De complete gids voor A/B Testen

Alles wat je nodig hebt om te beginnen!

Introductie

Conversie optimalisatie en A/B testen zijn twee manieren voor bedrijven om hun winst te verhogen. De belofte is simpel: genereer meer omzet met de dezelfde hoeveelheid websiteverkeer. Begin eerst met alles uit je huidige websiteverkeer te halen, in plaats van te investeren in dure acquisitiemethodes en complexe traffic sources!

AB Testing on Amazon

Bij Amazon maken ze veel gebruik van A/B testen om zo constant de UX te verbeteren en conversieratio te verhogen.

Verrassend genoeg blijft het gemiddelde conversieratio voor e-commercewebsites hangen tussen de 1% en 3%. Dit komt doordat conversie een ingewikkeld mechanisme dat afhankelijk is van een aantal factoren: de kwaliteit van het websiteverkeer, gebruikerservaring, kwaliteit van het aanbod, reputatie van de website en hoe groot de concurrentie is.

E-commerce professionals richten zich standaard op het beperken van de negatieve impact op de customer journey die veroorzaakt kan worden door de interactie van bovengenoemde elementen. Om dit voor elkaar te krijgen bestaan er verschillende tools, waaronder A/B testen: een discipline waarbij aan je de hand van data wordt geholpen om de beste beslissingen te maken. 

Wat is A/B testen?

Kort gezegd houdt A/B testen in dat je twee versies van dezelfde webpagina of applicatie met elkaar vergelijkt om te zien welke het beste presteert. Deze variaties, genaamd A en B, worden willekeurig laten zien aan je websitegebruikers. Het ene deel van je traffic krijgt de A-variant te zien, en het andere deel de B-variant. Vervolgens wordt er aan de hand van een statistische analyse van de resultaten vastgesteld welke versie (A of B) beter heeft gepresteerd, gebaseerd op vooraf ingestelde indicatoren zoals conversieratio.

A/B Testing Definition

Een A/B test bestaat uit het vergelijken van twee of meerdere versies van een webpagina.

Met andere woorden, je kunt vaststellen welke versie de meeste kliks, aanmeldingen, aankopen, etc. heeft gekregen om op basis daarvan een optimale marketingstrategie te creëren.

Het begin van A/B testen

A/B testen was oorspronkelijk een manier om twee versies te vergelijken om zo te bepalen welke het meest efficiënt is. Een methode die al bestond voordat het internet was uitgevonden.

Ronald Fisher, een Britse bioloog en statisticus, was de eerste persoon die dit idee presenteerde aan de hand van wiskunde rond 1920. Dit process maakte het mogelijk om twee verschillende ervaringen wetenschappelijk te analyseren. Het werk van Fisher was daarmee een grote vooruitgang in de wetenschappelijke wereld. Enkele jaren laten werd het principe van A/B testen geïntroduceerd in de medische wereld voor het testen van medicijnen.

Het was dan ook pas in de jaren 60 dat het concept werd opgepakt door marketeers. Waarnaast A/B testen zoals we het kennen vandaag de dag pas bestaat vanaf 1990. Sindsdien werd het al snel een standaard begrip voor direct-marketingspecialisten om verschillende uitingen te testen onder een groep consumenten, om zo te bepalen welke het meest effectief zou zijn.

Ontwikkelingen in de digitale technologie zorgden daar voor een breder perspectief, door de grotere inzetbaarheid en verschillende testmogelijkheden. Toegepast op een website kun je A/B testen gebruiken om een bijna ongelimiteerd aantal paginaversies te testen en te meten hoe deze presteren aan de hand van indicatoren, zoals gebruikersnavigatie en aankoopgedrag. Technologische verbeteringen hebben er tevens voor gezorgd dat er toegewijde testoplossingen zijn ontwikkeld die de implementatie van dit soort experimenten en de analyses ervan faciliteren.

Welk type website is relevant voor A/B testen?

Iedere website kan voordeel behalen uit A/B testen, aangezien ze allemaal een 'reden van bestaan' hebben die gekwantificeerd kan worden. Het maakt dan ook niet uit of je een online winkel, nieuwssite of een website voor leadgeneratie hebt, je wilt je conversieratio verbeteren, welke type conversie het dan ook mag zijn.

