A/B testen | Hoe doe ik dat?: 13 handige tips
A/B testen: hoe doe je dat nou eigenlijk? In dit uitgebreid artikel leggen we je alles uit en geven we je 13 tips waarmee je het beste uit je A/B test kunt halen!
Wanneer marketeers zoals wij landingspagina’s maken, e-mails schrijven of call-to-actions ontwerpen, is het verleidelijk om onze intuïtie te gebruiken om te voorspellen wat mensen zal aanzetten tot klikken en converteren. Het is echter veel verstandiger om continu A/B tests uit te voeren, dan marketingbeslissingen te baseren op ons “gevoel”. Waarom? Omdat dit schadelijk kan zijn voor je resultaten.
Daarom gaan we in dit blog verder in op dit onderwerp en leren we hoe je volledige A/B testen kunt uitvoeren vóór, tijdens en na het verzamelen van gegevens, zodat je altijd de juiste beslissingen neemt op basis van je resultaten.
Wat is A/B testen?
A/B testen is een marketing experiment waarbij je je publiek opsplitst om variaties van een campagne te testen. Op deze manier bepaal je welke beter presteert. Met andere woorden, je kunt versie A van je content aan de ene helft van je doelgroep tonen en versie B aan de andere helft.
A/B testen kan waardevol zijn omdat verschillende doelgroepen zich verschillend gedragen. Wat voor het ene bedrijf werkt, hoeft wellicht bij jou niet te werken.
In feite hebben experts in conversie-optimalisatie (CRO) een hekel aan de term “best practices”, omdat het niet per se de beste praktijk voor jou hoeft te zijn. Deze vorm van testen kan echter complex zijn als je niet voorzichtig bent.
Laten we eens kijken hoe A/B testen werkt om ervoor te zorgen dat je geen verkeerde aannames maakt over wat je doelgroep nou aantrekkelijk vindt.
Hoe werkt A/B testen?
Om een A/B test uit te voeren moet je twee verschillende versies van een stuk content maken, met wijzigingen in één variabele. Vervolgens toon je deze twee versies aan twee even grote doelgroepen en analyseer je welke beter presteert gedurende een bepaalde periode. Deze periode moet lang genoeg zijn om nauwkeurige conclusies te kunnen trekken uit je resultaten.
A/B testen helpt marketeers te observeren hoe een versie van een stuk content presteert in vergelijking met een andere versie. Hier zijn twee soorten A/B tests die je kunt uitvoeren om de conversieratio van je website te verhogen.
Voorbeeld 1: Gebruikerservaring
Misschien wil je zien of het verplaatsen van een bepaalde call-to-action (CTA) knop naar de bovenkant van je homepage in plaats van in de zijbalk het klikpercentage verbetert.
Om dit te testen, zou je een andere, alternatieve pagina kunnen maken die de nieuwe plaatsing van de CTA gebruikt.
Het bestaande ontwerp met de CTA in de zijbalk is versie A. Versie B met de CTA bovenaan is de tweede versie. Vervolgens test je deze twee versies door ze aan een vooraf bepaald percentage van de bezoekers van je site te tonen. Ideaal gezien is het percentage bezoekers dat elke versie ziet hetzelfde.
Voorbeeld 2: Ontwerp
Misschien wil je uitzoeken of het veranderen van de kleur van je CTA-knop het klikpercentage kan verhogen.
Om dit te testen ontwerp je een alternatieve CTA-knop met een andere kleur die naar dezelfde landingspagina leidt als de controle versie.
Als je normaal gesproken een rode CTA-knop gebruikt in je content en de groene variant na je A/B test meer klikken ontvangt, dan kan dit een reden zijn om de standaard kleur van je CTA-knoppen voortaan naar groen te veranderen.
A/B testen in marketing
A/B testen heeft veel voordelen voor een marketingteam, afhankelijk van wat je besluit te testen. Er is een eindeloze lijst van items die je kunt testen om het algehele effect op je resultaten te bepalen.
