Ottimizzazione del funnel TOFU MOFU BOFU: A/B test e conversion rate

Un’azienda di serramenti riceve 4.000 visite al mese sul sito. Da quelle visite arrivano 80 contatti, 20 richieste di preventivo e 8 contratti firmati. Il titolare vuole arrivare a 12 contratti entro l’estate e ha budget per un intervento alla volta. In riunione il commerciale chiede un form più corto, la grafica vuole rifare la home e il consulente insiste sulle email di follow-up. Sono tre idee sensate e nessuno ha un numero per difendere la propria.

L’ottimizzazione del funnel marketing serve a chiudere riunioni come questa con i dati in mano. Le tre fasi le conosci già. Qui vediamo quale toccare per prima, come impostare un A/B test affidabile e come trasformare tutto in una procedura che un collaboratore può portare avanti anche senza di te.

Ron Kohavi e i suoi colleghi di Microsoft hanno scritto una guida pratica agli esperimenti online. Nella guida chiamano HiPPO l’opinione della persona più pagata nella stanza e raccontano che, nella loro esperienza, l’apprendimento e il ritorno sull’investimento arrivano quando i team ascoltano i clienti invece dell’HiPPO.¹ In una PMI l’HiPPO spesso sei tu. Va bene così, purché le tue idee passino da un test prima di diventare la nuova versione del sito.

Il conversion rate del funnel è fatto di tre numeri

Il conversion rate del funnel è il prodotto dei tassi di passaggio da una fase all’altra. Nel caso dei serramenti vale 0,2%, cioè 8 clienti ogni 4.000 visite, ed è il risultato di tre tassi che si moltiplicano. Quando uno dei tre scende, il risultato finale scende con lui, anche se gli altri due restano fermi.

Fase	Passaggio misurato	Numeri del mese	Tasso
TOFU	visita → lead	4.000 → 80	2%
MOFU	lead → richiesta di preventivo	80 → 20	25%
BOFU	richiesta → cliente	20 → 8	40%

Guardare solo lo 0,2% complessivo è come leggere il saldo del conto senza l’estratto conto. Ti accorgi che mancano soldi e ignori da dove sono usciti.

La moltiplicazione ha una conseguenza pratica. Prova a migliorare del 25% la sola fase MOFU. Il tasso lead→richiesta passa dal 25% al 31,25%, gli 80 lead diventano 25 richieste e, con lo stesso 40% di chiusura, i clienti salgono a 10. Adesso immagina di dividere lo stesso sforzo su due fasi e di ottenere un +5% su ciascuna. Il calcolo è 8 × 1,05 × 1,05, cioè 8,8 clienti. Un intervento deciso su un solo punto rende più di due ritocchi sparsi. Per questo l’ottimizzazione delle conversioni (CRO) di un funnel di acquisizione comincia sempre dalla scelta delle priorità.

Costo per lead, tempo di chiusura e valore medio del contratto restano metriche del funnel da tenere d’occhio. Per decidere dove testare, però, ti bastano questi tre tassi, calcolati ogni mese con lo stesso criterio.

Dove conviene intervenire per prima cosa?

Sulla fase che ha perso più terreno rispetto ai tuoi mesi migliori, purché abbia abbastanza volume da poter essere misurata. In una catena moltiplicativa un +20% pesa allo stesso modo in qualsiasi punto. A decidere sono quindi quanto puoi recuperare, quanto costa la modifica e quanti dati riesci a raccogliere.

Il metodo prevede tre passaggi.

1. Calcola i tre tassi mese per mese sugli ultimi 12 mesi. Prendi le visite da Google Analytics 4 e lead, richieste e contratti dal CRM. Se lead e clienti stanno in due file Excel diversi, la prima cosa da fare è unirli.
2. Confronta ogni tasso con il tuo storico. I benchmark di settore che girano online mescolano e-commerce, software e servizi, e quasi mai dicono da dove arrivano. Il tuo trimestre migliore è un riferimento più onesto, perché ha il tuo prezzo, il tuo mercato e il tuo commerciale.
3. Dai un valore in euro al recupero. Facciamo un esempio. Un contratto vale in media 5.000 euro di margine e nei mesi migliori la fase MOFU arrivava al 32%. Tornarci significa 25,6 richieste, 10,2 clienti e circa 11.000 euro di margine in più al mese. Se invece il TOFU, nel suo mese migliore, toccava il 2,2%, recuperare quel livello vale 0,8 clienti, cioè 4.000 euro. A quel punto la priorità è evidente.

