Bepaalde profielfoto’s op online datingsites werken beter, dan andere. Zo blijkt uit onderzoek dat een profielfoto die iets toont wat nieuwsgierig maakt, zoals een reisfoto, of een foto met een huisdier, meer interesse wekt dan een foto waarop je feestend met vrienden staat. Interessante bevinding, maar hoe wordt dit eigenlijk onderzocht? Er zijn verschillende manieren om te leren van het gedrag van de bezoekers op je website of app. Een van de manieren is de zogenaamde AB-test. Met AB testing krijg je inzicht krijgt in wat goed en wat minder goed werkt op je website.
Wat is AB testing
De naam zegt het al; Je test een versie A en een versie B van je website of app en onderzoekt welke variant het beste resultaat oplevert. Het leuke van zo’n test is, dat je op subtiele wijze feedback van je bezoekers krijgt. Zonder dat je ze daarvoor hoeft te bevragen. Uiteraard zijn er meer (mouse tracking en heatmap) tools voorhanden om op subtiele wijze feedback te krijgen. Hotjar, Clicktale, Crazy Egg, om er maar een paar te noemen.
Wanneer is het zinvol om te testen?
Er zijn een aantal voorwaarden waaraan een A/B test moet voldoen, om tot betrouwbaar resultaat te komen. Natuurlijk wil je dat de testuitslag significant is en dus niet op toeval berust. Om conclusies te kunnen trekken is het belangrijk dat voldoende mensen mee hebben gedaan aan de test. Om te bepalen hoeveel verkeer je nodig hebt, hoe lang de test moet lopen en of je uitslag betrouwbaar is, let je op verschillende factoren. We lichten er een paar uit:
- Steekproef
- Betrouwbaarheidsinterval
- Testduur
Steekproef
Om te weten hoe groot de steekproef (aantal deelnemers) voor jouw A/B-test moet zijn, kun je bijvoorbeeld de AOM Steekproefcalculator gebruiken. Streef er naar om in je test minimaal 100 conversies te behalen. Let op; dit zijn geen bezoekers. Als ondergrens hanteer je minimaal 25 conversies per variant. Bij minder data is de kans simpelweg te groot dat de uitslag op toeval berust!
Betrouwbaarheidsinterval
Een significantie van 95% betekent dat je er in 95 van de 100 gevallen van uit kunt gaan dat de uitslag overeenkomt met je verwachtingen en niet op toeval berust. Hoe hoger het betrouwbaarheidsinterval (de significantie), hoe beter dus.
Testduur
Belangrijk is dat je vooraf een testperiode definieert. Hoe lang de testperiode moet zijn, hangt af van het aantal bezoekers op je website. Stop dus niet met de test, zodra er een winnaar is. De testperiode tel je in hele weken, omdat je de invloed van de verschillende dagen in de week wilt uitsluiten. De duur van de testperiode kun je online berekenen. Ter illustratie: de duur van de testperiode is de uitkomst van de omvang van de steekproef gedeeld door het verkeer op de website per dag.
Rekenvoorbeeld: Stel je hebt 500 bezoekers nodig per variatie en 50 bezoekers per dag, dan heb je minimaal 20 dagen nodig om een significant testresultaat te hebben.
1000 (500 variant A, 500 variant B) : 50 = 20.
Wat te doen als je te weinig verkeer hebt op je website?
- Start een (tijdelijke) campagne voor het genereren van meer verkeer naar je website. Denk bijvoorbeeld aan een Google Adwords campagne of publiceer een advertentie op LinkedIn.
- Test grotere wijzigingen, i.p.v. de kleine onderdelen.
- Als de te testen factor op meerdere pagina’s aanwezig is, kun je ervoor kiezen deze op meerder pagina’s tegelijk te testen.
- Mocht je tijdens de A/B-test ontdekken dat je te weinig deelnemers hebt, probeer dan ook kwalitatieve feedback te krijgen van je bezoekers. Het meest volledige beeld van hoe je website bezoekers jouw website ervaren krijg je, als je op regelmatige basis ook actief om feedback vraagt. Dit doe je bijvoorbeeld via usability testing, ook wel UX onderzoek genoemd.
Wat is interessant om te gaan testen?
Het vertrekpunt voor een A/B-test zijn de conversiedoelen van je website. Wat wil je precies bereiken? Waar wil je de bezoekers naartoe leiden op de website? Welke gedrag wens je te activeren of te stimuleren?
Voorbeelden van website conversiedoelen zijn o.a.:
- Nieuwsbrief aanvragen
- Aanmelden/registreren op de website
- Specifieke pagina’s met content bekijken
- Doen van een aankoop
- Achterlaten van een beoordeling/schrijven van een review
- Artikel/ merk/ product delen via social media
Aan de slag met AB testing in vier stappen
Starten met een A/B-test begint met de volgende stappen:
1. Onderzoeksvraag formuleren
Na het bepalen van de doelen, formuleer je een onderzoeksvraag. Wat wil je precies te weten komen? Hierbij is het belangrijk om jouw conversie-doelstelling(en) voor ogen te houden.