Hier zijn enkele elementen die je kunt testen in je campagnes:
- CTA’s
- Koppen
- Titels
- Lettertypen en kleuren
- Productafbeeldingen
- Blogafbeeldingen
- Tekst van de hoofdtekst
- Navigatie
- Inschrijfformulieren
Zo zouden we nog uren lang door kunnen gaan. Je hebt namelijk talloze mogelijkheden. Bovenal zijn deze test echter waardevol voor een bedrijf, omdat ze weinig kosten met zich meebrengen, maar een hoge beloning opleveren.
Doelen van A/B testen
A/B testen kan je veel vertellen over het gedrag en de interactie van je doelgroep met je marketingcampagne. A/B testen helpt niet alleen om het gedrag van je doelgroep te bepalen, maar de resultaten van de tests helpen je ook bij het bepalen van je volgende marketing doelen.
Enkele veelvoorkomende doelen die marketeers hebben bij het uitvoeren van A/B tests:
-
Verhoogd websiteverkeer
Je wilt A/B tests gebruiken om de juiste bewoording te vinden voor de titels van je website, zodat je de aandacht van je doelgroep trekt. Door verschillende blog- of page titles te testen kun je het aantal mensen veranderen dat op die gekoppelde titel klikt om naar je website te gaan. Dit kan het verkeer vergroten.
Een toename van het webverkeer is een goede zaak! Meer verkeer betekent meestal meer conversies.
-
Hogere conversieratio
A/B testen helpt niet alleen bij het genereren van verkeer naar je website, maar het helpt ook bij het verhogen van de conversieratio. Door verschillende locaties, kleuren of zelfs anchor teksten van je CTA’s te testen, kun je het aantal mensen veranderen dat op deze CTA’s klikt om naar een landingspagina te gaan. Dit kan het aantal mensen verhogen dat bijvoorbeeld formulieren op je website invult, contactgegevens indient en converteert in een lead.
-
Lagere bouncepercentage
A/B testen helpt ook bij het bepalen van wat je bezoekers juist afschrikt. Misschien sluit de uitstraling van je website niet aan bij je doelgroep. Of misschien botsen de kleuren, waardoor je doelgroep een slechte indruk krijgt.
Als bezoekers van je website snel vertrekken (bouncen), kun je door het testen van verschillende intro’s van je blogposts, lettertypen of afbeeldingen de bezoekers vasthouden.
-
Perfecte productafbeeldingen
Je weet dat je het perfecte product of de perfecte dienst hebt om aan je publiek aan te bieden, maar hoe weet je of je de juiste afbeelding hebt gekozen? Gebruik hierbij een A/B test om te bepalen welke afbeelding de aandacht van je doelgroep het beste trekt. Vergelijk de afbeeldingen met elkaar en kies degene met de hoogste conversieratio.
-
Lager percentage van verlaten winkelwagens
E-commerce bedrijven zien gemiddeld 70% van de klanten hun website verlaten met artikelen in hun winkelwagen. Dit staat bekend als de “verlaten winkelwagen” en is uiteraard nadelig voor elke online webshop.
Door het testen van verschillende productfoto’s, ontwerpen van afreken pagina’s en zelfs waar de verzendkosten worden weergegeven, kun je dit percentage van verlaten winkelwagens verlagen.
Hoe ontwerp je een A/B test?
Het ontwerpen van een A/B test kan in het begin een ingewikkelde taak lijken, maar het is echt eenvoudiger dan het lijkt. De sleutel tot het ontwerpen van een succesvolle A/B test is te bepalen welke elementen van je blog, website of advertentie vergeleken en geconstateerd kunnen worden met een nieuwe of andere versie.
Voordat je begint met het testen van alle elementen van je campagne, bekijk onderstaande practices voor A/B testen.
-
Test geschikte items
Maak een lijst van elementen die van invloed kunnen zijn op hoe je doelgroep omgaat met je advertentie of website. Denk specifiek na over welke elementen van je website of advertentie van invloed zijn op een verkoop of conversie.
Zorg ervoor dat elementen die je kiest ook geschikt zijn en kunnen worden aangepast binnen jouw huidige CMS.
Je zou bijvoorbeeld kunnen testen welke lettertypen of afbeeldingen de aandacht van je doelgroep het beste trekt in een Facebook advertentie. Je kunt er ook voor kiezen om twee pagina’s te testen om te bepalen welke pagina de bezoekers langer vasthoudt op je landingspagina.
-
Bepaal de juiste steekproefgrootte
De steekproefgrootte van je A/B test heeft een groot invloed op de resultaten van je A/B test. Hoewel je al snel zou denken: hoe kleiner, hoe beter, maar dat is niet altijd het geval. Een te kleine steekproefgrootte kan de resultaten vertekenen.
Zorg ervoor dat je steekproefgrootte groot genoeg is om nauwkeurige resultaten op te leveren. Gebruik hierbij tools zoals een steekproefgrootte calculator om je te helpen het juiste aantal interacties of bezoekers te bepalen dat je nodig hebt op je website of campagne om het beste resultaat te krijgen.
-
Controleer je gegevens
Een degelijke analyse levert statistisch gezien significante en betrouwbare resultaten op. Met andere woorden, de resultaten van je A/B test wordt niet beïnvloed door willekeur of toeval. Maar hoe weet je zeker dat je resultaten statistisch significant en betrouwbaar zijn?
Net zoals bij het bepalen van de steekproefgrootte, zijn er verschillende tools beschikbaar om je gegevens te verifiëren. Hoe hoger de bereikte statistische significantie, hoe minder je kunt verwachten dat de gegevens toevallig zijn.
Tip: zorg ervoor dat je gegevens statistisch significant en betrouwbaar zijn door gebruik te maken van tools zoals de A/B Test significantie calculator.
-
Test slechts één element
Elke variabele van je website of campagne kan aanzienlijke invloed hebben op het gedrag van je doelgroep. Daarom is het erg belangrijk om slechts één element tegelijk te testen!
Als je meerdere elementen tegelijk wilt testen in dezelfde A/B test, levert dit onbetrouwbare resultaten op. Met onbetrouwbare resultaten weet je niet welk element de grootste invloed heeft gehad op het consumentengedrag.
Hoe voer je een A/B test uit | 13 tips:
Om je verder op weg te helpen zullen wij de 13 tips verdelen onder drie categorieën, namelijk: voor je A/B test, tijdens je A/B test en na je A/B test.
Voor de A/B test
1. Kies één variabele om te testen
Terwijl je je pagina’s en/of e-mails optimaliseert, zul je merken dat er veel variabelen zijn die je wilt testen. Maar om de effectiviteit te evalueren, wil je één onafhankelijke variabele isoleren en de prestaties ervan meten. Anders kun je niet zeker weten welke variabele verantwoordelijk was voor veranderingen in de prestaties.
Je kunt meer dan één variabele testen voor een enkele webpagina of e-mail, maar zorg er gewoon voor dat je ze één voor één test.
2. Bepaal je doel
Hoewel je tijdens elke test verschillende metingen zult verrichten, kies je altijd een primaire metriek om je op te richten voordat je de test uitvoert. Sterker nog, doe het voordat je dezelfde de tweede variatie instelt.
Dit is je afhankelijke variabele, die verandert op basis van hoe je de onafhankelijke variabele manipuleert. Denk na over waar je wilt dat deze variabele aan het einde van de test is. Je kunt zelfs een officiële hypothese formuleren en je resultaten op basis van deze voorspelling onderzoeken.
3. Maak een ‘controlegroep’ en ‘uitdager’
Je hebt nu je onafhankelijke variabele, de afhankelijke variabele en het gewenste resultaat. Gebruik deze informatie om de onveranderde versie van wat je test als controle scenario in te stellen.
Als je een webpagina test, is dit de onveranderde pagina zoals deze al bestaat. Als je een landingspagina test, zou dit het ontwerp en de tekst van de landingspagina zijn die je normaal zou gebruiken.
