Blog overzicht

Kennis is om te delen

A/B-testen: een website tot in de puntjes perfectioneren

De webwinkel Bol.com wil dat meer bezoekers overgaan tot een bestelling. De internetmarketeers van Bol.com besluiten om de Bestel-knop een andere kleur te geven. Om te testen of dit werkt, krijgt 50% van de bezoekers van Bol.com de oude, gele knop te zien. De andere helft krijgt de nieuwe, groene knop in beeld. Door te kijken naar het verschil in conversies (in het geval van Bol.com: bestellingen) kan gekeken worden welke knop beter werkt. Maar wanneer is een A/B-test nu echt geslaagd?

Steeds vaker zetten internetbureaus A/B-testen in om twee variaties van een pagina tegelijkertijd of achtereenvolgens te testen. Wanneer er meer dan twee variaties van een pagina worden gebruikt (bijv. een groene knop, een blauwe knop en een rode knop), dan hebben we het over een multivariatietest. Google heeft zelf een aardige tool ontwikkeld om snel A/B-testen op te zetten (Content Experiments in Analytics), maar beter is het om je internetbureau in te schakelen.

Het is belangrijk dat een A/B-test goed meetbaar is. Zorg dus dat er een Analytics-code op iedere pagina staat. Ook op de Bedankt-pagina na een order! Maak gebruik van e-commerce tracking en geef op de pagina van de A/B-test aangepaste variabelen door aan Google. In een aangepaste variabele staat welke versie een bezoeker te zien krijgt: versie A of versie B. In Analytics is inzichtelijk hoeveel bezoekers die versie A te zien krijgen, uiteindelijk een aankoop doen. Door dit te vergelijken met de conversies van versie B, ontstaat er wellicht een significant verschil.

 

Neem geen gok; kies voor zekerheid!

Een A/B-test is geslaagd wanneer er sprake is van statistische significantie. In dat geval berust de uitkomst met 95% zekerheid niet op toeval. Maar hoe weet je dat er sprake is van statistische significantie? Gelukkig zijn er op internet diverse websites te vinden om de significantie te berekenen. Een goede website is A/B-test Calculator. Stel, versie A (controlegroep) heeft 3.028 bezoekers en 34 conversies en versie B (aangepaste variant) heeft 3.109 bezoekers en 45 conversies. Vul deze getallen in en je ziet direct het resultaat: er is sprake van 87% zekerheid, dus er is nog geen sprake van statistische significantie. Onder ‘Recommended Sample Size’ lees je hoeveel aanmeldingen nodig zijn voor een zekerheid boven de 95%. Het komt soms voor dat een A/B-test nooit significant is, omdat de verschillen te klein zijn. In dat geval kun je ervoor kiezen om nog een variant toe te voegen (versie C), om te kijken of er toch verschillen ontstaan.

Wanneer blijkt dat de groene knop beter werkt dan de gele knop, wordt het tijd om de verandering definitief door te voeren op de website. Ook al zijn de resultaten statistisch significant; blijf het conversiepercentage van de website in de gaten houden!

 

Zoek de perfectie op

En dan nog een afsluitende tip: stop nooit met testen. De wereld van internet is zeer dynamisch. Wat vijf jaar geleden een hippe website was, is nu een hopeloos verouderde site. Ook het gedrag van internetgebruikers verandert. Gebruikers hebben meer haast en willen snel voorzien worden in hun informatiebehoefte. Vinden ze niet direct wat ze zoeken? Dan haken ze af. Blijf je website dus stroomlijnen en zoek daarin de perfectie op.