Il test A\/B dovrebbe essere il metodo razionale per prendere decisioni relative al prodotto: lanciare due varianti, valutare quale funziona meglio e mantenere quella vincente. Sembra una questione scientifica. Spesso per\u00f2 non lo \u00e8.<\/p>\n
La maggior parte dei test A\/B su scala come la nostra ha una potenza statistica troppo bassa per essere significativa. I test che sono<\/em> sono cos\u00ec potenti da funzionare per cos\u00ec tanto tempo che qualcos\u2019altro nell\u2019app o nel mondo cambia sotto di loro, contaminando il risultato. E la metrica che stai misurando non \u00e8 quasi mai quella che ti interessa davvero: ottimizzi per i clic perch\u00e9 i clic sono quantificabili, mentre l\u2019aspetto pi\u00f9 profondo che desideravi (fiducia, fidelizzazione, gusto) va alla deriva in una direzione che non hai mai misurato.<\/p>\n Progettiamo due opzioni, scegliamo quella che descrive in modo pi\u00f9 fedele la natura dell\u2019app, la lanciamo con fiducia e ascoltiamo attentamente ci\u00f2 che ci diranno le recensioni e i ticket di assistenza delle prossime sei settimane. Siamo disposti a sbagliare qualche volta pur di non dover essere sempre statisticamente certi.<\/p>\n In un certo senso \u00e8 pi\u00f9 lento, ma sotto ogni altro aspetto \u00e8 pi\u00f9 veloce.<\/p>","protected":false},"excerpt":{"rendered":" Una posizione controversa su una pratica molto amata \u2014 spiegata in buona fede.<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-578","post","type-post","status-publish","format-standard","hentry","category-journal"],"yoast_head":"\nCosa facciamo invece<\/h2>\n