In vrijwel elk overleg over een website wordt gegokt. Die knop moet groen. Nee, die kop is te lang. Uiteindelijk wint de hardste stem in de kamer. Niemand weet of de keuze klopt. Zo verdwijnen er stilletjes aanvragen die je nooit hebt gezien.
Meningen zijn gratis, maar ze kosten je geld. testen op je website haalt het gokwerk eruit. Met A/B-testen haal je de mening uit de discussie.
Een leverancier van zonwering werkte hier vorig jaar mee. Zijn offerteknop had de tekst meer informatie. Ik dacht dat aanvraag versturen beter zou werken. Hij dacht van niet. In plaats van discussieren hebben we het gemeten.
We hebben vier weken lang twee versies naast elkaar getoond. Het verkeer werd willekeurig verdeeld over beide varianten. De nieuwe tekst leverde ruim een kwart meer aanvragen op. Mijn onderbuikgevoel had toevallig gelijk. Het punt is: dat wisten we pas na de test.
Wat is A/B-testen?
Bij een splittest toon je twee versies van dezelfde pagina. Variant A is je huidige versie. Variant B bevat een aanpassing. Het verkeer wordt willekeurig verdeeld over beide varianten. Daarna kijk je welke versie beter presteert.
Je meet altijd op een vooraf gekozen doel. Bijvoorbeeld een ingevuld formulier of een afgeronde bestelling. Dat doel bepaal je voordat de test start.
Twee varianten, echt verkeer en een vooraf gekozen doel.
Het verschil met multivariate testen
Bij A/B-testen verander je in principe een ding. Bij multivariate testen combineer je meerdere elementen tegelijk. Dat laatste vraagt veel meer bezoekers. Voor het MKB is A/B-testen daarom praktischer.
Wanneer heeft testen zin?
Eerlijk: niet elke website is geschikt. Je hebt namelijk voldoende verkeer nodig. Met vijftig bezoekers per maand meet je vooral ruis.
De vuistregel die ik hanteer
Ik wil minimaal honderd conversies per variant zien. Haal je dat niet binnen een maand? Kijk dan liever naar kwalitatief onderzoek. Een heatmap of een gebruikerstest geeft dan meer inzicht.
Statistische significantie
Een verschil kan puur toeval zijn. Daarom werkt testsoftware met statistische significantie. Ik stop een test pas bij 95 procent of hoger. Eerder stoppen leidt tot verkeerde conclusies.
Wat kun je testen?
Bijna alles, maar niet alles is even zinvol. Ik begin altijd bij de grote knoppen.
Kleine kleurwijzigingen leveren zelden groot verschil op. Wijzigingen in tekst en volgorde vaak wel.
Zo pak ik een test aan
Stappenplan in zes stappen
Verzamel data en zoek de zwakste pagina.
Formuleer een hypothese met een verwacht effect.
Bouw variant B met precies een wijziging.
Bepaal je doel en je minimale looptijd.
Laat de test minstens twee volle weken lopen.
Analyseer, voer door en documenteer het resultaat.
Die laatste stap slaan veel mensen over. Juist je verliezende tests leveren waardevolle kennis op.
Een goede hypothese ziet er zo uit
Als ik het aantal formuliervelden terugbreng van acht naar vier, dan stijgt het aantal aanvragen. De reden is dat bezoekers minder drempel ervaren. Zo’n zin dwingt je tot nadenken.
Fouten die tests waardeloos maken
Te vroeg stoppen
Na drie dagen lijkt variant B soms te winnen. Dat beeld draait vaak weer om. Gun je test minimaal twee weekcycli.
Meerdere dingen tegelijk wijzigen
Verander je kop, kleur en knop samen? Dan weet je niet wat het effect veroorzaakte. Je leert er dus niets van.
Testen tijdens een campagne
Een advertentiepiek verstoort je verdeling. Ook feestdagen geven een vertekend beeld. Plan tests in rustige, representatieve periodes.
Alleen naar klikken kijken
Meer klikken is niet automatisch meer omzet. Meet daarom door tot de daadwerkelijke conversie. Koppel je test aan je echte KPI.
Testen in WordPress en WooCommerce
In WordPress regel je een test met een plugin of een script. Let op de snelheid, want testsoftware laadt extra code. Een trage test vervuilt je eigen meting. Goede webhosting vangt een deel daarvan op.
In een webwinkel op WooCommerce test ik vooral de productpagina. Denk aan de plek van de bestelknop en de verzendkosten. Daar zit vaak de grootste winst.
Waar past A/B-testen in het grotere geheel?
A/B-testen is een onderdeel van conversieoptimalisatie, ook wel CRO genoemd. Dat vakgebied gaat over conversieratio verbeteren. Testen is daarbinnen het bewijsmiddel. Het onderzoek vooraf is minstens zo belangrijk.
Ik combineer testresultaten graag met data uit Google Analytics. Cijfers vertellen wat er gebeurt. Gesprekken met klanten vertellen waarom.
Tot besluit
A/B-testen haalt de mening uit de discussie. Je bezoekers beslissen, niet de hardste stem in de vergadering. Begin met een pagina die er echt toe doet. En houd vol, want de winst zit in de herhaling.
Meer vragen over A/B-testen
Dit zijn de vragen die ik hierover het vaakst krijg. Ik werk ze los uit.
Wat is A/B-testen en hoe werkt het?
Hoeveel bezoekers heb je nodig voor een A/B-test?
Hoe lang moet een A/B-test lopen?
Wat kun je het beste als eerste A/B-testen?
Hoe voer je een A/B-test uit in WordPress?
Hoe verhoog je je conversie met A/B-testen?
Hoeveel bezoekers heb ik nodig voor een A/B-test?
