A/B testen is een van de belangrijkste onderdelen van conversieoptimalisatie. Het is simpelweg het vergelijken van twee varianten van je webpagina om te kijken of de veranderde elementen zorgen voor een beter conversiepercentage. In onderstaande video leg ik in 6 stappen uit hoe je begint met het succesvol inzetten van A/B testen! Lees je liever? Onder de video is een transcriptie van de video uitgeschreven.

Hoe begin je met succesvol A/B testen? – Een Pure Keukensessie



Timestamps:
00:00 Intro
00:21 Wat is A/B testen?
00:32 Stap 1: Onderzoek
02:21 Stap 2: Hypotheses formuleren
03:13 Stap 3: A/B testen
04:19 Stap 4: Significantie bepalen
06:17 Stap 5: Rapporteren
06:41 Stap 6: Implementeren
07:16 De laatste tips

Transcriptie video

A/B testen is een van de belangrijkste onderdelen als het gaat om conversie optimalisatie. Vandaag ga ik jou in 6 stappen laten zien hoe jij begint met A/B testing. Hoi mijn naam is Thijs van Hal en op deze gloednieuwe video op dit kanaal ga ik je laten zien hoe jij begint met A/B testen.

A/B testen is simpelweg twee verschillende varianten van je webpagina testen, A is het origineel en je eigen website en B is een verandering op de website en je gaat testen welke beter doet. De allereerste stap die jij gaat zetten wanneer jij gaat beginnen met A/B testen is onderzoeken van je eigen data. Begin eens een keer met Google Analytics. Kijk eens naar metrieken als ‘tijd on site’ of ‘bouncepercentage’ en kijkt naar het gedrag, welke pagina’s worden bekeken en welke doen het goed en welke doen het minder goed. Je kan bijvoorbeeld ook een usability onderzoek doen. Laat een gebruiker binnen jouw doelgroep een bepaald proces doorlopen op je website en vraag diegene om hardop na te denken, zo weet je precies wat er gebeurd wanneer jouw doelgroep op de website bevindt, wat ze precies denken en wat ze precies doen op de website. Ook kun je een eyetracking onderzoek laten doen, dit is bijvoorbeeld iets wat we in het Pure Lab doen en hiermee komt neuromarketing om de hoek kijken. Hier kunnen we precies zien waar de gebruiker kijkt en wat zijn emoties is en krijg je heatmaps en verschillende andere data wat we kunnen gaan onderzoeken. Ook kun je een enquête afnemen bij bezoekers die al iets gekocht hebben door bijvoorbeeld de vragen hoe liep het bestelproces? Kon je alles vinden op de website? En waren er dingen onduidelijk? kom je al gauw dingen tegen wat misschien veranderd kan worden. Maar naast onderzoek doen zou je ook zelf eens kunnen kijken. Ga eens bijvoorbeeld brainstormen met je team. Ga eens kijken, zijn teksten goed in beeld? Zijn er misschien andere dingen die we kunnen veranderen zijn? Zijn plaatjes duidelijk? Is het verhaal duidelijk? Is het duidelijk wat überhaupt de bedoeling is van de pagina? Ook kun je met een kritisch beeld vanuit ogen van je bezoeker kijken, kijk dus is door je ogen van je bezoeker heen en kijk een kritisch beeld naar je eigen website, zijn de dingen wat jij anders zou willen zien? Of zijn er wellicht dingen waar ik tegen aan zou lopen etcetera etcetera. Al dit onderzoek en bekijken van de website doen we allemaal om pijnpunten te ontdekken of de bounce gevoelige content/pagina’s te ontdekken. Dit allemaal hebben we nodig om op stap 2 te gaan beginnen.

Stap 2 bestaat uit hypotheses maken, hier gaan we die pijnpunten/bounce gevoelige content omzetten naar verbeterpunten. In deze stap beginnen we ook met het rapporteren van het A/B testen. Schrijf dus het pijnpunt op, van welke pagina het is en je hypothese. Straks aan het einde als je je resultaat er aan toevoegt heb je mooi overzicht en kun je het meteen laten zien aan de rest van je team om te kijken wat er is gebeurd. In deze fase stap 2 ‘de hypothese stellen’ is het vooral belangrijk om niet zo maar iets te gaan testen, we testen alles met een reden. Als je een gele knop wilt omvormen naar een rode knop doe je dit omdat dit mooi is of doe je dit omdat de rode knop meer opvalt tussen de rest van je content? en als je USP’s neerzet op je website is het omdat je dit mooi vind staan of is het om vertrouwen te wekken bij de bezoeker? Denk dus bij de hypotheses goed na wat je gaat testen en vooral waarom je iets gaan testen.