Bouw vervolgens een ‘uitdager’ – de gewijzigde website, landingspagina of e-mail die je tegen je controle gaat testen.
4. Verdeel je steekproef groepen gelijk en willekeurig
Hoe je de grootte van je steekproef bepaalt, varieert ook afhankelijk van je A/B test tool, evenals het type A/B test dat je uitvoert.
Als je een A/B test uitvoert op een e-mail, wil je waarschijnlijk een A/B test naar een subset van je lijst sturen die groot genoeg is om nauwkeurige resultaten te behalen. Uiteindelijk kies je een winnaar om naar de rest van de lijst te sturen. Om het even simpel uit te leggen:
- 25% van je doelgroep ontvangt versie A
- 25% van je doelgroep ontvangt versie B
- 50% van je doelgroep ontvangt de best presterende
Als je iets test dat geen eindig publiek heeft, zoals een pagina, dan heeft de duur van je test direct invloed op de grootte van je steekproef. Je moet je test lang genoeg laten lopen om een aanzienlijk aantal weergaven te verkrijgen. Anders is het moeilijk te zeggen of er een statistisch significant verschil was tussen de varianten.
5. Beslis hoe significant de resultaten moeten zijn
Nadat je de doel metriek hebt gekozen, denk je na over hoe significant de resultaten moeten zijn om de keuze voor de ene variatie boven de andere te zetten. Statistische significantie is een zeer belangrijk onderdeel van het A/B test proces dat vaak verkeerd wordt begrepen.
Hoe hoger het percentage van je betrouwbaarheid niveau, hoe zekerder je kunt zijn van je resultaten. In de meeste gevallen wil je een betrouwbaarheid niveau van minimaal 95%, vooral als het experiment tijdsintensief is geweest.
Soms kan het echter zinvol zijn om een lager betrouwbaarheid niveau te gebruiken als je de test niet zo streng hoeft te maken.
6. Zorg ervoor dat je slechts één test tegelijk uitvoert voor een campagne
Het testen van meer dan één ding voor een enkele campagne kan de resultaten compliceren. Bijvoorbeeld, als je een A/B test uitvoert voor een e-mailcampagne die doorverwijst naar een landingspagina, terwijl je de landingspagina aan het testen bent, hoe kun je dan weten welke verandering heeft geleid tot de toename van leads?
Tijdens de A/B test
Laten we het nu hebben over de stappen die je moet nemen tijdens je A/B test.
7. Gebruik een A/B test tool
Om een A/B test uit te voeren op je website of in een e-mail, heb je een A/B test tool nodig. Heb je geen A/B test tool? Dan kan je ook gebruik maken van Google Analytics. Binnen Google Analytics kun je namelijk tot 10 volledige versies van enkele webpagina’s A/B testen en hun prestaties vergelijken met behulp van een willekeurige steekproef van gebruikers.
8. Test beide variaties tegelijkertijd
Timing speelt een ontzettend belangrijke rol in de resultaten van je marketingcampagne. Of het nu gaat om het tijdstip van de dag, de dag van de week of de maand van het jaar. Als je versie A in de ene maand zou uitvoeren en versie B een maand later, hoe weet je dan of de verandering werd veroorzaakt door het verschillende ontwerp of de verschillende maand? Juist. Dat weet je niet.
Bij het uitvoeren van een A/B test moet je de twee variaties altijd tegelijkertijd uitvoeren. Anders loop je het risico te twijfelen aan je resultaten en dat zou natuurlijk erg zonde zijn.
De enige uitzondering is als je timing test, bijvoorbeeld het vinden van de optimale tijden/dagen om een e-mail te versturen. Afhankelijk van wat je bedrijf aanbiedt en wie je abonnees zijn, kan de optimale tijd voor betrokkenheid van abonnees aanzienlijk variëren per branche en doelgroep.
