Come i Dropshipper Fanno A/B Test sulle Landing Page con il Traffico Ads e Regole ROAS per Variante

La landing page di un dropshipper è il punto dove la spesa pubblicitaria converte oppure muore, eppure la maggior parte dei dropshipper sceglie una pagina a istinto e ci manda tutto il traffico finché i risultati non deludono. La strada più disciplinata è fare un A/B test delle landing page con uno split del traffico ads — distribuire lo stesso budget a due varianti, tracciare le performance per variante con i parametri UTM e lasciare che una regola ROAS tagli la pagina perdente prima che il budget di test venga sprecato. Questa guida ripercorre il workflow esatto: setup degli UTM, struttura dello split di traffico e la regola per variante che chiude il test automaticamente.

Perché la maggior parte dei test sulle landing page produce risultati inconcludenti

Gli A/B test sulle landing page falliscono in uno di tre modi: il test dichiara un vincitore troppo presto, lo split del traffico è incontrollato, oppure il test non produce mai un risultato definitivo perché non è mai stata definita nessuna condizione per dichiarare un vincitore.

Il fallimento del "troppo presto" è il più comune. Un dropshipper vede la Variante A convertire al 4% mentre la Variante B converte al 2,5% dopo 48 ore e dichiara A vincitrice — ma al momento di quella dichiarazione, ogni variante potrebbe aver ricevuto meno di 20 visitatori. Una differenza di tre conversioni non è un dato statisticamente significativo; è rumore. Il test sarebbe dovuto durare almeno il doppio.

Lo split di traffico incontrollato è il secondo problema. Se entrambe le varianti girano nello stesso ad set con gli URL ruotati dalla rotazione creativa della piattaforma, la piattaforma ottimizzerà verso la creatività o il posizionamento che prevede performeranno meglio — cosa che può non avere nulla a che fare con la landing page. Il test confonde l'ottimizzazione di piattaforma con la performance della pagina. Un test sulle landing page fatto bene richiede due ad set separati con targeting identico e uno split di budget manuale 50/50, così che l'unica variabile tra i due pubblici sia l'URL di destinazione.

Il terzo problema è che la maggior parte dei dropshipper non imposta mai un criterio chiaro di "vincitore". Senza una soglia di ROAS o di tasso di conversione predefinita e un numero minimo di eventi, il test gira finché il dropshipper non si stanca e prende una decisione a sensazione — il che vanifica lo scopo stesso di fare un test.

Questo si collega direttamente al rigore statistico trattato nella guida all'A/B test su Facebook Ads — la meccanica della significatività si applica ai test sulle landing page esattamente come si applica ai test sulle creatività.

Step 1: Imposta le varianti della landing page

Il test presuppone che esistano già due landing page — due versioni diverse della pagina prodotto con una singola variabile cambiata. Le variabili testate più di frequente sono:

• Lunghezza della pagina: Long-form (storia completa del prodotto, più testimonianze, FAQ) contro short-form (immagine hero, prezzo, pulsante d'acquisto, tre bullet point)
• Angolo dell'headline: Orientato al beneficio ("Elimina il mal di schiena in 5 giorni") contro orientato alla feature ("Sistema di supporto lombare ergonomico")
• Posizionamento della riprova sociale: Recensioni above the fold contro recensioni sotto la sezione prezzi
• Framing dell'offerta: Prezzo standard contro framing di urgenza tipo "offerta limitata"

Le due pagine devono differire per esattamente una variabile. Se la pagina long-form ha anche un'headline diversa e un posizionamento diverso della riprova sociale, il test non può attribuire le differenze di performance a nessun singolo elemento. Scegli una variabile, cambiala in modo coerente tra le due varianti, mantieni tutto il resto identico.

Isolare una singola variabile è ciò che rende il risultato riutilizzabile. HubSpot ha riportato nel 2024 che i marketer che eseguono esperimenti strutturati a variabile singola sulle landing page ottenevano miglioramenti di conversione circa il doppio delle volte rispetto a chi cambiava più elementi insieme — perché un cambiamento multi-variabile ti dice che qualcosa si è mosso senza dirti cosa ripetere sul prodotto successivo.

Setup dei parametri UTM per ogni variante:

• Variante A: ?utm_source=meta&utm_medium=paid&utm_campaign=[codice-prodotto]&utm_content=lp-variant-a
• Variante B: ?utm_source=meta&utm_medium=paid&utm_campaign=[codice-prodotto]&utm_content=lp-variant-b

Il valore utm_content è l'unica differenza. Tutto ciò che sta a monte della pagina — la campagna, il targeting, la creatività — è identico tra le varianti. L'UTM builder di Wevion genera queste stringhe di parametri e garantisce la coerenza; la guida al tracking UTM copre l'intero sistema di tagging per chi parte da zero.

Step 2: Struttura correttamente lo split del traffico

Lo split del traffico richiede due ad set separati all'interno della stessa campagna. Non è opzionale — è il requisito strutturale per controllare il test.

Setup della campagna:

• Campagna: Ottimizzazione del budget a livello di campagna, convenzione di naming: [codice-prodotto]-lp-abtest-[data]
• Ad Set A: Targeting identico all'Ad Set B. Un'inserzione per set, che punta all'URL della Variante A. Budget: 50% del budget giornaliero totale del test.
• Ad Set B: Targeting identico all'Ad Set A. Un'inserzione per set, che punta all'URL della Variante B. Budget: 50% del budget giornaliero totale del test.

Cruciale: imposta il budget manualmente a livello di ad set, non con la budget optimization di campagna su entrambi. Se la CBO è attiva, Meta indirizzerà il budget verso l'ad set che prevede performerà meglio, e questo distorcerà il test prima che ci siano abbastanza dati per fidarsi di quella previsione. Un 50/50 manuale a livello di ad set mantiene lo split sotto controllo.

Secondo il report 2023 di Shopify sull'ottimizzazione del tasso di conversione, il lift mediano della variante vincente in un A/B test su landing page, tra i merchant e-commerce che hanno strutturato correttamente i propri test, è stato del 18%, mentre i merchant che eseguivano test informali (nessuno split controllato, nessuna soglia di significatività) non trovavano alcun lift coerente nelle campagne successive — i risultati del test informale semplicemente non reggevano. La struttura determina se il test è informazione o rumore.

Step 3: Imposta le regole ROAS per variante

La regola ROAS è il layer di automazione che chiude il test in modo pulito, invece di lasciarlo andare alla deriva. Prima di lanciare il test, il dropshipper imposta una regola per ogni ad set.

Regola: floor ROAS della variante

• Condizione: ROAS dell'ad set < [ROAS di break-even] dopo spesa ≥ [50% del budget di test pianificato per variante]
• Azione: Segnala per revisione (non pausa automatica, perché il ROAS iniziale può essere volatile ed entrambe le varianti potrebbero scendere brevemente sotto il break-even durante la fase di apprendimento dell'algoritmo)
• Notifica: Alert Telegram che indica la variante, il ROAS attuale e la spesa

Regola: segnale di variante vincente per ROAS

• Condizione: ROAS dell'ad set ≥ [ROAS target × 1,5] E ROAS dell'altro ad set ≤ [ROAS di break-even] dopo spesa ≥ [75% del budget di test pianificato per variante]
• Azione: Metti in pausa la variante perdente, segnala per revisione di scaling la variante vincente
• Notifica: Alert Telegram: "Vincitore test LP confermato: Variante A. ROAS [X] vs ROAS Variante B [Y]. Suggerito scalare A."

Queste regole gestiscono i due esiti che contano: un perdente chiaro già in fase iniziale (una variante che scende sotto il break-even mentre l'altra tiene) e un vincitore confermato (una variante che sovraperforma in modo significativo dopo abbastanza spesa). Entrambi vengono segnalati o gestiti da una regola, anziché aspettare il prossimo controllo manuale del dropshipper.

