A/B testen is de wetenschappelijke methode om te ontdekken wat werkt op je website, in je emails, en in je advertenties. Geen giswerk meer. Beslissingen gebaseerd op data.
In deze handleiding leer je alles over A/B testen: van de basis tot gevorderde technieken.
Wat is A/B testen?
A/B testen (ook wel split testing genoemd) is een methode waarbij je twee versies van iets vergelijkt om te bepalen welke beter presteert.
Hoe werkt het?
- Je maakt twee versies: A (controle) en B (variant)
- Je verdeelt je bezoekers willekeurig over beide versies
- Je meet welke versie beter scoort op je doel (conversie, clicks, etc.)
- Je implementeert de winnende versie
Simpel gezegd: de helft van je bezoekers ziet versie A, de andere helft ziet versie B. Na genoeg data weet je welke beter werkt.
A/B test vs multivariate test
A/B test
Wat je test
Een element (headline, button)
Wanneer gebruiken
Duidelijke hypothese, minder verkeer
Multivariate
Wat je test
Meerdere elementen tegelijk
Wanneer gebruiken
Veel verkeer, complexe pagina's
Voor de meeste bedrijven is A/B testen voldoende. Multivariate testing vereist significant meer verkeer voor statistisch betrouwbare resultaten.
Waarom A/B testen?
Data-driven beslissingen
"Ik vind groen mooier dan blauw." Dat is een mening. A/B testen geeft je feiten. Geen discussies meer over ontwerp. De data beslist.
Risico verkleinen
Een complete website redesign kan averechts werken. Met A/B testen test je veranderingen incrementeel. Werkt het niet? Geen schade. Werkt het wel? Uitrollen.
Conversie verhogen
Kleine verbeteringen stapelen op. 5% hier, 3% daar. Over een jaar kan je conversieratio significant hoger zijn, zonder grote investeringen.
Voorbeelden van impact
+17% boekingen
Booking.com
CTA tekst
+49% donaties
Obama campagne
Email onderwerp
+24% submissions
Hubspot
Formulier lengte
Dit zijn geen uitzonderingen. Dit is wat consistent testen oplevert.
Wat kun je A/B testen?
Website elementen
Headlines
De eerste tekst die bezoekers zien. Test verschillende beloftes, lengtes, en formuleringen.
Voorbeelden:
- ✓ "Bespaar 20% op je energierekening" vs "Verlaag je energiekosten"
- ✓ Vraag vs statement
- ✓ Met of zonder cijfers
CTA buttons
De button die bezoekers moeten klikken.
Test:
- ✓ Tekst ("Offerte aanvragen" vs "Start nu")
- ✓ Kleur (contrast met de pagina)
- ✓ Grootte en positie
- ✓ Met of zonder urgentie ("Nu" vs "")
Formulieren
Elk veld is een drempel. Minder velden = meer conversies. Maar welke kun je weglaten?
Test:
- ✓ Aantal velden
- ✓ Verplichte vs optionele velden
- ✓ Layout (een kolom vs twee)
- ✓ Labels en placeholder tekst
Afbeeldingen
Visuele elementen beinvloeden emotie en vertrouwen.
Test:
- ✓ Product vs lifestyle foto's
- ✓ Met of zonder mensen
- ✓ Professioneel vs authentiek
Prijspresentatie
Hoe je prijzen toont beinvloedt perceptie.
Test:
- ✓ Met of zonder maandelijkse breakdown
- ✓ Ankerprijzen (was / nu)
- ✓ Inclusief vs exclusief BTW
Email marketing
Onderwerpregel
Bepaalt of je email geopend wordt.
Test:
- ✓ Lengte (kort vs beschrijvend)
- ✓ Personalisatie (naam in onderwerp)
- ✓ Emoji's
- ✓ Vraag vs statement
Verzendtijd
Wanneer is je publiek het meest actief?
