Digitaal balspel: Waarom de hele dag A/B testen werkt!

Buzzfeed, Amazon en Netflix weten dit: Hoe meer je test, hoe beter je aansluit bij de wensen van je klanten. A/B-tests zijn een geweldige manier om deze inzichten te krijgen.

In zijn recente boek Groei hacken, opstarten goeroes Sean Ellis en Morgan Brown vertellen een leerzaam verhaal. In 2007 nam Art Briles het over als hoofdcoach van het Baylor University footballteam. Al snel haalden de Baylor Bears een gemiddelde van 64 punten per wedstrijd en gingen ze elk jaar als een van de best geplaatste teams van het land naar een bowlwedstrijd.

Wat was het geheim van het succes van de Baylor Bears? "Door sneller te spelen en de tijd tussen de spelmomenten te verkorten, was Baylor in staat om ongeveer 13 offensieve spelmomenten per wedstrijd meer te spelen dan hun concurrenten," schreven Ellis en Brown. Dit vertaalde zich in veel meer ervaringsleren over welke plays het beste werken en in welke omstandigheden.

Wat Briles en zijn team deden is de kern van A/B-testen. Een A/B-test, ook bekend als een "split-run test", is een gecontroleerd experiment waarbij 2 versies van een enkele variabele worden vergeleken door de reactie van een proefpersoon op variabele A te vergelijken met variabele B. Zo wordt bepaald welke van de 2 variabelen effectiever is.

In marketing hebben A/B-tests bewezen zeer effectief te zijn. Vanwege de wetenschappelijke achtergrond van dit soort testen kan deze taak een beetje intimiderend lijken. Je hoeft echter geen ontwikkelaar te zijn om deze tests uit te voeren. Dus laat je niet afschrikken en begin vandaag nog met split-run testen! Zoals ik hieronder beschrijf, kun je elke fase van je proces optimaliseren door middel van A/B-testen.

Alles begint met een product of dienst die je wilt verkopen. Door A/B-testen kun je je product blijven verbeteren.

Dit betekent dat je kleine variaties in het product maakt en test welke versie het beste bij de markt past. Maar dit proces stopt nooit. Afhankelijk van je product of markt zullen nieuwe tests na langere of kortere tijd worden uitgevoerd.

Casestudie: Netflix

Netflix is de poster jongen voor data-gedreven creativiteit. Bijna al hun beslissingen zijn gebaseerd op gegevensanalyse en A/B-testen.

De Netflix-streamingervaring met minimale afspeelonderbrekingen en video van hoge kwaliteit is hier een goed voorbeeld van. Door middel van split-run tests selecteert Netflix ook het beste artwork voor video's, wat soms resulteert in 20% tot 30% meer kijkers voor die titel.

Je product moet een prijs hebben. Of toch niet? Het kan ook verschillende prijzen hebben.

Door middel van split-runs test je de effectiviteit van je prijs door verschillende prijzen te tonen aan verschillende groepen websitebezoekers (gesegmenteerd in klanttype). Voor elke groep wordt een prijs berekend die voor de hoogste winst zorgt. Elke groep ziet nu de prijs die voor hen is berekend. Variaties in prijzen op basis van tijd van de dag zijn ook mogelijk.

Casestudie: Amazon

In 2000 waren dynamische en gepersonaliseerde prijzen een revolutionaire aanpak. Er volgde ophef na een Amazon Een klant merkte dat als hij zijn cookies verwijderde, hij een dvd die hij wilde hebben voor $4 minder kon kopen. Amazon CEO Jeff Bezos bood zijn excuses aan en duizenden klanten kregen hun geld terug.

De prijzen maakten deel uit van een bedrijfstest waarbij willekeurige prijzen werden aangeboden om een optimale prijs voor producten te bepalen, zei Bezos destijds. Er werd echter geen demografische informatie van klanten gebruikt om de aangeboden prijzen te bepalen.

Wat 18 jaar geleden controversieel was, is nu een goede gewoonte onder webwinkeliers overal ter wereld. Op basis van klantgegevens en internetgedrag op verschillende apparaten weten webwinkeliers zoals Amazon welke prijzen op welk moment het meest effectief zijn voor welke klanten. Het gigantische bedrijf verandert tot 2,5 miljoen keer per dag van prijs.

De volgende stap is het ontwerpen en onderhouden van een website voor je product. Je kunt dit platform ook optimaliseren door A/B-testen.

Dit geldt voor elk aspect van je website. Kopij, foto's, lettertype en - jawel - het clichévoorbeeld van de kleur van een knop. Er is niets op een website dat je niet kunt testen.

Casestudie: Buzzfeed

De nieuwssite Buzzfeed toont meerdere versies van artikelen aan websitebezoekers. "We A/B-testen zo'n beetje alles," BuzzFeed data-infrastructuur ingenieur Walter Menendez zei hij tijdens een lezing. "Niet alleen de kop, maar ook het nummer in de kop, de thumbnail die wordt weergegeven op Facebook of Twitter."

Na een paar uur bepalen de klikken van de websitebezoekers de winnende combinatie van tekst, afbeelding en kop. Het werkt echt: ranking op 193 in geschat, wereldwijde populariteitVeel Buzzfeed-artikelen gaan viraal.

Na het optimaliseren van je website wil je internetgebruikers overtuigen om je website te bezoeken. A/B-tests bieden opnieuw een helpende hand.

Online adverteren is de belangrijkste methode die je kunt gebruiken om verkeer naar je website te leiden. Dit geeft je een mooie kans om ook dit deel van je werkproces te A/B-testen.

Facebook biedt bijvoorbeeld de mogelijkheid om A/B-tests uit te voeren met als doel je te helpen je doelgroep te targeten. Je kunt verschillende versies van je advertenties testen om te zien wat het beste werkt en wat verbeterd kan worden in toekomstige campagnes.

De beste advertentieset wordt bepaald door de kosten per resultaat van elke advertentieset te vergelijken. Het attributiesysteem van Facebook berekent welke advertentieset de laagste kosten per resultaat heeft, zoals de kosten per aankoop op de website.

Casestudie: AdEspresso

De makers van de Facebook-optimalisatietool AdEspresso merkten dat een van hun zijbalkadvertenties slecht presteerde. Omdat de titel en de afbeelding niet het probleem leken te zijn, besloten ze de tekst van de advertentie te A/B-testen.

Dit waren de 2 varianten:

• LIKE ons voor dagelijkse tips over hoe je je Facebook-advertentiecampagnes kunt verbeteren & je ROI kunt verhogen! (oude versie)
• LIKE ons voor pro-tips over hoe je je Facebook-advertentiecampagnes vandaag nog kunt verbeteren! (nieuwe versie)

De oude versie kreeg geen enkele like; de bijgewerkte tekst zorgde voor 70 nieuwe likes in slechts één week. Er zijn een paar redenen waarom de nieuwe tekst beter was, maar het mooie van A/B-testen is dat het er niet toe doet. Laat de cijfers voor zichzelf spreken.

A/B-testen is een continu proces; begin vandaag en word elke dag een beetje beter! Wil je meer weten over split-run testen? Bekijk deze ruimtewant ik zal te zijner tijd op dit onderwerp terugkomen.