A/B tests prioriteren met frameworks

A/B test frameworksStel, je bent vol goede moed gestart of bezig met de conversie optimalisatie van je website of webshop. Je hebt je kwantitatieve en kwalitatieve onderzoeken en analyses gedaan, haarscherpe hypotheses opgesteld, en bent klaar voor het A/B testen van die hypotheses. Maar je lijstje met A/B tests is nogal lang geworden… Hoe bepaal je dan met welke A/B tests je begint?

Het niet prioriteren van A/B tests is één van de meest voorkomende A/B test beginnersfouten. Door gefundeerde prioriteiten te stellen voorkom je dat je kostbare tijd, traffic en andere middelen verspilt.

Frameworks voor het prioriteren van A/B tests

Om je A/B tests te prioriteren zijn er een aantal frameworks beschikbaar. De belangrijkste A/B test frameworks vind je hieronder.

PIE framework

Het PIE framework is een priorizatie model waarmee een A/B test een score tussen 0 en 10 krijgt op basis van P(otential), I(mportance) en E(ase). Hierbij is Potential de potentiële uplift in conversie, Importance de mate van belangrijkheid van de te testen pagina of onderdeel van je website, en Ease het gemak waarmee zowel de A/B test kan worden opgezet als een winnende testvariant in de bestaande website kan worden doorgevoerd.

pie framework

Afbeelding: voorbeeld invulling PIE framework

In de praktijk kunnen Potential, Importance en Ease nogal met elkaar wringen. Zo heeft bijvoorbeeld een aanpassing van (een deel van) de checkout van een webshop vaak een hoge potentiële uplift, is dit zeer belangrijk voor de conversie van de webshop, maar is dit niet altijd gemakkelijk A/B te testen zonder ingrijpende wijzigingen in de checkout.

TIR Model

Het TIR model werkt op dezelfde manier, hierbij geef je echter per A/B test scores aan T(ime), I(mpact) en R(esources). Hierbij is Time de tijd die het kost om zowel de A/B test op te zetten en uit te voeren als een winnende testvariant door te voeren, Impact de potentiele impact die deze verbetering zal hebben op zowel de conversie als andere KPI’s zoals usability (dus deels vergelijkbaar met Potential bij het PIE framework), en zijn de Resources de benodigde mensen en middelen voor zowel het opzetten van de A/B test als het doorvoeren van een winnende testvariant.

Monetate Model

Bij het model van Monetate worden scores gegeven aan drie elementen: de moeilijkheid (of het gemak) waarmee zowel de A/B test kan worden opgezet als een winnende testvariant in de bestaande website kan worden doorgevoerd, de creativiteit die nodig is voor de A/B test (denk aan bijvoorbeeld het design van een banner of call-to-action), en de potentiele impact van de A/B test op de conversie. Het Monetate model lijkt dus veel op het PIE framework.

Hotwire’s puntenmodel

Het puntenmodel van Hotwire combineert elementen van de bovenstaande modellen en groepeert die in Value en Effort. De groep Value bevat de elementen Reach (hoeveel bezoekers zullen met deze A/B test worden bereikt?), Lift (de potentiele uplift in conversie) en Strategic Fit (de mate waarin de test past in de business strategie). De groep Effort bevat de elementen Creative (zie het Monetate Model), Development (de mate waarin ICT of web development nodig is), en Coordination (idem, maar dan voor de mate van coördinatie en aansturing).

Het sterke aan Hotwire’s puntenmodel is het element Strategic Fit. Uiteindelijk moet de conversie optimalisatie als geheel, en daarbinnen de A/B tests, bijdragen aan de strategie en doelstellingen van de organisatie. En dat wordt in de dagelijkse praktijk nog wel eens vergeten…

Het ideale A/B test framework

Je raadt het al, dat bestaat niet. Het framework wat de ene organisatie met succes gebruikt om zijn A/B tests te prioriteren, werkt minder goed binnen de andere organisatie. Uiteindelijk kies je het framework wat goed werkt voor jouw organisatie, of stel je een framework samen wat voor jouw organisatie ideaal is.

Zelf scoor en prioriteer ik A/B tests meestal aan de hand van de volgende elementen:

  • Strategie – de mate waarin de test past in de business strategie en doelstellingen;
  • Potentiële impact – het bereik en de potentiële uplift in conversie;
  • Tijd en timing – de tijd die nodig is om de test uit te voeren en het ideale moment daarvoor;
  • Gemak – het gemak (of beter gezegd, de moeilijkheid) om de test op te zetten en uit te voeren en een winnend resultaat door te voeren, zowel technisch als voor wat betreft de hiervoor benodigde mensen en middelen.

Wil je meer weten over conversie optimalisatie of over (het prioriteren van) A/B tests? Download dan mijn gratis e-book Website optimalisatie en personalisatie, bekijk mijn conversie optimalisatie aanpak of neem contact met mij op.

Download gratis e-book Website Optimalisatie

 

Summary
A/B tests prioriteren met frameworks
Article Name
A/B tests prioriteren met frameworks
Description
Door je A/B tests te prioriteren voorkom je dat dat je kostbare tijd, traffic en middelen verspilt. Bekijk hier de diverse A/B test frameworks.
Author
Add to Friends

1 gedachte over “A/B tests prioriteren met frameworks

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.