Home » Conversie optimalisatie » Kijkje in de keuken: het opzetten van A/B-testen

Kijkje in de keuken: het opzetten van A/B-testen

roadmap

Als Conversie-optimalisatie Consultant bestaan mijn dagelijkse werkzaamheden voornamelijk uit het bedenken, opzetten en uitvoeren van A/B-testen. De vraag die mij dan ook het meest gesteld wordt is: hoe zet je goede A/B-testen op? En hoe weet je of je opzet klopt? In dit blog geef ik jullie graag een kijkje in de keuken van het opzetten van A/B-testen, op basis van de door ons ontwikkelde roadmap.

Onze conversie-optimalisatie roadmap

Eén van de dingen die ik na 3 jaar in het vak heb geleerd, is dat er niet één ultieme methode bestaat als het aankomt op A/B-testen. Er zijn uiteraard wel best practices en learnings die we na het doen van veel verschillende testen hebben kunnen vaststellen. Deze hebben bij Traffic Builders de input geleverd voor onze conversie-optimalisatie roadmap, waarin data-analyse centraal staat. Wat we namelijk zeker weten is dat A/B-testen die in de basis worden gestaafd door betrouwbare data een veel grotere kans hebben op een succesvol resultaat dan testen die zonder stevige basis worden neergezet.

Onze roadmap bestaat uit vier verschillende stappen: het verzamelen van data, het analyseren van deze data, het uitwerken van A/B-testen en het verwerken van de resultaten. Hieronder neem ik jullie mee in de opzet van een A/B-test die we onlangs voor één van onze klanten hebben uitgevoerd. Je kunt deze opzet ook gebruiken voor een eigen A/B-test.

Stap 1: Verzamelen van data

Voor het opzetten van de test voor deze klant hebben we gebruikgemaakt van één databron: Google Analytics. Met behulp van deze databron draaien we periodieke analyses om consequent een beter inzicht te krijgen in de presentaties en effectiviteit van de website. We doen dit met behulp van eerder gedefinieerde doelgroepsegmenten, omdat we er altijd naar streven om de bezoekers van een website niet op één hoop te gooien.

Voor de analyse die volgt hebben we het prospect-segment gebruikt. Dat wil zeggen dat alle bezoekers die we op basis van hun inloggedrag konden identificeren als ‘reeds klant’ niet zijn meegenomen in deze analyse. We houden daardoor een kleiner bezoekersaantal over en een beter inzicht in de knelpunten voor de bezoekers die we nog kunnen converteren.

Stap 2: Analyseren van de data

De analyse die voorafging aan deze A/B-test had specifiek te maken met uitval in het aanmeldproces. We waren ons al langere tijd bewust van het feit dat de uitval juist in de eerste stap erg hoog was. Niet alleen ten opzichte van andere pagina’s op de website, maar ook als we keken naar de benchmark van soortgelijke websites.

In de analyse hebben we ons specifiek gericht op wat er met deze bezoekers gebeurt nadat ze uitvallen. De eerste gedachte is dan natuurlijk dat deze bezoekers de website verlaten, maar de analyse liet zien dat dat niet het geval was. Bezoekers gingen vanuit de eerste stap massaal terug naar de pagina waarop beoordelingen van andere klanten en een aantal succesverhalen werden vertoond.

Op basis van deze en andere feiten die uit de data naar voren kwamen, trokken wij de conclusie dat bezoekers juist in de eerste stap heel erg beginnen te twijfelen en daarna op zoek gaan naar informatie. Dat betekende in dit geval wel dat we voor elke vijf bezoekers die uitstappen naar deze pagina, er nog maar één overhielden in de funnel. Wij wilden graag testen of dit kwam doordat bezoekers na hun uitstap geen motivatie hadden om nogmaals aan hun aanmelding te beginnen.

Deze aanname hebben we daarom in de volgende hypothese gegoten: Als we met behulp van beeldmateriaal de twijfel van bezoekers direct adresseren, dan is er voor deze bezoekers geen reden om uit te vallen naar de feiten- & beoordelingenpagina en zal het conversiepercentage toenemen.

Stap 3: Uitwerken van de A/B-test

Hypotheses zijn voor ons een heel erg belangrijk uitgangspunt. Ze vertellen ons namelijk direct wat er aan de B-variant van de pagina aangepast moet worden. In dit geval maakten we de keuze om met beeldmateriaal aan de slag te gaan, omdat we weten dat beeld veel beter een emotie teweeg kan brengen dan tekst. Omdat we met deze variant bezoekers een beter gevoel wilden geven over het feit dat hun aanmelding tot het gewenste resultaat zou leiden, hebben we aan de zijkant van het formulier een afbeelding geplaatst. Hierop was een man zichtbaar die ook een succesvolle afloop liet zien. Door te kiezen voor een afbeelding met een man die naar het product keek dat hij in zijn handen hield, zorgden we er meteen voor dat de aandacht van de bezoekers op de juiste plek terecht kwam.

Stap 4: Verwerken van de resultaten

Naar aanleiding van de eerdere analyse konden we op basis van het aantal bezoekers op deze pagina de looptijd van de test bepalen. Om voldoende bezoekers te kunnen benaderen voor een succesvolle steekproef hebben we de test in totaal drie weken laten draaien. Na deze looptijd hebben we de test stopgezet en de resultaten beoordeeld.

Deze bleken bijzonder succesvol. Bezoekers bleken zich erg aangesproken te voelen door de visuele bevestiging van hun gevoel. We hadden minder te maken met uitval naar de overige informatiepagina’s. Bezoekers voelden door de afbeelding minder de behoefte om op andere pagina’s bevestiging of zekerheid te zoeken. Hun motivatie nam toe, en daarmee ook het conversiepercentage: dit percentage steeg met in totaal 71%.

Werkwijze conversie-optimalisatie

Hopelijk heeft dit inzicht in onze werkwijze je verder geholpen. En mocht je nog zoekende zijn naar de juiste wijze om met A/B-testen aan de gang te gaan, kan dit misschien je uitgangspunt vormen. Zelf zie ik nog zelden resultaten die niet significant zijn, wat betekent dat ik na afloop van een test altijd een verbetering of een learning in handen heb. Ik ben hoe dan ook erg benieuwd naar wat jullie ervaringen zijn met A/B-testen op basis van onze roadmap.

Tot slot…

  Ben jij bekend met het uitvoeren van A/B-testen? En lijkt onze roadmap je wat? Ik hoor graag jouw mening en ervaring, laat ze gerust achter onder dit blog!

Hulp nodig bij het opzetten en uitwerken van A/B-testen?

Zie je het belang van A/B-testen in, maar weet je niet goed hoe je dit aan moet pakken? Dan helpen wij je daar natuurlijk graag bij. Wij kunnen de testen voor je opzetten en ervoor zorgen dat je resultaten krijgt waar je iets mee kunt. Meer weten? Neem dan vrijblijvend contact met ons op.


Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *

Mis geen blogartikel meer!

Ontvang onze blogartikelen gewoon in jouw mailbox

Interessante onderwerpen
Eva Louwen
Wij geloven dat ons team uniek is

Maak kennis met Eva

Overdag is Eva Senior Conversie-optimalisatie Consultant en draagt zij de zorg voor hogere conversiepercentages bij haar klanten en coaching van haar teamgenoten. In de avond transformeert zij naar Tweelingmama Extraordinair en draagt zij de zorg voor voldoende knuffels, kusjes en schone luiers.

Neem contact op met Eva
Blijf op de hoogte van

De laatste trends & ontwikkelingen

Mis geen blogartikel meer!

Ontvang onze blogartikelen per mail