Su oltre un miliardo di siti web attivi, meno dello 0,2% utilizza strumenti di A/B testing. Il dato viene da BuiltWith e lo riprendono FoundryCRO e Convert nei rispettivi report 2026: circa 2,2 milioni di siti su 1,1 miliardi. Significa che il 99,8% del web prende decisioni su design, copy, landing page e funnel senza mai testare un’alternativa.
Lavoro con la conversion rate optimization da più di dieci anni. Ho visto campagne Google Ads da centinaia di migliaia di euro girare su landing page mai testate — perché “funzionava già”. Ho visto team marketing lanciare redesign completi basandosi sulle opinioni del direttore creativo, senza un dato di confronto. Il problema non è la tecnologia. Gli strumenti esistono, costano poco e si installano in un pomeriggio. Il problema è culturale, e i numeri del 2026 lo dimostrano con una chiarezza che lascia poco spazio all’interpretazione.
Il 77% dice di testare — i dati raccontano un’altra storia
Secondo TrueList e InvespCRO, il 77% delle aziende dichiara di fare A/B testing sui propri siti web. Eppure BuiltWith rileva che meno dello 0,2% dei siti ha uno strumento di testing installato. Dove finisce quel 76,8% di differenza?
La spiegazione sta nella definizione. Per molte aziende, cambiare il colore di un bottone e guardare le metriche dopo una settimana è “fare A/B testing”. Un test valido richiede altro: ipotesi esplicita, campione statisticamente significativo, criterio di arresto predefinito, gruppo di controllo. Senza questi elementi, stai tirando a indovinare.
I dati di Convert su oltre 100.000 esperimenti confermano il divario di rigore: il 48,9% dei test viene eseguito con confidenza statistica al 99%, ma un 18% finisce sotto il 90%. Il 10% dei test ha meno di 1.000 visitatori per variante — un campione troppo piccolo per qualsiasi significatività pratica. E il 52% dei team CRO non ha un criterio standardizzato per decidere quando fermare un test, secondo lo studio CXL su 28.304 esperimenti. Anche tra chi testa, la disciplina statistica è spesso approssimativa.
L’adozione segue una curva di potere: il 32% dei primi 10.000 siti per traffico fa testing, il 20,95% dei primi 100.000, l’11,5% del primo milione (dati BuiltWith). Più piccolo sei, meno testi. Paradossalmente, è proprio dove il testing produrrebbe l’impatto marginale più alto — perché le inefficienze nei funnel di conversione sono maggiori.
Cosa dicono davvero 28.304 esperimenti
CXL e Convert hanno analizzato 28.304 esperimenti eseguiti sulla piattaforma Convert.com. È il dataset più grande disponibile pubblicamente sulla performance reale degli A/B test.
I numeri: solo il 20% degli esperimenti raggiunge la significatività statistica al 95%. Tra quelli significativi, appena il 13% mostra un lift di conversione superiore al 10%. Il tasso di vincita complessivo — test con miglioramento statisticamente significativo — si attesta al 36,3%. Il 22,1% è significativamente negativo: la variante performa peggio del controllo. Il 41,6% restante è inconclusivo.
Servono mediamente 4-5 test per trovare un vincitore. Chi si aspetta che ogni test produca un miglioramento ha un’idea sbagliata della sperimentazione. Il valore dell’A/B testing è eliminare sistematicamente le ipotesi sbagliate e accumulare miglioramenti incrementali, test dopo test.
Un dato che uso spesso nelle discussioni con i clienti: il median conversion rate uplift dai test vincenti è +1,88%. Il median Revenue Per Visitor uplift è +2,77% (dati FoundryCRO 2026). Sembrano numeri piccoli, presi singolarmente. Ma un programma di 12 test all’anno con win rate del 30% produce circa 3,6 vincitori, che su base cumulativa generano un lift composto del 5-7% annuo. Su un e-commerce da €5M di fatturato, quel 5% vale €250.000. Su €20M, un milione.
Le agenzie specializzate in CRO raggiungono un tasso di successo del 15,84% (test significativi con lift superiore al 10%), contro il 13,1% dei team interni — una differenza del 21% a favore delle agenzie. La spiegazione probabile: vedono pattern cross-settore che un team interno, concentrato su un solo prodotto, non riesce a osservare.
