A/B testen is de motor onder conversie-optimalisatie: in plaats van te gokken welke versie beter werkt, laat je de data het uitwijzen. Hieronder leggen we uit wat een A/B-test is, hoe het proces eruitziet, en de valkuilen die je resultaten onbetrouwbaar maken.
Wat is een A/B-test?
Een A/B-test is een experiment waarin je twee versies van een pagina of element tegen elkaar test. De helft van je bezoekers ziet de huidige versie (variant A, de controle), de andere helft een aangepaste versie (variant B). Je verdeelt het verkeer willekeurig en meet welke versie beter converteert. Zo weet je niet wat je dénkt dat werkt, maar wat er echt werkt.
Waarom A/B testen loont
De meeste meningen over wat werkt op een website zijn onderbuik. A/B testen vervangt die discussie door bewijs. Je haalt meer uit hetzelfde verkeer, je voorkomt dat een “verbetering” je juist omzet kost, en je bouwt een stroom van leerpunten op over wat jouw bezoekers overtuigt. Dat is vaak goedkoper dan meer advertentiebudget, want je betaalt niet per extra bezoeker.
En het beschermt je tegen aannames die logisch klinken maar averechts werken. Bij een van onze klanten verwachtten we dat het tonen van iets voordeligere opties bezoekers zou overhalen. De test liet het omgekeerde zien: het conversiepercentage daalde met 4 procent. De korting was te mager om te overtuigen en deed afbreuk aan het merk. Zonder test was die “verbetering” gewoon live gegaan.
Reken wel op een eerlijk beeld: lang niet elke test wint. Van de experimenten die aan omzet gekoppeld zijn, wint ongeveer één op de tien. Dat is geen falen, dat is precies waarom je test in plaats van gokt.
Zo ziet het A/B-testproces eruit
Een goede test volgt een vaste route, precies zoals we het bij conversie-optimalisatie aanpakken:
- Analyse. Waar haken bezoekers af? Data, heatmaps en sessie-opnames laten zien waar de winst zit.
- Hypothese. Een onderbouwde verwachting: “als we X aanpassen, stijgt de conversie omdat Y.” Geen willekeurige gok.
- Variant bouwen. Je maakt de aangepaste versie en verdeelt het verkeer willekeurig over A en B.
- Testen tot significantie. Je laat de test lopen tot je genoeg data hebt om betrouwbaar te concluderen, niet tot je het gewenste resultaat ziet.
- Doorvoeren en leren. Wint de variant aantoonbaar, dan voer je hem door. Wint hij niet, dan is dat ook een leerpunt voor de volgende test.
De grootste valkuil: te vroeg juichen
De meest gemaakte fout is een test te vroeg stoppen. Vroeg in een test schommelen de cijfers sterk, en het is verleidelijk om een voorsprong meteen als winst te lezen. Uit een analyse van ruim 4.000 tests bleek dat 41 procent van de tests significantie claimt terwijl er onvoldoende statistische power is, en die “winnaars” herhalen zich later in maar 28 procent van de gevallen. Met andere woorden: bijna de helft van de gevierde overwinningen was toeval.
Daarom stuur je op statistische significantie (meestal 95 procent zekerheid) én op voldoende steekproefgrootte, niet op onderbuik. Hoeveel verkeer je daarvoor nodig hebt, lees je hieronder.
Hoeveel data heb je nodig voor een betrouwbare A/B-test?
Er is geen vast getal. Hoeveel verkeer je nodig hebt, hangt af van drie dingen:
- Je basis conversieratio. Hoe lager je conversieratio, hoe meer verkeer je nodig hebt om een verschil betrouwbaar te zien.
- De kleinste verbetering die je wilt aantonen (MDE). Een verschil van 2 procent oppikken vraagt veel meer data dan een verschil van 20 procent. Een MDE van 2 tot 5 procent is een gangbare richtlijn.
- Je zekerheid en power. De standaard is 95 procent betrouwbaarheid (de kans dat een verschil echt is) en 80 procent power (de kans dat je een echt verschil ook oppikt).
