Solo circa un terzo delle idee testate sulla piattaforma di sperimentazione di Microsoft ha migliorato la metrica che erano state progettate per migliorare, e Netflix ha stimato il proprio tasso di successo più vicino a uno su dieci (Kohavi e Longbotham, 2015Se la maggior parte del tuo backlog è errata, l'ordine in cui la testi determina in gran parte il ritorno sull'investimento. Questa guida è pensata per i responsabili CRO e i product owner che hanno già più idee di test che traffico. Valutiamo le stesse tre idee con i modelli ICE, PIE, PXL e RICE, spieghiamo perché i quattro ordini di classifica non concordano, forniamo una regola per scegliere tra di essi e aggiungiamo il criterio che manca a tutti e quattro: se un test può raggiungere la significatività statistica prima della fine del trimestre.
Su cosa punta effettivamente ciascun framework
Tutti e quattro producono un numero, e nessuno misura la stessa cosa. Ognuno è meno un sistema di punteggio e più un'opinione sintetica su cosa renda un test degno di essere eseguito.
| Contesto | ingressi | Formula | Origin | La scommessa che codifica |
|---|---|---|---|---|
| ICE | Impatto, Fiducia, Facilità, ciascuno da 1 a 10 | I × C × E | Sean Ellis, responsabile della crescita aziendale | Il giudizio basato sull'esperienza è il segnale più economico |
| PIE | Potenziale, Importanza, Facilità, ciascuno da 1 a 10 | Media dei tre | Chris Goward, WiderFunnel (ora Conversione) | Il luogo in cui si effettua il test è più importante di ciò che si modifica. |
| PXL | Circa 9 domande perlopiù binarie, alcune con punteggio 0 o 2 | Somma, su un massimo fisso | Peep Laja, CXL, 27 settembre 2016 | Le prove a sostegno di un'idea sono più importanti della fiducia in essa. |
| RISO | Portata (persone per periodo), Impatto (da 0.25 a 3), Affidabilità (50/80/100%), Impegno (mesi-persona) | (R × I × C) / E | Sean McBride, Intercom, 5 gennaio 2018 | Punteggio impatto per unità di lavoro |
Prima di adottare un framework, è necessario fare due precisazioni. PXL è nato come attacco agli altri framework CRO: la tesi di Laja è che se si potesse prevedere con precisione il potenziale o la fiducia in anticipo, non ci sarebbe bisogno di un test. Inoltre, la pagina ufficiale di PIE definisce i criteri, ma non pubblica né una scala né una formula, quindi ogni team ne inventa una propria. Il dominio widerfunnel.com ora reindirizza a conversion.com, pertanto il framework citato nella maggior parte delle presentazioni CRO non ha una specifica primaria aggiornata.
Lo stesso arretrato, valutato in quattro modi
Tre test candidati su un rivenditore di medie dimensioni. Le figure sono a scopo illustrativo e non rappresentano dati del cliente.
- A. Dettaglio delle rate (taksit) all'interno del blocco prezzi della pagina prodotto. 180,000 visualizzazioni mensili della pagina prodotto, supportate da analisi e ticket di feedback dei clienti.
- B. Rimuovere la creazione obbligatoria dell'account al momento del pagamento. 12,000 procedure di pagamento avviate al mese, supportate da sessioni di usabilità, registrazioni, analisi e contatti di assistenza.
- C. Riscrivere il titolo principale della homepage. 220,000 sessioni mensili sulla homepage, nessuna ricerca a supporto, proposta presentata in un workshop.
| Test | RISO | ICE | PIE | PXL (di 12) |
|---|---|---|---|---|
| A: dettaglio delle rate | 144,000 (1st) | 294 (2°) | 7.0 (2°) | 10 (1st) |
| B: nessun account forzato | 18,000 (3°) | 405 (1st) | 6.3 (3°) | 9 (2°) |
| C: titolo principale | 55,000 (2°) | 144 (3°) | 7.3 (1st) | 6 (3°) |
Ogni test risulta vincente in base ad almeno un framework. Il disaccordo risiede nel fatto che i framework svolgono il loro compito:
- Il riso mette la A al primo posto perché Reach è un semplice conteggio del personale. In qualsiasi funnel di vendita standard, le fasi di checkout e di gestione dell'account finiranno in secondo piano.
- ICE mette B al primo posto perché un professionista senior ottiene un punteggio di 9 nella creazione forzata dell'account, Fiducia 9 e ICE moltiplica l'opinione per l'opinione. Cambia il valutatore, cambia la roadmap.
- PIE mette la C al primo posto perché la homepage ha il traffico più prezioso e il testo è banale da pubblicare. PIE è stato creato per scegliere pagine; chiesto di classificare i cambiamentipremia le modifiche economiche ai modelli importanti.
- PXL mette C per ultimo perché C ottiene zero punti in tutte e quattro le domande sulle prove. È l'unico quadro di riferimento che penalizza strutturalmente un'intuizione invece di fidarsi dell'onestà del valutatore riguardo alla fiducia.
Quale utilizzare: scegli in base al vincolo di vincolo
| Vincolo di vincolo | Usa il | Perché |
|---|---|---|
| Nessun input di ricerca ancora, primi dieci test | ICE, con ancore scritte | Si basa esclusivamente sul giudizio. Tratta l'output come una coda, non come una classifica. |
| La squadra continua a mettere alla prova le opinioni e a perdere | PXL | È difficile gonfiare le questioni basate su prove binarie. |
| Capacità ingegneristica, non traffico | RISO | L'unico con un denominatore, quindi l'unico che ottimizza la produttività. |
| Scegliere la pagina o il modello su cui lavorare | PIE | Creato appositamente per rispondere a questa domanda. |
| Traffico | Nessuno da solo | Tutti e quattro non sanno se un test può essere completato. Aggiungi il cancello qui sotto. |
Mancano tutte e quattro le porte: questo test può essere completato?
La portata non è sinonimo di rilevabilità. Verificare la fattibilità prima di assegnare i punteggi, utilizzando l'approssimazione normale per un test a due code con un livello di significatività del 95% e una potenza dell'80%:
n per variant ≈ 15.7 × p × (1 - p) / d²
where p è il tasso di base della metrica che stai spostando e d è l'incremento assoluto che si desidera rilevare. Applicato al backlog sopra:
| Test | Metrica e linea di base | MDE | Per variante | Settimane |
|---|---|---|---|---|
| A | Visualizzatore PDP da acquistare, 2.0% | 5% relativo (0.1 pp) | ~ 307,700 | ~ 14 |
| A | Visualizzatore PDP da acquistare, 2.0% | 10% relativo (0.2 pp) | ~ 76,900 | ~4 |
| B | Procedi al pagamento, 55% | 5% relativo (2.75 pp) | ~ 5,140 | ~4 |
Il test RICE classificato al primo posto non può essere letto per un trimestre alla sensibilità che la maggior parte dei team presume, mentre il test RICE classificato all'ultimo posto termina in un mese. A si basa su una base del 2% e B su una base del 55%, e la dimensione del campione è determinata da p(1-p)/d², non in base a quante persone hanno visto la pagina. Diventa fattibile anche nel momento in cui dichiari che il 10% è il minimo incremento su cui vale la pena agire, il che rende il tuo effetto minimo rilevabile una decisione di prioritizzazione piuttosto che un dettaglio statistico. Decidilo nella stessa riunione in cui viene assegnato il punteggio e scegli un solo calcolatore per tutto, poiché le diverse approssimazioni della varianza non concordano esattamente: Di Evan Miller e Calcolatrice per test A/B Switas entrambi stanno bene.
Fasce di fattibilità
- Due settimane o meno. Verde. Segnalo e corri.
- Da due a quattro settimane. Ambra. Utilizzalo da solo, per almeno due cicli settimanali completi.
- Da quattro a otto settimane. Rosso per un test A/B standard. Aumenta l'MDE, passa a una metrica di base più elevata o utilizza un disegno sequenziale con una regola di arresto preregistrata.
- Nell'arco di otto settimane. Non effettuare test A/B. Rilascia il prodotto basandoti su valutazioni soggettive e parametri di riferimento, oppure conduci uno studio qualitativo.
Questo gate è più importante qui di quanto presupponga la letteratura CRO in lingua inglese. Il volume dell'e-commerce in Turchia ha raggiunto 4.567 trilioni di lire in circa 634,000 imprese nel 2025 (Ministero del Commercio, 12 maggio 2026), una media di circa 7.2 milioni di lire per azienda all'anno, e la distribuzione è sbilanciata verso una manciata di marketplace, quindi il commerciante medio si trova ben al di sotto di questa cifra. Un sito che gestisce poche centinaia di ordini al mese non può permettersi un test di checkout su un marketplace di rilievo. Per questi siti, il risultato onesto della definizione delle priorità è una tabella di marcia per la ricerca e la misurazione, non una tabella di marcia per i test.
Dare un significato ai punteggi
- Scrivi gli ancoraggi prima di assegnare il punteggio. Il livello di impatto 3 nel modello RICE deve avere un significato preciso nella vostra valuta, ad esempio "aumenta la conversione degli acquisti di oltre il 5% in termini relativi". Senza punti di riferimento, i punteggi possono variare notevolmente anche all'interno di una singola sessione.
- Livello di fiducia massimo per livello di evidenza. Nessuna ricerca è limitata al 50%, solo analisi all'80%, analisi più qualitativa più una precedente vittoria correlata al 100%. Questo importa la disciplina di PXL in RICE.
- Assegnare i punteggi alla cieca, confrontando prima le differenze più ampie. La valutazione indipendente da parte di tre persone, seguita dalla discussione solo degli elementi che differiscono di tre punti o più, richiede circa quaranta minuti per trenta elementi.
- Registrazione del punteggio previsto rispetto al risultato effettivo. Dopo dieci rilevazioni, verifica se i punteggi di impatto sono correlati agli effetti osservati. In caso contrario, la scala è puramente estetica e dovresti passare a PXL.
- Non confrontare mai i punteggi tra sistemi di valutazione diversi. Un punteggio RICE di 144,000 e un punteggio PXL di 10 non sono correlati.
Dove questo si interrompe
Questi framework classificano le idee, non le migliorano. Un'ipotesi debole che ottiene un punteggio di 11 su 12 su PXL rimane comunque debole, e nessun modello ti dirà che il vero problema si trova a monte della pagina che stai testando. Limiti specifici:
- L'impegno è il parametro meno affidabile e nessuno lo rivaluta. Il denominatore del metodo RICE è il numero che con maggiore probabilità è errato di un fattore due, e questo influenza la classifica più di un punteggio di impatto errato.
- Nessuna delle interazioni tra i quattro modelli. Eseguire tre test contemporaneamente su un singolo imbuto e i punteggi non fornivano alcuna informazione sulle interferenze.
- Raggiungi un numero di persone al mese per le pause delle attività stagionali. Viaggi e istruzione dovrebbero essere valutati da Reach su un intero ciclo stagionale, oppure rispetto allo stesso periodo dell'anno precedente.
- Le dipendenze sono invisibili. Un punteggio condiviso tra un backlog di test e una roadmap di prodotto favorisce la parte che ha più traffico.
[DATI INTERNI NECESSARI: Tasso di successo di Switas per pilastro negli ultimi 24 mesi, per sostituire i dati di settore con cifre di prima parte.]
[DATI INTERNI NECESSARI: un elenco clienti anonimizzato e valutato secondo due modelli, in sostituzione dell'esempio illustrativo.]
Domande frequenti
Il metodo RICE è migliore di ICE per le analisi CRO?
Non necessariamente. RICE aggiunge Reach e mette Effort al denominatore, il che è utile quando la capacità di distribuzione è il collo di bottiglia, ma favorisce le pagine ad alto traffico. Usa RICE quando il tempo degli ingegneri è limitato, ICE quando non lo è.
Qual è il punteggio sufficientemente alto per poter eseguire il test?
Nessuno dei quattro ha una soglia assoluta. I punteggi sono ordinali: indicano cosa fare dopo, non se vale la pena fare qualcosa. Il criterio assoluto è la fattibilità. Se un test non riesce a raggiungere la significatività statistica in otto settimane, il suo punteggio è irrilevante.
Possiamo combinare due modelli?
Combinare gli output non ha senso perché le scale non sono correlate. Combinare gli input, invece, non lo ha. Limitare il livello di fiducia di RICE con le domande di PXL relative alle evidenze è un ibrido ben riuscito ed è quello che utilizziamo più spesso.
PXL funziona anche per siti non di e-commerce?
Le domande relative alle prove si applicano a qualsiasi prodotto. Le domande sul layout presuppongono una pagina di marketing e sono inadeguate per i flussi di utenti registrati. Sostituiscile con domande sulla frequenza con cui gli utenti incontrano l'elemento nel flusso di attività.
I siti web con poco traffico dovrebbero utilizzare questi framework?
Sì, per la pianificazione delle attività, ma smettiamola di chiamare il risultato "roadmap dei test". Su un sito che non può eseguire test, lo stesso procedimento ordina i risultati dell'audit UX, le domande di ricerca e il lavoro di sviluppo.
Chi dovrebbe partecipare alla sessione di valutazione?
Da tre a cinque persone che vedono prove diverse: analisi, ricerca o supporto, e chiunque sia responsabile dell'implementazione. Valutare da soli produce risultati privi di senso; valutare con dieci persone produce medie che non portano a nessuna classifica.
Prova a farlo sul tuo backlog
Prendi i dieci elementi in cima alla tua lista di test, applica a ciascuno la formula di fattibilità di cui sopra e conta quanti sopravvivono alla sensibilità che hai ipotizzato. Se più della metà non sopravvive, il problema non è mai stato la classificazione. CRO e team di sperimentazione esegue questa fase di valutazione e fattibilità come primo passo di un incarico.
fonti
- Kohavi, R. e Longbotham, R. (2015). Esperimenti controllati online e test A/BCita Kohavi, Crook e Longbotham (2009) per la cifra relativa a Microsoft e Moran (2007) per quella relativa a Netflix.
- McBride, S. (5 gennaio 2018). RICE: Un sistema semplice per la definizione delle priorità per i product manager, Interfono.
- Laja, P. (27 settembre 2016). PXL: Un modo migliore per dare priorità ai test A/B, CXL.
- Quadro di riferimento per la definizione delle priorità PIEConversion (precedentemente WiderFunnel), con il contributo di Chris Goward.
- Ministero del Commercio turco (12 maggio 2026). Nel 2025 il volume del commercio elettronico ha raggiunto i 4.6 trilioni di lire..
- Miller, E. Calcolatore della dimensione del campione.
- Switas. Calcolatrice test A/B.