Leads

Met de term “leads” wordt verwezen naar potentiële klanten. Erg relevant voor A/B testen wanneer er e-mails worden verzonden om de verkoop een boost te geven. Hierbij zal een A/B test dan gebruik maken van de achtergrondinformatie van een contact, zoals geslacht of leeftijdscategorie.

Media

Binnen de context van media is het relevanter om te spreken over ‘editorial A/B testing’. Bij bedrijven die nauw samenwerken met de pers wordt voornamelijk het succes van een bepaald onderwerp onderzocht met A/B testen: bijvoorbeeld om te zien hoe goed het aansluit op de doelgroep.

E-commerce

Het doel van A/B testen binnen een e-commerce context is te meten hoe goed een website of commerciële app zijn producten verkoopt. Een A/B testn gebruikt het aantal gemaakte verkopen om vast te stellen welke versie het best presteert. Het is bovendien belangrijk om te kijken naar de homepagina en de configuratie van de productpagina, maar tevens naar alle visuele elementen die invloed hebben op het proces tot een aankoop (CTA's).

Welk type A/B test werkt het best?

Er zijn verschillende soorten A/B testen, dus moet je per situatie bekijken welke de meest relevante resultaten kan opleveren.

  • Klassieke A/B test: laat gebruikers op je website twee variaties zien van een webpagina met dezelfde URL, om te zien welke versie of variatie op hetzelfde element het best presteert.
  • Split test: stuurt je websiteverkeer naar een of meerdere verschillende URL's. Dit kan effectief werken als je nieuwe pagina's wilt gaan lanceren.
  • Multivariate test: meet de impact van meerdere aanpassingen op dezelfde webpagina. Bijvoorbeeld, je kunt veranderingen aanbrengen aan de banner, kleur, tekst, presentatie, etc.

In termen van technologie kun je:

  • A/B testen op websites. A/B testen op websites maakt het mogelijk om een versie A en B van een webpagina te vergelijken. Vervolgens kunnen de resultaten worden geanalyseerd aan de hand van vooraf opgestelde doelen, zoals kliks, aankopen, aanmeldingen, etc.
  • A/B testen voor native mobiele iPhone of Android applicaties. A/B testen is complexer met applicaties, aangezien het niet mogelijk is om twee variaties te laten zien nadat een applicatie is gedownload en geïnstalleerd op een smartphone. is more complex with applications. Verschillende tools zijn daarom beschikbaar om te zorgen dat je je app kan blijven updaten. Hierdoor kun je gemakkelijk modificaties aanbrengen aan het design, om direct de impact van deze aanpassingen te analyseren.
  • Server-side A/B testen via API's. Een API is een programming interface dat zorgt voor een verbinding met een applicatie om data uit te wisselen. Door API's kun je automatisch campagnes of variaties creëren met opgeslagen data.

A/B testing Examples

Het is mogelijk om op meerdere apparaten te testen met oplossingen zoals AB Tasty.

A/B testen en conversie optimalisatie

A/B testen zijn enorm handig voor het bereiken van een bredere CRO-strategie, maar is niet op zichzelf al voldoende. Met een A/B testoplossing kun je bepaalde hypotheses statistisch valideren, maar enkel met deze tool kun je geen vooruitstrevende inzichten verkrijgen van het gebruikersgedrag. Toch is het begrijpen van gebruikersgedrag essentieel om de problemen met je conversie te achterhalen. Het is daarom nodig om je A/B testen te verrijken met informatie verkregen door andere tools, om zo meer inzicht te krijgen in je gebruikers en testhypotheses op te stellen.

Er zijn vele informatiebronnen die je kunt gebruiken voor een breder beeld:

  • Webanalytics data: Alhoewel deze data geen toelichting geeft over het gedrag van je gebruikers, kan het wel conversieproblemen naar voren brengen (verlating van winkelmandje). Ook kan het je laten zien welke pagina's als eerste moeten worden getest.
  • Ergonomische evaluatie: Met deze analyses kun je op een relatief goedkope manier inzicht verkrijgen in de gebruikerservaring (UX) van je website.
  • User test: Ondanks de beperkingen in de grootte van de steekproef, kan kwalitatieve data een oneindige hoeveelheid aan informatie blootleggen die niet beschikbaar zou zijn met kwantitatieve methodes.
  • Heatmaps en session recording: Deze tools bieden zicht op hoe je gebruikers navigeren met de elementen op een pagina of tussen pagina's.
  • Client feedback: Bedrijven verzamelen grote aantallen feedback van hun klanten. De analyse daarvan kan worden uitgevoerd door tools zoals klanttevredenheidenquêtes of live chats.

Aanbevolen tools voor conversie optimalisatie:

Web Analytics

Google AnalyticsPiwikAdobe Analytics AT Internet

Heatmaps

Crazyegg Clicky Clicktale

Session Recording

Mouseflow   Session Cam

Live Chat

User Tests

 Usability Hub

User Feedback

   

Hoe kom je met ideeën voor A/B testen?

A/B tests moeten gecomplementeerd worden met aanvullende informatie om conversieproblemen te identificeren en gebruikersgedrag te begrijpen. Deze analytische fase is cruciaal en zal je helpen om "sterke" hypotheses te kunnen stellen, waarbij bovengenoemde tools zullen helpen. Een correct geformuleerde hypothese is de eerste stap naar een succesvol A/B testprogramma en moet de volgende regels in acht nemen.

Hypotheses moeten:

  • gelinkt worden aan een specifiek probleem met identificeerbare oorzaken
  • een mogelijke oplossing voor het probleem benoemen
  • een indicatie geven van het verwachte resultaat, direct gelinkt aan een te meten KPI

Bijvoorbeeld, wanneer het geïdentificeerde probleem een hoge abandon rate betreft door een te lang aanmeldingsformulier, dan kan de hypthese als volgt worden geformuleerd:  "Het inkorten van het formulier door het verwijderen van optionele velden zal het aantal verzamelde contacten verhogen."

A/B Testing Tools

Gebruik alle beschikbare tools om de obstakels van je gebruikers te vinden.

Welke elementen van een website moeten worden getest?

Wat moet op je testen op je website? Deze blijft vraag blijft steeds weer terugkomen, aangezien bedrijven vaak geen idee hebben hoe ze hun conversieratio moeten uitleggen. Wanneer een bedrijf zeker zou weten dat zijn gebruikers problemen hebben met het product, dan zou het testen van de locatie, kleur of winkelmand button zinloos zijn. Daarentegen zouden ze beter verschillende formuleringen kunnen testen. Elke situatie is anders. Vandaar dat we een tabel hebben opgesteld waarmee je eenvoudig kunt identificeren welke elementen je als eerste moet testen:

Titels en koppen

Je kunt beginnen met het veranderen van de titel of inhoud van je artikels om bezoekers te krijgen. Bij een formulier kan het aanpassen van de kleur of letterype ook al zorgen voor een verbetering.

Call-to-Action

De CTA is een enorm belangrijke knop. De kleur, vormgeving, positie en woordkeuze kunnen dan ook een doorslaggevende impact hebben op je conversieratio.

Buttons

Andere knoppen kunnen ook een cruciale rol spelen. Zorg dus dat je ook hier aanpassingen doet aan de grootte, vorm en kleur om zoveel mogelijk bezoekers te trekkenn.

Afbeelding

Afbeeldingen zijn even belangrijk als de tekst op een webpagina. Daarom is het verstandig om verschillende afbeeldingen uit te proberen. Bijvoorbeeld wanneer je een e-commerce website beheert, test of productafbeeldingen met of zonder model beter werken. Speel daarnaast met de grootte en opmaak van de afbeelding.

Paginastructuur

De structuur van je pagina's moet uitzonderlijk goed worden ingericht. Je kunt daarvoor gebruik maken van een carousel, vaststaande afbeeldingen kiezen, de banner veranderen, een aantal hoofdproducten laten zien op de voorpagina, etc...

Algoritmes

Gebruik verschillende algoritmes om je bezoekers te transformeren naar klanten of om de waarde van hun winkelmandje te verhogen: vergelijkbare artikelen, veelgezochte producten... Je kunt suggesties geven aan potentiële klanten of mogelijke interesses aanspreken.

Business Model

Denk na over je plan van aanpak om extra winst te genereren. Bijvoorbeeld, wanneer je specifieke merchandise verkoopt, probeer dan extra producten of complementaire services toe te voegen.

Formulieren

Het is belangrijk om een duidelijk en beknopt formulier te creëren. Je kunt proberen om de titel van de velden aan te passen, optionele velden weg te halen, de volgorde te veranderen, de opmaak aan te passen, etc.

Prijsstelling

A/B testen op de prijsstelling is lastig, aangezien je niet hetzelfde product of dienst voor een  verschillende prijs kunt verkopen. Het vraagt dus om wat inventiviteit als je hiermee je conversie wilt testen. Je kunt bij een dienst bijvoorbeeld een goedkopere optie aanbieden met minder mogelijkheden. Bij producten kun je denken aan een andere kleur, vorm of materiaal.

Navigatie

Je kunt verschillende paginaverbindingen testen door het aanbieden van meerdere conversiefunnels in één of meerdere delen. Bijvoorbeeld door de betaalmethode en leveringsinformatie op een pagina te voegen, of juist opsplitsen op twee pagina's.

Hoe implementeer je een A/B test?

Bedenk een rigoreuze en noodzakelijke testmethode om resultaat te krijgen van je A/B tests. Hieronder staan de stappen voor het implementeren van je A/B tests.

1. Implementeer een projectteam

Het succes van je tests hangt niet alleen af van de A/B testtool, maar grotendeels juist van hen die de conversie optimalisatie leiden. Het is daarom belangrijk om een team van verschillende talenten samen te stellen die in staat zijn om data te analyseren, problemen met conversie te identificeren en het zichzelf kunnen voorstellen hoe de ervaring voor eindgebruikers is. Ook een projectmanager is erg handig, om de teams te coördineren en de roadmap van de tests waarborgen.

2. Prioriteer de testvolgorde

Je hebt verschillende methodes gebruikt voor het vaststellen van de conversieproblemen en hebt verschillende testhypotheses geformuleerd. Dan is nu het moment om de vervolgstappen op te stellen in een roadmap, het A/B testprogramma te formaliseren en klaar te stomen voor de testimplementatie. Verschillende criteria helpen je om de hypotheses te prioriteren:

  • Begroot de opbrengsten. Om dit te doen moet je het potentieel van je oplossingen analyseren. Wat is de geschatte opbrengst? Hoe groot is de kans op een verhoging van je conversie ratio? Door je data te onderzoeken, kun je snel de pagina's met een sterk potentieel op herconversie identificeren (high exit rate, limited connection time, etc.)
  • Data paginavolume. Tevens is het belangrijk om pagina's met het meeste verkeer voorop te stellen. Als je een klein aantal bezoekers hebt, dan i de impact van je A/B test moeilijk te observeren. Daarbij heeft het de voorkeur om slechts één verandering per keer te testen in plaats van te veel aanpassingen tegelijk.
  • Gemak van implementatie. Om je tests te prioriteren moet je tevens vaststellen hoe eenvoudig je elk van de opgestelde hypotheses kunt testen. Hoe makkelijker een oplossing is (kleine grafische aanpassingen, geen technische kennis nodig, etc.), des te minder bronnen je nodig hebt.

3. Implementeer tests

De manier waarop je een test op zet hangt af van het type A/B testoplossing  dat je gebruikt en de werkwijze die je gewoonlijk aanhoudt. Sommige A/B testtools zijn nogal ingewikkeld in te zetten en vereisen technische hulp voor het direct modificeren van de broncode van een pagina. Andere tools geven de mogelijkheid om te testen zonder technische kennis. Hierbij maakt de gebruiker aanpassingen op de webpagina's via de WYSIWYG (What You See Is What You Get)-editor.