Als ankerpunt: de mediane A/B-test heeft ongeveer 14.800 sessies per variant nodig om een verschil van 5 procent aan te tonen bij een conversieratio van 3 procent. De meeste tests draaien tussen de 10.000 en 50.000 bezoekers. Gebruik altijd een steekproefcalculator voor je eigen situatie, en laat een test minstens één tot twee volledige weken lopen, zodat je dag- en weekpatronen meeneemt.
A/B testen met weinig verkeer
Niet elk bedrijf heeft tienduizenden bezoekers per maand. Met weinig verkeer is klassiek A/B testen vaak niet betrouwbaar af te ronden. Wat je dan wel kunt doen:
- Test grotere veranderingen. Een grote ingreep geeft een groter verschil, en dat toon je met minder data aan dan een subtiele aanpassing.
- Focus op je drukste pagina’s. Test waar het meeste verkeer en de meeste omzet samenkomen.
- Leun op kwalitatieve data. Heatmaps, sessieopnames en klantfeedback laten zien waar bezoekers afhaken, ook zonder statistische massa. Kijk daarbij minimaal vier weken, anders kijk je naar toeval.
- Voer verbeteringen door die geen test nodig hebben. Een kapot formulier of een trage mobiele pagina repareer je gewoon. Testen doe je pas als de basis klopt.
Wat je vooral niet moet doen: een test stoppen zodra hij toevallig gunstig staat, of significantie forceren. Dat kost je op termijn meer dan het oplevert.
Wat je zoal kunt A/B testen
- Koppen en teksten: je waardepropositie, koppen en microcopy bij knoppen en formulieren.
- Call-to-actions: tekst, kleur, plaatsing en aantal knoppen.
- Formulieren: aantal velden, volgorde en labels.
- Layout en visuals: volgorde van secties, afbeeldingen versus video, bewijs zoals reviews.
- Prijs en aanbod: prijsweergave, bundels, garanties en verzendkosten.
Een test is zo goed als je meting
Een A/B-test staat of valt met betrouwbare cijfers eronder. Meet je conversies verkeerd, mis je een deel door consent of adblockers, of tel je dubbel, dan test je op ruis. Wij zorgen daarom eerst dat je meting klopt, met server-side tracking en één bron van waarheid in het marketing dashboard, en pas daarna dat je erop stuurt. Zo weet je zeker dat een gewonnen test ook echt gewonnen is.
Veelgestelde vragen
Wat is een A/B-test?
Een experiment waarin je twee versies van een pagina of element tegen elkaar test. De helft van je bezoekers ziet de huidige versie, de andere helft een aangepaste versie, en je meet welke beter converteert.
Hoe lang moet een A/B-test lopen?
Tot je voldoende data en statistische significantie hebt, meestal 95 procent zekerheid, en bij voorkeur minstens één of twee volledige weken om dag- en weekpatronen mee te nemen. Stop niet zodra je een voorsprong ziet.
Wat is statistische significantie bij A/B testen?
De kans dat het verschil dat je meet echt is en geen toeval. Bij 95 procent significantie is er nog maar 5 procent kans dat het resultaat op toeval berust. Zonder voldoende steekproef haal je die zekerheid niet.
Wat kun je allemaal A/B testen?
Koppen en teksten, call-to-actions, formulieren, layout en visuals, en prijs of aanbod. In principe alles wat invloed heeft op of iemand converteert.
Heb ik veel verkeer nodig voor A/B testen?
Ja, hoe lager je conversieratio en hoe kleiner het verschil dat je wilt aantonen, hoe meer verkeer je nodig hebt. Met weinig verkeer duurt een test lang of is hij niet betrouwbaar af te ronden.
Wat is statistische power bij A/B testen?
De kans dat je een echt bestaand verschil ook daadwerkelijk oppikt. De standaard is 80 procent. Tests met te weinig power claimen vaak winst die zich later niet herhaalt.
Kan ik A/B testen met weinig verkeer?
Beperkt. Test dan grotere veranderingen, focus op je drukste pagina’s en leun meer op kwalitatieve data zoals heatmaps en sessieopnames. Forceer geen significantie.
Aan de slag met A/B testen
Wil je meer uit je bestaande verkeer halen met tests die kloppen? Bekijk de aanpak van ons conversie optimalisatie bureau, of vraag de gratis analyse aan. Dan kijken we waar bij jou de grootste winst zit.