A parità di valore, parti dalla fase più vicina al fatturato. Una modifica alla pagina preventivo si vede nei contratti dopo poche settimane, mentre un articolo TOFU migliore arriva al commerciale dopo mesi. Il limite è il volume. Con 20 richieste al mese un A/B test classico sulla fase BOFU non arriva mai a un verdetto, e lì servono metodi pensati per chi ha poco traffico.

Come impostare un A/B test che dica la verità

Il lunedì il commerciale cambia il titolo della landing. Il venerdì i lead sono 24 invece di 18 e la nuova versione resta online per sempre. Questo è al massimo un indizio, e pure debole. Magari quella settimana è partita una campagna, oppure è piovuto per cinque giorni e la gente ha cercato infissi.

Un esperimento controllato divide i visitatori a caso in due gruppi, mostra a ciascun gruppo una versione e confronta i risultati. Kohavi e colleghi lo considerano il miglior disegno scientifico per stabilire un rapporto di causa-effetto tra una modifica e il comportamento degli utenti. Nella guida si soffermano su potenza statistica, dimensione del campione e tecniche di riduzione della varianza.¹ Per una PMI il succo è che un test vale quanto la preparazione che c’è dietro. E la preparazione si fa in quattro passi.

Ipotesi scritta prima del test

Usa sempre lo stesso formato.

Se cambiamo X per il pubblico Y, la metrica Z sale perché W.

Un esempio sui serramenti. Se nella pagina preventivo aggiungiamo tre foto di lavori finiti nella provincia del visitatore, le richieste di preventivo da parte di chi arriva dagli annunci Google salgono, perché il visitatore vede cantieri vicini a casa sua e smette di chiedersi se l’azienda lavori nella sua zona.

Scrivere il “perché” ti costringe a dichiarare cosa pensi del cliente. Se il test perde, scopri che quel motivo pesa meno di quanto credevi, e l’informazione resta nel registro.

Per partire dai dati puoi incollare in Claude o in ChatGPT un prompt come questo.

Sei un analista di conversion rate per una PMI italiana che vende serramenti su misura a privati in provincia di Bergamo. Sotto trovi i dati mensili degli ultimi 12 mesi (visite, lead, richieste di preventivo, contratti) e le 20 domande che i clienti fanno più spesso al commerciale prima di firmare. Proponi 8 ipotesi di test per la fase MOFU nel formato "Se cambiamo X per il pubblico Y, la metrica Z sale perché W". Per ogni ipotesi indica la metrica di guardia da controllare e il costo di realizzazione (basso, medio, alto). Scarta le ipotesi che riguardano solo dettagli estetici.

Metrica primaria e metrica di guardia

La metrica primaria decide chi vince. Se ne sceglie una sola, prima di partire. La metrica di guardia è quella che non deve peggiorare. Su una landing TOFU la primaria può essere il tasso visita→lead e quella di guardia la percentuale di lead che il commerciale considera qualificati.

Conviene guardare anche i segmenti. Uno studio di Bofei Li, della University of Sydney Business School, ha testato per tre mesi le raccomandazioni personalizzate in un contesto di vendita online. Su 10.350 utenti divisi a caso in due gruppi da 5.200 e 5.150, il conversion rate è passato dal 3,9% al 4,7%, cioè +20,5% relativo, con p < 0,01.² Il dato complessivo, da solo, non dice come si è comportato ciascun segmento. Una media positiva può nascondere un segmento che resta fermo. Se il tuo fatturato dipende dai clienti che tornano, la decisione cambia.

Quanti visitatori servono per un test affidabile?

Dipende dal tasso di partenza e dall’effetto minimo che vuoi riuscire a vedere. Più sono bassi il tasso di partenza e l’effetto cercato, più visitatori ti servono. Con una base del 2% e un miglioramento atteso del 20% servono più di 21.000 visitatori per versione.

L’effetto minimo rilevabile è la differenza più piccola che il test deve saper distinguere dal rumore. Se lo fissi al 20% relativo, stai dicendo che vuoi accorgerti se il 2% diventa 2,4%, e accetti di perderti un 2% che diventa 2,1%. La tabella è calcolata con la formula standard per il confronto tra due proporzioni, con confidenza al 95% e potenza all’80%.

