Waar gaat deze blog over?
AB-testen wordt toegepast om de conversie, en daarmee de omzet, van je webshop te verhogen of om meer mensen naar je winkel of evenement te trekken. In essentie draait AB-testen om het onderzoeken welke versie (twee of meer) van een website, of specifieke onderdelen zoals knoppen en titels, of advertenties en e-mails, het beste presteren. Het doel hierbij is om de conversies te verhogen, de gebruikerservaring te verbeteren of de betrokkenheid te stimuleren. Dit is uiteraard niet alleen van toepassing op websites; je kunt deze methode ook toepassen op de e-mails die je verstuurt. Ik beperk me hier echter tot het AB testen van een website of webpagina.
Hoe gaat dit in de praktijk? Stel je voor dat je een website hebt met op de voorpagina een knop met de tekst 'koop nu'. Wanneer bezoekers op deze knop klikken, worden ze doorgestuurd naar de bestelpagina waar ze hun gegevens kunnen invullen voor een online bestelling. Je vraagt je echter af of de tekst 'koop nu' wel optimaal is voor deze knop. Misschien is de tekst te direct en schrikt het mensen af, waardoor ze niet op de knop klikken en geen aankoop doen. Dit is waar een AB-test uitkomst kan bieden.
Met een AB-test kun je twee versies van de knop uitproberen, bijvoorbeeld door de helft van je bezoekers de huidige versie met 'koop nu' te tonen, en de andere helft een alternatieve versie te tonen met een andere tekst, zoals 'bestel hier'. Vervolgens kun je meten welke versie van de knop meer kliks en uiteindelijk meer conversies (aankopen) oplevert.
Is het echt zo eenvoudig?
Helaas niet. De techniek op zich valt nog wel mee. Er zijn voldoende tools online die je helpen om dit allemaal vorm te geven, maar dan komt het.
Want hoelang moet je een AB test meten? Wat zijn de verwachtingen? Hoeveel moet de conversie stijgen tijdens de test? Wat houden we aan als foutmarge? Kortom, wat zijn de voorwaarden voor een goede AB test?
De eerste vraag is gelijk de moeilijkste. Hoe lang gaan we meten? Dus hoelang nemen we ons de tijd waarbinnen we de AB test doen? Is dat één week, één maand, of misschien wel drie?
En met deze vragen betreden we de wereld van de statistiek. En ik weet niet hoe het met jouw zit, maar ik ben daar niet in thuis. Gelukkig is er een online tool die je kunt voeren met je gegevens om zo een idee te krijgen over hoe lang een test moet duren!
Voorbeeld.
Uit Google Analytics blijkt dat mijn website 5000 keer per maand wordt bezocht. De knop met de tekst 'koop nu' heeft momenteel een conversieratio van 2%, wat betekent dat 2 van de 100 bezoekers op deze knop klikken. Ik wil graag de conversie voor deze knop verhogen van 2% naar 5%. Dit komt neer op 3 extra klikken per 100 bezoekers. Bij deze doelstelling zou het aantal klikken per maand stijgen van 100 naar 250 (5000 / 100 x 5). Hoe lang moet ik nu testen om te zien of mijn aanpassingen effect hebben?
Om deze vraag te kunnen beatwoorden maak ik gebruik van de volgende online tool;
https://www.evanmiller.org/ab-testing/sample-size.html
Hier vul je in de huidige conversie getal voor je knop met de tekst 'koop nu' in, dat is 2%. Dan de verhoging die je wenst, in dit geval 5%. Omdat dit allemaal statistisch berekend wordt en niemand de toekomst kan voorspellen is er altijd een kans dat de uitslag van de test niet klopt. Daarom is er ook een instelling voor de 'foutmarge'. Die loopt in deze tool van 1% tot 10% kans dat de test niet de gewenste conversie verhoging oplevert.
Niet schrikken!
Als we deze getallen invullen, blijkt dat we voor elke variatie een 'steekproefgrootte' hebben van 309.928. Dit betekent dat we voor elke versie van de bestelknop 309.928 bezoekers op onze site nodig hebben om met 95% zekerheid te kunnen voorspellen dat de knop met 'bestel hier' een conversiewaarde van 5% zal behalen. Of niet.
Echter, 309.928 bezoekers is een ontzettend groot aantal. We hebben slechts 5.000 bezoekers per maand op de site, dus als dit aantal niet verandert, zal de test maar liefst 124 maanden duren! Dat is meer dan 10 jaar, wat enorm lang is en niet realistisch.
De vraag is dus: heeft het uitvoeren van dit soort tests zin voor websites met dit soort bezoekersaantallen? Ik denk van niet.
Als je website echter 100.000 bezoekers per maand heeft, is je test in 6 maanden klaar. En als je een risico wilt nemen van 10%,dat de uitkomst niet correct is, dan zijn we in 4,6 maanden klaar. Dat is een meer realistische tijdsduur.
Wil je een expert hierover aan het woord horen bekijk dan deze video hieronder over dit onderwerp.
Conclusie.
A/B-testen vormen een waardevolle methode voor het optimaliseren van je website. Het is echter belangrijk om eerst te beoordelen of deze aanpak geschikt is voor jouw website, rekening houdend met het aantal bezoekers en de benodigde tijd om betrouwbare resultaten te verkrijgen.
We kunnen dus concluderen dat een A/B-test niet echt geschikt is voor jou als je website niet veel bezoekers heeft elke maand, bijvoorbeeld omdat je site nog niet lang 'live' is gegaan.
In dat geval is personalisatie mogelijk meer iets voor jou, vooral als je je boodschap lokaal wilt uitdragen. Hierover lees je meer in een volgende blog.
FAQ
