A/B-test

En A/B-test sammenligner to versioner af det samme element. Version A er typisk den nuværende løsning, mens version B indeholder en afgrænset ændring. Besøgende eller annoncevisninger fordeles mellem varianterne, så resultatet kan måles på et på forhånd valgt mål.

På en landingsside kan testen handle om overskrift, formular, billede eller CTA. I annoncering kan den handle om målgruppe, budskab eller kreativt materiale. Metoden er den samme: én hypotese omsættes til en kontrolleret sammenligning.

En A/B-test er ikke bare to forskellige forslag, som nogen vælger imellem på et møde. Den kræver rigtig trafik eller eksponering, en klar måling og en tidsperiode. Personlige præferencer kan stadig bruges i designarbejdet, men de er ikke testdata.

Formålet er læring, ikke kun at udpege en vinder. En test kan vise, at en kortere formular giver flere henvendelser, men også at kvaliteten falder. Derfor skal målet afspejle det, virksomheden faktisk ønsker – ikke bare det tal, der er lettest at få til at stige.

A/B-test passer bedst, når der er tilstrækkelig trafik og en reel beslutning at træffe. På en mindre hjemmeside med få månedlige besøg kan kvalitative brugertests, interviews og almindelig analyse være mere nyttige end en test, der skal køre i et halvt år.

Start med et observeret problem. Det kan være, at mange besøgende ser en prisside, men få tager kontakt. Formulér derefter en hypotese: “En mere konkret overskrift gør det tydeligere, hvem løsningen er til, og øger antallet af kvalificerede henvendelser.”

Vælg ét primært mål. Det kan være formularafsendelser, køb, bookinger eller klik til næste trin. Tilføj gerne beskyttelsesmål, som fanger en uønsket effekt. Hvis en kort formular giver flere leads, bør salgsafdelingen samtidig vurdere, om de stadig er relevante.

Hold forskellen tydelig og afgrænset. Version A kan bruge “Få en bedre hjemmeside”, mens version B bruger “Ny WordPress-hjemmeside til mindre virksomheder”. Lad resten af siden være ens. Så kan ændringen i resultat med rimelighed knyttes til overskriften.

Fordel trafikken tilfældigt og undgå, at den samme bruger skifter variant midt i forløbet. Værktøjet skal håndtere fordelingen teknisk. Kontroller samtidig, at Google Tag Manager og konverteringssporing registrerer det samme i begge versioner.

Fastlæg en minimumsperiode og et databehov før start. Stop ikke testen, så snart B fører efter to dage. Ugedage, kampagner, lønningsdato og tilfældige udsving kan påvirke resultatet. En test bør mindst dække den normale variation i virksomhedens købscyklus.

Dokumentér hypotese, ændring, startdato, målgruppe, resultat og beslutning. Det gør testen brugbar senere. Uden en logbog risikerer virksomheden at teste den samme idé igen eller at glemme, hvorfor en løsning blev valgt.

En rådgivningsvirksomhed har en kontaktside med en lang formular på 11 felter. 800 personer ser siden om måneden, og 24 sender formularen. Konverteringsraten er dermed 3 procent. Teamet tror, at formularen er for omfattende, men ved ikke, hvilke oplysninger der kan undværes.

Version A beholder alle 11 felter. Version B viser fem nødvendige felter og flytter resten til den efterfølgende dialog. Det primære mål er afsendte formularer. Beskyttelsesmålet er andelen af henvendelser, som salgsansvarlig vurderer som relevante.

Efter en aftalt periode har A en konverteringsrate på 3,1 procent, mens B ligger på 4,6 procent. B skaber altså flere henvendelser. Kvalitetsvurderingen viser samtidig, at andelen af relevante leads er næsten uændret.

Virksomheden vælger B, men testen giver også en ny opgave: De fjernede oplysninger skal indsamles enkelt i det første svar. Ellers flyttes arbejdet bare fra brugeren til medarbejderen uden en god proces.

Før næste test gennemgås guiden om en brugervenlig hjemmeside, der skaber flere leads og salg. Næste hypotese handler om sidens forklaring før formularen – ikke om endnu en kosmetisk knapfarve.

Den største faldgrube er at teste uden et klart spørgsmål. Hvis version B både har nyt billede, ny overskrift, kortere tekst og anden knap, kan den vinde, men ingen ved hvorfor. Resultatet er svært at genbruge på andre sider.

