Alle bedrijven doen het, je hebt er IT na de initiële setup niet meer voor nodig, je kan er alles mee testen, het lijkt eenvoudig, … ab-testing is helemaal in. Maar het klinkt vaak simpeler dan het is.
Eerst even kort, wat is dat juist een A/B-test?
Stel: je hebt op een bepaalde pagina een veel lager percentage conversie dan verhoopt. Je onderzocht WAAROM de conversieratio laag zou kunnen zijn en je hebt enkele assumpties die je zou willen gaan testen.
Je test steeds door in de B-versie van je pagina enkele elementen aan te passen. Je loodst nadien een percentage van je bezoekers naar de originele versie van je pagina (A) en de rest naar de aangepaste versie (B). Nadat je dit zo enige tijd hebt laten staan kan je “hopen” dat je B-versie beter converteert om dan te concluderen dat je assumptie juist was.
Enkele veel voorkomende problemen met A/B-testen
Test geen stomme dingen
Het is niet omdat the sky the limit is, dat de installatie geen tijd en middelen kost. Zorg ervoor dat als u iets wilt testen dat bijdraagt aan de verbetering van de doelen van je site of webpagina.
Test iets wat technisch haalbaar is
Bezint voor je begint! Is mijn test technisch realiseerbaar met de tools die ik voorhanden heb? Zo niet, blijf er dan vanaf!
Het is steeds een goed idee van ook een inschatting te maken van de tijd nodig om de test op te zetten. Als het je meer tijd gaat kosten omwille van de technische complexiteit dan is het misschien beter van de test niet te doen of de aanpassing meteen door IT te laten uitvoeren.
Let op: het opzetten van een AB-test kan technisch best wel complex zijn en vraagt de juiste kennis van zowel HTML, CSS en javascript. Het wordt pas echt moeilijk als je in single page apps wilt testen of op pagina’s die niet via 1 specifieke url bereikbaar zijn.
Krijg ik wel voldoende bezoekers op de pagina die ik wil testen?
Om significante conclusies te kunnen trekken heb ik voldoende bezoekers op de te testen pagina nodig tijdens de periode dat ik wil testen. Mijn conclusie mag ik niet trekken op basis van een toevallig resultaat. Ik moet ook lang genoeg, maar ook niet te lang testen om geen vals positieven te bekomen.
Er bestaan online tools om de berekening te kunnen maken:
Niet elk idee dat je in je hoofd krijgt, is een goed idee
Slecht uitgevoerde A / B-tests kunnen bedrijven doen investeren in onnodige veranderingen en zelfs hun winst schaden. Als een pagina geen deel uitmaakt van uw marketing- of verkooptrechter, heeft het weinig zin om deze te testen. Boost je inkomen!
Test je de juiste doelen?
Als het te testen doel van je pagina de next-knop onderaan is voer je geen test uit door de kleur van een navigatieknop bovenaan aan te passen… het lijkt logisch, maar toch zie ik nog vaak fouten.
Test niet willekeurig, het is geen one-night-stand
Als je willekeurig test, ben je soms een geluksvogel, soms heb je een slechte ervaring.
Je hebt een Conversion Rate Optimization (CRO) -strategie nodig. Een strategie die gestoeld is op onderzoek, de juiste vragen stelt, tot een hypothese komt, test, rapporteert en analyseert. A/B-testen is niet gelijk aan CRO, het is slechts een onderdeel van het CRO-proces.
Kopieer geen concurrenten!
Ze weten misschien helemaal niet wat ze aan het doen zijn…
Weet waarom je een AB-test doet
Alles vertrekt vanuit een solide hypothese
Start met een geldige hypothese
Het LIFT model: een conversie optimalisatie framework
Je kan het LIFT-model gebruiken om een geldige hypothese aan te maken.
De waardepropositie: de belofte van waarde die door uw merk of product moet worden geleverd
De conversie drijvers zijn:
Relevantie: heeft de landingspagina betrekking op wat de bezoeker dacht te zou gaan zien?
Duidelijkheid: geeft de bestemmingspagina duidelijk de waardepropositie en call-to-action weer?
Urgentie: is er een indicatie dat de actie NU moet worden ondernomen?
De conversie-remmers:
Angst: Wat zijn potentiële twijfels / angsten die de bezoeker zou kunnen hebben bij het ondernemen van de conversieactie?
Afleiding: zijn er items op de pagina die de bezoeker van het doel afleiden?
Schrijf je correcte hypothesis op
Observatie: we merken dat hoewel er veel verkeer is naar onze lead-bestemmingspagina, de conversieratio laag is en dat mensen zich niet aanmelden om een lead te starten.
Mogelijke reden: wij denken dat dit komt omdat de oproep tot actie niet duidelijk genoeg is.
Voorgestelde oplossing: we denken dat we dit kunnen oplossen door de tekst op de call-to-action-knop te wijzigen om hem aantrekkelijker te maken.
Meting: we weten dat we gelijk hebben als we de aanmeldingen met 10% verhogen in de maand volgend op het aanbrengen van de wijziging op basis van het verwachte verkeer van 5000 bezoeken.
Hoe bekom ik test-succes?
Specifiek: Test de juiste plaats en niet te veel verschillende componenten op een pagina. Beperk je bereik. Het beste is om één ding per keer te veranderen
Meetbaar: Definieer meetbare doelen vóór het experiment en selecteer één key-metric!
Haalbaar: Stel hypothesen in lijn met zakelijke doelstellingen. Je doelen moeten haalbaar zijn.
Relevant: Test de juiste problematische plaats, op basis van
- Grondige digitale bezoekersanalyse
- Gebruikerstests
- Eyetracking
- Gebruikers sessie opnames
- Heatmaps
- Onsite enquêtes
- Eerder getrokken conclusies
- Literatuur
- …
Op tijd gebaseerd: Bereken de tijd die je nodig hebt om een test uit te voeren en ontvang belangrijke resultaten op basis van het verwachte verkeer