Stap 3 is het A/B testen zelf, zoals ik eerder al zei in het begin is A/B testen twee verschillende varianten van je webpagina testen. Variant A is de originele website en verander je dus niks, variant B verander je wel iets en ga je je hypothese testen. Is het daadwerkelijk beter en gaat het iets veranderen in het conversiepercentage? Variant A laat je aan 50% van je bezoekers zien en variant B laat je aan 50% van je bezoekers zien. Ook is belangrijk in deze fase om te kijken wat je door wilt meten, wat gaat uiteindelijk het succes van je hypothese bepalen? Is dit een klik op een knop, is het een invullen van offerte formulier of is het een bestelling plaatsen? Wat gaat er uiteindelijk voor zorgen om te bepalen dat je hypothese goed is of niet goed is? Ook is het belang om te kijken met welke tool jij gaat A/B testen, Google Optimize is van Google en is een gratis tool waarmee je kan gaan A/B testen. Maar er zijn ook betaalde oplossingen als VWO of Optimizely, deze hebben wel een gratis trial maar na 30 dagen zul je toch moeten betalen. Het voordeel van een betaalde oplossing is dat je wel meer varianten hebt, meer mogelijkheden en uiteindelijk een beter inzicht krijgt.

We zijn inmiddels aan het A/B testen en de eerste data komt al binnen, belangrijk is stap 4 is het bepalen van de significantie. Is de data die binnenkomt betrouwbaar of is het toeval dat dit gebeurt? Met hoe veel procent zekerheid kunnen we zeggen dat variant B daadwerkelijk beter is of is het gewoon toeval dat dit gebeurt? We streven altijd naar 95% significantie, in dit geval kunnen we zeggen dat 95 procent zeker is dat variant B beter presteert dan variant A. Om uit te rekenen hoeveel bezoekers we nodig hebben gaan we hiervoor een tool gebruiken. In deze tool vul je als eerste het conversie percentage op dit moment in. Hoeveel procent van gebruikers in variant A op de oude website converteren? Klikken op die knop, vullen dat formulier in of doen een bestelling. Het tweede getal wat je in gaat vullen is de hoeveelheid verandering dat je wil waarnemen. Als je een heel klein verschil wilt testen, bijvoorbeeld 1 procent verschil, dan is het heel moeilijk om te bepalen of dit nou toeval is of dat dit nou betrouwbaar is. Wil je hele grote veranderingen waarnemen dan kun je dit al veel gemakkelijker. Het is al gauw te zien of een grote verandering plaatsvindt bij meerdere gebruikers of dat dit puur toeval is. Als laatste vullen we de significantie in, zoals ik al eerder zei streven we altijd naar 95%. Dan krijg je een aantal bezoekers te zien wat jij nodig hebt om die significantie te halen. We gaan even rekenvoorbeeldje pakken. Stel je hebt 1000 bezoekers per dag, jouw basis conversiepercentage is 5% en je wilt 20 procent verandering waarnemen met een significantie van 95%. Je zult zien dat je 6.900 bezoekers per variant nodig hebt, 13.800 totaal. Doe je dit rekenen door het aantal bezoekers wat je op een dag hebt, zul je veertien dagen lang deze test, deze A/B test moeten runnen om 95% significantie te halen. Dat betekent dat je met 95% zekerheid kan zeggen of variant B, de hypothese nou toeval is of dat het daadwerkelijk beter dan variant A is.

Nadat je de test hebt gedaan zullen de resultaten binnenkomen, is variant B daadwerkelijk beter dan A of was dit een foute hypothese? Wat het ook is, je gaat rapporteren. In stap 2 ben je al begonnen met deze rapportage door op te stellen wat het probleem is, welke hypothese je hieraan toegevoegd hebt en nu is het tijd om de resultaten er aan toe te voegen. Was het positief, was het negatief, schrijf het op en neem het mee.

De laatste stap, stap 6, is het implementeren van je hypothese. Uiteindelijk zullen je resultaten moeten bepalen of jij variant B, jouw hypothese gaat doorvoeren op de website zodat deze wijziging permanent doorgevoerd is of houd je variant A, je huidige situatie omdat het gewoon beter is. Wat je resultaat ook is, negatieve of positief, nadat je je A/B test hebt afgerond ga je weer beginnen met stap 1. Door opnieuw een A/B test toe te voegen, opnieuw in de data te gaan onderzoeken, weer een hypothese op te stellen en weer een nieuwe A/B test, zo blijven we conversies optimaliseren.

Als laatste we nog wel wat tips meegeven. De allereerste is dat je niet te veel dingen tegelijk moet testen, test slechts één ding tegelijk. Als je een heleboel dingen gaat aanpassen aan jouw website is het lastig om te bepalen welke dingen nou succesvol waren en welke niet, test dus slechts één ding tegelijk. De tweede tip is voor websites met wat minder bezoekers, helemaal als je 95% significantie wilt behalen heb je soms heel veel bezoekers nodig om dit te behalen. In dat geval kun je ook met 90, 85 of zelfs 80% significantie kunnen testen. Zo heb je minder bezoekers nodig voor een A/B test en helemaal als je wat grotere veranderingen gaat testen kun je alsnog conversie optimalisatie doorvoeren en A/B testen doen. Dit waren de zes stappen om A/B testen te beginnen, ik hoop dat het helemaal duidelijk was en dat je nu aan de slag kunt gaan met A/B testen. Heb je nog vragen of is iets niet duidelijk drop dit dan in de comments, like deze video, abonneer op ons kanaal en dan zeg ik tot de volgende keer!

Reageer

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *