We weten inmiddels dat het rendement (de conversie) van webpagina’s vaak tegenvalt. Online bezoekers willen snel de juiste informatie op hun scherm hebben, willen soms geïnspireerd worden of een concreet antwoord op hun vraag hebben. Daarnaast moeten we als uitgangspunt nemen dat een webpagina altijd ruimte voor verbetering heeft: het zijn soms kleine aanpassingen die er voor kunnen zorgen dat meer bezoekers langer op de website blijven, wél een bestelling of reservering gaan plaatsen. Een kleine aanpassing van de tekst, het plaatsen van extra afbeeldingen of zelfs het veranderen van de kleurstelling kan al resultaat hebben.
>> Dit artikel maakt deel uit van de reeks Conversie Optimalisatie
Hogere conversie door aanpassingen aan website of toeval?
We willen er zeker van zijn dat de verandering in online bezoekersgedrag die we zien nadat de wijziging op de webpagina is doorgevoerd ook écht het resultaat van die wijziging is. Immers: de verandering in gedrag kan ook door andere aspecten worden veroorzaakt; bijvoorbeeld:
- We hebben de productpagina met regenjassen aangepast en zien 5% meer bestellingen. Of heeft dit te maken met het feit dat het toevallig al 3 dagen regent?
- We hebben de tekst op de bestelknop aangepast en zien 3% meer bestellingen. Of heeft dit te maken met het feit dat veel mensen toevallig deze week hun vakantiegeld hebben ontvangen?
- We hebben extra afbeeldingen op de productpagina’s geplaatst en zien 4% meer bestellingen.
Met andere woorden: we willen er zeker van zijn dat het effect van de aanpassingen waarvan we vermoeden dat deze een positief effect hebben op het online gedrag van bezoekers op de juiste manier gemeten worden. Je weet niet altijd óf een aanpassing (positief of negatief) effect zal hebben en ook niet hoeveel dit zal zijn. Daarom willen we de gemaakte veranderingen goed testen voordat we definitief besluiten om deze definitief door te voeren op de gehele website. Daarom kun je A/B tests gaan inzetten.
Hoe werkt een A/B test?
Bij het inzetten van een A/B test ga je 2 varianten van een pagina op de website tegelijkertijd tonen aan verschillende bezoekers. Stel dat bezoeker A om 9.00 uur jouw productpagina opvraagt dan toon je deze bezoeker variant A. Om 9.10 uur vraagt bezoeker B dezelfde pagina op en deze krijgt variant B: een iets gewijzigde pagina met aanpassingen waarvan je verwacht dat deze een positief resultaat zullen hebben. Als je deze test vaak genoeg hebt kunnen uitvoeren dan kun je uit de statistieken aflezen of variant B inderdaad een hoger resultaat laat zien dan variant A. Als dat zo is dan heb je een goede onderbouwing om de gemaakte aanpassing definitief te maken: de B-variant wordt dan overal doorgevoerd en je kunt overgaan naar een volgende optimalisatieslag.
Overigens kun je natuurlijk Google Analytics gebruiken om te meten of er verschillen vast te stellen zijn tussen de A en B variant. Je kunt er (aansluitend) ook voor kiezen om speciale tools in te zetten zoals VWO.
Kan ik je helpen?
ELKE WERKDAG van 9 tot 10 gratis spreekuur! Bel mij en leg jouw vraag voor of stuur jouw URL alvast door via Whatsapp!
Voorwaarden voor A/B tests
Je kunt A/B tests niet elke pagina op elke website inzetten. Een belangrijke voorwaarde is dat je genoeg verkeer (bezoekers) op de website hebt (en dan specifiek ook die pagina die je wilt gaan testen) en dat het traject van conversie optimalisatie goed doorlopen is. Dit wil zeggen dat je voldoende informatie hebt (uit statistieken, uit gesprekken met bezoekers, uit praktijkervaringen van anderen) om te geloven dat de aanpassing in jouw website écht iets gaat opleveren. A/B tests zorgt dan voor het bewijs en de onderbouwing (richting het managementteam of de marketingmanager bijvoorbeeld).
Tip: op deze pagina kun je nagaan of jouw website voldoende bezoekers heeft om eventueel een A/B test in te zetten.
Test ook nooit twee veranderingen tegelijkertijd: als je bijvoorbeeld een button op de website aanpast door deze een andere kleur én tekst te geven dan weet je niet na afloop van de test welke van deze twee veranderingen hebben geleid tot verandering in het bezoekersgedrag.