Test:
- ✓ Dag van de week
- ✓ Tijdstip
- ✓ Direct vs vertraagd
Content
De inhoud bepaalt clicks en conversies.
Test:
- ✓ Lange vs korte emails
- ✓ Aantal CTA's
- ✓ Afbeeldingen vs tekst
Advertenties
Headlines Test verschillende value propositions en hooks.
Afbeeldingen Product, lifestyle, of illustratie?
Targeting Verschillende doelgroepen kunnen anders reageren.
Het A/B test proces
Stap 1: Hypothese formuleren
Goed A/B testen begint met een hypothese. Niet "laten we de button blauw maken" maar:
"Als we de button van grijs naar blauw veranderen, verwachten we meer clicks omdat blauw meer opvalt tegen de witte achtergrond."
Een goede hypothese bevat:
- ✓ Wat je verandert
- ✓ Wat je verwacht
- ✓ Waarom je dat verwacht
Stap 2: Varianten maken
Maak je variant (versie B). Verander slechts een element per test. Meerdere veranderingen = onduidelijk wat het effect veroorzaakte.
Stap 3: Test opzetten
Kies je tool (zie sectie tools) en stel de test in:
- ✓ Welk percentage verkeer naar elke variant?
- ✓ Wat is je primaire metric?
- ✓ Hoe lang loopt de test?
Stap 4: Verkeer splitsen
De tool verdeelt bezoekers willekeurig. Belangrijk: elke bezoeker ziet consistent dezelfde versie tijdens hun sessie.
Stap 5: Data verzamelen
Laat de test lopen. Kijk niet te vaak naar tussenresultaten - dat leidt tot vroegtijdig stoppen.
Vuistregel: minimaal 100 conversies per variant, of 2 weken, of statistische significantie - wat het laatste is.
Stap 6: Resultaten analyseren
Kijk naar:
- ✓ Conversieratio per variant
- ✓ Statistische significantie (minimaal 95%)
- ✓ Verschil in absolute aantallen
Een winnaar met 95% significantie en minimaal 5% verschil is betrouwbaar genoeg om te implementeren.
Stap 7: Implementeren en herhalen
Winnaar gevonden? Implementeer de verandering permanent. En start de volgende test.
A/B testen is geen eenmalige actie. Het is een continu proces van optimalisatie.
A/B test tools
Gratis opties
Google Optimize is in 2023 gestopt. Alternatieven:
| Tool | Prijs | Geschikt voor |
|---|---|---|
| Clarity + Experiments | Gratis | Kleine sites |
| PostHog | Gratis tier | Tech-savvy teams |
| Growthbook | Open source | Developers |
Betaalde tools
| Tool | Vanaf | Voordelen |
|---|---|---|
| VWO | 199/mnd | Gebruiksvriendelijk, goede support |
| Optimizely | Enterprise | Schaalbaar, enterprise features |
| AB Tasty | 500+/mnd | Personalisatie, AI |
| Convert | 99/mnd | Privacy-vriendelijk |
Voor de meeste MKB-bedrijven is VWO of Convert een goede balans tussen functionaliteit en prijs.
A/B test voorbeelden
Button kleur
Situatie
E-commerce site met groene "In winkelmand" button
Hypothese
Oranje valt meer op tegen de groene huisstijl
Test
Groen (A) vs oranje (B)
Resultaat
Oranje +12% clicks
Contrast is belangrijker dan huisstijl-consistentie
Headline
Situatie
SaaS landing page met feature-gerichte headline
Hypothese
Benefit-gerichte headline resoneert beter
Test
"Projectmanagement software" vs "Lever projecten 30% sneller op"
Resultaat
Benefit-gericht +23% signups
Mensen kopen resultaten, niet features
Prijspresentatie
Situatie
Abonnementsdienst toont alleen jaarprijs
Hypothese
Maandelijkse breakdown voelt toegankelijker
Test
"249/jaar" vs "20,75/maand (249/jaar)"
Resultaat
Maandelijks +8% conversies
Lagere getallen voelen minder als drempel
Formulier lengte
Situatie
Lead formulier met 8 velden
Hypothese
Minder velden = meer leads
Test
8 velden vs 4 velden
Resultaat
4 velden +35% submissions, maar 15% lagere lead-kwaliteit
Niet alleen aantal telt, ook kwaliteit
Veelgemaakte fouten
Te vroeg stoppen
"Na 2 dagen is B 20% beter!" Nee. Kleine steekproeven geven onbetrouwbare resultaten. Wacht tot statistische significantie.
