DocumentatieExperimentatieversneller

Aanbevolen procedures voor Journey Optimizer Experimentation Accelerator content-experiment-best-practices

Laatst bijgewerkt: 7 april 2026

Gemaakt voor:

  • Beginner
  • User

Wat is een A/B-test?

A/B het testen is het proces om twee of meer versies van iets te vergelijken om te bepalen wat beter tegen een bepaald doel presteert.

Deelnemers worden willekeurig toegewezen aan één versie, een zogenaamde variant, en hun gedrag wordt bijgehouden. De resultaten laten zien of de ene versie de andere statistisch overtreft.

Belangrijke terminologie

Term
Definitie
Besturing
De oorspronkelijke versie die als basislijn voor vergelijking wordt gebruikt.
Variant of behandeling
Een nieuwe versie die wordt gecreeerd om tegen de controle te testen.
Hypothese
Een voorspelling over welke verandering een beter resultaat zal opleveren, en waarom.
Monstergrootte
Het aantal personen of sessies dat in de test is opgenomen.
Statistische significantie
Een zekere mate van vertrouwen dat de resultaten niet te wijten zijn aan willekeurige toeval.
Optillen
De procentuele verbetering of afname van een variant in vergelijking met de controle.
Primair metrisch
De belangrijkste maatstaf die wordt gebruikt om het succes van de test te bepalen.
Secundaire cijfers
Metrische gegevens ondersteunen die extra insight bieden of helpen bij het controleren op onbedoelde effecten.
Vertrouwelijk interval
Het geschatte bereik waarbinnen het werkelijke effect waarschijnlijk zal dalen.
Segment
Een specifieke deelgroep van het publiek die onafhankelijk wordt geanalyseerd (bijvoorbeeld nieuwe gebruikers, mobiele bezoekers).

Aanbevolen werkwijzen voor het uitvoeren van experimenten

  • Begin met een duidelijke hypothese

    Een sterke hypothese omvat wat je verandert, wat je verwacht te gebeuren, en waarom.
    Voorbeeld: wij geloven dat het veranderen van X Y wegens Z zal verhogen.

  • bepaalt een zinvol metrisch succes

    Kies metrisch die zich op uw bredere doelstellingen richt. Vermijd ‘ijdelheid’ metriek die er goed uitziet, maar die geen echte impact weerspiegelt.

  • Test één verandering in tijd (wanneer mogelijk)

    Door variabelen te isoleren, kunt u de resultaten beter interpreteren. Als u meerdere wijzigingen tegelijk test, weet u wellicht niet wat het effect heeft veroorzaakt.

  • laat de test lang genoeg lopen

    Voortijdige conclusies kunnen misleidend zijn. Wacht op een statistisch significante steekproefgrootte alvorens te handelen.

  • ben zich bewust van externe factoren

    Seizoensgebondenheid, feestdagen en andere wijzigingen in uw omgeving kunnen de resultaten scheeftrekken. Documenteer alles wat het gedrag tijdens de test kan beïnvloeden.

  • de segmentatie van het Gebruik bewust

    Als u de resultaten opsplitst per publiekssegment, worden verborgen patronen zichtbaar, maar worden kleine voorbeeldgrootten niet te veel geïnterpreteerd.

  • Document en deel lessen

    Houd een duidelijk overzicht van wat werd getest, waarom, en wat u leerde. Dit bouwt institutionele kennis op en voorkomt herhalende fouten.

Algemene meetwaarden

Metrisch
Wat zij doet
Wanneer gebruiken
Conversiesnelheid
Het percentage gebruikers dat een gewenste actie uitvoert
Nuttig voor het bijhouden van het succes van een doelgerichte ervaring
Doorkliksnelheid (CTR)
Het percentage gebruikers dat op een specifiek element klikt
Geeft aan hoe aansprekend de ervaring is
Betrokkenheid
Het niveau van interactie heeft de gebruikers met de ervaring
Goed voor het meten van interesse of aandacht
Stuitsnelheid
Het percentage gebruikers dat snel vertrekt zonder actie te ondernemen
Kan een slechte passie of verwarrende ervaring aangeven
Tijd op pagina
De hoeveelheid tijd die gebruikers besteden aan een specifiek deel van de ervaring
Kan diepte van interesse of complexiteit weerspiegelen
Opbrengst per bezoeker (RPV)
Gemiddelde opbrengst verdiend per gebruiker
Vaak gebruikt bij commerciële proeven
Bewaarfactor
Het percentage gebruikers dat na verloop van tijd terugkeert of betrokken blijft
Nuttig voor waardebeoordelingen op lange termijn

Wat maakt een goed experiment?

Een goed experiment levert niet alleen een win-winsituatie op, maar levert ook een duidelijk, actief leren op.
Hier is wat om te zoeken:

&controleren; Statistisch Vertrouwen: Het verschil tussen de varianten is waarschijnlijk niet het gevolg van toeval.
&controleren; Uitlijning met Doelen: De primaire maatstaf weerspiegelt betekenisvolle vooruitgang in de richting van een bedrijfsdoelstelling.
&controleren; Secundaire Gevolgen: Geen significante negatieve bijwerkingen op gerelateerde metriek.
&controleren; Schaalbaarheid: Het resultaat kan toekomstige besluiten beïnvloeden of tot andere gebieden worden uitgebreid.
&controleren; Duidelijkheid: De oorzaak van de uitkomst is redelijk geïsoleerd en begrepen.

Experimentatie gaat niet alleen over het vinden van de “beste” versie, het gaat over het opbouwen van kennis door middel van testen en iteratie. Als het goed gaat, onthullen de experimenten inzichten die slimmere beslissingen, betere gebruikerservaring en betere resultaten stimuleren.

Voorbeeld:

  • Bedrijf: Hotelketen

  • Hypothese: Als we op de homepage een meer urgente taal gebruiken, zal dat leiden tot meer boekingen.

    • Controle: Oorspronkelijke versie
    • Variant: Nieuwe versie met urgentie toegevoegd
    • Primair Metrisch: Boekingsfrequentie
    • Secundaire Metriek: Stuitsnelheid, tijd op locatie

  • Resultaat: De variant gaf een ophaalsnelheid van 14%, zonder negatieve verandering in andere meetwaarden.

  • Actie: Overweeg de variant uit te voeren en vervolgexperimenten uit te voeren om vergelijkbare benaderingen op andere gebieden te testen.

style
shade-box
recommendation-more-help
experimentation-accelerator-help-overview