A/B-test er et af de mest direkte værktøjer til konverteringsoptimering i en webshop. Det giver rigtige beviser for, hvad der virker i netop din webshop med netop dine kunder. Du kan læse en grundig introduktion til konverteringsoptimering og til, hvorfor en bedre konverteringsrate betyder lige så meget som mere trafik, i hvad er konverteringsoptimering, og hvorfor det er vigtigt.
Hvad er A/B-test i en webshop?
En A/B-test deler dine besøgende i to grupper og viser hver gruppe en forskellig version af en side eller et element på siden. Den ene gruppe ser den oprindelige version, som kaldes kontrolversionen. Den anden ser den ændrede version, som kaldes varianten. Ændringen er ét bestemt element. Det kan være ordlyden på en knap, layoutet på en produktside eller placeringen af et tillidsmærke. Alt andet forbliver ens.
De besøgende bruger webshoppen, som de plejer. De ved ikke, at de er med i en test. Når testperioden er slut, sammenligner du konverteringsraten mellem de to grupper og ser, hvilken version der klarede sig bedst. Fordi begge versioner kører samtidig med sammenlignelig trafik, påvirker udefrakommende ting som sæson eller en ændring i din annoncering begge grupper lige meget. Forskellen, du ser, kommer fra din ændring og ikke fra timingen.
Hvorfor er A/B-test vigtig for konvertering i en webshop?
Hver ændring, du laver i din webshop, er et væddemål. Du satser på, at den nye produktbeskrivelse konverterer bedre, at den enklere kasse mindsker frafald, at den flyttede knap får flere klik. Uden test har du ingen måde at vide, om væddemålet betalte sig. Salget kan stige af grunde, der slet ikke har noget med din ændring at gøre. Eller falde af samme grund.
A/B-test gør væddemål til beslutninger. Du har data, der inden for en målbar usikkerhed viser, om ændringen havde en reel effekt. Det beskytter dig mod to almindelige og dyre fejl. Den første er at tro, at en ændring hjalp, når den ikke gjorde. Den anden er at droppe en ændring, der virkede, fordi du ikke tilskrev forbedringen til den.
Regnestykket er enkelt. En webshop, der konverterer én procent af sine besøgende og forbedrer sig til to procent, har fordoblet sin omsætning med samme trafik og uden at bruge flere penge på annoncer. Systematisk A/B-test er den mest pålidelige vej til den slags gevinster.
Hvad kan du A/B-teste i din webshop?
Næsten alt, en besøgende ser, kan testes. Nogle områder af din webshop har større effekt på konverteringen end andre, og det er dem, dine første tests bør handle om.
Produktsider
Produktsiden er der, hvor de fleste købsbeslutninger træffes. Test med stor effekt er blandt andet hovedbilledet af produktet, produktets overskrift, ordlyden og placeringen af knappen til at lægge i kurven, længden og opbygningen af produktbeskrivelsen, placeringen af kundeanmeldelser, og om prisen vises sammen med noget, der giver den sammenhæng, som en sammenligningspris eller en besked om grænsen for gratis fragt. Du kan se nærmere på, hvad der gør en produktside effektiv, i sådan designer du produktsider, der får folk til at købe.
Kassen
I kassen mister webshops kunder, der allerede har besluttet at købe. Nyttige tests er kasse på én side kontra flere trin, krav om at oprette en konto kontra mulighed for at handle som gæst, antallet og rækkefølgen af felter i formularen og placeringen af ordreoversigten. Ændringer i kassen giver ofte hurtigere og klarere resultater end ændringer på produktsiden, fordi den besøgendes hensigt allerede er klar på det tidspunkt. Du kan se en gennemgang af valg i designet af kassen i sådan designer du en kasseside, der mindsker frafald.
Forside og navigation
Din forside og navigation former det første indtryk, de besøgende får, og den vej, de tager til dine produktsider. Test overskriften på forsiden, hvilke produkter eller kollektioner du viser øverst, placeringen af kampagnebannere, og om kategorinavigationen virker bedre som en fast menu eller et synligt sæt af fliser. Ændringer her rammer al den trafik, der løber gennem din webshop, så selv små forbedringer har stor rækkevidde.
Handlingsknapper
Knappens tekst, farve, størrelse og placering har alle betydning for, om besøgende tager næste skridt. "Læg i kurv" og "Køb nu" er de mest testede knapper. Du kan også teste, om tekst, der skaber hast, tæt på en knap ("Kun 3 tilbage") eller social bevisførelse ("Over 200 ordrer i denne uge") ændrer klikraten.
Visning af priser og tilbud
Måden, du viser priser på, påvirker købsbeslutninger ud over selve prisen. Test, om en gennemstreget oprindelig pris ved siden af tilbudsprisen giver flere køb end at vise tilbudsprisen alene. Test, om en besked om "gratis fragt ved ordrer over X" tæt på kurven giver større ordrer. Test, om en pengene-tilbage-garanti på produktsiden i stedet for kun i bunden af siden ændrer, hvor mange der gennemfører købet.
Hvordan kører du en A/B-test?
Formulér en hypotese
Hver test starter med et spørgsmål, som har et svar, du kan måle. "Hvis jeg ændrer produktbilledet til et livsstilsbillede, der viser produktet i brug, vil flere besøgende så lægge i kurven?" Det spørgsmål fastlægger, hvad du ændrer, hvad du forventer, der sker, og hvordan du ved, om det virkede. Skriv hypotesen ned, før du starter. En test uden hypotese er bare en ændring, du ikke følger.
Vælg dit succesmål
Bestem, hvad du måler, før testen begynder. For de fleste tests i en webshop er det konverteringsraten på et bestemt trin. Det kan være andelen, der lægger i kurven, andelen, der starter kassen, eller andelen, der gennemfører købet. Vælg det mål, der direkte svarer til det element, du tester. Tester du et element på produktsiden, så mål, hvordan det påvirker andelen, der lægger i kurven. Tester du et element i kassen, så mål, hvor mange der gennemfører kassen. Hvis du bruger webshoppens samlede omsætning som mål, får du for meget støj fra andre dele af tragten.
Sæt testen op
Brug et værktøj til A/B-test til at lave din variant og dele trafikken mellem de to versioner. En fordeling på 50/50 er standard. Lad din webshop køre som normalt i testperioden. Undgå store kampagner eller markante ændringer i din annoncering, mens en test kører, da det ændrer de besøgendes adfærd på en måde, der rammer de to grupper ulige og gør resultaterne svære at tolke.
Lad testen køre færdig
Stop ikke testen tidligt, fordi den ene version ser ud til at vinde. Tidlige resultater er ofte misvisende. Besøgendes adfærd varierer med ugedagen, og mønstre, der viser sig de første dage, holder ofte ikke efter en eller to hele uger. Hvis du stopper tidligt, fordi den ene version ser lovende ud, øger du markant risikoen for at handle på et falsk positivt resultat. Kør testen, indtil du har nået din målstørrelse på stikprøven.
Analysér og brug resultatet
Når du har nok data, sammenligner du konverteringsraten mellem kontrolversionen og varianten. Hvis varianten klarer sig bedre end kontrolversionen med statistisk signifikans, så indfør ændringen. Hvis resultaterne ikke er entydige, gjorde ændringen ingen målbar forskel, og du bør beholde originalen og vælge et andet element at teste. Hvis varianten klarede sig dårligere, så bliv ved originalen og gennemgå din hypotese igen. Alle udfald fortæller dig noget nyttigt.
Hvor længe skal du køre en A/B-test?
To ting afgør, hvor længe du skal køre en test. Den ene er din trafikmængde. Den anden er størrelsen på den forbedring, du vil kunne se.
Mindre forbedringer kræver mere trafik, før de kan ses sikkert. Hvis din webshop konverterer to procent, og du vil kunne se en relativ forbedring på 20 procent, har du brug for markant flere besøgende, end hvis du ville se en forbedring på 50 procent. For de fleste webshops med moderat trafik er to til fire uger det anbefalede minimum. Webshops med meget trafik kan nå signifikans hurtigere. Webshops med lidt trafik kan have brug for længere tid.
