Wat is A/B testen?
A/B testen (ook wel split testing) is een methode waarbij je twee versies van iets vergelijkt om te bepalen welke beter presteert. De helft van je bezoekers ziet versie A, de andere helft ziet versie B. Na genoeg data weet je welke beter werkt. Wat ik vaak zie is dat ondernemers denken dat ze hun doelgroep goed kennen — totdat de data het tegendeel bewijst.
Hoe werkt het?
A/B test
Een element testen
Duidelijke hypothese, minder verkeer nodig. Ideaal voor de meeste bedrijven.
Multivariate test
Meerdere elementen tegelijk
Vereist significant meer verkeer. Alleen voor complexe paginas met hoog volume.
Waarom A/B testen?
Data-driven beslissingen. Geen discussies meer over ontwerp. De data beslist. Wat ik vaak zie is dat de winnende variant soms compleet tegen alle verwachtingen ingaat. Dat is precies waarom testen werkt — je laat je aannames los.
Bekende voorbeelden uit publiek gedocumenteerde A/B tests:
+17%
Booking.com
CTA tekst
+49%
Obama campagne
Email onderwerp
+24%
Hubspot
Formulier lengte
Data-driven
Feiten i.p.v. meningen
Risico verkleinen
Test incrementeel
Conversie verhogen
5% hier, 3% daar stapelt op
Wat kun je A/B testen?
Website elementen
Headlines
Test verschillende beloftes, lengtes, formuleringen
CTA buttons
Tekst, kleur, grootte, positie
Formulieren
Aantal velden, layout, labels
Afbeeldingen
Product vs lifestyle, met/zonder mensen
Prijspresentatie
Maandelijks vs jaarlijks, ankers
Email marketing
Onderwerpregel
Lengte, personalisatie, emojis
Verzendtijd
Dag, tijdstip, vertraging
Content
Lange vs korte emails, CTA plaatsing
Advertenties
Headlines
Value propositions en hooks
Afbeeldingen
Product, lifestyle, illustratie
Targeting
Verschillende doelgroepen
Het A/B test proces
Hypothese formuleren
Wat verander je, wat verwacht je, en waarom?
Varianten maken
Verander slechts een element per test.
Test opzetten
Kies tool, percentage verkeer, primaire metric.
Verkeer splitsen
De tool verdeelt bezoekers willekeurig.
Data verzamelen
Min. 100 conversies per variant of 2 weken.
Resultaten analyseren
Conversieratio, significantie (min. 95%).
Implementeren
Winnaar doorvoeren en volgende test starten.
A/B test tools
Gratis opties
Clarity + Experiments
Kleine sites
PostHog
Tech-savvy teams
Growthbook
Developers
Betaalde tools
VWO
Gebruiksvriendelijk
Optimizely
Schaalbaar
AB Tasty
AI personalisatie
Convert
Privacy-vriendelijk
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, 15% lagere lead-kwaliteit
Niet alleen aantal telt, ook kwaliteit
Veelgemaakte fouten
Te vroeg stoppen
De meest gemaakte fout: na 3 dagen al conclusies trekken. Kleine steekproeven geven onbetrouwbare resultaten. Wacht tot statistische significantie.
Te veel tegelijk testen
Als je meerdere elementen verandert, weet je niet wat werkte. Een fundamentele regel die ik strikt hanteer: een element per test.
Verkeerde metric kiezen
Hogere CTR is mooi, maar als conversies dalen heb je niets. Kies de metric die direct aan omzet raakt.
Te weinig verkeer
Met 100 bezoekers per maand kun je niet betrouwbaar testen. Mijn ervaring leert dat je minimaal 1.000 bezoekers per variant nodig hebt.
Niet segmenteren
Wat ik regelmatig zie: een test wint overall maar verliest op mobiel. Resultaten kunnen per segment sterk verschillen.
Veelgestelde vragen
Minimaal tot je statistische significantie bereikt, met een minimum van 2 weken. Korter leidt tot onbetrouwbare conclusies door dagelijkse en wekelijkse variaties in bezoekersgedrag.
Lastig. Met minder dan 1.000 bezoekers per maand duurt een test maanden. Overweeg dan grotere veranderingen of focus eerst op meer verkeer genereren.
Geen significant verschil is ook een resultaat. Het betekent dat dit element niet de bottleneck is. Test iets anders.
Idealiter wel. Gedrag verschilt sterk per device. Een winnaar op desktop kan verliezen op mobiel.
Technisch meerdere, maar alleen op verschillende paginas. Twee tests op dezelfde pagina verstoren elkaar.
Verder lezen
Hulp nodig met conversie optimalisatie?
Ik help MKB-bedrijven met het opzetten van een test-cultuur.
Gratis gesprek plannen