Tasso di partenza	Variante da rilevare (+20%)	Visitatori per versione	Totale test	Durata con 4.000 visite/mese sulla pagina
2%	2,4%	circa 21.100	circa 42.200	circa 10 mesi e mezzo
5%	6%	circa 8.200	circa 16.300	circa 4 mesi
20%	24%	circa 1.700	circa 3.400	meno di un mese

La terza riga spiega perché i test sulle email, o sulle pagine con tassi alti, si chiudono in fretta. La prima spiega perché il test sul colore del bottone, in un sito da 4.000 visite, va avanti all’infinito. Anche lo studio di Bofei Li ha avuto bisogno di tre mesi per raccogliere i dati.²

Durata e regola di stop

Lascia girare il test per almeno una o due settimane complete, anche se il campione si raggiunge prima, perché chi visita il sito il martedì è diverso da chi lo visita la domenica. Scrivi la data di fine prima di partire. La tentazione più forte arriva al quinto giorno, quando la variante sembra vincere del 30% e vorresti chiudere. Ogni volta che guardi i risultati con l’idea di fermarti al primo segnale favorevole, aumenti la probabilità di eleggere un vincitore nato dal caso. Metti per iscritto la regola. Il test finisce alla data stabilita o al raggiungimento del campione, e prima di allora nessuno lo spegne, salvo errori tecnici.

Cosa testare in ogni fase del funnel

Alex Miller e Kartik Hosanagar della Wharton School hanno analizzato 2.732 A/B test condotti da 252 aziende e-commerce di sette settori nell’arco di tre anni. Hanno scoperto che le promozioni sul prezzo funzionano meglio all’inizio del funnel, mentre quelle sulle spese di spedizione rendono di più nelle pagine prodotto e nel checkout.³ Lo stesso intervento cambia effetto se lo sposti di fase. Ogni fase ha quindi i suoi test e le sue metriche.

Fase	Cosa testare	Metrica primaria	Metrica di guardia
TOFU	titolo e attacco dell’articolo; posizione e formato della CTA verso il lead magnet; promessa del lead magnet	visita → lead	% di lead che aprono la prima email
MOFU	oggetto e ordine delle email di nurturing; case study inserito; invito alla call	lead → richiesta	disiscrizioni
BOFU	struttura della pagina servizio o preventivo; prova sociale; garanzia; numero di campi del form	richiesta → cliente, oppure richieste qualificate	valore medio del contratto

Nel TOFU, se il traffico arriva da keyword di awareness, l’elemento da testare è quasi sempre l’introduzione. Chi cerca “condensa sulle finestre” vuole la risposta nelle prime righe e decide in quel momento se il tuo PDF sulla scelta degli infissi gli serve.

Nel MOFU la leva più economica sono le email, perché hai già una lista e il sito resta com’è. Prova due ordini della sequenza, uno con il case study al secondo invio e l’altro con il case study al quarto.

Nel BOFU i test sono pochi e pesanti. Si mettono a confronto garanzia scritta e nessuna garanzia, form da 9 campi e form da 4, prezzi indicativi visibili oppure nascosti. Un A/B test sulla pagina prezzi tocca da vicino il fatturato, e va inserito in una strategia di ottimizzazione del funnel che tenga conto del ciclo di vendita.

Le varianti migliori nascono da un’idea su come decide una persona. Tre leve della psicologia della persuasione tornano spesso, e vanno trattate come ipotesi da verificare. La riprova sociale pesa nel MOFU e nel BOFU, quando il dubbio del cliente è “funziona per uno come me?”. La reciprocità sostiene il TOFU, perché un lead magnet utile crea un piccolo debito verso chi l’ha regalato. L’avversione alla perdita lavora nel BOFU, dove una garanzia abbassa il rischio percepito della firma.

Quando alzare il TOFU affossa il BOFU

Torniamo ai serramenti. Il team prova una landing più facile. Toglie il campo telefono, rende il lead magnet più generico e allarga la promessa. I lead passano da 80 a 112, cioè +40%, e in riunione si festeggia. Due mesi dopo il commerciale fa notare che le richieste di preventivo sono sempre 20. Il tasso lead→richiesta è sceso dal 25% al 18%, i contratti sono rimasti 8 e lui passa più ore al telefono con persone che volevano solo il PDF.

