Een Goede A/B Testing Hypothese Opstellen

Hypothese

Een goede hypothese kan een conversie optimalisatie experiment maken of breken. Zonder relevante, eenduidige, meetbare en specifieke hypothese om mee te beginnen ben je eigenlijk al in het duister aan het tasten met je experiment.

Tevens, om ervoor te zorgen dat je de best mogelijke experimenten draait dien je jezelf ervan te verzekeren dat de hypothesen die opstelt gegrond zijn in psychologische theorieën, webanalyse data, kwalitatief onderzoek en opgedane kennis uit voorgaande experimenten.

Basis structuur

Een goede hypothese is als volgt opgebouwd: “Wanneer {ik dit doe}, dan {zal dit gebeuren}”. Hieronder tref je enige voorbeelden aan om deze basisstructuur te illustreren:

  • Wanneer ik een referentie aan de productpagina toevoeg, dan zullen bezoekers zich veiliger voelen en meer widgets kopen.
  • Wanneer ik onze snelle bezorging aan de waarde propositie toevoeg, dan zullen bezoekers dit voordeel zien en het bounce percentage afnemen.
  • Wanneer ik de knoptekst verander in ‘Voeg toe aan mandje’, dan zullen bezoekers minder angstig zijn en meer items aan hun mandje toevoegen.

Relevant

Voordat je besluit of je hypothese wetenschappelijk correct is zou je eerst moeten kijken naar de relevantie van wat je gaat testen. Weten “welke afbeelding bezoekers mooier vinden” of “welke koptekst het beste werkt voor de ‘Over ons’ pagina” zonder te weten hoe deze kenmerken bijdragen aan de KPIs, staat wat betreft relevantie ongeveer gelijk aan deze testen in zijn geheel niet draaien.

Maak het relevant

improvement Stel dat een van de KPIs (Key Performance Indicator) op je website het aantal verkochte items is, en een andere het aantal vijf sterren beoordeingen dat je ontvangt. Met deze KPIs in gedachten zou je een helderder idee moeten hebben van wat je kunt gaan testen. Zonder kennis van je KPIs, zijn de resultaten die je krijgt uit je testen mogelijk interessant maar zullen zij je niet in staat stellen om gestructureerde verbeteringen door te voeren waarmee je je doelen beter bereikt.

Eenduidig

Was er tevens voor op dat je geen niet-eenduidige hypothese zoals: “Wanneer ik een USP toevoeg, dan zullen bezoekers meer items kopen”. Het probleem met deze hypothese is dat je niet in staat zult zijn uit te vinden welke USP (Unique Selling Point) beter werkt. Is het degene die de gratis retour benoemt, de snelle reactie op support vragen, etc.? Mogelijk zelf laten de testresultaten zien dat een bepaalde USP een significante verhoging in conversies teweegbrengt, terwijl dit bij een andere USP een significante daling in conversies is. Omdat er in die hypothese niet is vastgelegd welke USP er getest gaat worden, kan deze niet behoorlijk bevestigd of ontkracht worden.

Maak het eenduidig

Door toe te voegen om welke USP het gaat kan de hypothese verduidelijkt worden. Indien je bijvoorbeeld gebruik maakt van de volgende hypothese: “Wanneer ik ‘Gratis verzending’ toevoeg als USP, dan zullen bezoekers meer items kopen”, dan zal het direct eenduidig worden welke USP er gebruikt wordt in het experiment.

Meetbaar

Daarbij zul je ervoor moeten zorgen dat er verandering in gedrag die je voorspelt gemeten kan worden met de gebruikte tools. Denk bijvoorbeeld maar eens na over over de hypothese: “Wanneer ik ‘Gratis verzending’ als USP toevoeg, dan worden bezoekers gelukkiger”. Nog even los van het feit dat deze hypothese niet per se relevant is zal deze waarschijnlijk ook niet meetbaar zijn.

Maak het meetbaar

measurable Door de hypothese verder uit te breiden naar “Wanneer ik ‘Gratis verzending’ als USP toevoeg, dan worden bezoekers gelukkiger en zullen hierdoor meer pagina’s per bezoek bekijken” dan heb je er een meetbare hypothese van gemaakt. Houd hierbij wel in gedachten dat hoewel die hypothese niet meetbaar is je jezelf nog steeds zou kunnen afvragen of “Meer pagina’s per bezoek bekijken” relevant is voor het behalen van de doelen die gezet zijn voor de website.

Specifiek

Tenslotte dien je te controleren of die hypothesen die je opstelt specifiek zijn, maar niet te specifiek. Bijvoorbeeld een hypothese als de volgende klinkt in eerste instantie uitstekend: “Wanneer ik ‘Gratis verzending’ als USP toevoeg, dan zullen 5% meer bezoekers mijn items kopen”. Maar wat gebeurt er wanneer de testresultaten binnenkomen en het blijkt dat slechts 3% meer bezoekers je items gekocht hebben. Strikt genomen zou je nu deze hypothese moeten verwerpen hoewel de resultaten bijna precies zo waren als je ze had verwacht.

Maak het specifiek

Door de hypothese te veranderen naar “Wanneer ik ‘Gratis verzending’ als USP toevoeg, dan zullen ten minste 5% meer bezoekers mijn items kopen” dan zal deze eenduidig, meetbaar en specifiek worden.


Engelse vertaling: Writing a Good A/B Testing Hypothesis


Theo van der Zee

Auteur: Theo van der Zee

Hij is de oprichter van ConversionReview. Hij bouwt en optimaliseert inmiddels al 15+ jaar websites, en met veel succes.

Bovenop zijn digitale vaardigheden is Theo tevens een afgestudeerd psycholoog, en frequent spreker op evenementen over de hele wereld.

Met UserFeedback kun je

Uitvinden Wat Je Gebruikers Willen

UserFeedback logo
  • Verlaag je bounce rates
  • Verbeter user experience
  • Lagere advertentie kosten
Lees meer