Multivariate testing is een geweldige methode om te leren hoe je de conversie van je webpagina kunt verbeteren en dit ook in de praktijk brengen. Met de komst van Google Website Optimizer is de techniek voor een brede markt toegankelijk geworden. Bij grootschalig, niet begeleid gebruik ontstaat dan vanzelf verloren tijd. Verloren tijd omdat de techniek niet doordacht genoeg wordt gebruikt. Er wordt getest omdat er getest kan worden. Dat op zich is zeer lovenswaardig, maar wanneer dit uiteindelijk niet leidt tot meer conversie wordt het toch minder rooskleurig en wordt multivariate testing een kostenpost of haast bezigheidstherapie…
Ik wil graag 2 basis learnings met je delen die zullen leiden tot een betere inzet van de methodiek / techniek:
- Test alleen wijzigingen die ook echt goed zichtbaar zijn. Het heeft geen zin om nagenoeg dezelfde slogans te testen. Het heeft geen zin om te testen of een extra schaduwlijn achter je submit button meer conversie geeft. Het heeft geen zin om te testen of het beeldmateriaal beter scoort wanneer de lucht iets donkerder wordt gemaakt en ook heeft het geen zin om te testen of een extra regel productinformatie introductie leidt tot meer conversie. Het toevoegen van nieuwe elementen is wel zeer testwaardig en wanneer je een bestaand element op een pagina gaat variëren, zorg er dan voor dat je visueel en inhoudelijk goed uiteenlopende versies gaat uittesten. Je kunt namelijk bij voorbaat voorspellen dat een kleine wijziging maximaal een kleine verbetering oplevert. Een grote wijziging levert potentieel een grote verbetering op. Zijn je testvariaties niet dramatisch verschillend, dan kun je net zo goed niet testen!
- Standaard tactiek: we kiezen een pagina voor een test, bedenken een paar variaties en zien dan wel wat het oplevert. Op korte termijn kan dit soms werken, maar op lange termijn kun je ook hier beter niet testen als dit je aanpak is. Waarom komt je bezoeker op jouw webpagina? Wat is het doel van zijn bezoek? Waar binnen een groep met dezelfde bezoekintentie zitten grote afhaakmomenten? Welke informatie en/of tools worden daar gemist om datgene te doen wat de bezoeker wilde gaan doen? Door te werken met scenario´s voor je verschillende bezoek intentie groepen kun je al je testen in dienst stellen van het optimaliseren van deze scenario´s. Verlies daarbij de focus op je conversiepunten en bijbehorende targets niet uit het oog. Uiteindelijk gebruik je de methodiek om te zorgen voor meer conversie op hetzelfde bezoek. Richt je daar dan ook op!
Senior conversion consultant
Online Dialogue
Ton Wesseling (1974) is een ervaren online analytics consultant en tevens internet ondernemer. Op dit moment is hij actief als senior conversion consultant bij expert collectief Online Dialogue. Ton heeft ervaring met online trajecten vo...
Lees verder »Nieuwsbrief
Voortdurend op de hoogte van het laatste analytics en optimalisaties nieuws met onze nieuwsbrief!
Gebruik je al SmarterStats?
Deze Web Analytics software wordt in Nederland onder andere gebruikt door
Lees meer over SmarterStatsAangeboden door AboutAnalyticsNieuwste reacties
- Leendert: Als ik het nu zo kijk heeft independer dit met de lening site wel aangepast. Ik vind dit een interessante materie. Al...
- Jan de Vries: Dank Michel voor je tip!
- Michel Kompanje: Leuke site om in de gaten te houden is http://visual.ly/. Binnenkort kun je hier op een gemakkelijker manier je eigen...
- Ton Wesseling: @egan dank voor het delen van je gedachten. Die ‘light’ decision-making engine zie ik wel ontstaan bij...
2 reacties
Vooral punt 2 zal voor veel mensen een uitdaging zijn. Het aanpassen van de techniek gaat in veel gevallen (lees: CMS / e-commerce systemen) gepaard met het schatten van extra inkomsten alvorens men aan de slag wil gaan. testen is de omgekeerde wereld en krijg daar maar eens budget voor los.
Zijn er mensen die daar ervaring mee hebben? een no questions asked budget zou ideaal zijn
Hoi Wimm het bouwen van een business case voor a/b en multivariate testing (en software kosten) is nooit een issue geweest. Het is vaker de kosten voor webanalytics die moeilijker hard te maken zijn (webanalytics levert inzichten, mits je goede mensen hebt en die zelfde goede mensen moeten dan verzinnen hoe ze iets zouden kunnen verbeteren, daar gebruiken ze dan de test software voor). Uiteindelijk moet dit natuurlijk als 1 geheel worden bekeken. Wat zijn je totale analytics uitgaven en wat is je lange termijn rendement wanneer je dit niet zou uitgeven?