Veel bedrijven steken erg veel tijd en energie in het genereren van traffic. De belangrijkste bronnen van verkeer is voor veel sites waarschijnlijk Google Advertising. Het nadeel van advertising is dat het vaak veel geld kost.
Andere manieren van verkeer binnenhalen zijn, organisch zoekverkeer, social media of e-mail marketing. Deze kanalen vergen veel tijd en energie om goede resultaten en dus veel verkeer mee binnen te halen. Dat wil niet zeggen dat niet zinloos is om hier tijd, energie en geld in te steken; zonder verkeer immers geen verkopen.
Het einddoel is echter dat mensen converteren, een bestelling plaatsen, aanvraagformulier invullen of heel simpel inschrijven voor de nieuwsbrief.
Hoe doe je dit?
Hier komt de term Conversion Rate Optimalisation, in het Nederlands: Conversie optimalisatie, om de hoek kijken. Onder conversie optimalisatie valt eigenlijk alles wat met het on-site optimaliseren te maken heeft. Alle aanpassingen aan functionaliteiten, content en designs maar ook de kleinste aanpassing zoals een tekst op een bestelknop.
Maar wat is nu A/B Testen?
Een belangrijke tool van de CRO-expert is A/B Testen. A/B Testen is het tegelijkertijd testen van verschillende mogelijkheden voor een element op de site. Denk hierbij aan een titeltekst voor een landingspagina, de plaatsing, kleur en tekst van de bestelknop. Maar ook verschillende (achtergrond) afbeeldingen kunnen getest worden.
Het opzetten en uitvoeren van een ab-test brengt meer met zich mee dan op ‘start test’ drukken.
Daarom heb ik uitgewerkt wat de stappen van zo’n traject ongeveer zijn:
1. Google Analytics analyse
We beginnen met een uitgebreide analyse van Google Analytics. Hier zijn een aantal dingen van belang:
1. Wat zijn de KPI’s? Waar stuurt men op?
2. Is er genoeg traffic om een ab-test uit te kunnen voeren?
3. Waar zit de bottleneck? Waar moeten we beginnen met testen?
Ook kan er een Health check uitgevoerd worden om te zien of alles correct wordt gemeten. Voor veel online bedrijven zijn de cijfers uit Google Analytics de cijfers waar op gestuurd wordt. Het is dus van belang dat deze cijfers kloppen.
2. Site scan
Na, of eigenlijk tegelijk met, de Google Analytics analyse gaan we kijken welke knelpunten we op de site kunnen ontdekken. Uit Google Analytics zijn een aantal opvallende dingen naar voren gekomen. Nu gaan we kijken wat mogelijke oorzaken hiervoor zijn.
Bijv: slechts 10% van de bezoekers gaat vanuit de cart naar de betaalpagina. Waar zien we verbeterpunten in de cart?
3. Hypotheses opstellen
In deze stap gaan we de knelpunten omzetten naar hypotheses. Voor een goede test is het van belang dat je een goede hypothese hebt die je kunt testen. Alleen dan kun je naderhand zeggen of een test succesvol is of niet.
Bijvoorbeeld: De CTR van de cart is erg laag en uit de site scan is gebleken dat de knop ‘verder naar betalen’ erg ver naar onder staat.
Een hypothese zou kunnen zijn; “Door de tekst op CTA aan te passen en deze opvallender te positioneren denken we de CTR van de cart en zodoende de eindconversie te verbeteren.”
4. Uitwerken testvoorstel
Vervolgens zetten we alle details van de test die we gaan uitvoeren in een overzicht voor de klant. Een aantal punten in het voorstel zijn: Aanleiding, Hypothese(s), Cijfers (verwachte traffic, duur, etc.) en uitwerking van de varianten.
5. Uitwerken test binnen testing-tool
Eindelijk kunnen we nu de test in de AB testing-tool uit gaan werken. Deze tool maakt het mogelijk verschillende varianten te bouwen, targetting per browser, mobile device en natuurlijk inzag in de testresultaten. Voorbeelden van tools: Optimizely, Visual Web Optimizer en Google Web Optimizer.
6. Test lanceren -> Test loopt
Als alles correct is ingesteld kan de test gelanceerd worden. De opdrachtgever wordt per mail op de hoogte gebracht en alles wordt nogmaals gecheckt om er zeker van te zijn dat in alle browsers op de verschillende apparaten er geen fouten optreden.
Nu zou je denken: De test loopt dus over een tijdje zien we wel wat het resultaat is. Helaas fout!
Als een test loopt wordt deze nauwkeurig in de gaten gehouden. Zo kan men een variant of zelfs de hele test pauzeren wanneer deze tegenvallende resultaten laat zien. Gedurende de test wordt de opdrachtgever op de hoogte gehouden van de voortgang van de test.
7. Rapportage/Resultaat delen
Wanneer is een test dan klaar?
Een ab-test kan pas stopgezet worden als het resultaat significant is. Dat wil zeggen dat het resultaat van de test een betrouwbare voorspelling is (met andere woorden: geen toevalstreffer).
De expert zal een test dus pas stopzetten als het resultaat significant en betrouwbaar is of als blijkt dat er geen significante verbetering aan lijkt te komen. Hierbij houdt hij rekening met veel verschillende factoren en zal hij weer Google Analytics induiken om te zien of er geen rare dingen zijn die het resultaat van de test beïnvloeden.
Wanneer de test stopgezet is zal er een korte rapportage worden opgesteld waarin staat wat het resultaat is en wat de learnings uit de test zijn.
En nu?
Het is natuurlijk zonde om het bij één ab-test te laten. Optimaliseren is vaak stapsgewijs verbeteringen realiseren. Bij een volgende test hoeft het voortraject niet helemaal meer doorlopen te worden. Nu kun je bij stap 4 beginnen, stap 1 t/m 3 zijn al gebeurd. Het traject voor een tweede, derde etc. test zal daarom minder handelingen en tijd kosten.