Bedrijven hebben bij het opstarten van de tests twee opties: of het bedrijf beheert zelf de hele test van A tot Z, of ze besteden het uit aan een externe provider die naast de ondersteunende service ook het design en de tekstuele elementen ontwerpt met een door hen gekozen testtool.

De keuze voor een A/B testoplossing en de werkmethode hangen af van de volwassenheid van een bedrijf en zijn middelen. Elk geval is anders en de tools moeten zich dus kunnen meebuigen met de behoeften en beperkingen. Een complexe tool is zinloos wanneer de gebruiker autonoom wilt werken. Maar het kiezen van een te simpele tool kan juist weer zorgen voor limiteringen in de groei.

4. Analyseer  de testresultaten

Bekijk het onderdeel gericht aan dit onderwerp. Hier wordt uitleg gegeven over betrouwbaarheid en statistische methodes, samen met best practices voor het interpreteren van data.

5. Documenteer de tests

Het is essentieel om je tests te documenteren en archiveren om efficiënt informatie te delen met hen die zich richten op conversie optimalisatie. Het documenteren van een test betekent het bijhouden van een uitgewerkt pad na elke test met de volgende informatie:

  • Testnaam
  • Testperiode
  • Hypotheses getest
  • Beschrijving van de geïmplementeerde variaties (met screenshots)
  • Resultaten en informatie verkregen van de tests
  • Potentiële opbrengsten

6. Implementeer de best presterende versie

Wanneer een variatie duidelijk beter presteert dan het origineel, is het tijd om de "winnende" versie in productie te zetten. Afhankelijk van het bedrijf kan deze implementatie lang duren. Om te zorgen dat er geen verlies in opbrengsten wordt gemaakt, zorgen A/B testoplossingen ervoor dat je 100% van je traffic naar de beste versie kunt sturen in de tijd de nieuwe pagina wordt geproduceerd.

Verder is het van belang dat de positieve resultaten ook na de testperiode op de lange termijn blijven bestaan. Een aantal externe factoren kunnen namelijk ook invloed hebben gehad op de verbeterde resultaten tijdens een test. Bijvoorbeeld tijdens de feestdagen aan het eind van het jaar zal het websiteverkeer stijgen en de behoefte om te kopen groeien, waardoor automatisch de conversie zal verbeteren. Wanneer een testvariatie het origineel overstijgt met 10% tijdens de feestdagen, zal de prestatie lang niet zo hoog zijn buiten deze periode.

7. Distributeer testresultaten

Het is belangrijk om te communiceren over wat er van de uitgevoerde tests is geleerd, voornamelijk naar managers toe. De belangrijkste inzichten verkregen, die tevens invloed hebben op andere activiteiten, moeten zeker worden gedeeld met andere afdelingen (sales, marketing, communicatie, etc.). Ten slotte, als de A/B testtool zorgt voor een positief verschil in de opbrengsten (het winstverschil tussen het origineel en de variaties), kun je aan de hand daarvan de ROI van het testprogramma berekeningen en daarmee de investering ervan.

8. Blijf permanent testen

A/B testen is een blijvend optimalisatie process. Na iedere test zullen inzichten worden verkregen voor nieuwe testideeën, die daarmee de roadmap verrijken. Vervolgens zullen er op de lange termijn winstgevende resultaten ontstaan. Aangezien de eerste tests nog niet de gewenste resultaten zullen laten zien, doordat op het begin de nodige expertise nog moet worden verkregen.

Het analyseren van A/B testresultaten

De fase van testanalyse is de meest gevoelige. De A/B testoplossing moet op zijn minst een reporting interface aanbieden met het aantal verkregen conversies per variatie, de conversieratio, het verbeteringspercentage in vergelijking met het origineel en de statistische betrouwbaarheid van elke variatie. De meest geavanceerde tools analyseren door tot de meest ruwe data, door het segmenteren van de resultaten per dimensie (traffic source, geografische locatie van bezoekers, surfgedrag, etc.).