Te veel tegelijk testen
Als je de headline, button EN afbeelding verandert en B wint, weet je niet wat werkte. Een element per test.
Verkeerde metric kiezen
Een hogere CTR op je button is mooi, maar als uiteindelijke conversies dalen heb je niets. Kies de metric die er echt toe doet.
Te weinig verkeer
Met 100 bezoekers per maand kun je niet betrouwbaar A/B testen. Je hebt volume nodig. Minimaal 1.000 bezoekers per variant voor betrouwbare resultaten.
Niet segmenteren
De gemiddelde bezoeker bestaat niet. Mobiel vs desktop, nieuw vs terugkerend - resultaten kunnen per segment verschillen.
Statistiek achter A/B testen
Statistische significantie
Significantie geeft aan hoe zeker je bent dat het verschil niet toeval is. Standaard drempel: 95%.
95% significantie betekent: er is 5% kans dat het verschil toeval is.
Sample size berekenen
Hoeveel bezoekers heb je nodig? Dat hangt af van:
- ✓ Huidige conversieratio
- ✓ Minimaal detecteerbaar effect
- ✓ Gewenste significantie
Tools als Evan Miller's calculator helpen je dit berekenen.
Wanneer is een test "klaar"?
Een test is klaar wanneer:
- Je de geplande sample size hebt bereikt, OF
- Je 95% significantie hebt bereikt, OF
- De test minimaal 2 weken loopt (voor dagelijks/wekelijkse variaties)
Niet eerder stoppen, ook niet als het er "goed uitziet".
A/B testen en conversie optimalisatie
A/B testen is een tool binnen het bredere vakgebied van conversie optimalisatie (CRO).
Het CRO proces
- Analyseren: Waar lopen bezoekers vast?
- Hypothese: Wat kunnen we verbeteren?
- Testen: A/B test uitvoeren
- Implementeren: Winnaar doorvoeren
- Herhalen: Volgende optimalisatie
Continue verbetering
De beste websites testen constant. Amazon draait duizenden tests per jaar. Je hoeft niet zo ver te gaan, maar consistentie is key.
Een maandelijkse test cyclus is voor de meeste MKB-bedrijven haalbaar en effectief.
Veelgestelde vragen
Hoe lang moet een A/B test lopen? +
Kan ik A/B testen met weinig verkeer? +
Wat als geen van beide wint? +
Moet ik desktop en mobiel apart testen? +
Hoeveel tests kan ik tegelijk draaien? +
Conclusie
A/B testen is geen raketwetenschap. Het is een systematische manier om te ontdekken wat werkt.
De belangrijkste principes:
- ✓ Begin met een hypothese
- ✓ Test een element per keer
- ✓ Wacht op statistisch betrouwbare data
- ✓ Implementeer winnaars en herhaal
Wil je aan de slag maar heb je hulp nodig bij het opzetten van een test-cultuur?
Neem contact op voor een gratis gesprek over conversie optimalisatie.
Data-driven verbeteren begint met de eerste test. Start vandaag.
Verder lezen
- ✓ Google Ads Optimaliseren - 10 technieken voor betere resultaten
- ✓ ROAS Berekenen - Return on Ad Spend uitgelegd
- ✓ SEA Uitbesteden - Alles over het uitbesteden van je Google Ads