Wat is een AB-test - Definitie en voorbeelden

In dit artikel leer je wat een AB-test is (A/B-testen) en hoe u deze kunt gebruiken om uw digitale marketinginspanningen te optimaliseren. De ab-tests helpen je om je content- en marketingstrategie altijd te verfijnen op basis van echte data.

Als u op zoek bent naar een methode om uw marketingresultaten drastisch te verbeteren, lees dit van kaft tot kaft

Laten we beginnen!

Wat is een A/B-test?

Split-testen, algemeen bekend als A/B-testen, split-testen of A/B-testen, stelt marketeers in staat om twee verschillende versies van bepaalde inhoud op internet te vergelijken, om te bepalen welke beter presteert, met als doel het genereren van feedback. 

Marketeers, marketeers en professionals over de hele wereld zijn het erover eens dat een van de gemakkelijkste manieren om de conversieratio van uw bestemmingspagina na het klikken te verhogen, ook de meest effectieve is.

Dit is de reden waarom bedrijven over de hele wereld steeds meer van hun budget besteden aan de krachtige en relatief eenvoudige methode van optimalisatie die bekend staat als split-testen.

Waar kan ik een AB-test toepassen?

De ab-tests kunnen worden toegepast op: reclamebanners, naar de verkooppagina's, titels, afbeeldingen of andere inhoud die u plaatst. De mogelijkheden zijn onbeperkt.

U kunt bijvoorbeeld een AB-test toepassen op a pagina van bestemming om het te optimaliseren en de prestaties te verbeteren. In dit geval heb je 2 versies van dezelfde pagina. De ene zal de "controle" (het origineel) zijn en de andere een "variatie".

Met welke programma's kan ik de AB-testen doen?

Dit is uitsluitend afhankelijk van het platform dat u gebruikt en de inhoud die u wilt testen.

Meestal wordt de ab-testoptie aangeboden op veel digitale marketingplatforms, zoals: ClickFunnels, Leadpages, GetResponse, Aweber, Etc. 

Als je dit wilt toepassen op een video op je YouTube-kanaal, kun je dat doen met tools zoals TubeBuddy die in sommige van hun plannen de mogelijkheid omvatten om verschillende soorten buikspieren te testen. Kortom, er zijn veel programma's en platforms die de mogelijkheid bieden om buikspieren te testen, maar dit is relatief aan wat je nodig hebt.

U kunt ab-tests ook toepassen op de meeste advertentieplatforms, zoals: Facebook Ads, Google Adwords, Microsoft Advertising, Etc. Deze bedrijven willen uw prestaties verbeteren, en buikspieren testen zal u daarbij helpen.

Waar is de AB-test voor?

A / B-testen of A / B-testen is een concept dat u zal helpen in bijna alle mogelijke scenario's van digitale marketing.

Hier is een video die in zeer eenvoudige bewoordingen uitlegt wat een AB-test is:

De gebruikelijke manier om een ​​AB-test uit te voeren (één variabele per keer veranderen)

De gebruikelijke en gebruikelijke manier om een ​​ab-test te doen, is door uw originele inhoud te nemen en er een enkele bewerking op toe te passen. Het idee is om de variabelen te isoleren ...

Zo kom je er precies achter welke verandering de resultaten heeft opgeleverd.

Als ik bijvoorbeeld een banneradvertentie neem die ik op Facebook heb gepost en er een nieuwe versie van maak, maar met een andere afbeelding, kan ik later ontdekken welke van de twee afbeeldingen beter presteert.

Een voorbeeld van een algemene AB-test

Laten we eens kijken naar een voorbeeld van een algemene ab-test, waarbij het enige verschil tussen de twee versies een enkele variabele zal zijn. In dit geval zullen we de titel wijzigen.

Stel dat u wilt zien of een andere kop de conversieratio op uw bestemmingspagina zou verhogen nadat u een klik heeft ontvangen. De originele titel zegt:

"Hoe u de verkoop van uw bedrijf kunt verhogen". 

En de titel van de variatie zegt:

Leer de geheime methode die experts gebruiken om de verkoop voor elk bedrijf te verhogen. »

Na het hebben gegenereerd webverkeer voor beide versies merk je dat de variant meer conversies oplevert dan het origineel. Aangezien er slechts één verschil is tussen de 2 pagina's, kunt u er zeker van zijn dat de titel de reden was voor de toename.

Een andere manier om een ​​AB-test te doen

Het grootste probleem met de ideale manier om een ​​AB-test uit te voeren, waarbij slechts één item per test wordt gewijzigd, is dat elke test meerdere keren (soms honderd)duizenden bezoeken vereist voordat je kunt concluderen wat de test beter is.

Er is dus ook een meer praktische manier om het te doen. Laten we een ander voorbeeld bekijken:

U wilt het aantal conversies op uw bestemmingspagina na het klikken verhogen, dus u moet de volgende wijzigingen aanbrengen:

Titel van "Hoe u de verkoop van uw bedrijf kunt verhogen" à "Leer de geheime methode die experts gebruiken om de verkoop voor elk bedrijf te verhogen".

MAAR, nu gaan we nog een extra wijziging toepassen:

In de call-to-action-knop van het formulier op de bestemming « Sturen " naar "Laat me het geheim zien".

Een formulier met vier velden (naam, e-mailadres, telefoonnummer, bedrijfsnaam) naar een formulier met twee velden (naam, e-mailadres).

Nadat u verkeer naar beide versies heeft geleid, merkt u dat uw nieuwe variant, met de eerder doorgevoerde wijzigingen, 8% meer conversies genereert dan het origineel.

Briljant!

Maar... wacht even... je weet niet waarom deze toename in conversies plaatsvond. Als je een AB-test hebt gedaan of één item tegelijk hebt getest, kun je vol vertrouwen een reden geven.

Maar nu ik erover nadenk, kan het je echt schelen?

Onthoud het hoofddoel van optimalisatie en AB-testen: verhoog vooral uw conversies

Veel bedrijven interesseert het ook niet. Ze zijn geïnteresseerd in het stimuleren van conversies en het maakt ze niet uit waarom of hoe het gebeurt.

Als je niet veel tijd, verkeer en personeel hebt, of als je een grote onderhoudsbeurt hebt, is "slechts één item per test wijzigen" geen praktisch advies.

Houd er echter rekening mee dat het uitvoeren van een split-test niet zo eenvoudig is als "een wijziging aanbrengen en hetzelfde verkeer op elke pagina krijgen". Er komt veel meer bij kijken, welke methode (praktisch of precies) je ook kiest.

Voorbeelden van A/B-testen

Vervolgens zullen we enkele voorbeelden zien van het gebruik van a/b-testen in verschillende digitale marketingscenario's:

Voorbeelden van A/B-testen - AB-test in e-mailmarketing

De A/B-test, in het kader van marketing door e - mail , is het proces waarbij een variant van uw campagne naar een subset van uw abonnees wordt gestuurd en een andere variant naar een andere subset van abonnees, met als uiteindelijk doel te bepalen met welke variant van de campagne u de beste resultaten behaalt.

A / B-testen kunnen variëren in complexiteit, en eenvoudige A / B-testen kunnen het verzenden van meerdere onderwerpregels omvatten om te testen welke de meeste opens genereert, terwijl geavanceerdere A / B-testen het testen van volledig verschillende e-mailmodellen van elkaar kunnen omvatten zien. die de meeste klikken genereert.

Zodra de test is voltooid en de winnende versie is gevonden, wordt de winnende versie automatisch naar de rest van uw lijst verzonden.

A/B-testen van uw campagnes is een geweldige manier om de open- en klikfrequenties van uw e-mail te verhogen.

Hier is een perfecte video voor beginners over hoe je buikspieren kunt testen op je e-mailmarketingstrategie:

Voorbeelden van A/B-testen - AB-testen in Facebook-advertenties

AB-testen op Facebook-advertenties zijn fundamenteel vergelijkbaar met AB-testen op Facebook-advertenties. SEM-campagnes zodanig dan Bing of Google Ads. De simulatie laat zien welke elementen van uw advertentie het beste werken voor uw doelgroep. Je maakt verschillende campagnestrategieën voor hetzelfde aanbod en test welke het beste werkt per advertentiedollar.

Een AB-test op Facebook is meer dan alleen de elementen van je advertentietekst. U kunt uw campagne AB testen om erachter te komen welke doelgroepen het meest ontvankelijk zijn voor uw boodschap, of welk tijdstip van de dag of regio het beste is voor uw advertentie. De tests zijn gebaseerd op statistische analyse uitgevoerd door het Facebook-algoritme of een externe testtool.

Waarom zou u AB-testen gebruiken in uw Facebook-advertenties?

AB-tests werpen licht op de optimalisatie die nodig is om de beste prestaties uit uw campagne te halen. Haal het giswerk uit het marketingproces door u te helpen gegevensgestuurde beslissingen te nemen over wat uw doelgroepen willen en wat het beste voor hen is.

Door de omvang van de impact van subtiele wijzigingen op uw advertentiestatistieken te meten, kunt u uw campagne verfijnen om betere resultaten te behalen.

A/B-tests wijzen de weg voor jouw winnende strategie!

A/B-testen op bestemmingspagina's

Een van de belangrijkste plaatsen waar u uw AB-tests toepast, is op uw bestemmingspagina's, omdat ze een fundamenteel onderdeel vormen van uw hele proces of uw verkooptrechter.

Laten we nu eens kijken naar de stappen voor het uitvoeren van een buikspiertest op een bestemmingspagina.

Stap 1: Begin met een reden om de AB-test te doen

Zoals ik eerder al zei, moet de reden voor split-testen datagedreven zijn. Blijkt uit Google Analytics-gegevens dat uw bezoekers gemiddeld 5 seconden op uw pagina doorbrengen voordat ze vertrekken? ...

Misschien zouden je titel en uitgelichte afbeelding hun aandacht beter moeten trekken. Of misschien voelen ze zich bedrogen. Mogelijk moet u beter een postovereenkomst maken tussen uw advertentie en de bestemmingspagina na het klikken.

Stap #2: Bepaal wat u probeert te verbeteren

Stel jezelf de vraag: “Wat probeer ik te verbeteren? "

In dit geval zou je een gok kunnen doen: "Na te hebben opgemerkt dat de gemiddelde sessie van gebruikers op de bestemmingspagina na het klikken slechts 5 seconden duurt, denk ik dat het maken van een boeiendere kop hen in staat zal stellen de hoofdtekst te lezen en meer tijd te besteden op de pagina, wat uiteindelijk zal leiden tot meer conversies.

Door te testen kun je deze hypothese accepteren of verwerpen.

Stap #3: Bereken uw steekproefomvang

Voordat u uw test kunt voltooien, moet u iets bereiken dat 'statistische significantie' wordt genoemd. De term verwijst naar het aantal bezoeken dat elk van uw pagina's nodig heeft (controle en variatie) voordat u zeker kunt zijn van uw resultaten.

Op de meeste gebieden, inclusief conversie-optimalisatie, is het algemeen aanvaarde belangniveau 95% ...

Dit betekent in feite dat er aan het einde van uw test slechts 5% kans is dat uw resultaten op toeval berusten. Met een percentage van 95% kunt u er voor 95% zeker van zijn dat de wijziging in uw conversieratio het gevolg is van de wijzigingen die u op uw bestemmingspagina heeft aangebracht nadat op de klik is geklikt.

Stap 4: maak uw aanpassingen

Als dit de titel is die u wijzigt, moet u deze bijwerken. Als uw veronderstelling inhield dat u de getoonde afbeelding moest wijzigen, doet u dat.

Zorg ervoor dat uw oorspronkelijke bestemmingspagina na de klik hetzelfde blijft. Anders is uw referentie voor de test niet nauwkeurig.

Stap # 5 Elimineer verwarrende variabelen

Helaas vindt uw test niet plaats in een vacuüm. Dit betekent dat het mogelijk is dat een kleine externe factor uw test aanzienlijk beïnvloedt, wat kan leiden tot een misleidend resultaat.

Zorg ervoor dat de verkeersbronnen en verwijzingsadvertenties voor beide pagina's hetzelfde zijn en dat andere variabelen die van invloed kunnen zijn op uw test, zo goed mogelijk worden geëlimineerd.

Stap #6: zorg ervoor dat alles goed werkt

Onderzoek alles voordat de test wordt geactiveerd. Is uw bestemmingspagina na de klik in alle browsers hetzelfde? Werkt uw call-to-action-knop? Werken alle links in uw advertenties correct?

Voordat u iets gaat posten, is het belangrijk om alle aspecten van uw campagne op kwaliteit te controleren om er zeker van te zijn dat niets de nauwkeurigheid van uw resultaten in gevaar brengt.

Stap #7: Genereer verkeer naar uw pagina's

Dit is het moment om verkeer naar uw pagina's te leiden. Zorg ervoor dat, zoals ik eerder al zei, uw verkeer van dezelfde plaats komt (tenzij u natuurlijk een gesplitste test uitvoert van uw verkeersbronnen of uw advertenties). En controleer waar dit verkeer vandaan komt.

Nadat u uw verkeersbronnen heeft gekozen, gaat u door met het uitvoeren van uw test totdat u de steekproefomvang bereikt die u hebt geïdentificeerd in uw pretestberekeningen voor beide pagina's (origineel en controle). En als u dat aantal binnen een week bereikt, blijf dan testen.

Omdat? ...

Omdat de dagen van de week een grote impact hebben op conversies. Sommige dagen zullen uw bezoekers ontvankelijker zijn voor uw marketingboodschappen dan andere.

Als u de steekproefomvang hebt bereikt en de test uitvoert

Gedurende minstens een volledige week, terwijl u rekening houdt met verwarrende variabelen die uw gegevens zouden kunnen teisteren, is het tijd om de resultaten te zien.

Stap 8: Analyseren en optimaliseren

Hoe ging jouw variant? Heb je een grote boost gekregen? Een beetje? ...

Analyseer de resultaten en blijf bij de beste versie.

Maar alleen omdat uw bestemmingspagina na de klik beter is dan vroeger, betekent niet dat deze de beste is die hij kan zijn. Er is altijd iets te proberen. Geen enkele campagne is perfect.

Als je niet de gewenste resultaten hebt gekregen of een variatie hebt gemaakt die slechter is dan het origineel, maak je dan geen zorgen. Je hebt niet gefaald. U heeft zojuist iets ontdekt dat de conversies op uw pagina niet beïnvloedt. Ga je gang en blijf testen.

Veelvoorkomende fouten bij A/B-testen

Er zijn bepaalde praktijken die heel gebruikelijk zijn wanneer u begint met: