A/B testing wordt ook wel een “bucket test” of “split-run test” genoemd. Het is een willekeurige test op basis van twee variabelen, A en B. Met deze methode kunnen twee versies van bijna dezelfde methode getest worden om te bepalen welke versie het meest effectief is. Wat is A/B test en welke informatie kun je hieruit halen?
Bij een A/B test worden twee identieke scenario’s getest met slechts één variatie die invloed kan hebben op het gedrag van de gebruiker. Zo kan versie A de huidige versie zijn die fungeert als controle, de B versie wordt gewijzigd om een mogelijk effect te bepalen. Veelvoorkomende doelen van deze vorm van web testing, zijn de gebruiksvriendelijkheid en de conversie verbeteren.
Er zijn eenvoudige en complexe modellen mogelijk. Laten we uitgaan van een eenvoudig voorbeeld. Bij A/B testing wordt de groep opgedeeld in twee groepen van gelijke omvang. Laten we zeggen 500 bezoekers in groep A en 500 bezoekers in groep B. Bij het bezoek aan een website worden ze willekeurig doorgeleid naar een alternatieve pagina. De bezoeker weet niet dat ze een ‘alternatief’ te zien krijgen, ze weten ook niet of ze behoren tot de standaard groep of de controle groep. Alle 1000 bezoekers zullen pagina’s bezoeken, handelingen verrichten en voor een bepaalde tijd op de website informatie lezen. Als in beide groepen 500 bezoekers de website hebben bezocht kan er een analyse van de A/B test plaatsvinden. Wanneer blijkt dat er significante verschillen zijn in de testresultaten tussen groep A en B dan geeft dit handvatten om de website verder te optimaliseren.
Het is van belang bij A/B testing dat er doelen worden gesteld met resultaten die meetbaar zijn. In een webshop kan het zo eenvoudig zijn als het verhogen van conversies. Een winkel wil meer klanten die een transactie succesvol afronden. Versie A is de standaard webshop. Het is gebleken dat veel bezoekers wel producten in het mandje leggen maar de transactie niet voltooien. In versie B wordt het proces van afrekenen vereenvoudigd door bezoekers direct naar de kassa te sturen na het toevoegen van een product. Dit vermindert het aantal stappen maar het risico ontstaat dat klanten minder producten aan het winkelmandje toevoegen. Daarom is het van belang om op voorhand duidelijke conversiedoelen te stellen.
Het aantal conversies is echter een andere doelstelling dan een hogere omzet of meer winst behalen. Het is bij A/B testing van belang dat de kaders duidelijk worden gesteld. Meer conversies betekent namelijk niet altijd meer omzet, denk aan een groter aantal kleine bestellingen. Als per product een andere winstmarge wordt gehanteerd dan kan een hoge omzet op artikelen die met verlies worden verkocht juist een negatief resultaat zijn. Een A/B test is daarmee veel meer dan een andere layout of een afwijkende pagina indeling.
Onze specialisten staan voor je klaar. Neem contact met ons op om meer te weten te komen over A/B testing.