Quando si fa prospezione su LinkedIn, definire il giusto messaggio o sequenza di approccio è cruciale. Il A/B testing è un approccio “scientifico” per determinare il gancio ottimale per le tue campagne. Vi spieghiamo come procedere
Cos’è il A/B testing?
A/B testing è una tecnica abbastanza semplice, “scientifica” perché si basa su risultati quantificabili. Consiste nello sviluppare due messaggi diversi (messaggio “A” e messaggio “B”) e poi inviare questi 2 messaggi a un campione rappresentativo della tua base di potenziali clienti per determinare quale messaggio è più efficace. Una volta trovato il messaggio che funziona meglio, puoi usarlo sul resto della tua base di potenziali clienti.
Perché fare il A/B testing?
Nella prospezione è importante testare i migliori approcci, iterare le tecniche. Quando si fa prospezione su LinkedIn, la base di potenziali clienti è quasi infinita, quindi è probabile che si invii un volume molto grande di messaggi. In queste circostanze, una variazione piccola come il 5-10% nel tasso di risposta o di accettazione può essere enorme alla fine. È quindi importante fare un certo numero di test, ed essere rigorosi nel misurare le prestazioni prima di lanciarsi con tutto il cuore in una ricerca frenetica.
Come impostare il A/B testing con ProspectIn?
La regola assoluta del test A/B è il rigore. Le differenze tra gli approcci sono, il più delle volte, abbastanza sottili, e le differenze di performance tra gli approcci sono spesso (ma non sempre!) piccole. È quindi essenziale applicare un grande rigore nell’esecuzione di questi test in modo che possano essere significativi e avere un impatto positivo sulla tua prospezione.
Fase 1: Individuare ed esportare i tuoi potenziali clienti su ProspectIn
Affinché il test A/B sia significativo, un approccio deve essere legato a un segmento specifico di prospect (o persona). Se il mio messaggio A funziona molto bene per il mio segmento di clienti “manager delle vendite di lusso”, potrebbe non essere altrettanto efficace per il mio segmento di clienti “venditori freelance”. Quando impostiamo un test A/B, i 2 messaggi (messaggio “A” e messaggio “B”) sono quindi inviati allo stesso target. Guarda la nostra guida per fare una buona ricerca su LinkedIn! Ora che hai mirato ed esportato i tuoi potenziali clienti su ProspectIn, passiamo al passo successivo.
Passo 2: definire e distribuire i messaggi
Ancora una volta, perché il test A/B sia valido, è necessario inviare un numero minimo di messaggi, in generale, si consiglia un minimo di 100 messaggi, ma attenzione, questo è un MINIMO; più messaggi si inviano, più significativi saranno i risultati. È anche necessario che i due messaggi siano inviati lo stesso numero di volte. Prendiamo l’esempio del test A/B sulla richiesta di connessione, qui vogliamo misurare il tasso di accettazione delle nostre richieste di invito. Inizia definendo i tuoi 2 messaggi “A” e “B” in ProspectIn, nota che il messaggio associato alla richiesta di connessione (la “nota”) è limitato a 300 caratteri. Vi consigliamo il nostro articolo sulla differenza tra messaggio e connessione su LinkedIn! Una volta che i vostri 2 messaggi sono pronti, inviate semplicemente il vostro primo messaggio ai vostri primi 100 prospetti selezionando tutti i prospetti della 1a pagina cliccando una volta sul segno di spunta. 
Poi inviate il vostro 2° messaggio ai successivi 100 prospetti selezionando la 2a pagina. 
Le azioni sono ora in coda e verranno inviate gradualmente, a condizione che abbiate una scheda LinkedIn aperta. Dopo un massimo di 3 giorni (le quote limitano le richieste di connessione tra 80 e 100 richieste al giorno), tutte le vostre richieste saranno state inviate.
Passo 3: analizzare i risultati
Affinché i risultati siano validi, bisogna aspettare un minimo di 10 giorni. Infatti, è necessario dare il tempo ai tuoi potenziali clienti di connettersi a LinkedIn per vedere la tua richiesta di connessione, non tutti si connettono a LinkedIn ogni giorno? Una volta che questo periodo di attesa è finito, devi solo consultare i risultati forniti da ProspectIn per ciascuna delle note. 
Questi risultati ti permetteranno di determinare quale approccio funziona meglio in termini di tasso di accettazione. Nota che se hai un gran numero di prospettive da testare A/B, puoi iterare i tuoi test tutte le volte che vuoi.
A/B test sull’invio di messaggi
Abbiamo dato qui l’esempio di un A/B test su una richiesta di connessione, ma è anche possibile impostare A/B test sull’invio di messaggi. Il principio rimane esattamente lo stesso, la differenza è che sarà necessario essere già connessi con le prospettive, e che misureremo qui il tasso di risposta, e non il tasso di accettazione.
Mettiamolo alla prova!
Toinon
10/11/2025 
