Je wilt een landingspagina, nieuwsbrief of advertentie verbeteren, maar weet niet welke aanpassing het beste werkt. De één kiest voor een kortere titel, terwijl een ander juist extra uitleg wil toevoegen. Met A/B-testen kun je twee versies onder vergelijkbare omstandigheden testen en meten welke het best presteert. Bijvoorbeeld twee verschillende onderwerpregels voor een nieuwsbrief, twee varianten van een landingspagina of twee versies van een advertentie.
Dat klinkt eenvoudig, maar twee verschillende uitkomsten vormen nog niet automatisch een betrouwbare conclusie. Je moet ook weten wanneer en waarom één van de versies daadwerkelijk beter is. De verdeling van bezoekers, de meetmethode, hoeveelheid data en looptijd bepalen of je werkelijk iets van de test kunt leren.
In deze blog leg ik uit wat een A/B-test is en wanneer testen zinvol is. Daarna lees je hoe je in acht stappen een goede A/B-test uitvoert. Ook vind je concrete voorbeelden en tips om fouten te voorkomen.
Wat is A/B-testen?
A/B-testen is een methode waarbij je twee versies met elkaar vergelijkt. Bijvoorbeeld van een pagina, e-mail, advertentie of ander marketingonderdeel. Versie A is meestal de bestaande versie. Versie B bevat de verandering die je wilt onderzoeken. Het komt ook voor dat er direct met twee versies wordt gestart.
Bezoekers of ontvangers worden willekeurig over twee groepen verdeeld. De ene groep ziet versie A en de andere groep versie B. Beide varianten draaien in dezelfde periode en worden op hetzelfde hoofddoel beoordeeld. Denk aan het aantal aankopen, ingevulde formulieren of klikken op een belangrijke knop. A/B-testen wordt daarom ook wel een split test genoemd.
Een A/B-test is iets anders dan eerst een maand versie A gebruiken en daarna een maand versie B. In zo'n voor-en-na-vergelijking kunnen verschillende factoren het resultaat beïnvloeden. Denk aan het seizoen, concurrentie of andere campagnes die je hebt lopen. Bij een echte A/B-test worden beide versies gelijktijdig onder vergelijkbare omstandigheden getoond.
Een A/B-test is een van de methoden die je kunt inzetten voor conversieoptimalisatie. Met een A/B-test onderzoek je of een concrete aanpassing daadwerkelijk tot betere resultaten leidt.
Wanneer is A/B-testen zinvol?
Een A/B-test is vooral interessant wanneer je jouw resultaten verder wilt verbeteren, je een duidelijke verbetervraag hebt of twijfelt over een mogelijke aanpassing. Je wilt bijvoorbeeld weten welke onderwerpregel meer e-mails laat openen of welke landingspagina meer aanvragen oplevert. Daarbij moet je het gewenste resultaat betrouwbaar kunnen meten. Zonder goede conversiemeting weet je niet welke versie werkelijk beter presteert.
A/B testen is minder geschikt wanneer een pagina nauwelijks bezoekers krijgt, je maar een kleine groep ontvangers hebt of de gewenste conversie weinig voorkomt. Het kan dan erg lang duren voordat je genoeg gegevens hebt om een betrouwbaar verschil vast te stellen. Daarom hoeft niet iedere aanpassing getest te worden. Een kapotte knop, onleesbare tekst of fout in het formulier kun je beter direct herstellen. Als een pagina wel veel bezoekers heeft, maar geen of weinig conversie oplevert, dan weet je eigenlijk al dat er iets niet goed gaat.
In zo'n situatie leveren klantgesprekken, gebruikerstests, opnamen van bezoekersgedrag of een deskundige analyse vaak sneller verbeterpunten op. Die inzichten kun je vervolgens gebruiken om een gerichte A/B-test op te zetten.
Een A/B-test uitvoeren in 8 stappen
Een betrouwbare A/B test begint met een goede voorbereiding. Met onderstaande stappen bepaal je wat je onderzoekt, hoe je het resultaat meet en wanneer je een conclusie mag trekken.