Il test ha vinto sulla sua metrica, e il conto economico è rimasto fermo. I clienti ogni 1.000 visitatori erano 2 prima e sono 2 anche dopo, con più lavoro per il commerciale.

Una ricerca sul livestream commerce, basata su oltre 1.500 dirette condotte da influencer, offre una distinzione utile a chi scrive varianti. La quantità di informazioni sul prodotto e il coinvolgimento emotivo positivo aumentavano entrambi l’interesse, ma solo il coinvolgimento emotivo spingeva fino all’acquisto.⁴ Il contesto è molto diverso da quello di una PMI, eppure la lezione si trasferisce bene. Ciò che genera interesse in alto nel funnel può fermarsi prima della firma in fondo.

La regola operativa è valutare ogni test anche a valle, idealmente in clienti o fatturato ogni 1.000 visitatori. Nel registro dei test aggiungi una colonna per questo dato e aggiornala 60-90 giorni dopo la fine del test, quando i lead hanno avuto il tempo di diventare contratti.

Si può fare A/B testing con poco traffico?

Sì, se sposti il test dove c’è volume e provi cambiamenti grandi. Con 3.000-4.000 visite al mese, un confronto classico su una pagina che converte al 2% richiede quasi un anno. Le alternative qui sotto accorciano i tempi. Alcune ci riescono a prezzo di un po’ di rigore, e questo va dichiarato.

Un gruppo di ricercatori clinici ha applicato l’A/B test al sito di reclutamento di uno studio medico rivolto agli anziani. Nel primo esperimento hanno messo a confronto tre versioni della landing (l’originale e due infografiche) su 2.605 visitatori.⁵ I volumi sono da PMI, e le versioni cambiavano il contenuto della pagina, non un dettaglio.

• Testa dove hai volume. Con una lista di 3.000 contatti su Brevo o Mailchimp puoi fare un test A/B sull’oggetto in un solo invio. Sugli annunci Meta e Google puoi far girare due creatività in parallelo con un budget di poche centinaia di euro.
• Usa le micro-conversioni. Il clic sulla CTA o lo scroll fino al form, tracciati come eventi in GA4 o osservati con le heatmap di Microsoft Clarity, avvengono molto più spesso di una richiesta di preventivo e riempiono prima il campione. Il limite è che un clic resta un clic. Scrivilo nel registro e conferma il risultato sulla metrica vera appena hai i dati.
• Testa cambiamenti grandi. Una pagina riscritta da capo o un’offerta diversa producono effetti ampi, e gli effetti ampi richiedono campioni piccoli. Con lo stesso 2% di partenza, se la variante deve portare il tasso al 3% (+50%) bastano circa 3.800 visitatori per versione, cioè meno di due mesi al posto di dieci e mezzo.
• Aggrega pagine simili. Se hai sei landing di servizio con la stessa struttura, testa lo stesso elemento su tutte e somma i visitatori.
• Confronta prima e dopo su periodi equivalenti. Quattro settimane contro le quattro precedenti, oppure contro le stesse settimane dell’anno prima, e annota stagionalità, campagne attive e cambi di prezzo. È il metodo meno rigoroso dell’elenco e nel registro va segnato come tale.

Una SOP del test che puoi delegare

Un test fatto bene diventa un metodo quando qualcun altro in azienda lo ripete in modo identico senza doverti chiedere nulla. La procedura sta in una pagina.

1. Ipotesi scritta nel formato “Se cambiamo X per Y, Z sale perché W”. La approvi tu in cinque minuti.
2. Una metrica primaria e una di guardia, scelte prima di partire.
3. Calcolo del campione con il tasso di partenza preso dallo storico e l’effetto minimo concordato, con un calcolatore online o con la formula in Google Sheets. Se il test richiede più di tre mesi, si passa a una delle alternative per chi ha poco traffico.
4. Data di inizio e di fine, con un minimo di due settimane complete.
5. Regola di stop messa per iscritto. Il test si chiude alla data o al raggiungimento del campione, e solo un errore tecnico autorizza a fermarlo prima.
6. Analisi sulla metrica primaria, su quella di guardia e su due segmenti (nuovi clienti e clienti di ritorno, mobile e desktop).
7. Registro aggiornato con data, fase, ipotesi, metriche, campione, risultato, decisione e cosa avete imparato. A 60-90 giorni si compila la colonna dei clienti ogni 1.000 visitatori.

