A/B testen in Drupal | Optimaliseer op conversie en genereer meer klanten

Onderzoek wijst uit dat 73 van de 100 Drupal websites niet geoptimaliseerd worden na de initiële lancering.

Zonde, want constante optimalisatie middels eenvoudige A/B tests kan leiden tot betere conversie. En dat betekent meestal meer klanten -en omzet.

Nooit meer gokken

Met tools zoals Optimizely en Visual website optimizer kan je A/B en ‘multivariate’ tests uitvoeren, waarmee je je Drupal website op basis van data kan optimaliseren en niet meer hoeft te gokken wat werkt -en wat niet.

Wat is A/B testen?

A/B testen is een marktonderzoekmethode voor het ontdekken van de meest effectieve variant van een bepaalde website pagina. Wisselend wordt per bezoeker een andere weergave van een web-pagina getoond.

Op basis van het klik-gedrag van bezoekers op die pagina kan je analyseren welke pagina-variant beter converteert. Hier wordt niet gekeken naar de individuele elementen maar naar de prestatie van de hele pagina.

Waarom A/B testen

A/B tests worden gebruikt om een website te optimaliseren voor conversie. Door per bezoeker verschillende teksten, kleuren en/of afbeeldingen te tonen, kan opgemaakt worden welke paginavariant beter converteert.

Het zou bijvoorbeeld kunnen zijn dat een bezoeker een belangrijke knop over het hoofd ziet doordat:

De kleur van de knop niet opvalt ten opzichte van de achtergrond;
De positionering van de knop niet opvallend genoeg is.

Door de knop verschillende kleuren en posities te geven, kan je meten bij welke combinatie bezoekers de knop meer aanblikken.

Welke kleur en/of positie van de knop het beste werkt kan je dus met A/B testen analyseren. Je hoeft niet meer zelf te gokken wat waarschijnlijk het beste werkt.

Varianten A/B testen

Er zijn meerdere varianten van A/B testen, bijvoorbeeld:

A/B/N testen
A/B/A testen

A/B/N is een test met N-varianten en A/B/A een test met slechts s twee varianten.

A/B testen vs multivariate testen

A/B testen is relatief makkelijk in te zetten; het is een veelgebruikte methode. Doordat het gaat om slechts 2 varianten van een pagina kan je zelf met weinig bezoekers voldoende representatieve data verzamelen.

Middels een A/B test is het tevens goed aan te tonen wat voor effect een kleine wijziging heeft op je site.

A/B tests zijn dus beperkt tot het testen van twee varianten van een web-pagina.

Als je meerdere elementen binnen een pagina wilt variëren dan kan je ‘multivariate’ tests doen: een meer uitgebreide vorm van A/B testen.

Wat is multivariate testen?

Multivariate is een uitbreiding op de standaard A/B tests waarbij meerdere onderdelen op de pagina wisselen per bezoeker.

Zo zou je bij een A/B test bijvoorbeeld alleen de kleur van een knop aanpassen -bij de multivariate variant kan je meerdere variaties instellen, bijvoorbeeld:

positie van de knop,
kleur,
koptekst.

De hieruit verkregen data geeft niet alleen inzicht in welke combinatie van elementen het beste converteert, maar ook welk element op de pagina het slechtste scoort.

Veel bezoekers nodig

Hierbij moet je rekening houden met het aantal varianten dat op een pagina gegenereerd worden. Om een goede meting door te kunnen voeren moeten er minimaal 25 gebruikers per variant naar de pagina hebben gekeken.

De formule voor het aantal gebruikers dat voor een multivariate benodigd is bij twee opties per wisselend element:

Aantal mogelijkheden per element A * Aantal mogelijkheden per element N... * minimaal aantal gebruikers.

Voor 3 elementen met wisselend 4, 3 en 2 opties zou je dan 4x3x2x25 = 600 gebruikers nodig hebben.

Afhankelijk van het aantal bezoekers op een pagina is het dus raadzaam om het aantal opties daarop af te stellen.

Voordelen multivariate testen

Het grootste voordeel: er kunnen op een volledige landing page meerdere elementen gewisseld kunnen worden; de hieruit verkregen data geeft meer gedetailleerd inzichten dan een relatief eenvoudige A/B test, die uitgebreide data kan tevens voor toekomstige campagnes worden gebruikt.

Nadelen multivariate testen

Een nadeel van deze manier van testen is de hoeveelheid gebruikers die je nodig hebt voor een geslaagde test: zodra je veel elementen gaat variëren, dan kan het zelfs voor een site met veel bezoekers lastig worden om voldoende representatieve resultaten te registreren.

Wanneer A/B en wanneer multivariate?

Afhankelijk van het aantal page hits kan je kiezen voor meer of minder wisselende elementen op de pagina. Het verschilt per use case welke variant je nodig hebt.

Vaak kan een goed opgezette A/B test sneller resultaat geven dan een uitgebreide multivariate test.

Welke tools zijn er beschikbaar?

Er zijn een aantal commerciële tools waaronder:

De meeste providers van dit soort diensten bieden soortgelijke pakketten en bieden een testperiode.

Welke Drupal modules zijn er beschikbaar?

Voor Drupal specifiek zijn er een aantal modules beschikbaar voor A/B en multivariate testing. Sommige zijn specifiek voor het gebruiken van een dienst zoals Optimizely, anderen voor een implementatie in Drupal zelf.

Service	Drupal 7	Drupal 8
visual_website_optimizer	Ja	Ja
optimizely	Ja	Ja
abjs	Ja	Ja
multivariate	Ja	Nee
Test and Target	Ja	Nee

Voorbeeld van A/B testen in Drupal 8

Als voorbeeld gebruiken we OpenLucius.com, een Drupal 8 website. Hierop gaan we zowel een A/B test demonstreren als een multivariate test.

Eenvoudig A/B test

Om een bondige demonstratie te geven van een A/B test laten we op de homepage afwisselend een groene of een blauwe button zien. Verder veranderen we niets in pagina. De varianten:

Variant A: groene button

Variant B: blauwe button

Doordat het hier gaat om een relatief kleine wijziging zullen we snel genoeg relevante data binnenkrijgen en kunnen analyseren: welke kleur converteert het beste.

Multivariate test

Om een voorbeeld te geven nemen we voor de multivariate test de volgende opties:

De verzendknop kan blauw, groen of paars zijn.
De koptekst kan “Werk slimmer & efficiënter”, “Werk slimmer” of “Werk efficiënter” zijn.

Er zijn slechts enkele varianten toegevoegd, daardoor ontstaan snel veel combinaties:

Blauwe knop met “Werk slimmer & efficiënter”
Groene knop met “Werk slimmer & efficiënter”
Paarse knop met “Werk slimmer & efficiënter”
Blauwe knop met “Werk slimmer”
Groene knop met “Werk slimmer”
Paarse knop met “Werk slimmer”
Blauwe knop met “Werk efficiënter”
Groene knop met “Werk efficiënter”
Paarse knop met “Werk efficiënter”

Drie verschillende opties voor twee variabelen genereren negen verschillende combinaties. Om hiervoor genoeg resultaten te verzamelen hebben we dus 9 x 25 = 225 bezoekers nodig.

Voor een formulier zoals deze loont zich het wachten op 225 hits waarschijnlijk niet. Het lijkt ons beter om hier twee keer een A/B/N test uit te voeren, zodat we sneller effectieve data binnen krijgen.

Weinig verschil in de A/B test resultaten?

Als de conversie-resultaten weinig verschil laten zien, dan hoef je wellicht niets permanent te veranderen op betreffende pagina.

Maar een minimaal verschil kan ook toeval zijn, in dat geval kan je beter wachten op meer gegevens.

Dit is vergelijkbaar met het opgooien van een munt: deze heeft twee zijden, welke allebei 50% kans hebben boven te liggen. Na 50x opgooien kan het zijn dat kop 40 keer boven lag en munt 10 keer, terwijl het eigenlijk 25/25 zou moeten zijn.