1. Zoek eerst het probleem of de kans
Begin niet willekeurig met het testen van een andere knopkleur of afbeelding. Probeer eerst te achterhalen waar bezoekers of ontvangers afhaken en waar mogelijk ruimte voor verbetering zit. Misschien krijgt een dienstenpagina veel verkeer maar weinig aanvragen, vullen bezoekers hun winkelmandje maar rekenen ze niet af of klikken nieuwsbrieflezers nauwelijks door naar je website.
Gebruik hiervoor informatie uit je websiteanalyse, e-mailsoftware, verkoopgegevens of gebruikersonderzoek. Daarmee bepaal je welk probleem belangrijk genoeg is om te onderzoeken. Controleer ook of de metingen goed zijn ingesteld voordat je conclusies aan de cijfers verbindt.
| Belangrijke tip voor je websiteanalyse: er zijn goede hulpmiddelen waarmee je het gebruik van je website kunt analyseren. Eén daarvan is Hotjar. Deze tool kan schermfilmpjes maken van echte bezoekers, zodat je precies ziet wat ze op je website doen en op welke knoppen ze wel of niet klikken. Dit kan aanwijzingen geven over onderdelen die onduidelijk zijn of niet goed werken. Lees in mijn andere blog alles over het gebruiken van Hotjar. |
2. Schrijf op wat je van een aanpassing verwacht
Heb je een probleem vastgesteld en zie je een reden om te testen? Schrijf op wat je wilt veranderen, welk resultaat je verwacht en waarom je denkt dat deze aanpassing werkt. Dit wordt ook wel een hypothese genoemd. Door dit vooraf vast te leggen, weet je precies wat je met de A/B-test wilt onderzoeken.
Gebruik de volgende voorbeeldzin om je verwachting op te schrijven:
Als we [verandering] doorvoeren, verwachten we [resultaat], omdat [de reden].
En dan kan het er zo uitzien:
Als we boven het offerteformulier duidelijker uitleggen wat er na de aanvraag gebeurt, verwachten we meer afgeronde aanvragen, omdat bezoekers minder onzekerheid ervaren. We meten dit aan het aantal succesvol verzonden formulieren.
3. Bepaal wat en bij wie je test
Kies vervolgens wat je gaat aanpassen. Dit kan bijvoorbeeld een titel, aanbod, afbeelding, formulier, onderwerpregel of call to action zijn. Bepaal ook bij welke groep je de test uitvoert. Wil je bijvoorbeeld alle bezoekers meenemen of alleen nieuwe bezoekers? En stuur je een testmail naar je volledige mailinglijst of naar één specifieke groep?
Verander bij voorkeur maar één belangrijk onderdeel. Test bijvoorbeeld twee verschillende titels of call to actions, maar laat de rest van de pagina hetzelfde. Zo kun je het verschil in resultaat beter aan deze aanpassing koppelen.
Je kunt ook een volledig nieuw ontwerp tegenover de bestaande versie zetten. Je ontdekt dan welk totaalontwerp beter presteert, alleen niet welke afzonderlijke verandering daarvoor heeft gezorgd.
4. Kies het belangrijkste meetpunt
Bepaal aan welk resultaat je ziet welke versie beter is. Test je bijvoorbeeld de tekst op een offerteknop? Kijk dan niet alleen hoe vaak mensen op de knop klikken, maar vooral hoeveel bezoekers daarna ook een aanvraag versturen. Zo meet je het resultaat dat voor je bedrijf echt belangrijk is.
Controleer ook of een verbetering geen nadelig gevolg heeft. Een korter formulier kan bijvoorbeeld meer aanvragen opleveren, maar mogelijk ook minder geschikte leads. Een webshop kan meer bestellingen krijgen, terwijl het gemiddelde bestelbedrag daalt.
Weet je nog niet goed welk resultaat je moet meten? Lees eventueel eerst wat een conversie is of bekijk mijn blog met tips om je conversie te verhogen als je nog niet zeker weet welk resultaat je moet meten.
5. Laat de test lang genoeg lopen
Zorg dat beide versies door voldoende mensen zijn bekeken voordat je een conclusie trekt. Bij een kleine groep kan één extra klik of aanvraag het verschil al sterk beïnvloeden. Stop de test daarom niet zodra één versie na een paar uur of dagen voorstaat. De resultaten kunnen in het begin nog wisselen en een vroege voorsprong kan toeval zijn.
Bereik je maar weinig bezoekers of heb je weinig ontvangers? Dan kan het lang duren voordat er een duidelijke winnaar is. In dat geval is A/B-testen misschien niet de geschiktste manier om de aanpassing te beoordelen.
6. Maak en controleer beide versies
Maak versie B met de aanpassing die je wilt testen. Laat de rest zo veel mogelijk hetzelfde, zodat je achteraf weet waardoor het verschil is ontstaan.
Controleer voor de start of beide versies goed werken. Bekijk ze op een computer en telefoon en test bijvoorbeeld de knoppen, formulieren en metingen. Zo voorkom je dat een technische fout de uitslag beïnvloedt.
7. Laat de test ongestoord lopen
Pas de twee versies tijdens de test niet meer aan. Voer als het kan ook geen andere grote wijzigingen door die het resultaat kunnen beïnvloeden. Anders weet je achteraf niet meer waardoor een verschil is ontstaan.
Je mag tussendoor wel controleren of de test en metingen goed werken. Wijs alleen niet te snel een winnaar aan, maar laat de test lang genoeg lopen.
8. Bekijk en beoordeel het resultaat
Bekijk na afloop welke versie beter heeft gepresteerd op het resultaat dat je vooraf hebt gekozen. Controleer niet alleen of mensen vaker klikken, maar ook of de test bijvoorbeeld meer aanvragen, verkopen of geschikte leads heeft opgeleverd.
Soms is er geen duidelijke winnaar. Dat is niet erg: je weet dan dat de aanpassing geen overtuigend verschil heeft gemaakt. Noteer kort wat je hebt getest en wat de uitkomst was. Zo kun je deze kennis gebruiken bij een volgende verbetering.
Voorbeelden van A/B-tests
Zoals je inmiddels weet kun je A/B-testen toepassen op websites, webshops, e-mails, in advertenties en wellicht nog meer. Met onderstaande voorbeelden wil ik je een beeld geven bij alles wat je net hebt gelezen. Je kunt voor verschillende onderdelen zien wat je kunt testen en welk resultaat daar logisch bij past.
| Onderdeel | Wat vergelijk je? | Primair meetpunt | Extra controle |
| Landingspagina | Korte titel tegenover een titel die het belangrijkste voordeel benoemt | Afgeronde aanvragen | Kwaliteit van de leads |
| Nieuwsbrief | Twee onderwerpregels voor dezelfde e-mail | Klikken of conversies | Afmeldingen en opens als indicatie |
| Webshop | Verzendinformatie onder de bestelknop tegenover hoger op de productpagina | Afgeronde bestellingen | Orderwaarde en retouren |
| Leadformulier | Acht verplichte velden tegenover vijf verplichte velden | Afgeronde formulieren | Bruikbaarheid van de aanvragen |
| Advertentie | Twee teksten met hetzelfde aanbod en dezelfde doelgroep | Waardevolle conversies | Kosten per conversie |
Uitgewerkt voorbeeld van een A/B-test
Stel dat je een goed bezochte dienstenpagina hebt met een knop 'Contact opnemen'. Je vermoedt dat 'Plan een gratis adviesgesprek' beter werkt omdat het duidelijker maakt wat er na de klik gebeurt. Versie A behoudt de huidige knoptekst en versie B krijgt de nieuwe tekst. De plaats, kleur en pagina-inhoud blijven gelijk.
Na de geplande looptijd heeft versie A 2.000 bezoekers en 60 afgeronde formulieren. Dat is een conversiepercentage van 3%. Versie B heeft ook 2.000 bezoekers, maar levert 72 ingevulde formulieren op. Dat is een conversiepercentage van 3,6%.
