Wat is A/B-testen in UX? | UX-onderzoek #26

A/B-testen zijn een uitstekende onderzoeksmethode om twee alternatieve versies van een bepaalde oplossing gelijktijdig te testen. Lees ons artikel om te leren hoe je A/B-tests uitvoert en om de voordelen en beperkingen ervan te zien.

A/B-testen in UX – inhoudsopgave:

1. Wat zijn A/B-tests in de context van UX-onderzoek?
2. Wanneer A/B-testen toepassen?
3. Hoe A/B-testen uitvoeren?
4. Samenvatting

Wat zijn A/B-tests in de context van UX-onderzoek?

A/B-testen stellen je in staat om twee versies van een product/oplossing (versie A en versie B) te testen en te evalueren welke versie meer goedkeuring van gebruikers krijgt. De manier om dit te meten omvat de conversieratio, de tijd die op de site wordt doorgebracht of de feedback van deelnemers en hun neiging om de site/product aan te bevelen. Voor de test moet je definiëren en bepalen wat “succes” betekent voor een bepaalde versie.

Wanneer A/B-testen toepassen?

Je kunt A/B-tests inzetten voor prototype-testen, tijdens de productontwikkelingsfase, evenals voor het opbouwen van marketing- en promotiestrategieën. Ze zijn het perfecte hulpmiddel om beslissingen te nemen die de winst van een organisatie kunnen beïnvloeden. A/B-tests zijn vooral handig wanneer we al een hypothese hebben op basis van eerder onderzoek en willen bevestigen dat het de juiste oplossing is. Onderzoeksvragen die zijn opgesteld voor A/B-testen kunnen er als volgt uitzien:

• Welke versie van het product genereert een hogere conversieratio?
• Welke van de twee verschillend geformuleerde pushmeldingen verhoogt de betrokkenheid in de app?

Een goede A/B-test moet zo eenvoudig mogelijke vergelijkingen bevatten, bijvoorbeeld in plaats van twee totaal verschillende versies van de site te vergelijken, is het beter om twee verschillende stijlen van kopteksten of twee verschillende locaties van de CTA-knop te testen. Met kleinere vergelijkingen zullen we precies herkennen welke lettertype, kleur, element of locatie de UX het meest beïnvloedt.

Deze onderzoeksmethode omvat tests van twee soorten: univariant en multivariant. De eerste richt zich op de verschillen tussen twee varianten van een item – bijvoorbeeld, een rode knop en een blauwe knop. De multivariant test vergelijkt echter meer dan 2 varianten van een knop tegelijkertijd – bijvoorbeeld rood, blauw, groen en wit (bovendien kunnen ze nog steeds verschillen in koppen, bijvoorbeeld “Bekijk dit” en “Zie meer”).

De belangrijkste voordelen van A/B-testen zijn snelheid en lage kosten. Ze stellen ook in staat om verschillende productvarianten te evalueren op een grote groep echte mensen. Wees echter voorzichtig om je te concentreren op deze aspecten die een echte impact kunnen hebben op de algehele perceptie van een product. Vergelijk geen willekeurige elementen. Maak een hypothese, voer ander aanvullend onderzoek uit en raadpleeg vervolgens je ontwerp- en ontwikkelingsteam. Samen bepaal je welke essentiële functies je in verschillende versies moet onderzoeken door een enkelvoudige of multivariant A/B-test uit te voeren.

A/B-testen lijken een snelle vorm van onderzoek – hoewel dat niet altijd het geval is. Je moet ze mogelijk enkele weken uitvoeren om voldoende gegevens voor UX-analyse te verzamelen (maar je kunt ook met een paar dagen of zelfs een paar uur toekomen). De tijd die nodig is om een enquête uit te voeren, hangt van veel factoren af.

Hoe A/B-testen uitvoeren?

1. Identificeer je probleem.

Zorg ervoor dat je de juiste analytische tools toepast om de aard van het probleem nauwkeurig vast te stellen.

2. Ontdek zoveel mogelijk over het probleem en de gebruikers. Krijg een goed gevoel voor hen.

Pinpoint precies de locatie van de flow en probeer uit te zoeken waarom het gebeurt. Een gedetailleerd begrip zal bijdragen aan een goed onderbouwde analyse.

3. Formuleer een hypothese door te antwoorden hoe het probleem op te lossen.

Een hypothese is een testbare aanname. Je kunt het formuleren in de vorm van een voorwaarde – “als X gebeurt, dan Z”, bijvoorbeeld “als de kop in lettertype 22 in plaats van 18 is, zal de conversie toenemen”. A/B-testen zullen je laten weten of de veronderstelling in de hypothese correct is.

4. Definieer je doel.

Bepaal wat je wilt bereiken met de studie en het hele onderzoeks- en ontwerpproces – bijvoorbeeld, je wilt dat meer gebruikers op de CTA-knop op de homepage klikken.

5. Definieer statistische nauwkeurigheid.

Bepaal de cijfers en getallen die je nodig hebt voor zowel de praktische evaluatie van de enquête als voor de zakelijke belanghebbenden om te tonen – bijvoorbeeld, zal een stijging van 2% in conversies hen tevredenstellen en de moeite waard zijn om in een enquête te investeren?

6. Definieer de vereiste schaal van resultaten.

Wat is het aantal respondenten dat statistische nauwkeurigheid zal waarborgen? Welk percentage van de dagelijkse, wekelijkse of maandelijkse gebruikersbasis maakt deze resultaten waardevol en conclusief? Het is van cruciaal belang om dit te bepalen voordat je verdergaat met de enquête.

7. Maak versie B en test je hypothese.

Bereid een extra variant (variant B) van de site/product/functie voor je hypothese voor en begin met testen. In deze fase stappen ontwikkelaars in om een tweede, alternatieve oplossing voor het bestaande product te implementeren – en gebruikers splitsen onbewust in twee groepen (groep A en groep B) zoals voorheen. Probeer tijdens de beoordeling je gegevens alleen te bekijken nadat je voldoende hebt verzameld om statistische validiteit en een levensvatbaar resultaat te krijgen.

8. Analyseer en handel naar de testresultaten.

Als je versie B voldoet aan de vastgestelde effectiviteitsdrempel en je hypothese bevestigt, kun je doorgaan met de implementatie voor alle gebruikers (niet langer gesplitst tussen versies A en B). Als de hypothese echter wordt weerlegd, blijf dan bij de oorspronkelijke versie A of bedenk en test een nieuwe hypothese. Bekijk ook alternatieve onderzoeksmethoden om de gegevens aan te vullen.

Samenvatting

A/B-testen zijn een vrij technisch onderwerp. Het vereist bepaalde kennis van statistiek, evenals meer gespecialiseerde technische / programmeerkennis (of een goede relatie met het ontwikkelingsteam van het bedrijf). Het is een directe methode – bovendien is het vrij eenvoudig, snel en goedkoop. Het stelt je in staat om twee alternatieve versies van een product tegen lage kosten te vergelijken met bevredigende resultaten. Bovendien komen de bevindingen voort uit de echte gebruikers, ze zijn zo nauwkeurig als je maar kunt krijgen. Vergeet echter niet dat je niet elke functie, element of klein detail op de site kunt testen – daarom is het bij het uitvoeren van A/B-tests standaard om andere aanvullende onderzoeksmethoden uit te voeren.

Lees ook: Ontdekkingsonderzoekmethoden

Als je onze inhoud leuk vindt, sluit je dan aan bij onze drukke bijengemeenschap op Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.