Il registro è la parte che rende di più col tempo. Ogni risultato analizzato suggerisce nuove ipotesi, e i test successivi partono da basi più solide. Dopo dieci test, il tuo registro sa del tuo cliente più di qualsiasi buyer persona scritta a tavolino.

Con questa SOP il titolare interviene solo quando approva l’ipotesi e quando prende la decisione finale. Il resto può seguirlo un marketing manager o un junior formato.

Come usare l’AI per accelerare test e analisi

Le idee da testare sono quasi sempre più di quelle che il traffico permette di verificare con dati sufficienti. L’AI allunga ancora di più la lista delle idee, e qui sta il rischio. Usala nei passi della SOP in cui ti fa risparmiare ore e tieni per te la scelta di cosa testare.

Varianti di copy a partire dall’ipotesi approvata

Una volta approvata l’ipotesi, Claude o ChatGPT scrivono in pochi minuti le varianti che a un copywriter richiederebbero un pomeriggio.

Scrivi tre varianti del blocco che sta sopra il form della pagina preventivo di un'azienda di serramenti su misura in provincia di Bergamo. L'ipotesi da verificare è che mostrare tre lavori finiti nella provincia del visitatore aumenti le richieste di preventivo, perché riduce il dubbio che l'azienda lavori lontano. Ogni variante ha un titolo di massimo 9 parole, due frasi di testo e una didascalia per ciascuna foto. Registro diretto, dai del tu al lettore, niente superlativi. Non toccare nient'altro della pagina, così il test misura solo questo cambiamento.

Lettura dei risultati

A test chiuso, chiedi all’AI di fare i conti mostrando i passaggi, poi verificali in Google Sheets. I modelli linguistici sbagliano ancora l’aritmetica, e una virgola fuori posto cambia la decisione.

Ti incollo i risultati di un A/B test chiuso alla data prevista. Versione A con 8.240 visitatori e 412 lead, versione B con 8.190 visitatori e 498 lead. Il campione pianificato era di 8.200 visitatori per versione. Calcola i due tassi di conversione, la differenza relativa e il p-value con un test z per due proporzioni, mostrando formula e passaggi. Poi elenca le conclusioni che questi dati NON mi permettono di trarre, tenendo conto che la metrica di guardia (lead qualificati dal commerciale) la conosceremo solo tra 60 giorni.

Lettura qualitativa

Microsoft Clarity registra le sessioni e mostra in quale punto del form i visitatori si fermano. Se aggiungi una domanda aperta dopo l’invio (“Cosa ti ha quasi fatto rinunciare?”), puoi esportare le risposte e chiedere a Claude di raggrupparle per temi, con il numero di occorrenze. Quei temi diventano le ipotesi del test successivo, e il ciclo ricomincia dal primo passo della SOP.

Da dove partire questa settimana

Apri il CRM e GA4 e ricostruisci in un foglio i tre tassi degli ultimi 12 mesi. Segna il mese migliore di ciascuna fase e calcola in euro quanto vale tornare a quel livello. Tra le fasi in cui hai volume sufficiente, scegli quella con il valore più alto, scrivi una sola ipotesi nel formato della SOP e calcola il campione. Se servono più di tre mesi, sposta il test sulla lista email o su un cambiamento grande. Fra trenta giorni avrai il primo risultato nel registro e una riunione in meno decisa dall’HiPPO.

Approfondimenti

• Funnel TOFU MOFU BOFU per l’acquisizione cliente: guida completa

Fonti

Footnotes

1. Controlled experiments on the web: survey and practical guide. link.springer.com ↩ ↩²

2. Enhancing Online Conversion Rates through Digital Marketing Interventions Based on A/B Testing: Evidence from a Three-Month Retail Pilot. hbemdata.org ↩ ↩²

3. An Empirical Meta-analysis of E-commerce A/B Testing Strategies. mackinstitute.wharton.upenn.edu ↩

4. EXPRESS: Fan Badges Signal Friendships: How Viewer-Influencer Parasocial Relationship Drives Conversion Funnel in Livestream Commerce. doi.org ↩

5. A/B design testing of a clinical trial recruitment website - PMC. pmc.ncbi.nlm.nih.gov ↩