personalization
Segmentata · 1-to-manyDiverse esperienze per diversi segmenti (es. nuovo vs returning, B2B vs B2C, geografia). Non è "A vs B" ma "esperienza migliore per ciascuno" — misurata sempre con controllo.
Lavoriamo principalmente con GrowthBook (open-source, self-hosted, GDPR-friendly), in alternativa VWO, Convert o Optimizely se il cliente ha già lo stack in essere.
Sei deliverable. Ogni esperimento documentato.
Nessun esperimento senza ipotesi scritta. Nessuna decisione senza analisi statistica firmata.
Audit conversion + funnel
Analisi GA4 + heatmap + session replay per identificare drop-off, friction points, dead-ends. Output: opportunity map prioritizzata per impatto stimato.
Hypothesis library
Database delle ipotesi (in Notion / Airtable / Linear) con scoring ICE o RICE, status di test, risultati. La tua memoria storica di cosa è stato testato e cosa no.
Experiment design & setup
Calcolo sample size, definizione MDE (Minimum Detectable Effect), creazione varianti, setup tecnico server-side. Niente esperimenti partiti "tanto vediamo".
Analisi statistica
Frequentist o Bayesian (a seconda del caso), p-value reali, confidence interval, segment analysis. Niente peeking, niente "stop early perché siamo eccitati".
Insight report mensile
Cosa abbiamo testato, cosa ha vinto/perso, cosa abbiamo imparato, cosa testeremo il mese prossimo. Decisioni di business basate su evidenze documentate.
Implementation handoff
Quando un esperimento vince, lo portiamo in produzione per davvero. Niente "fixiamo poi", niente winner che restano in staging per mesi. Cross-team col Pilastro 02.
Ciclo a 4 fasi. Continuo.
CRO non è "un progetto" — è un sistema operativo. Una volta partito, gira a regime.
-
01
Audit & baseline
Analisi GA4, heatmap (Hotjar/Clarity), session replay (Fullstory/Clarity), funnel deep-dive. Identifichiamo le 10 maggiori opportunità con stima di traffico, friction, impatto potenziale.
-
02
Hypothesize & prioritize
Per ogni opportunità scriviamo un'ipotesi formale: "Se cambiamo X, ci aspettiamo Y, perché Z". Scoring ICE/RICE per prioritizzare. Solo le top 5 vanno in test.
-
03
Build & run
Creazione varianti (Pilastro 02 implementa), setup esperimento, definizione MDE e durata minima, lancio. Monitoraggio quotidiano per detect bug, non per peeking.
-
04
Analyze & ship
Analisi statistica, segment deep-dive (forse vince per mobile ma non per desktop?), decisione: ship/kill/iterate. Vincitori in produzione entro 7 giorni dal test concluso.
Cosa ci distingue dalla "agenzia CRO" tradizionale.
Server-side, non client-side
La maggior parte degli A/B test client-side (VWO, Optimizely Web) producono flicker visibile, vengono bloccati dagli ad-blocker e disattivati su mobile lento. Noi facciamo server-side di default — varianti renderizzate dal server, zero flicker, dati affidabili.
Rigore statistico vero
Sample size calcolato prima di lanciare. MDE dichiarato. Niente peeking, niente "stop early perché abbiamo l'89% di confidence". Se non raggiungiamo p<0.05 (o equivalente Bayesian), l'esperimento è inconclusive — e lo diciamo.
Hypothesis-driven, non vibe-driven
Ogni esperimento parte da un'ipotesi scritta: "Cambiando X, ci aspettiamo Y, perché Z". La library cresce nel tempo, diventa il vantaggio competitivo accumulato della tua azienda. Niente "secondo me proviamo a..."
I winner vanno in produzione davvero
Il 70% degli esperimenti vinti dalle agenzie CRO classiche non viene mai implementato definitivamente perché serve un dev team che lo faccia. Noi il dev team ce l'abbiamo dentro — i winner shippano in 7 giorni.
Le 6 domande che ci fanno tutti.
Quanto traffico minimo serve per fare CRO seriamente?
Dipende dalla baseline di conversione. Calcolo approssimativo:
- 10.000 visite/mese + 2% conversione: puoi testare cambi grandi (es. headline radicalmente diversa) — ogni test impiegherà 4-8 settimane.