2. Factoren van variatie bepalen
Vanuit de onderzoeksvraag komt naar voren welke factoren worden getest. Als je je bijvoorbeeld afvraagt waarom een artikel niet goed wordt gelezen, dan zijn je factoren de verschillende onderdelen van het artikel. Verander bijvoorbeeld de titel, verschuif de afbeelding, of maak meer tussenkopjes. Wel is het van belang om per ‘testronde’ één element van het artikel aan te passen. De overige factoren moeten ongewijzigd blijven. Hierdoor zijn de testresultaten in verband te brengen met de gekozen factor.
3. Hypothese formuleren/opstellen
Je boekt meer resultaat als je voor elk doel verwachtingen, ofwel hypotheses, opstelt. Een hypothese is de aanname die je maakt over de uitslag van een (A/B-)test. De A/B-test moet je hypothese hard maken of omverwerpen.
4. Variant A versus B inrichten/laten ontwerpen
Je hebt uiteraard ook een variant A en een variant B nodig van hetgeen je wilt gaan testen. Dit kan een kleur A versus een kleur B zijn van een call-to-action button. Het kan overigens ook een variant A versus B, C en D zijn. Dit wordt dan een multivariate test genoemd. Om een multivariate test te kunnen uitvoeren heb je echter meer verkeer nodig, dan bij een A/B-test.
Een aantal voorbeelden
Pagina indeling A versus B
Wat is de beste positie voor het plaatsen van een advertentie? Iets links of rechts positioneren is veelzijdig getest. Ook onderzoek naar wat je boven of op de vouw plaatst is interessant. Voor de website Allesoversport.nl hebben we bijvoorbeeld getest of bezoekers langer op de pagina blijven als content die onder de vouw zit al voor een deel boven de vouw wordt getoond.
Koptekst A versus B
Het testen van kopteksten (headings) is interessant. Ontdek of een formulering het aantal aanmeldingen op je nieuwsbrief verhoogd. Denk daarbij aan de Cialdini Principes om overtuigend te schrijven. Een goede headline heeft veel impact op je conversie.
Afbeelding A versus B
Welke afbeelding spreekt bij de websitebezoeker meer tot de verbeelding? Welke productafbeelding zorgt ervoor dat er wordt overgegaan tot een aankoop? Gaat het om de foto zelf, of om de plaats van de foto op de pagina? Maak bijvoorbeeld de foto vanuit een andere hoek of ga aan de slag met de resolutie.
Kleur A versus B
Op e-commerce websites (web shops), wordt veelal getest welke kleur van een call-to-action (button) tot de hoogste conversie leidt. Ook lettertype kan verschil maken.
Nu denk je misschien; als A/B-tests al zijn uitgevoerd door andere onderzoekers, dan hoef ik alleen maar naar de resultaten van eerdere onderzoeken te kijken en dan werkt dat ook voor mijn website. Die vlieger gaat helaas niet op; elke website heeft een andere opzet en ook publiek. De bevindingen zijn dus niet generiek, maar dat neemt niet weg dat je inspiratie kunt opdoen uit onderzoeksresultaten die behaald zijn op andere websites. Het levert ideeën op over wat mogelijk interessant is om te gaan testen. Staar je echter niet blind op de factoren /tactieken; Een gedegen strategie levert uiteindelijk meer op.
Welke tools zijn er beschikbaar voor A/B testen?
Er zijn verschillende professionele tools om AB-tests uit te voeren, zoals VWO en optimizely. Echter, deze tools vergen wel de nodige expertise. Wil je laagdrempelig starten met testen, dan is het ook mogelijk om met Google Analytics een AB-test op te stellen.
Effectiever in een paar simpele stappen
Met een A/B-test krijg je op een subtiele wijze feedback van je bezoekers, zonder dat je ze daarvoor hoeft te bevragen. De kans op het verkrijgen van sociaal gewenst gedrag sluit je daarbij uit. De bezoeker weet immers niet dat hij/zij wordt getest. Zo zie je het ‘natuurlijke’ gedrag van de respondent. Betrouwbaardere testresultaten zijn er niet!
Op een eenvoudig en laagdrempelige manier zet je via Google Analytics een A/B-test op. Hierbij is het belangrijk om één factor per testronde te testen. Zo trek je geen verkeerde conclusies. Voor een betrouwbaar onderzoek is het belangrijk om voldoende respondenten te hebben. En als laatste, maak de testperiode niet al te kort.
Hopelijk heb je na het lezen van dit artikel handvatten en de motivatie gekregen om te starten met een A/B-test. En mocht het niet voor werk gerelateerde doeleinden zijn… Dan hopen we dat alle vrijgezellen er op z’n minst een leuke date aan overhouden. Want onthoud: een foto met je huisdier seales the deal!