Perché la maggior parte delle aziende non testa
Il report Speero 2025 sulla maturità della sperimentazione offre una diagnosi precisa. Il 58% delle aziende non ha un framework di prioritizzazione per decidere cosa testare. Il 52% non ha un processo di quality assurance sugli esperimenti prima del lancio. Il 10% non ha personale dedicato. Il 25% ha una sola persona che gestisce l’intero programma.
Le barriere reali, nella mia esperienza, si concentrano su tre livelli.
Il primo è il traffico. Una pagina con 50 conversioni mensili non può fare A/B testing classico: servono almeno 1.000 conversioni al mese per eseguire test con potere statistico superiore all’80% in un arco ragionevole di 2-4 settimane. Per molti siti italiani di piccole e medie imprese, questo traffico non c’è sulla singola pagina. La strada passa dal testing su micro-conversioni (scroll depth, click, form start) o dal consolidamento del traffico su poche landing page strategiche.
Il secondo è la cultura organizzativa. Testare vuol dire accettare che le proprie intuizioni possano essere sbagliate. Ho gestito progetti dove il CEO bloccava test perché “quel layout lo abbiamo approvato sei mesi fa” — come se l’approvazione interna equivalesse alla validazione del mercato. Speero registra che il 63% dei team dice che la propria cultura incoraggia la sperimentazione, ma solo il 47% sente che il proprio lavoro viene riconosciuto. Il divario tra dichiarazione e pratica è largo.
Il terzo è la competenza statistica. Il 57% dei tester fa p-hacking, fermando i test quando i risultati sembrano favorevoli. Il 52% non ha un criterio di arresto standardizzato. Non sono errori di principianti: sono errori di professionisti che trattano i test come campagne da ottimizzare “a sentimento”, senza il rigore che la statistica inferenziale richiede.
Quanto vale un programma di testing: il calcolo concreto
Il ROI medio degli strumenti CRO è del 223%, secondo i dati aggregati di settore. Ma il numero è troppo astratto. Preferisco ragionare su un caso reale.
Un e-commerce B2C con €2M di fatturato annuo e tasso di conversione del 2,5%. Il traffico è di circa 80.000 visitatori unici al mese — sufficiente per testare. Il costo di una piattaforma (Convert, AB Tasty, VWO): tra €300 e €1.500 al mese. Il costo di un CRO specialist: 15-20 ore mensili per impostare, analizzare e iterare.
Con un programma strutturato — 2-3 test al mese, ipotesi basate su analytics e heatmap, prioritizzazione ICE o PIE — il lift cumulativo realistico a 12 mesi è del 10-15% relativo sul conversion rate. Su €2M, un 10% vale €200.000. Costo totale del programma: tra €30.000 e €50.000 l’anno.
ROI: tra 4x e 6x. Il miglioramento del primo anno diventa la baseline del secondo. La sperimentazione è uno di quei rari investimenti che si compone nel tempo.
Il calcolo che la maggior parte delle aziende italiane non fa non è difficile — è aritmetica pura. Ma richiede di passare dalla domanda “quanto costa?” alla domanda “quanto costa non farlo?”.
L’AI sta cambiando le regole della sperimentazione
I dati FoundryCRO 2026 registrano un dato notevole: i team assistiti dall’intelligenza artificiale eseguono 4,7 volte più esperimenti per trimestre rispetto ai team manuali. Il volume è il fattore più predittivo di successo in un programma CRO: più testi, più impari, più migliori.
Le piattaforme AI-native per la CRO si sono moltiplicate nell’ultimo anno. Strumenti come Fibr, Mutiny, Intellimize e le funzionalità AI integrate in AB Tasty e VWO automatizzano tre fasi che prima richiedevano ore: generazione delle varianti (copy, layout, immagini), segmentazione del traffico, analisi dei risultati. Il Convert Agency Report 2025 conferma che il 76% delle agenzie CRO usa l’AI come componente chiave del workflow operativo.
Questo non elimina la competenza umana. Un modello AI genera 50 varianti di un headline in dieci secondi, ma non sa quale ipotesi strategica testare. La scelta tra “testare il prezzo vs testare la proposta di valore vs testare il layout del form” resta una decisione di business. L’AI accelera l’esecuzione; la strategia resta responsabilità del marketer.
Per le aziende italiane, l’implicazione è diretta: la barriera del volume si è abbassata. Chi prima non poteva testare perché servivano tre settimane per preparare una variante, oggi può farlo in tre ore. Il collo di bottiglia si sposta dalla produzione alla strategia — ed è lì che la differenza tra chi testa e chi no diventa competitiva.
Da dove cominciare: un framework in quattro passi
Ho costruito questo framework dopo aver avviato programmi di A/B testing e CRO per aziende che partivano da zero. Quattro passi, nessuno opzionale.
Passo 1 — Misura il punto di partenza. Installa GA4 (gratuito) e uno strumento di analisi comportamentale (Microsoft Clarity è gratuito, Hotjar ha un piano free). Identifica le 3 pagine con il traffico più alto e il conversion rate più basso. Sono i candidati al primo test.
Passo 2 — Formula l’ipotesi. Non “proviamo un bottone diverso”. Piuttosto: “Ipotizzo che spostare la CTA sopra il fold nella pagina pricing aumenterà le richieste demo del 15%, perché il 70% dei visitatori non scrolla oltre il primo viewport (dato Clarity).” Un’ipotesi ha un’azione, una metrica target, un lift atteso, una base di evidenza.
Passo 3 — Esegui con disciplina. Confidenza al 95%, potere statistico all’80%, durata minima 2 settimane con almeno un ciclo settimanale completo. Se il traffico è insufficiente per queste soglie, testa micro-conversioni prima delle macro-conversioni. Un test che non raggiunge significatività non è un fallimento: è informazione insufficiente per decidere.
Passo 4 — Documenta e itera. Crea un repository di test — anche un foglio condiviso — con ipotesi, risultato, lift e insight. Ogni test alimenta il successivo. L’80% delle aziende archivia i risultati (CXL), ma solo il 36,6% usa strumenti dedicati. Chi costruisce una knowledge base strutturata dei propri test ha un vantaggio cumulativo su chi riparte ogni volta da zero.
Chi lavora sulla propria strategia SEO conosce la stessa logica: il posizionamento organico si costruisce con ipotesi, esecuzione, misurazione e iterazione continua. Il testing CRO segue lo stesso metodo. La differenza è che i risultati arrivano in settimane, non in mesi.
Domande frequenti
Qual è il campione minimo per un A/B test valido?
Il campione dipende dall’effetto che vuoi rilevare. Come regola pratica, servono almeno 1.000 conversioni al mese sulla pagina testata per un test con 95% di confidenza e 80% di potere statistico in 2-4 settimane. Per effetti piccoli (lift sotto il 5%), il campione necessario cresce rapidamente. FoundryCRO riporta che il 37% degli esperimenti usa tra 10.000 e 50.000 visitatori per test.
Quanto costa avviare un programma di A/B testing?
I costi si dividono in piattaforma e risorse umane. Le piattaforme partono da €300/mese (Convert, VWO entry-level) e arrivano a €3.000-5.000/mese per soluzioni enterprise (Optimizely, AB Tasty full). Il costo di uno specialist CRO è tra €2.000 e €5.000/mese part-time. Il ROI medio del settore è del 223%, ma il dato utile è il calcolo sul tuo fatturato: ogni punto percentuale di miglioramento del conversion rate ha un valore in euro che puoi calcolare oggi.
L’A/B testing funziona anche con poco traffico?
Con meno di 50 conversioni mensili per pagina, l’A/B testing classico non è praticabile — i tempi per raggiungere significatività diventano troppo lunghi. Alternative concrete: testare micro-conversioni (scroll depth, click su CTA, form start), consolidare il traffico su poche pagine strategiche, usare approcci bayesiani che richiedono campioni più piccoli. Gli strumenti AI possono aiutare riducendo il numero di varianti e migliorando la segmentazione.
Qual è la differenza tra A/B testing e multivariate testing?
L’A/B testing confronta due versioni complete di una pagina (A vs B) per determinare quale performa meglio su una metrica specifica. Il multivariate testing verifica simultaneamente più combinazioni di elementi — titolo × immagine × CTA — per individuare la combinazione ottimale. Secondo i dati Convert 2026, l’A/B testing rappresenta il 67,6% degli esperimenti, il multivariate meno dell’1%. La ragione è il traffico: il multivariate richiede campioni molto più grandi per raggiungere significatività su ogni combinazione testata.
Il 99,8% dei siti non testa. Chi inizia oggi ha un vantaggio strutturale — non perché la tecnologia sia nuova, ma perché quasi nessun competitor la usa. Ogni mese senza testing attivo è un mese di miglioramenti misurabili lasciati sul tavolo.