- 50.000 visite/mese + 2% conversione: puoi testare cambi medi, 1 test/mese a regime.
- 200.000+ visite/mese: puoi correre 3-5 test in parallelo, cogliere lift anche del 5-10%.
Sotto 5.000 visite/mese il CRO statisticamente rigoroso non ha senso. Te lo diciamo in fase di audit — anziché farti partire e venderti "winner" che sono in realtà rumore statistico.
Quanto tempo prima di vedere risultati significativi?
Primo audit + opportunity map: 3 settimane.
Primo esperimento concluso: 6-10 settimane dall'inizio (setup + run + analisi).
Pipeline a regime: dal terzo mese, 1-2 test concluso al mese su traffico medio (50-100k visite/mese).
Il vero ROI di un programma CRO si vede dopo 6-12 mesi, quando hai una libreria di 15-20 esperimenti documentati e i winner accumulano effetto compound sul conversion rate baseline.
Che strumenti usate per il testing?
Stack default:
- GrowthBook (open-source, self-hosted, GDPR-friendly): esperimenti server-side
- GA4 + BigQuery: dati di conversione affidabili
- Microsoft Clarity (free, illimitato) o Hotjar: heatmap + session replay
- Mixpanel o Amplitude: product analytics per funnel complessi
Stack alternativo (se hai già investito): VWO, Optimizely, Convert, AB Tasty, Statsig.
Non siamo legati a un vendor — scegliamo il tool in base al tuo stack tecnico, budget e contesto GDPR. Server-side è sempre preferibile.
Si può fare CRO su un sito a basso traffico?
Sì, ma non con A/B test classici. Sotto 5-10k visite/mese, l'A/B testing produce risultati statisticamente rumorosi — i "winner" sono spesso solo varianza casuale.
Per siti a basso traffico usiamo approcci diversi:
- User research qualitativa: 5-10 interviste con utenti reali per capire dove si bloccano.
- Heuristic audit: applicazione di principi UX consolidati (Nielsen, Bauhaus, CRO best-practice).
- Session replay analysis: guardiamo cosa fanno gli utenti, dove si frustrano, dove abbandonano.
- Sequential testing (Bayesian): tecniche statistiche che funzionano con sample size più piccoli.
L'output è "redesign informato dai dati", non "A/B test winner". È un approccio diverso, più qualitativo, ma onesto sulla statistica.
Qual è la differenza tra A/B test e personalization?
A/B test: cerca la migliore esperienza per tutti. "Variant B vince per tutti" → Variant B diventa la nuova base per tutti.
Personalization: cerca la migliore esperienza per ciascun segmento. "Variant A vince per i nuovi visitatori, Variant B vince per i returning" → mostriamo entrambe a chi pertinente.
La personalization richiede:
- Segmentazione chiara (nuovo vs returning, B2B vs B2C, geo, traffic source)
- Sample size sufficiente per ogni segmento
- Sistema tecnico che possa servire varianti differenti
In pratica: A/B test prima, personalization dopo (quando hai capito i segmenti e hai dati a sufficienza).
Cosa succede agli esperimenti che falliscono?
Gli esperimenti "falliti" (variant B non vince, o inconclusive) sono più preziosi di quelli vincenti.
Per ogni esperimento concluso documentiamo:
- L'ipotesi originale (cosa pensavamo)
- Il risultato (winner/loser/inconclusive)
- Il "perché" del risultato (segment analysis, comportamento osservato)
- Cosa abbiamo imparato (anche se variant B non ha vinto, ora sappiamo che il problema NON era lì)
Dopo 12 mesi di CRO la libreria di esperimenti diventa il sapere strategico della tua azienda — più valore di qualsiasi report di consulenza, perché basato sul comportamento dei tuoi utenti reali.
Industria CRO: solo il ~25% degli A/B test produce un winner significativo. Chi ti dice "vinciamo sempre" o sta mentendo o sta facendo peeking.
Mandaci il tuo GA4. Ti diciamo dove perdi soldi.
30 minuti di call con audit live: passiamo insieme i funnel principali, ti mostriamo i drop-off, ti diciamo se hai abbastanza traffico per fare CRO seriamente. Senza obbligo, senza upsell forzati.
Risposta entro 24h lavorative · NDA disponibile · GDPR compliant