A/B testen

Een A/B test is een test waarin het publiek in 2 groepen wordt verdeeld en iedere groep een andere variant te zien krijgt. Door de 2 groepen te vergelijken kunnen we meten welke versie het meest effectief is.

Hoe werkt een A/B test

Als er wijzigingen worden aangebracht aan een webpagina, kan dit direct van invloed zijn op het verkeer. Zowel de duur van het verblijf als de bounce rate kan dramatisch worden beïnvloed. Omdat de statistieken niet altijd een positieve verandering laten zien, zorgt A/B testen voor een geleidelijke verbetering, waarbij succes altijd in gedachten wordt gehouden. Bij het uitvoeren van A/B-testen wordt het inkomende verkeer gesplitst en wordt een deel van de bezoekersstroom omgeleid van de oorspronkelijke pagina naar een gewijzigde pagina. Deze splitsing wordt willekeurig en zonder medeweten van de gebruiker uitgevoerd. Tot slot kunt u beoordelen of versie A of versie B bijdraagt aan het gewenste succes. Afhankelijk van het doel van de website-exploitant kan een succes worden beschouwd als een verhoging van het conversiepercentage door op een banner te klikken of zich in te schrijven op een nieuwsbrief.

Waar kun je A/B testen voor inzetten?

A/B testen kunnen binnen verschillende media worden toegepast. Je ziet het vaak terug bij websites en reclame uitingen zoals e-mail campagnes,

Testen van een nieuw webdesign

Wanneer er een nieuw sjabloon wordt gemaakt, kunt u zien of gebruikers de voorkeur geven aan het nieuwe webdesign boven de oude versie. De twee verschillende ontwerpversies worden online gezet en getest, in termen van welke versie gebruikers het prettiger vinden.

Testen van verbeterde functies

Als de gebruikersbegeleiding en navigatie is bijgewerkt of nieuwe functies (zoals filters, zoekfunctie, aankoopadviseur, productvergelijkingsfunctie) worden geïntroduceerd, kunnen A/B-splitstests worden gebruikt om ze te testen. Operationele fouten kunnen ook worden gedetecteerd en verholpen.

Testen van de conversie van landingspagina's

Als een exploitant van een site niet zeker weet of een landingspagina zijn maximale conversiepotentieel benut, kan hij een andere landingspagina online zetten, die anders is gebouwd en zo te weten komen welke een hogere conversie oplevert. Het effect van afbeeldingen en video's, het structureren van contactformulieren, de hoeveelheid tekst of speciale kortingen kunnen worden getest met A/B-testen.

Voordelen

Elke verandering kan subjectief worden vergeleken door middel van A/B-testen. Het standpunt van een individuele persoon wijkt vaak af van het algemene beeld van de doelgroep. Bij het optimaliseren van een website moet rekening worden gehouden met de belangen van de doelgroep. Testen kan eenvoudig worden uitgevoerd met geschikte tools. De inspanning is minimaal en vereist geen technische kennis. De analyse van de testresultaten is beslissend. De aanpassing van de website kan direct na de A/B-test worden uitgevoerd. Deze tool is ook geschikt voor sites met slechts enkele bezoekers per dag.

Nadelen

Bij A/B-testen is het belangrijk dat beide versies gelijktijdig worden getest, zodat bijvoorbeeld de ene bezoeker versie A te zien krijgt, de volgende bezoeker versie B, enzovoort, en zo verder, afwisselend. Als de versies om het uur, dagelijks of na een bepaald aantal bezoekers worden afgewisseld, bestaat er een risico op vervalsing. Hoeveel bezoekers een webpagina bezoeken en of ze bereid zijn om te kopen, hangt niet alleen af van de webpagina zelf, maar ook van externe bronnen van interferentie. In termen van het exacte tijdstip en de exacte dag is er een verschil of het tijdens de werkweek of in het weekend is, of het 's morgens, 's middags of 's avonds is, en of de gebruikers hun werk voor de dag hebben beëindigd of nog steeds werken.
A/B Testen is alleen nuttig als je de veranderingen kunt bijhouden. Als er meerdere onderdelen worden getest, is het onmogelijk om de werkelijke oorzaak van het succes van de analyse te achterhalen. Er zijn een aantal testen nodig om een aantal verbeteringen aan een website aan te brengen.
Omdat er maar één winnaar is in A/B testen en dat is de versie die verder wordt nagestreefd, gaat de helft van de informatie altijd automatisch verloren. Als u de volgende twee versies test, blijft de vraag hoe het conversiepercentage zou zijn veranderd als de afgedankte versie zou zijn aangepast op basis van de meest recente test.
Radicale veranderingen die korte tijd later ongedaan worden gemaakt, kunnen bestaande klanten in verwarring brengen. Daarom moeten A/B-testen altijd alleen worden uitgevoerd met nieuwe bezoekers. Om echt sluitende informatie te verkrijgen, moet deze statistisch significant zijn. Dat kan nogal wat tijd in beslag nemen, vooral voor kleinere websites met slechts enkele bezoekers of conversies.