Jij vindt dat je call-to-action-knop groter moet. Je collega vindt dat hij rood moet. Je ontwerper vindt de tekst te lang. Jullie hebben allemaal een mening. Maar meningen verhogen conversies niet. Testen wel. Met A/B-testen beantwoord je deze vragen met data in plaats van met discussie. Maak versie A met de huidige knop. Maak versie B met de grotere knop. Laat beide lopen. Meet welke beter converteert. Eén wint. Jij voert de winnaar door. Geen discussie. Geen gokwerk. Gewoon resultaten. A/B-testen is krachtig, maar beperkt. Je kunt één wijziging tegelijk testen. Wat als je knopgrootte, kleur en tekst tegelijk wilt testen? Met multivariate testen kan dat. Je test acht combinaties tegelijk in plaats van drie aparte A/B-tests. Je leert sneller. Je optimaliseert meer. Dit artikel legt A/B-testen en multivariate testen uit en wanneer je welke gebruikt.
Wat is A/B-testen?
A/B-testen is de eenvoudigste vorm van testen. Je maakt twee versies van een pagina of element. Versie A is je controle. Versie B is je test. Je stuurt bezoekers willekeurig naar elke versie. Je meet welke beter converteert. Die met het hoogste conversiepercentage wint. A/B-testen heet ook splittesten, omdat je je verkeer over twee versies verdeelt. A/B-testen is beperkt tot één wijziging tegelijk. Je test de kleur van de knop in één test. De grootte in een andere. De tekst in nog een andere. Maar het is krachtig, omdat de resultaten duidelijk zijn. Versie B wint of niet.
Het A/B-testproces
Begin met een hypothese. Mijn hypothese is dat een grotere knop beter converteert dan de huidige knop. Ontwerp de test. Maak versie B met een grotere knop. Zet de test op in je testplatform. Bepaal je succescijfer. Succes is een hoger conversiepercentage. Start de test. Stuur verkeer naar beide versies. Verzamel data. Laat de test lopen tot je statistische significantie hebt. Meestal honderd conversies per versie. Analyseer de resultaten. Is versie B statistisch significant beter? Zo ja, voer die door. Zo nee, houd het origineel.
Statistische significantie doet ertoe
Je hebt genoeg data nodig om resultaten betekenisvol te maken. Laat je een test één dag lopen met in totaal tien conversies, dan zijn de resultaten betekenisloos. Toevallige schommelingen zijn te groot. Laat je een test lopen met duizend conversies, dan zijn de resultaten betekenisvol. Toevallige schommelingen zijn klein. De meeste testplatforms vertellen je wanneer je statistische significantie hebt. Stop een test niet te vroeg alleen omdat je een winnaar ziet. Wacht op statistische significantie.
Wat is multivariate testen?
Multivariate testen (MVT) test meerdere wijzigingen tegelijk. In plaats van de kleur en de grootte van de knop apart te testen, test je alle combinaties samen. Combinaties kunnen zijn: rood groot, rood klein, blauw groot, blauw klein. Je test vier varianten tegelijk. Het verkeer wordt in vieren gesplitst. Je leert welke combinatie het best converteert. MVT is efficiënter dan losse A/B-tests als je genoeg verkeer hebt.
A/B of MVT: wanneer gebruik je wat?
Gebruik A/B-testen als je weinig verkeer hebt. Bij weinig verkeer moet je je steekproef richten op minder varianten om statistische significantie te bereiken. Gebruik A/B-testen als je duidelijke, afgebakende resultaten wilt. Je wilt weten of rood beter converteert dan blauw, en niets anders. Gebruik MVT als je veel verkeer hebt. Dan kun je je verkeer over veel varianten verdelen. Gebruik MVT als je vermoedt dat elementen elkaar beïnvloeden. De kleur van de knop kan samenhangen met de grootte. Door combinaties te testen, zie je deze wisselwerking.
Testen voorbij het voor de hand liggende
De meeste mensen testen voor de hand liggende dingen. Kleur van de knop. Grootte van de knop. Lengte van het formulier. Deze tests doen ertoe. Maar test ook minder voor de hand liggende dingen. Hoe specifiek een kop is. Waar sociale bewijskracht staat. Laadsnelheid. Vertrouwenssignalen. Kleurcontrast. Witruimte. Typografie. Kleine wijzigingen stapelen zich op. Vind kleine verbeteringen bij veel elementen en ze tellen op.
Testen na elkaar en tegelijk
Bij testen na elkaar draai je één test, voer je de winnaar door en draai je de volgende test. Dat is trager, maar duidelijk. Elke test bouwt voort op de vorige winst. Bij tegelijk testen draai je meerdere tests tegelijk. Dat is sneller, maar ingewikkelder. Je leert sneller, maar hebt meer tests te beheren.
Veelgestelde vragen
Hoeveel verkeer heb ik nodig voor een A/B-test?
Je hebt genoeg verkeer nodig om statistische significantie te bereiken. De meeste tests hebben honderd conversies per variant nodig. Is je conversiepercentage één procent, dan heb je tienduizend bezoekers per variant nodig. Is je conversiepercentage tien procent, dan heb je duizend bezoekers nodig. Hoeveel verkeer je nodig hebt, hangt af van je conversiepercentage. Lagere conversiepercentages vragen om meer verkeer. Met de websitebouwer van WEMASY stel je dit direct in op je eigen website.
Kan ik meerdere A/B-tests tegelijk draaien?
Ja, als je genoeg verkeer hebt. Verkeer testen op pagina A en pagina B tegelijk is prima. Ze beïnvloeden elkaar niet. Variant één en variant twee op dezelfde pagina tegelijk testen kan elkaar wel beïnvloeden. Dezelfde bezoeker mag niet beide varianten zien. Gebruik je testplatform om dat te voorkomen.
Wat als de test geen verschil laat zien tussen varianten?
Geen verschil is ook data. Het vertelt je dat de wijziging die je testte de conversie niet significant beïnvloedt. Je kunt het origineel houden of versie B doorvoeren als die goedkoper of makkelijker is. Ga door naar de volgende hypothese. Niet elke test heeft een winnaar.
Moet ik elementen apart of samen testen?
Begin met elementen apart te testen. Door wijzigingen af te bakenen zijn de resultaten duidelijk. Heb je losse elementen geoptimaliseerd, test dan combinaties. Je ontdekt misschien dat element A en element B samen beter werken dan A alleen of B alleen.
Hoe vaak moet ik tests draaien?
Continu. Conversie-optimalisatie is een doorlopend proces. Doe niet tien tests om dan te stoppen. Doe de ene test na de andere. Elke test leert je iets. Na honderd tests kan je conversiepercentage aanzienlijk hoger liggen. Dat kost tijd, maar het stapelt zich op.
Wat is een realistische conversieverbetering door testen?
Een goede A/B-test kan de conversie met vijf tot tien procent verbeteren. Een geweldige test met twintig procent. Deze verbeteringen zijn echt en ze zijn aanzienlijk als je ze opstapelt. Doe vijftig winnende tests met gemiddeld vijf procent verbetering en de winst stapelt zich op: je conversiepercentage wordt ongeveer elf keer zo hoog, een stijging van meer dan duizend procent. Niet elke test wint, dus echte resultaten vallen lager uit.