Versie B levert bij hetzelfde aantal bezoekers dus 12 extra aanvragen op en lijkt daarom beter. Maar! Controleer wel of de aanvragen net zo waardevol zijn als bij versie A. Is dat het geval? Dan heeft versie B duidelijk beter gepresteerd.
| TIP: Wil je ideeën opdoen voor onderdelen die je kunt testen of inspiratie voor het opbouwen van een goede webpagina? Lees dan mijn tips voor het maken van een goede landingspagina of goede betaalpagina. |
Veelgemaakte fouten bij A/B-testen
1. Testen zonder duidelijke reden
Verander niet willekeurig kleuren, teksten of afbeeldingen. Begin bij het vaststellen van een probleem of kans en bedenk vooraf waarom de aanpassing voor een beter resultaat kan zorgen.
2. Te veel tegelijk veranderen
Verander je de titel, afbeelding, knop en prijs tegelijkertijd? Dan weet je achteraf niet welke aanpassing het verschil heeft veroorzaakt. Test daarom bij voorkeur één belangrijk onderdeel tegelijk. Dit is vooral zinvol wanneer je pagina of advertentie al goed werkt en je het resultaat stap voor stap verder wilt verbeteren.
Werkt de huidige versie helemaal niet goed? Dan kun je ook een compleet nieuwe versie testen. Je ontdekt dan welk totaalontwerp beter presteert, maar niet welke afzonderlijke aanpassing daarvoor heeft gezorgd.
3. Verschillende perioden met elkaar vergelijken
Een veelvoorkomende misvatting is dat je ook een A/B-test uitvoert wanneer je versie A deze maand toont en versie B de maand daarna. Dat is niet zo. In de tweede periode kunnen bijvoorbeeld je bezoekers, aanbod of marktomstandigheden zijn veranderd. Je weet dan niet zeker of het verschil door de nieuwe versie komt.
Bij een echte A/B-test worden beide versies in dezelfde periode aan verschillende groepen getoond. Zo zijn de omstandigheden zo veel mogelijk gelijk en kun je de resultaten beter vergelijken.
4. Testen met te kleine doelgroep of weinig conversies
Met weinig bezoekers, ontvangers of conversies kan het erg lang duren tot je betrouwbare resultaten hebt of er een duidelijke winnaar is. Kies bij voorkeur een onderdeel met meer bereik of gebruik een andere manier om verbeterpunten te vinden.
5. Te vroeg stoppen
De resultaten kunnen in het begin nog sterk schommelen. Stop daarom niet zodra één versie voorstaat, maar wacht totdat er genoeg gegevens zijn verzameld.
6.Alleen naar klikken kijken
Meer klikken betekenen niet automatisch meer aanvragen of verkopen. Kijk daarom ook naar het resultaat dat voor je bedrijf belangrijk is.
Klaar om te testen en optimaliseren?
Je weet nu hoe je een eenvoudige A/B-test opzet en welke fouten je daarbij moet voorkomen. Begin met een onderdeel waarvan je verwacht dat het beter kan, maak twee duidelijke versies en meet welk resultaat ze opleveren. Zo hoef je verbeteringen niet alleen op gevoel door te voeren.
Weet je nog niet waar bezoekers afhaken of welke aanpassing je het beste kunt testen? Of wil je simpelweg je conversie verhogen? Dan kun je ook hulp inschakelen. Ik kan bijvoorbeeld je website, webshop of landingspagina’s analyseren en bepalen waar de belangrijkste verbeterkansen liggen.
Vervolgens kan ik gerichte verbeteringen doorvoeren om meer aanvragen of verkopen uit je huidige bezoekers te halen. Wil je weten hoe ik dat aanpak? Klik dan op de knop hieronder voor meer informatie over het inhuren van een conversie optimalisatie specialist.
Waarom heb ik deze blog gemaakt?
Deze blog is geschreven om ondernemers te helpen betere keuzes te maken bij het verbeteren van hun website, e-mails en campagnes. A/B-testen kan waardevolle inzichten opleveren, maar alleen wanneer de test een duidelijke vraag beantwoordt en de uitkomst zorgvuldig wordt beoordeeld.
Met het stappenplan voorkom je dat een tijdelijke voorsprong of klein percentageverschil te snel als bewijs wordt gezien. Zo gebruik je A/B-testen als praktisch onderdeel van conversie-optimalisatie en niet als doel op zichzelf.
