A-B testingIn de marketingwereld leeft de mythe dat A/B testen antwoord geeft op alle vragen over de website. Helaas is dit niet het geval, A/B testen werkt alleen wanneer pagina’s aangepast worden op basis van inzichten, die vergaard zijn door middel van klantonderzoek. Wanneer A/B testen op deze manier gebruikt wordt is het dé manier om nieuwe ideeën en inzichten te testen.

In een recent webinar gehouden door Larry Kim (CTO Wordstream) en Tim Ash (CEO Siteturners) lichtten zij toe wanneer wel A/B testen te gebruiken, maar vooral wanneer niet.

Uit de presentatie kwam naar voren dat veel mensen een verkeerd beeld hebben van wat A/B testen eigenlijk is. Vaak word gedacht dat wanneer je de spatiëring, de kleuren of de plaatjes verandert je een compleet nieuwe pagina hebt. Om deze ‘nieuwe’ pagina vervolgens te gaan testen. Hiervoor is A/B testen dus niet geschikt aangezien je geen nieuwe pagina test, je test alleen maar een pagina met een iets ander uiterlijk.

Waarvoor A/B testen wel heel nuttig is? Om inzichten die vergaard zijn door middel van Google Analytics, klantonderzoek en behavioral targeting te testen. Om deze ideeën te implementeren is het vaak wel nodig om de landingspagina volledig te her-designen. Pas dan is A/B testen geschikt om te meten welke pagina beter presteert. Dus het is essentieel om eerst te weten waarom de pagina niet werkt, en dan pas de pagina aan te passen.

 Wanneer is A/B testen nutteloos?

  • Wanneer het probleem overduidelijk is. Los het probleem simpel op, daar is geen A/B test voor nodig
  • Wanneer het om triviale aspecten van de website gaat. Bijvoorbeeld Google die een A/B test heeft uitgevoerd om te bepalen welke kleur blauw beter werkte. Dit soort gevallen zijn zonde van de geïnvesteerde tijd en geld aangezien dit nooit veel hogere conversies op zal leveren.
  • Wanneer het probleem zich niet alleen op de landingspagina bevindt maar over de hele website. In dat geval is het nodig om de gehele website aan te passen. Er zijn voorbeelden waar bedrijven de landingspagina volledig hadden aangepast maar de rest van de site niet; gevolg: een lager conversiepercentage doordat de nieuwe pagina een verwachtingspatroon creëerde wat niet werd waargemaakt.
  • Wanneer er niet genoeg traffic is. In dat geval zijn de resultaten vaak niet statistisch relevant.
  • Wanneer het bezoek seizoensgebonden is. Bijvoorbeeld de bezoekers van een online bloemenzaak tijdens Moederdag. De bezoekers die een week van tevoren komen zullen vooral geïnteresseerd zijn in de prijs en aanbod, terwijl de klanten die een dag van tevoren bestellen vooral geïnteresseerd zijn in de bezorgingstijd.
  • Wanneer je de statistische informatie niet goed begrijpt. Aangezien A/B testen een soort hypothese testen is, is het cruciaal dat je kunt berekenen wanneer er een significant verschil optreedt tussen de twee pagina’s.

Uiteindelijk is en blijft A/B testen de ideale manier om ideeën, gebaseerd op nieuwe inzichten over de bezoekers te testen. Maar om dit uit te voeren is het in de meeste gevallen wel nodig om de pagina te redesignen.

Dit alles en meer werd gepresenteerd in het webinar: The A/B testing Delusion and how to REALLY get more conversions, door Larry Kim en Tim Ash.

Bekijk de volledige presentatie