Wat is een A/B-test? — Gratis tool
Een A/B-test zet twee versies tegenover elkaar die in precies één element verschillen en vergelijkt de resultaten. Waarom die ene variabele de hele discipline is, hoeveel resultaten een winnaar nodig heeft om iets te betekenen, en de fouten die tot zelfverzekerde maar verkeerde conclusies leiden.
Twee versies van een bericht of advertentie tonen die op precies één element verschillen — kop, beeld, call-to-action — en de resultaten vergelijken. Verander je meer dan één variabele, dan is de winnaar niet te verklaren.
Wat het is
Een A/B-test, ook splittest genoemd, zet twee versies van dezelfde post of advertentie tegenover elkaar en vergelijkt wat er gebeurt. Versie A is meestal wat je toch al zou publiceren; versie B verandert precies één ding. Het doel is niet een betere post vinden, maar weten welk element het getal bewoog, zodat de les deze ene post overleeft.
Hoe het wordt gemeten
De maatstaf kies je vooraf, niet achteraf: doorklikratio bij een linkpost, conversieratio bij een advertentie, volledige weergave bij video. Daarna heb je genoeg resultaten nodig om het verschil iets te laten betekenen. Een significantieberekening scheidt een echt verschil van ruis, en hoe kleiner het gat tussen de versies, hoe meer resultaten nodig zijn om het überhaupt te zien.
Vaak verkeerd begrepen
De meest voorkomende fout is niet twee variabelen veranderen, maar te vroeg stoppen. Aan het begin van een test halen de twee versies elkaar voortdurend in, dus wie meekijkt en stopt zodra er één voorligt, vindt bijna altijd een winnaar, ook als de versies identiek zijn. De tweede fout is iets te kleins testen: een gewisselde emoji haalt bij geen enkele haalbare steekproef de ruis, dus de test kost een week en levert niets. Test het aanbod, de haak of het formaat voordat je de interpunctie test.
Wanneer het uitmaakt
Het telt vooral waar je geld uitgeeft, want daar stapelt een verschil van twee punten zich op. Organisch is het eerlijke nut smaller: je kunt publiek en tijdstip niet constant houden, dus behandel organische vergelijkingen als bron van hypothesen die een betaalde test wél kan beslechten.
Gerelateerde termen
Functies
- Heldere definitie, met de één-variabeleregel uitgeschreven
- Waarom een verschil in de cijfers geen verschil tussen de versies is
- Hoe lang een test moet lopen, en waarom stoppen bij de eerste voorsprong de klassieke fout is
- Wat organisch eerlijk te testen valt en wat niet, vergeleken met betaald
- Links naar de significantiecalculator om een resultaat te toetsen in plaats van te schatten
Veelgestelde vragen
Hoeveel variabelen mag ik tegelijk wijzigen?
Eén. Dat is geen stijlvoorkeur, het is wat het resultaat verklaarbaar maakt: heeft de winnende versie een nieuwe kop én een nieuwe afbeelding, dan zegt de test dat het paar won en niets over welke helft het werk deed.
Hoe lang moet een test lopen?
Lang genoeg voor een steekproef die niet op een handvol resultaten omslaat, en minstens één volledige cyclus van je normale weekpatroon. Een test van dinsdag tot donderdag meet dinsdag tot donderdag, niet je publiek.
Wanneer mag ik een winnaar uitroepen?
Wanneer het verschil groter is dan de ruis, en dat is precies wat een significantieberekening zegt. Stoppen zodra één versie voorligt is de meest voorkomende manier om een zelfverzekerd verkeerd antwoord te krijgen, want vroege voorsprongen keren steeds om.
Kan ik organische posts A/B-testen?
Alleen bij benadering. Je kunt niet twee versies aan hetzelfde publiek onder dezelfde omstandigheden tonen, dus een organische vergelijking sleept het tijdstip, de dag en het algoritme mee. Behandel het als een aanwijzing en bewaar echte tests voor betaald.
En als er geen verschil is?
Dat is een resultaat, en een nuttig. Het betekent dat het element dat je veranderde niet is wat de post begrenst, dus de volgende test zou naar iets anders moeten gaan en niet naar een kleinere variatie van hetzelfde.