Primaire en secundaire doelstellingen

De resultaatanalyse hangt af van de vooraf opgestelde doelen en de daarmee corresponderende indicatoren. Wanneer er niets is om de datametingen van een test te weerhouden, is het van belang om de belangrijkste indicator vast te stellen, zodat je de variaties kunt isoleren. Het is namelijk niet uitzondelijk dat een test tegenovergestelde resulten laat zien binnen twee indicatoren (bv. verhoging van het aantal aankopen, maar een verlaging van averagee cart). Primaire doelstellingen zijn datgene waarvoor de test is uitgevoerd: registraties, bestellingen, aanmeldingen, etc. Secundaire doelstellingen bieden additionele indicatoren over het gedrag van je bezoekers (bounce ratem sessieduratie, etc.).

Analyze an A/B test results

Weten hoe je testresultaten moet analyseren is cruciaal voor het maken van goede beslissingen.

Begrijpen van A/B teststatistieken

Voordat het mogelijk is om testresultaten te kunnen analyseren, is het belangrijk om eerst een voldoende level van statistische betrouwbaarheid te hebben. Meestal wordt een grenswaarde van 95% aangehouden. Dit betekent dat de waarschijnlijkheid van een resultaat tussen de variaties gebaseerd zijn op kans erg laag is. De tijd die nodig is om aan dezze grenswaarde te voldoen hangt af van het websiteverkeer op de geteste websites, initiële conversie ratio voor de gemeten doelstelling en de impact van de gemaakte modificaties. Dit kan gaan over een paar dagen to een aantal weken. Voor low-traffic websites is het verstandig om een pagina te testen met meer websiteverkeer. Het is dan ook nutteloos om conclusies te trekken als deze grenswaarde nog niet is bereikt.

Bovendien zijn de statistische resultaten die gebruikt worden voor het berekenen van de betrouwbaarheid (zoals de Chi-kwadraattoets), gebaseerd op een bijna oneindige steekproef. Als de steekproefgrootte klein is, dan moet men terughoudender zijn bij het analyseren van de resultaten. Zelfs wanneer de test een betrouwbaarheidsscore heeft van meer dan 95%. Met een kleine steekproef bestaat de mogelijkheid dat de resultaten flink zullen veranderen als de test nog een paar dagen blijft lopen. Vandaar dat wordt geadviseerd om een voldoende grote steekproef te testen. Er bestaan wetenschappelijke methodes voor het berekenen van deze grootte (gebruik onze sample size calculator), maar vanuit een praktisch standpunt wordt geadviseerd om op zijn minst een grootte te hebben van 5000 bezoekers en 75 conversies per variatie.

Er bestaan twee types statistische tests:

  • Frequente tests. De Chi-kwadraattoets, of Frequentist methode, is objectief. Hiermee kun je enkel aan het eind van de test je resultaten analyseren. Deze studie is daarmee gebaseerd op observatie, met een betrouwbaarheidsscore van 95%.
  • Bayesiaanse tests. De Bayesiaanse methode is deductief. Door de wetten van waarschijnlijkheid, kun je met deze methode al voor het einde van een test de resultaten analyseren. Let echter op dat je goed kijkt naar de betrouwbaarheidsinterval. (Check het artikel over de voordelen van A/B testen via Bayesiaanse statistieken)

Als laatste, naast dat websiteverkeer het mogelijk maakt om snel een goede steekproefgrootte te verkrijgen, is het beter om de test nog voor een aantal extra dagen actief te laten om zo verschillen in gedrag te observeren per dag en tijdsblok. Een minimale duur van een week heeft de voorkeur, waarbij twee weken nog beter zou zijn. In sommige gevallen kan deze periode zelfs nog langer zijn, in het bijzonder wanneer de conversie een lange buying cirkle betreft (complex product of B2B). Vandaar dat er geen standaard duratie van een test bestaat.

Tips en best practices omtrent A/B testen

Hieronder een aantal best practices om je te weerhouden van problemen. Dit zijn resultaten van ervaringen van onze klanten tijdens hun testen:

1. Verzeker databetrouwbaarheid van de A/B testoplossing

Voer eerst een A/A test uit om te zien of het werkt om je websiteverkeer naar verschillende versies te sturen. Dit is tevens een mogelijkheid om de testindicatoren te vergelijken en te zien of alles wordt doorgestuurd naar je webanalytics tool.

