Je hebt een webshop of product en je wilt meer conversies. Logisch, maar waar begin je? Ik hanteer het volgende model: Heb je minder dan 1000 organische bezoekers per maand? Begin met SEO. Schrijf blogs (zo’n 20 tot 50), vind je online bezoekers, en zorg dat er bezoekers naar je website komen. Zo zorg je […]
Meer conversies? Begin je met SEO of CRO? Meer lezen »
Om maar met de deur in huis te vallen: de meeste experimenten zullen niet-significante uitkomsten hebben. Zelfs als je goed hebt gekeken naar je MDE, een goede data-set hebt en alle basics kent. Volgens de gegevens van Experiment Engine zijn 50% tot 80% van de testresultaten niet-significant. VWO en Convert.com hebben schattingen gemaakt waaruit blijkt
Wat als de resultaten van je A/B-test niet-significant zijn? Meer lezen »
Als we een ding weten van experimenteren en data-gedreven werken, is het wel dat niet alles overal werkt. Maar, na honderden tests gedaan te hebben en meer dan 5 jaar ervaring met grote websites, kom ik voor checkout optimalisaties vaak dezelfde dingen tegen die ik aanraad: Verwijder terugknop en maak het logo van je website
Verbeter je conversie in de checkout: optimalisaties die keer na keer bevestigd worden Meer lezen »
De laatste jaren wordt de conversie rondom accounts en logins een steeds groter topic. Of dat nu is vanwege de cookieless internet waar we naartoe gaan, of gewoon omdat bedrijven zelf de gegevens in handen willen houden. Zelf heb ik mogen optimaliseren voor het aanmaken van accounts bij NU.nl, Semrush.com en Mediumchat. Totaal verschillende websites,
Drie hoofdthema’s voor het optimaliseren voor logins en accounts Meer lezen »
Over het algemeen laten grote bedrijven zoals NU.nl, KPN, VodafoneZiggo of Bol.com testen tegelijkertijd lopen. Op een pagina kunnen meerdere testen lopen, of over de gehele funnel. Want: hoe meer testen je laat lopen, hoe meer winnaars en verliezers je vindt en des te meer je daarvan als bedrijf leert. Beïnvloeden die testen elkaar niet?
A/B-testen tegelijkertijd laten lopen: doen of niet? Meer lezen »
Naast mijn werk als lead CRO / Experimentation ben ik ook schrijver van literaire fictie. Wat ik geleerd heb is dat een A/B-test een perfecte, natuurlijke verhaallijn heeft. Als jij drie volgende stappen volgt, heb je gegarandeerd een goed verhaal om aan je baas, stakeholders of collega’s te vertellen. Veel films en theaterstukken zijn gebouwd
CRO Storytelling: het verhaal van je A/B-test Meer lezen »
Als CRO-specialisten zijn we erop getraind om A/B-testen maximaal een maand, maar het liefst nog korter te laten lopen. Dit vanwege ‘cookie noise’ – gebruikers verliezen hun cookies en kunnen opnieuw in je testvariant vallen. Maar zijn er ook redenen waarom je een test langer zou laten lopen? Het korte antwoord: ja, die zijn er.
A/B-test langer dan een maand laten lopen (bijv. 3 maanden) Meer lezen »
Kwalitatieve feedback combineren met kwantitatieve feedback is extreem waardevol. Als je een groot redesign doet, kun je met Usabila (of een ander feedbackplatform) uitvragen wat mensen ervan vinden, of ze beter hun doel kunnen bereiken of dat ze misschien de website overzichtelijker vinden. In Usabilla instellen: Maak twee dezelfde formuleren aan met een andere naam.
Usabilla integreren in je A/B-test Meer lezen »
One-size-fits all prioritering: ik gebruikte het voor jaren. Ik prioriteerde al mijn ideeën op modellen als ICE en PIE. Dat was makkelijk, en leek te werken. Maar uiteindelijk groeide mijn manier van prioriteren mee met het experimenteerprogramma van NU.nl. En daarmee ook met de valideer-maturity van de organisatie. Stap 1: Beginnen met prioriteren. Een eenvoudig
Hoe je je prioriteringsmodel voor A/B-testen kunt laten groeien: 4 stappen Meer lezen »
Om A/B-test analyses te doen kun je twee statistische modellen gebruiken. Ik zie weleens een discussie op Linkedin die vraagt: ben je Team Baysiaan of Team Frequentist? Mijn antwoord is: waarom zou je niet beiden zijn? Hierover had ik een gesprek met Shiva Manjunath van Speero. Hij vroeg me welk ’team’ ik was. Ik zei:
Baysiaanse of frequentist statistiek voor A/B-test analyse Meer lezen »