Som praktisk udgangspunkt bør du sigte efter mindst 100 konverteringer pr. variant, før du drager konklusioner. Ved en konverteringsrate på to procent betyder det mindst 5.000 besøgende pr. variant. Hvis din webshop ikke får så meget trafik inden for en rimelig tid, er en før og efter-sammenligning mere praktisk: Ændr én ting, mål i tre til fire uger, og sammenlign med samme periode måneden før.
Den vigtigste regel er at fastsætte din målstørrelse på stikprøven, før testen starter, og ikke kigge på resultaterne, før du har nået den. Hvis du tjekker hver få dage og stopper, når den ene version ser ud til at føre, løfter du risikoen for falske positive langt over det, statistisk signifikans alene lader ane.
Hvordan ved du, om resultaterne af din A/B-test er pålidelige?
Statistisk signifikans er det mål, der fortæller, om forskellen mellem dine to versioner sandsynligvis er en reel effekt og ikke bare tilfældig variation. Testværktøjer viser det som regel som et sikkerhedsniveau. Et sikkerhedsniveau på 95 procent betyder, at der er fem procent chance for, at resultatet skyldes tilfældigheder. For de fleste beslutninger i en webshop er 95 procent sikkerhed pålideligt nok til at handle på.
Tjek også for udefrakommende ting, der kan have skævvredet testen. En test, der kørte under et stort udsalg, i en periode, hvor din annoncering ændrede sig meget, eller i en uge, hvor din vigtigste trafikkilde skiftede, kan give resultater, der ikke afspejler en normal webshop. Hvis der skete noget betydeligt i testperioden, så notér det, før du handler på resultatet.
Et ekstra tjek er at se på sekundære tal ved siden af dit primære. Hvis din variant har en højere andel, der lægger i kurven, men en lavere andel, der gennemfører kassen, kan noget i varianten tiltrække mindre seriøse besøgende i stedet for at gøre flere til kunder. En vindende variant bør vise forbedring på det mål, du tester, uden mærkbar forværring andre steder i tragten.
Hvilke fejl gør A/B-tests upålidelige?
At teste flere elementer på én gang er den mest almindelige fejl. Hvis du ændrer produktbilledet, overskriften og knappens farve i samme test, kan du ikke tilskrive resultatet nogen enkelt ændring. Kør én test pr. element, og hold alt andet uændret.
At stoppe for tidligt er det næstmest almindelige problem. En variant, der ser ud til at vinde de første tre dage, kan vise ingen forskel eller endda vende efter to hele uger. Bestem dig for din planlagte testtid, før du starter, og hold dig til den.
At teste sider med lidt trafik for tidligt er et tredje problem. Hvis din produktside har 50 besøgende om ugen, vil det tage mange måneder at nå 100 konverteringer pr. variant ved en konverteringsrate på to procent. Prioritér dine sider med mest trafik først, og gå først videre til sider med mindre trafik, når du har hentet gevinsterne øverst.
At ignorere det, du allerede ved, er også et problem. A/B-test virker bedst, når den styres af data om, hvor besøgende allerede falder fra, og ikke af tilfældige tests. Brug din analytics til at finde de sider og trin, hvor flest besøgende forlader siden uden at konvertere. Det er de rigtige steder at fokusere dine tests. Du kan læse en praktisk guide til at forstå besøgendes frafald i din webshop i hvorfor kunder forlader deres kurv, og hvad du kan gøre ved det.
Hvad skal du teste først?
Start, hvor flest besøgende mister interessen. For de fleste webshops er det enten produktsiden eller kassen. Kassen er ofte den højeste prioritet, fordi de besøgende, der når den, allerede har vist tydelig hensigt. En ændring, der forbedrer, hvor mange der gennemfører kassen, selv med en lille procentdel, påvirker hver eneste besøgende, der kommer så langt.
Efter kassen bør du fokusere på dine produktsider med mest trafik. En ændring på en produktside, der får 3.000 visninger om måneden, har større potentiel effekt end den samme ændring på en side, der får 100. Prioritér efter potentiel rækkevidde og ikke efter, hvilke sider der er sjovest at arbejde med.
