Significantie of intuitie? Zet de A/B test in voor meer conversie

One4marketing | The inbound company

ab-test-website-onderzoek Mijn intuïtie stuurt mij regelmatig de verkeerde kant op. Ik herinner me mijn eerste belangrijke sollicitatiegesprek nog toen ik net was begonnen met studeren in Nijmegen. Het grote, onoverzichtelijke industrieterrein frustreerde mij en ook mijn toenmalige mobiele telefoon, een Samsung D600 zonder internet, kon mij geen uitkomst bieden. Goed, nummer 177f, dat moest toch niet zo moeilijk zijn? Blijkbaar wel, want ook random passanten brachten mij geen steek verder.

Na een half uur als een kip zonder kop rondgerend te hebben, kwam ik met een bezweet, knalrood hoofd en tien minuten te laat aan op mijn plaats van bestemming. Daar belandde ik in een ontzettend ongemakkelijke situatie, omdat ik het uitzendbureau al had gebeld dat ik het niet kon vinden. Het telefoontje dat ik de baan niet had gekregen verraste me dan ook totaal niet.

Vertrouwen op uw intuïtie leidt ook bij marktonderzoek niet altijd tot de gewenste resultaten. Om daadwerkelijk meer website conversie te creëren, voeren marketeers daarom verschillende onderzoeken uit. De eerste test die iedere marketeer leert uit te voeren is de A/B test, een klassieker onder de marktonderzoeksmethodes. Maar om ook daadwerkelijk 30 to 40% meer conversie te genereren op uw B2B website, loont het om kritisch te kijken naar hoe u de A/B test uitvoert. Daarvoor onderscheidt ik eerst de twee belangrijkste marktonderzoeksmethoden: Multivariate testing en de A/B test.

De multivariate en de A/B test: soortgelijk met verschillende doelstellingen

Volgens de officiële definitie maakt A/B testing onderdeel uit van multivariate testing, omdat beide verschillende versies van een concept testen. Wat marktonderzoek betreft staat de A/B test echter op zichzelf. Het doel van de twee testen verschilt namelijk op het volgende vlak: bij multivariate testing van bijvoorbeeld een webpagina of een marketing e-mail onderzoekt u welke onderdelen effectieve combinaties vormen en hoe zij samen uw webpagina verleidelijk maken door te testen in verschillende condities.

Bij een A/B test ontwerpt u twee typen van een website onderdeel wat u wilt testen en u toont deze vervolgens aan twee homogene groepen om te kijken of het effect verschilt. Bij een A/B test stelt u dus een directe vraag, zoals “welke content in mijn CTA is het meest effectief”? Waar u bij multivariate testing onderzoek doet aan de hand van een breder gedefinieerde vraag, zoals “welke indeling van mijn website stimuleert het meest de conversie van mijn leads”?

Welke onderdelen zijn geschikt voor een A/B test?

Op uw website bevinden zich een tal van onderdelen die zich lenen voor A/B testing. Neem de kleur of tekst van uw Call To Action, de onderwerpsregel of inhoud van uw marketing e-mail… Met een A/B test creëert u direct meer inzicht in het gedrag van uw traffic, uw conversiecijfers of uw e-mail Click Through Rates.

Begin met het bepalen van uw sample size

De grootte van uw sample, het aantal mensen dat uw website onder een van de geteste condities te zien krijgt, hangt natuurlijk af van uw totale aantal website bezoekers. Een middelklein bedrijf maakt het uitvoeren van een A/B test niet onmogelijk, integendeel! Zorg er echter wel voor dat u minimaal 5-10 proefpersonen per onderzoeksconditie aan uw test onderwerpt. Leveren zij een significant resultaat, dan doet u al nieuwe kennis op over uw leads. Meer bezoekers vergroten meestal wel de betrouwbaarheid van de uitkomsten.

Geduld is een significante zaak

Wanneer een waargenomen effect een bepaalde hoogte van betrouwbaarheid heeft bereikt, wordt het gezien als statistisch significant. De kans dat het effect puur toeval is, moet daarvoor gedaald zijn onder een vastgesteld percentage, bijvoorbeeld .05, .01 of .001 (in procenten 5%, 1% of 0.1%). Dit betrouwbaarheidsinterval bepaalt hoe lang u moet wachten voordat u de resultaten van uw test gaat analyseren. De tijdsduur verschilt soms nogal flink, afhankelijk van het onderzoek dat u doet of de condities die u creëert.

Beslissingen gebaseerd op overhaaste conclusies leiden wellicht tot de verkeerde implementaties en dan is al uw onderzoek voor niets geweest. Het sample representeert dan nog niet uw volledige website traffic. A/B testing tools en marketingsoftware geven het significantieniveau vaak zelf aan.

Wanneer iets werkt voor Hubspot...

Hoeft het nog niet voor uw eigen website te werken! Hubspot geeft veel voorbeelden van onderzoeken en tests die bewijzen hoe succesvol een bepaalde aanpak voor hen uitpakt. Deze onderzoeksresultaten past u helaas niet zomaar klakkeloos toe op uw persoonlijke website. Uw doelgroep of leads converteren misschien wel op hele andere manieren... of misschien juist niet! Daar komt u achter met uw eigen A/B tests.

Ook de resultaten van uw A/B tests blijven niet onbeperkt houdbaar. De gewenste invulling van uw website verandert namelijk met uw doelgroep mee. Consequent blijven testen is daarom van vitaal belang voor uw bedrijf.

Levert uw onderzoek naar verloop van tijd geen significant resultaat op?

Wellicht verschillen uw onderzoeksconcepten niet genoeg van elkaar. Een extreem voorbeeld: “Het gratis e-book Inbound Marketing” of “Een gratis e-book Inbound Marketing” maakt geen verschil voor uw leads, ook al klinkt voor u de een overtuigender dan de ander.

Soms spreken de significante resultaten uw intuïtie tegen. Maar zelfs marketeers met jarenlange ervaringen voorspellen niet altijd het gedrag van uw website traffic op de juiste manier. Wanneer "lelijke" Call To Actions meer conversie opleveren, implementeer deze dan ook. Het mooiste design is niet automatisch de winnaar!

Vertrouw dus op significante resultaten in plaats van intuïtie!

Neem een betrouwbare sample size
Spring niet te snel naar overhaaste conclusies
Kopieer niet klakkeloos resultaten van andere bedrijven
Blijf consequent testen met uw website onderdelen
Maak een zichtbaar onderscheid in uw onderzoekscondities
Accepteer dat de resultaten niet altijd overeenstemmen met ervaringen uit uw verleden