Een betere website dankzij A/B testen

150 150 Dogfight Digital Online marketing

Stel, je hebt als ondernemer of organisatie je online basis op orde. Je website draait, je nieuwsbrief wordt op tijd verstuurd en je hebt een eigen Facebook-pagina. – Top! Maar, ook sta je achter het principe ‘de klant is koning’. Vanuit die gedachte wil je de website nóg beter op de behoeftes van je bezoekers – en dus potentiële klanten – inrichten. Klein probleem: je hebt maar één website, en er zijn wel (honderd?)duizenden koningen! En de klanten die je spreekt willen allemaal wat anders: de één wil veel foto’s, de ander vooral informatie, een derde pakt liever de telefoon en de vierde wil dat je hem niet lastig valt met deze vragen. Hoe nu verder?

AB testen

Welkom bij de ideale situatie voor A/B testen.

Wat is A/B testen?

Met A/B testen probeer je kleine of grote wijzigingen op je website uit om te zien welke het beste resultaat geeft. Hiervoor heb je vijf dingen nodig: een hypothese, een variant A, een variant B, een meetbaar doel en genoeg bezoekers.

  1. De hypothese is datgene wat je wilt testen. De wijziging en het effect op een doel: ‘Een felgroene bestelknop laat meer mensen op de knop klikken’.
  2. Variant A is de huidige, niet-felgroene bestelknop. Dit noemen we ook wel de controle variant.
  3. Variant B is in dit geval een felgroene bestelknop.
  4. Het meetbare doel is per variant het aantal clicks op de knop naar de winkelwagen. Het aantal clicks gedeeld door het aantal bezoekers noemen we de conversie van de variant. Het doel moet meetbaar zijn.
  5. Het aantal bezoekers is het aantal deelnemers dat je nodig hebt om een betrouwbare conclusie te trekken. Dit hangt o.a. af van hoe groot of klein het verschil tussen A en B is, hoe vaak ze het doel bereiken en hoe zeker je wilt zijn van het resultaat.

De werkwijze met de eerder genoemde vijf dingen (hypothese tot het aantal bezoekers) is als volgt: de helft van de mensen ziet variant A. De andere helft ziet variant B. Achteraf kijk je of groep A of groep B het beste heeft gescoord (geconverteerd) op je doel. Zit daar een duidelijk (statistisch significant) verschil tussen? Dan heb je geleerd dat één van beide varianten beter werkt en is dat je uitgangspunt voor je website.

Dit principe kun je natuurlijk voor van alles gebruiken. Van een website tot de beroemde appeltaart recepten van je moeder. Verschil is dat je op een website met duizenden bezoekers sneller, makkelijker en veel meer mensen kunt laten proeven. En hoe meer mensen proeven, hoe zekerder je bent dat die ene smaak (appel-kaneel) inderdaad over het algemeen beter scoort dan de andere smaak (anijs-truffel-pindakaas bleek géén goed idee).

Wat kun je allemaal A/B testen

De zaken die je kunt testen zijn erg verschillend. Je kunt kleine aspecten testen, of gelijk een webpagina volledig omgooien. Het hangt af van je doelen, je doelgroep en wat je al van hen weet. Een greep uit wat je kunt testen van je website:

  • Uitstraling
    Wat voor soort afbeeldingen en soort webteksten geven je bezoekers snel een positief en accuraat beeld van wie je bent en wat je doet?
  • Navigatie
    Enkele vragen die je kunt stellen over de navigatie van je website: Welke producten of diensten moeten vooraan in je navigatiemenu? Welke subcategorieën daarvan moeten direct op de homepage staan? Wat voor lay-out werkt goed? Klikken jouw bezoekers eerder op een felgekleurde knop naar de winkelwagen? Of irriteert het hen juist en leidt het af van de informatie? Wat is een goede plek op de pagina voor de knop? Maakt de tekst uit?
  • Inhoudelijk
    Hoeveel informatie en specificaties geef je over je product? Vinden bezoekers het fijn of wordt het ze teveel? Welke informatie wil men graag als eerste zien?
  • Proces
    Wat is een goed moment om verzendkosten te tonen? Waar schept dit vooral duidelijkheid en vertrouwen zonder dat bezoekers niet meer de moeite nemen om je producten te bekijken?
  • Functionaliteit
    Maken bezoekers eerder een account aan als je in het aanmeldformulier minder vragen stelt? Kopen mensen eerder als ze überhaupt geen account aan hoeven te maken? Hoe groot is dat verschil?Je bent niet op zoek naar een positief resultaat op een test. Je bent op zoek naar een positief rendement op je online investering!

Wanneer is een conclusie betrouwbaar?

De kracht van A/B testen brengt ook een risico met zich mee: de verleiding is namelijk groot om snel te concluderen dat een nieuwe variant beter scoort. Want daar ben je toch naar op zoek? Nou, nee. Je bent niet op zoek naar een positief resultaat op een test. Je bent op zoek naar een positief rendement op je online investering! Het grootste gevaar bij A/B testen is niet het missen van een leerzame bevinding. Het grootste gevaar is het enthousiast gaan werken vanuit een te vroeg getrokken en uiteindelijk verkeerde conclusie. Daarom nog een paar goede tips over de test zelf:

  • Representativiteit
    Je steekproef moet groot zijn, maar ook representatief voor ‘normaal’ verkeer. Er zijn duizenden factoren die mensen hun (online) gedrag beïnvloeden, zoals het weer, het weekend, evenementen, etc. Laat een test dan ook in ‘hele weken’ lopen, en meerdere weken achter elkaar.
  • Conversies
    Daarnaast moet je conversiedoel vaak genoeg bereikt zijn om iets te kunnen concluderen. Stel: 5000 bezoekers zien de normale bestelknop (A), en 5000 bezoekers zien de felgekleurde bestelknop (B). Van de A groep hebben twee bezoekers op de bestelknop geklikt, van de B groep vier bezoekers. Nu denk je misschien dat B dus twee keer zo goed scoort (100% verbetering!). Helaas, als je kijkt naar de totale hoeveelheid conversies is dit zo laag dat de kans statistisch gezien groot is dat het verschil gewoon toeval is.
  • Significantie
    Mensen zien snel eenvoudige verbanden en patronen. Superhandig, behalve als je uit de losse pols een complex testresultaat moet beoordelen. Het is dan ook veel slimmer dit over te laten aan de statistiek. Deelnemers, conversies, kansverdeling en gewenste betrouwbaarheid worden meegenomen in complexe berekeningen. Hoe hoger het significantie niveau, hoe kleiner de kans dat het resultaat van de test op toeval berust. De meeste A/B-tools maken gebruik van in te stellen significantie niveau’s.

Conclusie

Als je een klant vraagt wat hij of zij vindt krijg je vaak ongenuanceerde antwoorden, of alleen datgene wat de bezoeker bewust is opgevallen. De techniek van A/B-testen maakt het mogelijk heel veel mensen indirect hun ‘mening’ over je website te laten geven. Dit kan snel zeer waardevolle informatie geven waardoor je nog beter aan kan sluiten bij de wensen van de klant.

Ik wil ook een A/B test van mijn website!

Wat zou jij willen laten testen op je website? Neem vrijblijvend contact met ons op door te bellen naar 0513-619900 of stuur een mail naar info@dogfightdigital.com.