A/B Test

Na een goede marketing campagne heeft je webwinkel veel bezoekers gekregen. Nieuwe bezoekers blijven elke dag komen. Echter zie je dit niet terug in het aantal bestellingen. Wat gaat hier mis en hoe pak je dit aan? 

Een van de manieren om dit probleem aan te pakken is door het doen van een A/B test. Het kan namelijk betekenen dat je landingspagina of een van de pagina’s die veel bezoekers trekt niet effectief is. Voordat je een A/B test gaat doen moet je dus eerst onderzoeken wat er mis kan zijn. Dit is een belangrijk proces. Een valkuil is dat je jouw A/B test baseert op verkeerde aannames. Je kunt dit voorkomen door gebruik te maken van data uit web analytics (zoals Google Analytics), feedback surveys, polls of gebruiksvriendelijkheidstest.

Voorbeeld: Bij een veel bezochte pagina blijken eerste bezoekers snel af te haken. Bezoekers verlaten na het zien van deze pagina. De bouncerate is relatief hoog. Na het bestuderen van de website denk je dat het te maken heeft met de inhoud van de tekst. Dit is een aanname. Na het bestuderen van de data Google Analytics zien we een ander verhaal. Veel van deze bezoekers gebruiken een mobiele browser (Safari). Na testen blijkt dat de knopjes verdwijnen bij de mobiele versie met de browser safari. 

Voor een A/B test is de sample size (grootte van de steekproef) van belang voor een betrouwbaar resultaat. Het resultaat moet statistisch significant zijn. Dit houdt in hoeverre het verschil tussen de varianten niet het gevolg is van een fout of toeval.  De standaard voor betrouwbaarheidsinterval is 95%. Met de A/B test Sample Size Calculator van Optimizely kun je uitrekenen hoe groot de steekproef moet zijn voor een betrouwbaar resultaat. 

Aan de slag met een A/B test

Er zijn een aantal tools waarmee je aan de slag kunt gaan. Een gratis tool is Google Optimize. Je hebt deze samen nodig met Google Analytics (ook gratis). Stel je hebt een productpagina bijv. jouwwebwinkel.nl/product-1 en je wilt weten of een variatie ervan een hogere conversie rate oplevert.

Met Google Analytics kun je zien hoeveel bezoekers er zijn, hoeveel daarvan doorklikken en hoeveel een aankoop doen vanaf diezelfde pagina. Ook kun je inzicht krijgen in wat voor bezoekers (demografie) dat zijn, wie naar deze pagina verwijzen en welke technologie ze gebruiken (mobiel vs. desktop). Deze data neem je mee in het maken van je hypothese. Ook kun je inhoudelijk onderzoeken; waarom zou iemand jouw product kopen? Is de content relevant voor de bezoeker? Is de content goed beschreven? Is de boodschap helder? Waar kunnen mensen op afhaken (bijv. verzendkosten)? Hoe goed is de call-to-action? Je kunt ook een feedback tool gebruiken om meningen of tips te verzamelen, dit kan met een poll of enquete. Daarnaast zijn er usability tests. Deze experimenten leg je dan af met een groep mensen. Heatmap tools kunnen je inzicht geven in hoe bezoekers gedragen op een pagina. Je kunt dus zowel kwantitatieve als kwalitatieve onderzoek gebruik om je voor te bereiden.

Om het concreet te maken kun je hypothese opstellen op de SMART manier. Specifiek, Meetbaar, Haalbaar, Realistisch en Tijd gebonden. Een hypothese kan zijn: “Door de bestelknop met 20% groter te maken wordt mijn conversie na 100 dagen verhoogd met 5%”.

Met de Google Optimize Chrome Extension kun je eenvoudig teksten en elementen aanpassen op je website. Je kunt ook aangeven bij welke bezoekersgroep je de varianten wilt laten testen. 

Wat ga je meten?

Met een tool zoals Google Optimize kun je veel verschillende dingen meten. Zoals sessieduur, transacties, exit rate en bounces. Als je van 1000 bezoekers en 25 van doen een aankoop dan heb je een conversie rate van 2.5 % (25/1000 * 100%). Als je het testen van een knop wilt dan wil je vooral weten of er op die knop geklikt wordt. Je meet dus het aantal klikken op de knop. Daarna kijk je wat dit doet met je omzet/conversie. 

Blijven testen

Het ‘leuke’ aan A/B test is dat je door kunt blijven testen. Mocht de resultaten van variant B tevreden zijn dan kun je met variant B verder testen. Variant B wordt dan variant A en je test met een nieuwe variatie op verandering. Je kunt doorgaan totdat je denkt dat je klaar bent met optimaliseren!