Test sull'oggetto, sul contenuto, sulla CTA, sull'orario di invio. Decisioni basate su dati, non su opinioni in call. Iterazione mensile, miglioramento continuo dell'open rate e del click rate.
L'A/B test su email è il confronto controllato di due o più varianti dello stesso messaggio (oggetto diverso, contenuto diverso, bottone diverso, orario diverso) inviate a campioni casuali della lista, con misurazione di open rate, click rate e conversioni, per scegliere la variante vincente sulla base di dati reali invece di opinioni in call.
Errore tipico: l'oggetto della newsletter viene deciso in 5 minuti dal marketing manager o dal titolare. Risultato: open rate del 12% per anni, senza capire se altre formulazioni avrebbero funzionato meglio. L'A/B test, fatto in modo continuativo, fa crescere open rate del 25% medio in 6 mesi.
Da Vicenza dal 2008 con oltre 180 progetti seguiti, abbiamo condotto 200+ A/B test per e-commerce, B2B, ONLUS. Setup, monitoraggio, iterazione mensile, documentazione di ogni test. Niente test fatti una volta e dimenticati.
Setup A/B test mensili sulla piattaforma email: 18 test su oggetto, 12 test su contenuto in 6 mesi. Open rate medio cresciuto del 28%, click rate raddoppiato. Insight applicati alle sequenze automation per ulteriore ottimizzazione.
Test su lead nurturing B2B: oggetto educational vs commerciale, contenuto lungo vs breve, CTA case study vs demo call. Vincitore mantenuto come standard, conversione lead-to-deal cresciuta.
Test su appeal di donazione: oggetto urgenza vs gratitudine, contenuto storia singola vs dati aggregati, CTA importo fisso vs libero. Versione storia singola + importo libero ha vinto, donazione media cresciuta.
Test continuativi, non episodici. Documentazione di ogni risultato, iterazione mensile.
La frase che decide tutto.
Test di varianti di subject line e preview text: lunghezza diversa, presenza di emoji, personalizzazione (nome, città), urgenza, beneficio diretto vs curiosità. Variabile testata una alla volta, gruppo di controllo tracciato, vincitore documentato per uso futuro.
Cosa leggono e cliccano.
Test sul corpo dell'email: titolo principale, ordine dei blocchi, lunghezza testo, presenza di immagini, formulazione CTA (verbo, colore, posizione). Misurazione di click rate e conversion downstream (acquisti, lead) con tracciamento UTM completo.
Quando arriva nell'inbox.
Test su orario di invio: martedì 10:00 vs giovedì 14:00 vs domenica 19:00. Funzionalità di send-time optimization sulle piattaforme moderne (Mailchimp, Brevo) testata vs orario fisso. Calendario di invio ottimizzato per il target del cliente.
Risultati che restano nel tempo.
Ogni test documentato in un report con ipotesi, varianti, gruppi, durata, risultati statisticamente significativi. Insight applicati ai test successivi, niente test ripetuti, niente perdita di apprendimenti tra mesi diversi. Reporting mensile al cliente.
Pattern che vediamo prendendo in carico newsletter senza A/B test:
Il nostro approccio: test continuativi mensili, una variabile alla volta, campioni adeguati, gruppo di controllo, documentazione di ogni test.
Risultati concreti per imprenditore e ufficio marketing:
Settimana 1.
Settimane 2-4.
Settimane 5-8.
Continuativa.
Best-in-class per setup, esecuzione e analisi:
WordPress 
WooCommerce 
Astro WordPress WooCommerce Astro Standard sui clienti gestiti dopo 6 mesi di test continuativi:
La gestione è dimensionata sul tuo caso: volumi (budget gestito, account, contatti, ordini), complessità (e-commerce vs lead-gen vs B2B), numero di canali e livello di SLA cambiano il quadro. Niente listini standard: prima cosa che facciamo è una breve discovery call di 30 minuti per allinearci, poi mandiamo un preventivo scritto entro 48 ore.
Per setup iniziale e primo test: 2-3 settimane. Per arrivare a regime di test mensili continuativi: 4-6 settimane. La piattaforma deve avere lista sufficientemente grande (1.500+ contatti attivi) per significatività statistica.
Per A/B test su oggetto serve minimo 500-1.000 destinatari per gruppo (1.000-2.000 totali). Per test su contenuto e click rate servono 2.000-5.000 destinatari per gruppo. Liste più piccole permettono test su campagne speciali, non test continui.
Sconsigliato. Cambiare oggetto e contenuto insieme rende impossibile capire quale variabile ha portato il risultato. Test su una sola variabile alla volta sono il metodo standard. Per test multi-variabile servono campioni molto grandi e setup specifici.
Usiamo un significance calculator per ogni test: confronto tra varianti, dimensione del campione, durata. Test viene chiuso solo quando il risultato è statisticamente significativo (almeno 95% di confidenza), o dichiarato inconclusivo se non lo raggiunge.
No, se fatti bene. Test su campioni del 10-20% della lista, vincitore inviato al resto. Volume di invio non aumenta, deliverability stabile. Anzi, A/B test riducono unsubscribe e spam complaint perché email diventano più rilevanti.
A/B test, codice, server, e-commerce sotto la stessa squadra dal 2008. Niente passaggio di mano tra agenzia email e team tecnico.
Esperienza concreta su settori diversi (e-commerce, B2B, ONLUS). Pattern di test consolidati per ogni caso d'uso, knowledge base interna.
Test chiusi solo a significatività raggiunta. Niente decisioni su differenze del 3% non statisticamente valide. Documentazione rigorosa di ogni test.
Test continui, non episodici. Insight applicati al test successivo, knowledge base che cresce nel tempo, ottimizzazione iterativa.
Analisi preliminare gratuita + report sintetico via email entro 48h.
