Wat als de resultaten van je A/B-test niet-significant zijn?

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 »

verbeter conversie, verhoog cro checkout funnel webshop ecommers winnaars testen inspiratie, idee, best pratice,

Verbeter je conversie in de checkout: optimalisaties die keer na keer bevestigd worden

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 »

Drie hoofdthema’s voor het optimaliseren voor logins en accounts

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 »

A/B-testen tegelijkertijd laten lopen: doen of niet?

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 »

A/B-test langer dan een maand laten lopen (bijv. 3 maanden)

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 »

Hoe je je prioriteringsmodel voor A/B-testen kunt laten groeien: 4 stappen

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 »

Baysiaanse of frequentist statistiek voor A/B-test analyse

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 »