A/B-testen is een van de directste hulpmiddelen voor conversie-optimalisatie in e-commerce. Je krijgt echt bewijs over wat werkt in jouw webshop, bij jouw klanten. Voor een volledige introductie in conversie-optimalisatie en waarom het verbeteren van je conversie net zo belangrijk is als meer verkeer, lees je wat conversie-optimalisatie is en waarom het ertoe doet.
Wat is A/B-testen voor een webshop?
Bij een A/B-test verdeel je je bezoekers in twee groepen en laat je elke groep een andere versie van een pagina of pagina-element zien. De ene groep ziet de originele versie, de controle. De andere ziet de aangepaste versie, de variant. De aanpassing is één specifiek element. Dat kan de tekst van een knop zijn, de opzet van een productpagina of de plek van een vertrouwensbadge. Al het andere blijft gelijk.
Bezoekers gebruiken de webshop zoals normaal. Ze weten niet dat ze deel zijn van een test. Aan het einde van de testperiode vergelijk je de conversie van beide groepen en bepaal je welke versie beter presteerde. Omdat beide versies tegelijk draaien met vergelijkbaar verkeer, hebben externe factoren zoals seizoenen of een wijziging in je advertenties op beide groepen hetzelfde effect. Het verschil dat je ziet komt door jouw aanpassing en niet door het tijdstip.
Waarom is A/B-testen belangrijk voor webshopconversie?
Elke aanpassing aan je webshop is een gok. Je gokt dat de nieuwe productbeschrijving beter converteert, dat de eenvoudigere kassa het afhaken vermindert, dat de verplaatste knop meer klikken oplevert. Zonder testen weet je niet of de gok uitpakte. Verkopen kunnen stijgen om redenen die los staan van je aanpassing. Of dalen om dezelfde reden.
A/B-testen maakt van gokken beslissen. Je hebt data die binnen een meetbare marge laat zien of de aanpassing echt effect had. Zo voorkom je twee veelvoorkomende en dure fouten. De eerste is aannemen dat een aanpassing hielp terwijl dat niet zo was. De tweede is een aanpassing laten vallen die wel werkte, omdat je de verbetering er niet aan toeschreef.
De financiële reden is eenvoudig. Een webshop die één procent van de bezoekers laat kopen en naar twee procent groeit, heeft met hetzelfde verkeer de omzet verdubbeld, zonder extra advertentiebudget. Systematisch A/B-testen is de betrouwbaarste weg naar zulke winst.
Wat kun je in je webshop A/B-testen?
Bijna alles wat een bezoeker ziet, is te testen. Sommige delen van je webshop hebben meer invloed op conversie dan andere, en daar richt je je eerste tests op.
Productpagina's
Op de productpagina vallen de meeste koopbeslissingen. Testkandidaten met veel impact zijn de hoofdafbeelding, de kopregel van het product, de tekst en plek van de knop voor het winkelmandje, de lengte en opbouw van de productbeschrijving, de plek van klantreviews en of de prijs wordt getoond met extra context, zoals een vergelijkingsprijs of een bericht over een drempel voor gratis verzending. Wil je weten wat een productpagina effectief maakt, lees dan hoe je productpagina's ontwerpt die mensen laten kopen.
Kassa
In de kassa verliezen webshops klanten die al hadden besloten te kopen. Nuttige tests zijn kassa op één pagina tegenover meerdere stappen, verplicht een account aanmaken tegenover afrekenen als gast, het aantal en de volgorde van formuliervelden en waar het besteloverzicht in de flow staat. Aanpassingen in de kassa geven vaak sneller en duidelijker resultaat dan aanpassingen op productpagina's, omdat de koopintentie van de bezoeker dan al vaststaat. Voor een uitleg van ontwerpkeuzes in de kassa lees je hoe je een kassapagina ontwerpt die afhaken vermindert.
Homepage en navigatie
Je homepage en navigatie bepalen de eerste indruk van bezoekers en de weg naar je productpagina's. Test de kopregel van je homepage, welke producten of collecties je bovenaan toont, de plek van promotiebanners en of categorienavigatie beter werkt als vast menu of als zichtbare tegels. Aanpassingen hier raken al het verkeer dat door je webshop gaat, dus zelfs kleine verbeteringen hebben een groot bereik.