Tillid er et andet område, der ofte betaler sig at teste. Mange webshops mister konverteringer ikke på grund af et bestemt element på siden, men fordi de besøgende ikke er trygge nok ved webshoppen til at gennemføre købet. Test, hvor tillidssignaler placeres, og hvordan de vises, kan give meningsfulde resultater. Du kan se en oversigt over, hvilke tillidssignaler der betyder mest i en webshop, i sådan bruger du tillidssignaler i din webshop.
Sådan understøtter WEMASY din konverteringstest
God A/B-test starter med korrekte udgangstal. Du skal kende din nuværende konverteringsrate, hvor besøgende falder fra, og hvilke sider der klarer sig dårligt, før du kan lave en brugbar hypotese og måle, om en test rykkede noget. WEMASYs Analytics og indsigt følger besøg, sidernes resultater og konverteringsadfærd i din webshop og giver dig de udgangstal, som test bygger på. Webshopsystemet giver ordredata, du kan bruge til at måle gennemførte køb på tværs af testperioder. Se alle funktioner i priserne.
Ofte stillede spørgsmål
Kan jeg køre en A/B-test, hvis min webshop har lidt trafik?
Lidt trafik gør det sværere at nå statistisk signifikans inden for en rimelig tid. Hvis din webshop får færre end 1.000 sessioner om ugen, kan tests tage måneder at nå de stikprøvestørrelser, der skal til for pålidelige resultater ved en typisk konverteringsrate. I så fald kan før og efter-sammenligninger over en ensartet periode være et praktisk alternativ. Ændr én ting, mål i tre til fire uger, og sammenlign resultatet med samme periode måneden før. Det er mindre præcist end en kontrolleret A/B-test, men mere oplysende end at lave ændringer uden at måle overhovedet. Med WEMASYs hjemmesidebygger kan du sætte det op direkte i din webshop.
Kan jeg køre mere end én A/B-test ad gangen?
Ja, men kun på forskellige sider eller tydeligt adskilte elementer, der ikke påvirker hinanden. At teste en overskrift på en produktside og layoutet af en kasseformular samtidig er som regel sikkert, fordi de to tests handler om forskellige sider og forskellige beslutningspunkter i tragten. At teste to forskellige elementer på samme side på samme tid skaber det samme problem som at teste flere elementer i én test: Du kan ikke afgøre, hvilken ændring der gav hvilket resultat.
Hvad er forskellen på A/B-test og multivariat test?
En A/B-test sammenligner to versioner af ét element: originalen og én variant. Multivariat test sammenligner flere elementer, der ændres samtidig, og kører alle mulige kombinationer for at finde ud af, hvilket sæt ændringer der giver det bedste resultat. Multivariat test kræver markant mere trafik for at nå pålidelige konklusioner, fordi du deler de besøgende op på flere varianter. For de fleste webshops er A/B-test den mest praktiske tilgang. Multivariat test passer bedre til webshops med meget trafik, der allerede har lavet de oplagte forbedringer med almindelig A/B-test og vil undersøge samspillet mellem flere elementer på en side på én gang.
Hvad hvis jeg skal lave andre ændringer i min webshop, mens en test kører?
Små ændringer, der ikke har noget med den testede side at gøre, er som regel fine. Ændringer, der påvirker siderne eller elementerne i din test, er et problem, fordi de tilføjer en anden variabel, der kan påvirke dine resultater. Hvis du skal lave en stor ændring på den side, du tester, er det reneste at stoppe testen, lave ændringen, lade webshoppen falde til ro i nogle dage og starte testen igen. Du bør også undgå at køre en kampagne eller et stort annoncepush, mens en test kører, da det ændrer de besøgendes adfærd på en måde, der måske ikke rammer begge grupper ens.
Har jeg brug for et særligt værktøj til A/B-test for at køre tests?
Et særligt testværktøj deler trafikken automatisk, følger konverteringsdata for hver variant, udregner statistisk signifikans og forhindrer, at den samme besøgende ser begge versioner. Uden et værktøj skal du lave de ting manuelt, hvilket giver fejl og mindre pålidelige resultater. Hvis din webshop eller dit hjemmesidesystem ikke har indbygget A/B-test, kan testværktøjer fra tredjepart føjes til de fleste webshops. Det er pengene værd, hvis du vil teste jævnligt, da resultaternes pålidelighed afhænger meget af, hvordan trafikken deles, og data indsamles.