La guida all'automazione dei tetti di spesa spiega come l'attribuzione UTM si collega al motore delle regole — la regola legge dai dati di performance segmentati per UTM, quindi l'attribuzione deve essere corretta perché la regola valuti i numeri giusti.

Step 4: Leggi i risultati a 72 ore

A 72 ore, il dropshipper controlla il riepilogo del test. La vista mostra le performance di entrambi gli ad set — impressions, click, conversioni, ROAS — filtrabili per il parametro utm_content, così che l'attribuzione sia pulita: ogni conversione attribuita a lp-variant-a è passata dall'URL della Variante A, e ogni conversione attribuita a lp-variant-b è passata dall'URL della Variante B.

Il framework di decisione a 72 ore:

• Se una variante ha un ROAS ≥ 1,5× l'altra ed entrambe hanno ≥ 25 conversioni: Dichiara il vincitore. Metti in pausa il perdente. Indirizza tutto il budget al vincitore.
• Se la differenza è inferiore a 1,5× o il conteggio degli eventi è sotto 25: Estendi il test di altre 48 ore. Non dichiarare un vincitore su dati insufficienti.
• Se entrambe le varianti sono sotto il ROAS di break-even dopo 72 ore: Il problema potrebbe non essere la landing page — potrebbe essere l'offerta di prodotto, la creatività o il targeting. Ferma il test, diagnostica il funnel.

Step 5: Lancia il vincitore e costruisci una libreria di pagine

Una volta confermato un vincitore, l'URL migra nella campagna di produzione. La campagna di test si chiude. Il dropshipper registra il risultato — quale variante ha vinto, con quale margine, quale variabile è stata testata — in una libreria di pagine che traccia i risultati accumulati dal team prodotto su ogni run di test.

Con il tempo, la libreria di pagine diventa un insieme di principi strutturali comprovati. Se il long-form supera costantemente lo short-form su tre test di prodotto separati, è un risultato strutturale che vale la pena applicare come default a ogni nuova pagina prodotto. Se le headline orientate al beneficio vincono su una categoria di prodotto ma quelle orientate alla feature vincono su un'altra, la libreria cattura quella sfumatura. La sequenza di lancio prodotto per dropshipper si costruisce su questa libreria — ogni nuovo lancio di prodotto parte dalla struttura di pagina vincente anziché da un'ipotesi nuova di zecca.

È questo l'effetto cumulativo del testing strutturato: ogni test aggiunge qualcosa alla libreria, e la libreria rende il test successivo più probabile a produrre un vincitore più in fretta, perché il punto di partenza di default è il pattern strutturale che ha già funzionato.

Prezzi e setup

Il tagging UTM, il motore delle regole e l'attribuzione delle performance sono nel piano Starter a 99 €/mese, insieme a Free a 0 €, Pro a 499 €, Plus a 1.499 €/mese (1.199 € annuale) ed Enterprise. Una prova gratuita di 14 giorni accanto al piano free permanente dà a un dropshipper il tempo sufficiente per eseguire un test completo da 72 ore su una landing page, vedere le regole ROAS in azione e confermare un vincitore a partire da dati di conversione reali.

Il setup iniziale — creare due ad set, taggare gli URL e impostare le regole per variante — richiede meno di un'ora per un dropshipper che ha già fatto il setup del test una volta. Ogni test successivo sulla landing page di un prodotto riusa la stessa struttura, cambiando solo gli URL e le economics specifiche del prodotto. È questo il compounding operativo che il framework di test produce: non solo un vincitore al primo test, ma un percorso più rapido ed economico verso il vincitore in ogni test che segue.

Questa guida fa parte del nostro hub sulla lead generation — esplora l'intero cluster per altri playbook su landing page e traffico.