Oproepen tot actie
Knoptekst, kleur, grootte en plek bepalen allemaal of bezoekers de volgende stap zetten. "In winkelmandje" en "Nu kopen" zijn de meest geteste knoppenparen. Je kunt ook testen of urgentie bij een knop ("Nog maar 3 over") of sociaal bewijs ("Meer dan 200 bestellingen deze week") het aantal klikken verandert.
Prijsweergave en aanbiedingen
Hoe je prijzen toont, beïnvloedt koopbeslissingen verder dan de prijs zelf. Test of een doorgestreepte originele prijs naast een actieprijs meer conversies geeft dan alleen de actieprijs. Test of een bericht als "gratis verzending vanaf X" bij het winkelmandje tot grotere bestellingen leidt. Test of een geld-terug-garantie op de productpagina in plaats van alleen in de footer het aandeel afgeronde bestellingen verandert.
Hoe draai je een A/B-test?
Formuleer een hypothese
Elke test begint met een vraag waarvan je het antwoord kunt meten. "Als ik de productafbeelding verander in een sfeerfoto waarop het product in gebruik is, klikken er dan meer bezoekers op in winkelmandje?" Die vraag bepaalt wat je verandert, wat je verwacht en hoe je weet of het werkte. Schrijf de hypothese op voordat je begint. Een test zonder hypothese is gewoon een wijziging zonder meting.
Kies je succesmaat
Bepaal vóór de test welke maat je meet. Bij de meeste webshoptests is dat de conversie bij een specifieke stap. Dat kan het percentage toegevoegd aan het winkelmandje zijn, het percentage dat de kassa start of het percentage afgeronde aankopen. Kies de maat die rechtstreeks past bij het element dat je test. Test je een element op de productpagina, meet dan het effect op het percentage toegevoegd aan het winkelmandje. Test je een element in de kassa, meet dan het percentage afgeronde bestellingen. De totale omzet van je webshop als maat brengt te veel ruis van andere delen van de funnel mee.
Zet de test op
Gebruik een A/B-testtool om je variant te maken en het verkeer over de twee versies te verdelen. Een verdeling van 50/50 is standaard. Laat je webshop tijdens de testperiode normaal draaien. Vermijd grote acties of grote wijzigingen in je advertenties zolang een test loopt, want die veranderen het gedrag van bezoekers op een manier die beide groepen ongelijk raakt en de uitslag lastig te duiden maakt.
Laat de test helemaal uitlopen
Stop de test niet eerder omdat één versie lijkt te winnen. Vroege uitslagen zijn vaak misleidend. Bezoekersgedrag verschilt per dag van de week, en patronen uit de eerste dagen houden na een of twee volledige weken vaak geen stand. Vroeg stoppen omdat een versie veelbelovend lijkt, vergroot de kans sterk dat je handelt op een vals positief resultaat. Laat de test lopen tot je je beoogde steekproefgrootte bereikt.
Analyseer en pas het resultaat toe
Heb je genoeg data, vergelijk dan de conversie van de controle en de variant. Presteert de variant statistisch significant beter dan de controle, voer de aanpassing dan door. Is de uitslag onduidelijk, dan maakte de aanpassing geen meetbaar verschil. Houd het origineel en kies een ander element om te testen. Presteerde de variant slechter, blijf dan bij het origineel en bekijk je hypothese opnieuw. Elke uitkomst leert je iets nuttigs.
Hoe lang laat je een A/B-test lopen?
Twee dingen bepalen hoe lang een test moet lopen. De ene is je hoeveelheid verkeer. De andere is de omvang van de verbetering die je wilt aantonen.
Kleinere verbeteringen vragen meer verkeer om ze betrouwbaar aan te tonen. Converteert je webshop op twee procent en wil je een relatieve verbetering van 20 procent aantonen, dan heb je veel meer bezoekers nodig dan voor een verbetering van 50 procent. Voor de meeste webshops met gemiddeld verkeer is twee tot vier weken het aanbevolen minimum. Webshops met veel verkeer bereiken significantie misschien sneller. Webshops met weinig verkeer hebben langer nodig.
Als praktisch uitgangspunt wil je minstens 100 conversies per variant voordat je conclusies trekt. Bij een conversie van twee procent betekent dat minstens 5.000 bezoekers per variant. Haalt je webshop zulk verkeer niet binnen een redelijke tijd, dan is een vergelijking van voor en na een praktischer alternatief: pas één ding aan, meet drie tot vier weken en vergelijk met dezelfde periode de maand ervoor.
