5 Tips voor betere A/B Testing

Arend Verschueren

A/B testing is al lang een veelgebruikte techniek binnen growth marketing om ideeën te valideren. Toch is buikgevoel nog altijd een leuke bron om als marketeer op te vertrouwen wanneer je landingspagina’s bouwt, headlines bedenkt, doelgroepen bepaalt, en andere elementen uitwerkt om tot een succesvol eindresultaat te komen.

Het enige probleem met buikgevoel is… het is niet echt de meest betrouwbare bron. We kunnen nu eenmaal moeilijk voorspellen wat het resultaat of effect van een bepaalde keuze zal zijn op campagneresultaten.

Een betrouwbare bron waar je wél altijd op kan rekenen is data…

 

 

A/B tests zijn een uitstekende manier om verschillende elementen uit een campagne, advertentie of strategie ten opzichte van elkaar te vergelijken. Wanneer je de resultaten uit je A/B test correct doormeet, is de stap richting een gevalideerde winnaar uit je experiment niet meer veraf.

Let’s dig deeper!

 

Wat is A/B testing?

A/B testing of split-testing is een marketing experiment waarbij je twee variaties uitwerkt in een campagne of advertentie en naast elkaar laat lopen om te bepalen welke variant de beste resultaten haalt.

Met andere woorden, je probeert erachter te komen of variant A betere resultaten oplevert dan variant B. Wanneer het verschil in resultaat significant genoeg is, kan je een duidelijke winnaar zien en hierop je campagne optimaliseren.

Belangrijk in A/B testing is dat je twee variaties maakt waarvan er maar één variabele is. Wanneer je in een experiment meerdere elementen gelijktijdig tegenover elkaar test, doe je een multi-variabele test. Andere koek.

 

Waarom A/B Testing belangrijk is?

Er zijn verschillende soort split tests of A/B tests die je als marketeer kan draaien om een bepaald experiment te valideren. De meest voorkomende redenen waarom je A/B tests doet zijn onder andere;

-> Verhogen van websiteverkeer: trekt de titel A of B van mijn blogpost het meeste mensen aan richting mijn website?

-> Hogere conversie ratio’s: welke versie van mijn landing page converteert het best?

-> Lagere bounce rate’s of minder mensen die afhaken in het aankoopproces op je webshop.

Wat jouw reden ook is om een A/B test uit te voeren, hier zijn alvast 5 tips die we bij boostU meegeven om tot een succesvol eindresultaat te komen.

 

Hoe optimaliseer je jouw A/B tests?

Hieronder geven we je 5 praktische tips mee om A/B tests nauwkeuriger uit te rollen en meer betrouwbare resultaten te bekomen.

#1: Vertrek vanuit je doelstelling en kies één hoofd metric

Hoewel je verschillende zaken kan meten gedurende je A/B test, is het belangrijk om altijd te vertrekken vanuit de hoofddoelstelling: “waarom voer je jouw A/B test uit? Wat wil je bereiken?”

Meer website bezoekers, meer leads, meer sales, meer engagement, …

Op basis van je doelstelling kies je één hoofd KPI die bepaalt welke versie van je A/B test het meest succesvol is.

#2: Kies één variabele om te testen

Om een A/B test juist op te zetten, kies je één variabele per experiment om te testen. Je kan meerdere elementen van een campagne, pagina, of advertentie aanpassen en vergelijken ten opzichte van elkaar.

Maar om in een A/B test zeker te zijn van welke variabele nu écht het verschil maakt qua resultaat, moet je één variabele per experiment A/B test testen.

#3: Verdeel je doelgroepen gelijk, maar willekeurig

Wanneer je controle hebt over de doelgroep die je A/B test te zien krijgt, probeer dan twee groepen te creëren die gelijk zijn in grootte, maar een willekeurige sample zijn binnen de totale doelgroep om de meest betrouwbare resultaten te krijgen.

Enkel wanneer het de doelgroep zélf is waar je de A/B test op baseert, is het logisch om een duidelijk verschil te hebben (bv. jongeren vs. ouderen).

#4: Test beide variaties gelijktijdig

Timing is heel belangrijk in marketing. Sommige periodes in het jaar werken voor bepaalde bedrijven typisch heel goed, terwijl andere periodes moeizamer kunnen gaan. Wanneer je versie A van je A/B test in februari laat lopen en versie B in maart, weet je eigenlijk nooit helemaal zeker of het verschil in resultaat komt door de variabele in je A/B test, of het feit dat het in een andere maand heeft gelopen?

Geef je A/B test ook genoeg looptijd om genoeg data te verzamelen.

#5: Bepaal wanneer je resultaat statistisch gezien significant is

Je hebt enerzijds genoeg data nodig om conclusies op te baseren. Je kan moeilijk een verschil in resultaat baseren op 100 websitebezoekers en 2 conversies bijvoorbeeld. Bepaal op voorhand wanneer je data significant genoeg is in grootte.

Anderzijds moet je ook bepalen of het verschil in resultaat van A en B groot genoeg is om een winnaar te bepalen. Het verschil tussen beide moet groot genoeg zijn om te weten welke variatie effectief het meeste impact zal maken op je organisatie. (pro tip: gebruik deze significantie calculator)

That’s it. Volg deze 5 concrete stappen bij het uitbouwen van je A/B tests om sneller tot betrouwbare resultaten te komen.

Happy testing!