Wil je meer lezen over het testen van je e-mails? Lees dan onze blog Email marketing strategie: in 5 stappen jouw strategie opgezet
9. Geef de A/B test voldoende tijd om bruikbare gegevens op te leveren
Opnieuw wil je ervoor zorgen dat je de test lang genoeg laat draaien om een aanzienlijke steekproefgrootte te verkrijgen. Anders is het natuurlijk moeilijk om te bepalen of de twee variaties een statistisch significant verschil hebben.
Je vraagt je waarschijnlijk af: “Hoe lang is lang genoeg?” Afhankelijk van je bedrijf en hoe je de A/B test uitvoert, kunnen statistisch significante resultaten zich voordoen in uren, dagen of weken. Een groot deel van de tijd die nodig is om significante resultaten te krijgen, hangt af van de hoeveelheid verkeer die je nu krijgt. Dus als jouw bedrijf niet veel verkeer naar je website trekt, zal het langer duren om een A/B test uit te voeren dan wanneer een bedrijf wel veel bezoekers trekt.
10. Vraag om feedback van echte gebruikers
A/B testen heeft veel te maken met kwantitatieve gegevens, maar dat helpt je niet direct begrijpen waarom mensen bepaalde acties ondernemen. Daarom zou het erg zonde zijn als je geen kwalitatieve feedback van echte gebruikers verzameld tijdens het A/B testen. Een enquête of peiling is een van de beste manieren om mensen naar hun mening te vragen.
Je kunt bijvoorbeeld een exit-enquête toevoegen op je site waarin je bezoekers vraagt waarom ze niet op een bepaalde CTA hebben geklikt, of een enquête op je bedankpagina’s, waarin je bezoekers vraagt waarom ze op een knop of formulier hebben geklikt/ingevuld. Op deze manier zou je bijvoorbeeld kunnen ontdekken dat de knop veel mensen leidt naar een E-book of product, maar dat ze niet hebben geconverteerd vanwege de prijs?
Na de A/B test
Ten slotte gaan we het hebben over de stappen die je neemt na je A/B test.
11. Richt je op je belangrijkste doelstelling
Opnieuw, hoewel je meerdere statistieken gaat meten, richt je bij de analyse op die belangrijke doelstelling. Bijvoorbeeld: als je twee variaties van een e-mail hebt getest en leads als je belangrijkste doelstelling hebt gekozen, raak dan niet teveel gefocust op de doorklikpercentages. Je zou een hoog doorklikpercentage kunnen zien en toch weinig conversies hebben. In dat geval zou je mogelijk de variatie kunnen kiezen die uiteindelijk een lager doorklikpercentage had, maar wel meer conversies.
12. Onderneem actie op basis van je resultaten
Als één variatie beter is dan de andere, dan heb je een winnaar. Wiehoe. Voltooi je test door de verliezende variatie uit te schakelen in je A/B test. Als geen van beide variaties significant is, heeft de variabele die je hebt getest geen invloed gehad op de resultaten, en moet je de test dus als onbeslist markeren. In dat geval blijf je bij de oorspronkelijke variatie of voer je een nieuwe test uit. Je kunt de mislukte gegevens gebruiken om je te helpen bij het bedenken van een nieuwe A/B test.
Hoewel een A/B test je helpt om resultaten op individuele basis te beïnvloeden, kun je ook de lessen die je leert uit elke test toepassen op toekomstige inspanningen. Om even een duidelijk voorbeeld te geven: stel dat je A/B test hebt uitgevoerd in je e-mail marketing en herhaaldelijk hebt ontdekt dat het gebruik van cijfers in de onderwerpregels van e-mails zorgt voor een betere CTR. Overweeg dan om die tactiek in meer van je e-mails toe te passen!
13. Plan je volgende A/B test
De voltooide A/B test heeft je mogelijk geholpen om een nieuwe manier te ontdekken om je marketing content effectiever te maken. Maar let goed op. Daar moet en mag het niet stoppen! Er is namelijk altijd ruimte voor optimalisatie. We leggen hierbij de nadruk op altijd.
Je kunt zelfs proberen een A/B test uit te voeren op een andere functie van dezelfde webpagina of e-mail waarop je net een test hebt uitgevoerd.