De belangrijkste regel is om je beoogde steekproefgrootte vóór de start vast te leggen en pas naar de resultaten te kijken als je die hebt bereikt. Elke paar dagen kijken en stoppen zodra één versie voorloopt, duwt je kans op valse positieven ver boven wat statistische significantie alleen doet vermoeden.
Hoe weet je of de resultaten van je A/B-test betrouwbaar zijn?
Statistische significantie geeft aan of het verschil tussen je twee versies waarschijnlijk een echt effect is en geen toevallige schommeling. Testtools geven dit meestal weer als betrouwbaarheidsniveau. Een betrouwbaarheid van 95 procent betekent dat er vijf procent kans is dat het resultaat aan toeval te danken is. Voor de meeste webshopbeslissingen is 95 procent betrouwbaar genoeg om op te handelen.
Controleer ook op externe factoren die de test kunnen hebben vertekend. Een test die liep tijdens een grote uitverkoop, een periode waarin je advertenties sterk veranderden of een week waarin je belangrijkste verkeersbron verschoof, geeft mogelijk resultaten die niet representatief zijn voor de normale prestaties van je webshop. Is er tijdens de testperiode iets belangrijks gebeurd, noteer dat dan voordat je op de uitslag handelt.
Nog een controle die de moeite waard is: kijk naast je hoofdmaat ook naar secundaire maten. Heeft je variant een hoger percentage toegevoegd aan het winkelmandje maar een lager percentage afgeronde bestellingen, dan trekt de variant mogelijk minder toegewijde bezoekers aan in plaats van meer van hen tot kopers te maken. Een winnende variant laat verbetering zien bij de doelstap zonder merkbare achteruitgang elders in de funnel.
Welke fouten maken A/B-tests onbetrouwbaar?
Meerdere elementen tegelijk testen is de meest gemaakte fout. Verander je in dezelfde test de productafbeelding, de kopregel en de knopkleur, dan kun je de uitslag aan geen enkele aanpassing toeschrijven. Draai één test per element en houd al het andere constant.
Te vroeg stoppen is het tweede veelvoorkomende probleem. Een variant die in de eerste drie dagen lijkt te winnen, kan na twee volle weken geen verschil laten zien of zelfs omkeren. Leg je geplande testduur vast voordat je begint en wijk er niet van af.
Pagina's met weinig verkeer te vroeg testen is een derde probleem. Krijgt je productpagina 50 bezoekers per week, dan duurt het vele maanden voordat je bij een conversie van twee procent 100 conversies per variant haalt. Test eerst je drukst bezochte pagina's en ga pas naar pagina's met minder verkeer als je de winst bovenaan hebt gehaald.
Negeren wat je al weet is ook een probleem. A/B-testen werkt het best als het wordt gestuurd door data over waar bezoekers nu al afhaken, en niet door willekeurig dingen te testen. Gebruik je analytics om de pagina's en stappen te vinden waar de meeste bezoekers vertrekken zonder te converteren. Daar liggen de juiste plekken voor je tests. Een praktische gids om te begrijpen waar bezoekers in je webshop afhaken, lees je in waarom kopers hun winkelmandje verlaten en wat je eraan kunt doen.
Wat test je als eerste?
Begin waar de meeste bezoekers hun interesse verliezen. Bij de meeste webshops is dat de productpagina of de kassa. De kassa heeft vaak de hoogste prioriteit, omdat bezoekers die daar komen al duidelijke koopintentie hebben getoond. Een aanpassing die het aandeel afgeronde bestellingen met zelfs een klein percentage verhoogt, raakt elke bezoeker die zo ver komt.
Richt je na de kassa op je drukst bezochte productpagina's. Een aanpassing op een productpagina met 3.000 weergaven per maand heeft meer potentiële impact dan dezelfde aanpassing op een pagina met 100. Kies op potentieel bereik, niet op welke pagina's je het leukst vindt om aan te werken.
Vertrouwen is een ander gebied dat vaak loont bij testen. Veel webshops verliezen conversies niet door een specifiek pagina-element, maar omdat bezoekers niet genoeg vertrouwen in de webshop hebben om door te zetten. Testen waar vertrouwenssignalen staan en hoe ze worden getoond, kan zinvolle resultaten opleveren. Een overzicht van welke vertrouwenssignalen het belangrijkst zijn voor webshops lees je in hoe je vertrouwenssignalen op je webshop inzet.