En anden fejl er at vælge et overfladisk mål. Flere klik på en knap er ikke nødvendigvis bedre, hvis brugeren derefter forlader næste trin. Mål så tæt på den faktiske forretningsværdi som trafikken og systemerne tillader.

Pas på med små datamængder. Fem konverteringer mod tre kan se ud som en stor procentvis forskel, men den kan skyldes tilfældigheder. Statistikværktøjer kan hjælpe, men de erstatter ikke forståelse for sæson, datakvalitet og kampagnens virkelighed.

Det er også risikabelt at køre flere overlappende tests på samme side. En ny overskrift og en separat formularvariant kan påvirke hinanden. Planlæg testene, så du ved, hvilken kombination den enkelte bruger oplever.

Endelig kan en test låse et dårligt udgangspunkt fast. A og B kan begge være svage. En vinder er kun bedre end den anden variant – ikke nødvendigvis en god løsning. Brug derfor også UX, kundesamtaler og faglig vurdering.

A/B-test kaldes også split-test. Nogle værktøjer tilbyder multivariat test, hvor flere elementer og kombinationer undersøges samtidig. Det kræver normalt langt mere trafik og gør analysen mere kompleks.

Platforme som Meta og Google har egne eksperimentfunktioner. Brug dem, når testen foregår i annonceplatformen, så budget og levering kan fordeles mere kontrolleret. Manuelle kampagner, der startes på forskellige dage, er sjældent en ren sammenligning.

På websites skal testen respektere privatliv, samtykke og teknisk ydeevne. Tunge scripts kan gøre siden langsommere eller få indhold til at blinke, før varianten vises. Testværktøjet må ikke skabe et større brugerproblem end det, der undersøges.

En test kan med fordel begynde i en prototype eller brugertest. Det fjerner åbenlyse misforståelser, før udvikling og trafik bruges på en live sammenligning. Kvantitative og kvalitative metoder supplerer hinanden.

Negative og neutrale resultater er også værdifulde. Hvis en ny formulering ikke ændrer noget, kan teamet lade være med at bruge flere timer på den og i stedet teste en større barriere.

Gem både resultat og kontekst. En test fra en udsalgskampagne kan ikke nødvendigvis overføres direkte til normal drift. Målgruppe, pris, sæson og trafikkilde kan ændre, hvad der virker.

Når testen er afsluttet, bør vinderen først kontrolleres teknisk. Virker den på mobil, i forskellige browsere og med alle formularfejl? En variant kan vinde på data og stadig have en skjult fejl for en del af brugerne.

Implementér derefter ændringen permanent i den almindelige løsning. Lad ikke et midlertidigt testscript stå som permanent arkitektur, hvis den samme funktion kan bygges renere i tema eller komponent.

Følg resultatet efter implementering. Hvis effekten forsvinder, kan testperioden have været særlig, eller den permanente version kan være implementeret anderledes. Kontrollen er en del af testen.

Afslut med næste spørgsmål, ikke automatisk næste tilfældige element. En god testserie bygger viden om brugerens beslutning trin for trin.

Undlad A/B-test, når fejlen er åbenlys. En knap, der ikke virker på mobil, skal repareres – ikke testes mod en fungerende knap. Det samme gælder juridiske mangler, utilgængelige formularer og forkert information.

Undlad også testen, når trafikken er så lav, at beslutningen først kan træffes om mange måneder. Brug i stedet korte brugertests, samtaler med kunder og analyse af eksisterende henvendelser. De kan give hurtigere og mere konkrete spor.

En stor ændring som nyt tilbud, ny pris eller ny målgruppe bør ikke altid reduceres til en knaptest. Her kan en prototype, pilot eller separat kampagne give et bedre læringsrum.

Test ikke bare for at have en aktivitet i rapporten. Hver test bør knytte sig til en prioriteret barriere i brugerrejsen. Ellers bruger teamet tid på små variationer, mens det egentlige problem står urørt.

Når beslutningen allerede er bundet af brand, lovgivning eller drift, skal begrænsningen være tydelig. Data kan informere udformningen, men ikke altid afgøre den alene.

På en webshop kan testen handle om produktinformation, levering eller checkout, men ændringer tæt på betaling kræver ekstra teknisk kontrol. En lille fejl kan påvirke omsætningen hurtigere end på en almindelig informationsside.