Minimaal twee volle weken. Dat is mijn ondergrens en daar wijk ik zelden van af. De reden is dat gedrag per weekdag verschilt. Een maandagbezoeker gedraagt zich anders dan een zaterdagbezoeker.
Test je maar één week, dan kan een enkele dag je uitslag kantelen. Twee weken vlakt dat af. Bij weinig verkeer laat ik een test gerust zes weken lopen.
Stop nooit zodra je een winnaar ziet. Dat is de meest gemaakte fout in dit vak. Na drie dagen lijkt variant B vaak te winnen. Een week later is het beeld omgedraaid. Wacht tot je betrouwbaarheid boven de 95 procent zit.
Let ook op je omgeving. Draait er een campagne of is het feestdag? Dan verstoort dat je verdeling. Plan tests liever in een rustige, representatieve periode. Meet daarna door tot de echte conversie, niet tot de klik.
Noteer je start- en einddatum vooraf. Zo voorkom je dat je stopt zodra het resultaat je bevalt. Discipline is hier belangrijker dan techniek.
Hoe lang moet een A/B-test lopen?
Er is geen vast getal, maar wel een bruikbare vuistregel. Ik wil minimaal honderd conversies per variant zien. Dus honderd aanvragen op A en honderd op B. Pas dan wordt een verschil betrouwbaar.
Reken het even terug naar bezoekers. Zet je aanvraagpercentage op twee procent? Dan heb je vijfduizend bezoekers per variant nodig. Dat zijn tienduizend bezoekers voor één test.
Haal je dat niet binnen een maand? Dan is testen niet je beste gereedschap. Je meet dan vooral toeval. Ik kies in dat geval voor kwalitatief onderzoek.
Een heatmap laat zien waar mensen kijken en klikken. Vijf gebruikerstesten geven je vaak meer inzicht dan een halve test. Bel ook eens drie klanten die net getekend hebben. Vraag wat hen over de streep trok. Dat kost een uur en levert meestal direct verbeterpunten op.
Wees eerlijk tegen jezelf over je aantallen. Een test op vijftig bezoekers geeft schijnzekerheid. Dat is gevaarlijker dan helemaal niet meten.
Straft Google A/B-testen af?
Nee, mits je het netjes doet. Google heeft hier zelf richtlijnen over gepubliceerd. Testen is een normaal onderdeel van websiteverbetering. Ze doen het zelf ook, op grote schaal.
Er zijn drie dingen die je moet vermijden. Ten eerste cloaking: iets anders tonen aan Google dan aan bezoekers. Verdeel je verkeer willekeurig, dus ook Googlebot krijgt gewoon een variant.
Ten tweede: laat een test niet eindeloos doorlopen. Heb je een winnaar, voer die dan door en zet de test uit. Een test die maanden draait, wekt argwaan.
Ten derde: gebruik de juiste techniek bij losse test-URL’s. Werk je met twee aparte adressen? Zet dan een canonical naar het origineel. Anders krijg je dubbele inhoud in de index. Meer over dat mechanisme lees je bij indexering.
Zet een test ook niet zomaar op je belangrijkste zoekpagina. Gaat er iets mis, dan raak je posities kwijt. Begin liever waar het risico kleiner is.
Wat kan ik het beste als eerste testen?
Begin bij de pagina met het meeste verkeer en de laagste opbrengst. Daar zit je grootste hefboom. Een test op een pagina met tien bezoekers per maand is verspilde moeite.
Binnen die pagina begin ik bij de tekst, niet bij de kleur. Koppen en knopteksten leveren de grootste verschillen op. Kleine kleurwijzigingen zelden. Dat is een hardnekkig misverstand uit oude blogartikelen.
Mijn top drie ziet er meestal zo uit. Eerst de kop van je landingspagina. Daarna het aantal velden in je formulier. En als derde de plaatsing van je bewijs, dus reviews en keurmerken.
Formulieren zijn vaak de snelste winst. Ik zie regelmatig acht verplichte velden staan waar er vier volstaan. Elk veld dat je schrapt, verlaagt de drempel. Test dat en je weet binnen een maand of het klopt.
Documenteer elke test in een simpel overzicht. Wat testte je, wat kwam eruit, wat deed je ermee. Na een jaar heb je een schat aan kennis.
Welke tools gebruik je voor A/B-testen?
Dat hangt af van je verkeer en je budget. Er is geen tool die voor iedereen de beste is.
Heb je veel verkeer en meerdere tests per kwartaal? Dan is een betaald pakket het waard. Je krijgt dan een visuele editor, automatische statistiek en netjes gescheiden doelgroepen. Reken op een maandbedrag.
Heb je een kleinere site met één test per kwartaal? Dan bouw ik de splitsing vaak zelf. Een klein script verdeelt bezoekers en registreert het doel. Dat scheelt kosten en het is lichter voor je laadtijd.
Let daar trouwens op. Testsoftware laadt extra code voordat je pagina zichtbaar wordt. Dat kan een flikkering geven en je meting vervuilen. Goede webhosting vangt een deel op, maar niet alles.
Welke tool je ook kiest, koppel hem aan je statistiek. Anders weet je wel wie wint, maar niet waarom.
Kies uiteindelijk de tool die je ook echt gebruikt. Het duurste pakket is waardeloos als niemand ermee aan de slag gaat.
Wil je stoppen met gokken en beginnen met meten? Vertel me via het formulier hieronder welke pagina het slechtst presteert. Ik kijk of testen bij jouw verkeer zinvol is en waar ik zou beginnen. Is je verkeer te laag, dan zeg ik dat eerlijk. Vermeld je plaats, dan weet ik met wie ik te maken heb.
Waar kan ik je mee helpen?
Ook bekend als: A/B-test, splittest, split testing
