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

Nadat ik een halfuur als een kip zonder kop had gerend, kwam ik met een bezweet en knalrood hoofd 40 minuten te laat aan op mijn 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 intuïtie leidt ook bij marktonderzoek niet altijd tot gewenste resultaten. Om daadwerkelijk meer website conversie te creëren voeren marketeers daarom verschillende onderzoeken. De eerste test die iedere marketeer leert uit te voeren is de A/B test, een klassieker onder de marktonderzoeksmethoden. Om 30 tot 40% meer conversie te generen op jouw B2B website, loont het om kritisch te kijken naar hoe je de A/B test uitvoert. Daarvoor onderscheid ik eerst de twee belangrijkste marktonderzoeksmethoden namelijk: multivariate testing en A/B testing. Maar allereerst wat is A/B testing?

Wat is A/B en multivariate testing? 

Een A/B test is een marketing experiment waarbij je jouw publiek in 2 groepen splitst om bijvoorbeeld een campagne te testen. Zo kan je testen welke variatie wel of niet werkt voor jouw doelgroep. Terwijl een A/B-test jou in staat stelt te leren welke opmaak van een site of welke stukken content het meeste aanspreken, laat multivariate je inzoomen op specifieke pagina-elementen waarbij je kijkt welke de lezers het meest aanspreken door het publiek meerdere unieke variaties te tonen. Zo heeft HubSpot ook een blog geschreven hoe je een A/b test kan uitvoeren.

Er zijn verschillende soorten A/B testen die je kan gebruiken om te experimenteren welk variatie het best presteert. Het doel dat de meeste marketeers gebruiken is om het websiteverkeer het verhogen, een hoger conversiepercentage, lagere bounce rate en een lager ‘verlaten’ winkelwagen. Je creëert Met A/b testing dus meer inzicht in het gedrag van je traffic, jouw conversiecijfers en jouw e-mail click through rates.

Wat zijn de verschillen en overeenkomsten van A/B en multivariate testing? 

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 echter op zichzelf. Het doel van de twee testen verschilt namelijk op het volgend vlak: bij multivariate testing van bijvoorbeeld een webpagina of een marketing e-mail onderzoek je welke onderdelen effectieve combinaties vormen en hoe zij samen jouw webpagina verleidelijk maken door te testen in verschillende condities.

Bij een A/B test ontwerp je twee type van een websiteonderdeel wat je wil testen en je toont deze vervolgens aan twee homogene groepen om te kijken of het effect verschilt. Bij een A/B test zul je dus een directe vraag zoals: ‘’welke content in mijn CTA is het meest effectief?’’ Bij een multivariate test onderzoek je aan de hand van een breder gedefinieerde vraag zoals: ‘’welke indeling van mijn website stimuleert het meest conversie van mijn leads?’’

Welke onderdelen zijn geschikt voor een test?

Op jouw website bevinden zich een tal van onderdelen die geschikt zijn voor een experiment. De meest voorkomende testen zijn: e-mail, landingspagina’s en call to action (CTA). Neem bijvoorbeeld de kleur of tekst van jouw CTA, de onderwerpsregel of inhoud van jouw marketing e-mail.

Begin met het bepalen van uw sample size

 De grootte van jouw sample, het aantal mensen dat jouw website onder een van de geteste condities te zien krijgt, hangt natuurlijk af van het   totaal aantal website bezoekers, je testtool en het type test die je uitvoert. 

Zorg er echter wel voor dat je genoeg proefpersonen hebt om een significant resultaat te behalen. Als zij een significant resultaat leveren, dan loop je al kennis op over je leads. Meer bezoekers vergroten meestal wel de betrouwbaarheid van de uitkomsten. 

Geduld is een significante zaak

Wanner 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 0.5, 01. Of .001 (procentueel: 5%, 1% of 0,1%). Dit betrouwbaarheidsinterval bepaalt hoe lang je moet wachten voordat je de resultaten van jouw test gaat analyseren. De tijdsduur verschilt soms nogal flink, afhankelijk van het onderzoek dat je doet of de condities die je creëert.

Beslissingen gebaseerd op overhaaste conclusies leiden wellicht tot de verkeerde implementaties. Dan is je onderzoek allemaal voor niets geweest. Het sample representeert dan nog niet jouw volledige website traffic. A/b testing tools en marketingsoftwares geven het significantieniveau vaak zelf aan.

Wanneer iets werkt voor een ander bedrijf... 

Hoeft het nog niet voor jouw eigen website te werken! Experts hebben ook een bloedhekel aan de term ‘best practice’. Want wat een goed practice is voor het ene bedrijf, hoeft het niet te betekenen dat het de beste practice voor jouw bedrijf is. HubSpot zelf geeft vele voorbeelden van onderzoeken en tests die bewijzen hoe succesvol een aanpak voor hen uitpakt. Deze onderzoeksresultaten kan je helaas niet klakkeloos toepassen op jouw persoonlijke website. Jouw doelgroep of leads converteren misschien wel op hele andere manieren of misschien juist niet! Daar komt je dus achter met jouw eigen A/B tests.

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

Levert je onderzoek na verloop van tijd geen significant resultaat op? 

Welllicht verschillen jouw onderzoek concepten niet goed genoeg van elkaar. Een extreem voorbeeld: ‘’Het gratis e-book inbound marketing’’ of ‘’Een gratis e-book inbound marketing’’ maakt geen verschil voor jouw leads. Ok al klinkt de ene overtuigender dan de ander voor jou.

Soms spreken de significante resultaten jouw eigen intuïtie tegen. Maar zelfs marketeers met jarenlange ervaringen voorspelingen niet altijd het gedrag van hun website traffic op de juiste manier. Wanneer ‘lelijke’ CTA’s meer conversie opleveren, implementeer ze dan ook. Het mooiste design is niet altijd automatisch de winnaar.

Vertrouw dus op significante resultaten in plaats van intuïtie!