Zo ondersteunt WEMASY je conversietests
Goed A/B-testen begint met betrouwbare basisdata. Je moet je huidige conversie kennen, weten waar bezoekers afhaken en welke pagina's achterblijven voordat je een nuttige hypothese kunt formuleren en kunt meten of een test iets heeft opgeleverd. Analytics en inzichten van WEMASY volgt bezoeken, pagina-prestaties en conversiegedrag in je webshop en geeft je de basiscijfers waarop testen rust. Het e-commercesysteem levert bestelgegevens waarmee je afgeronde aankopen over testperiodes meet. Bekijk alle functies bij de abonnementen.
Veelgestelde vragen
Kan ik een A/B-test draaien als mijn webshop weinig verkeer heeft?
Met weinig verkeer is het moeilijker om binnen redelijke tijd statistische significantie te bereiken. Krijgt je webshop minder dan 1.000 sessies per week, dan kunnen tests maanden duren voordat je bij een gangbare webshopconversie de steekproefgrootte voor betrouwbare resultaten haalt. Dan kan een vergelijking van voor en na over een vaste periode een praktisch alternatief zijn. Pas één ding aan, meet drie tot vier weken en vergelijk het resultaat met dezelfde periode de maand ervoor. Het is minder nauwkeurig dan een gecontroleerde A/B-test, maar informatiever dan aanpassingen doen zonder enige meting. Met de websitebouwer van WEMASY richt je dit direct in op je webshop.
Kan ik meer dan één A/B-test tegelijk draaien?
Ja, maar alleen op verschillende pagina's of duidelijk gescheiden elementen die elkaar niet beïnvloeden. Een kopregel op de productpagina en de opzet van een kassaformulier tegelijk testen is meestal veilig, omdat de twee tests over verschillende pagina's en verschillende beslismomenten in de funnel gaan. Twee verschillende elementen op dezelfde pagina tegelijk testen geeft hetzelfde probleem als meerdere elementen in één test: je kunt niet bepalen welke aanpassing welk resultaat veroorzaakte.
Wat is het verschil tussen A/B-testen en multivariate testen?
Een A/B-test vergelijkt twee versies van één element: het origineel en één variant. Bij multivariate testen verander je meerdere elementen tegelijk en draai je elke mogelijke combinatie om te zien welke set aanpassingen het beste resultaat geeft. Multivariate testen vraagt veel meer verkeer voor betrouwbare conclusies, omdat je bezoekers over meer varianten verdeelt. Voor de meeste webshops is A/B-testen de praktischer aanpak. Multivariate testen past beter bij webshops met veel verkeer die de voor de hand liggende verbeteringen al met gewone A/B-tests hebben doorgevoerd en de wisselwerking tussen meerdere pagina-elementen tegelijk willen onderzoeken.
Wat als ik andere dingen in mijn webshop moet aanpassen terwijl een test loopt?
Kleine aanpassingen die niets te maken hebben met de geteste pagina zijn meestal prima. Aanpassingen die de pagina's of elementen in je test raken, zijn een probleem, omdat ze een tweede variabele toevoegen die je resultaten kan beïnvloeden. Moet je een grote aanpassing doen op de geteste pagina, dan is de schoonste optie om de test te stoppen, de aanpassing door te voeren, je webshop een paar dagen te laten stabiliseren en de test opnieuw te starten. Ook een actie of een grote advertentiepush tijdens een lopende test kun je beter vermijden, omdat die het gedrag van bezoekers verandert op een manier die beide groepen mogelijk ongelijk raakt.
Heb ik een aparte A/B-testtool nodig om tests te draaien?
Een aparte testtool verdeelt het verkeer automatisch, volgt conversiedata per variant, berekent de statistische significantie en voorkomt dat dezelfde bezoeker beide versies ziet. Zonder tool moet je dit allemaal handmatig regelen, wat foutgevoelig is en minder betrouwbare resultaten geeft. Heeft je webshop of websitesysteem geen ingebouwde A/B-tests, dan zijn testtools van derden bij de meeste webshops toe te voegen. De investering loont als je regelmatig wilt testen, want de betrouwbaarheid van de resultaten hangt sterk af van hoe de verdeling van het verkeer en het verzamelen van data zijn geregeld.