2. Voer een acceptance test uit voordat je begint

Lijken sommige resultaten tegenstrijdig met je intuïtie? Is de test goed opgezet en zijn de doelstellingen goed gedefiniëerd? In veel gevallen bespaard dit kostbare tijd die anders was besteed aan het interpreteren van verkeerde resultaten.

3. Test een variabele per keer

Hiermee kun je tot in detail zien wat de impact van een variabele is. Wanneer de locatie van een CTA button en de bewoording tegelijkertijd worden aangepast, dan is het onmogelijk om te identificeren welke verandering voor de geobserveerde impact heeft gezorgd.

4. Voer een test per keer uit

Voor de zelfde reden als hierboven is het beter om een test per keer uit te voeren. De resultaten worden moeilijk te interpreteren wanneer er twee tests lopen, vooral als dit ook nog op dezelfde pagina is.

5. Pas het aantal variaties aan op het volume

Wanneer je een groot aantal variaties hebt met weinig websiteverkeer, zal het lang duren voordat de test interessante resultaten geeft. Hoe lager het aantal bezoekers gestuurd naar een test, des te minder verschillende variaties er moeten worden toegevoegd.

6. Wacht op statistische betrouwbaarheid

Zo lang een test nog niet een statistische betrouwbaarheid van minstens 95% heeft behaald, is het niet verstandig om al beslissingen door te voeren.

7. Laat tests lang genoeg lopen

Zelfs wanneer een test al snel de statistische betrouwbaarheid behaalt, is het nog steeds nodig om te letten op de steekproefgrootte en de dag van de week. Geadviseerd wordt daarom om een test minstens een week te laten lopen, maar beter nog is twee weken.

8. Weet wanneer je een test moeten stopzetten

Als het te lang duurt voor een test om de grenswaarde van 95% te behalen, kan het goed zijn dat het geteste element geen impact heeft op de gemeten indicator. Dan is het dus zinloos om door te gaan met deze test, terwijl je het websiteverkeer beter kunt gebruiken voor een andere test.

9. Meet meerdere indicatoren

Het wordt aanbevolen om meerdere doelen te meten tijdens een test. Een hoofdoelstelling wordt vastgesteld om vervolgens de resultaten in de analyse te verrijken met secundaire doelstellingen.

10. Houdt marketinguitingen in de gaten tijdens een test

Externe variabelen kunnen zorgen voor valse inzichten in de testresultaten. Zorg dus dat je bijkomende effecten limiteert.

11. Segmenteer tests

In sommige gevallen is het nutteloos om alle gebruikers van een website te testen. Als je de impact van verschillende formuleringen wilt testen op een registratiepagina, is het ineffectief om ook je al geregistreerde gebruikers te testen. Dan is het beter om alleen te targeten op new visitors.

Voorbeelden van A/B tests

Het kiezen van een A/B testplatform

Uiteraard bevelen we je AB Tasty aan. Dit aangezien AB Tasty naast een uitgebreide A/B testoplossing, tevens een volledig softwarepakket aanbiedt voor conversie optimalisatie. Zo kun je het gebruikersgedrag analuseren aan de hand van heatmaps en session recording (ook wel bekend als user session replay). Daarnaast kun je je website personaliseren op het gebied van targeting en segmentatie.

Andere vormen van A/B testen

A/B testen wordt niet gelimiteerd door enkel modificaties op webpagina's. Je kunt dit concept toepassen op al je marketingactiviteiten, zoals traffic acquisitie via e-mail marketing campagnes, AdWords campagnes, Facebook advertenties en nog veel meer.

De beste blogs over A/B testen en CRO

Uiteraard kun je terecht bij onze eigen blog, maar daarnaast raden we het ook aan om artikelen van andere experts in online optimalisatie te bekijken:

Influencers binnen de thema's A/B testen en conversie optimalisatie:

Rating: 5.0/5. From 2 votes.
Please wait...

Vraag een gepersonaliseerde web demo aan

Een van onze experts zal je een gepersonaliseerde rondleiding op het AB Tasty platform geven