A/B-test: så testar ni två versioner och vet vilken som vinner

Vad är ett A/B-test?

Ett A/B-test, även kallat A/B-testning eller split-test, är ett experiment där besökarna slumpmässigt delas mellan två versioner av samma sida, formulär, e-postutskick eller annons. Version A är originalet och version B har en ändring. Den version som ger störst andel av den handling ni vill ha vinner.

Styrkan med ett A/B-test är att båda versionerna visas samtidigt för jämförbara besökare. Då påverkar säsong, kampanjer och vädret båda lika mycket, och skillnaden i resultat kan kopplas till ändringen. Det skiljer ett A/B-test från att göra en ändring och jämföra med förra månaden. Ett A/B-test är ett av verktygen i konverteringsoptimering, men inte det första: först behöver mätningen stämma och ni behöver veta var besökarna fastnar.

Så gör ni ett A/B-test steg för steg

1. Kontrollera mätningen. Se till att målet, till exempel en skickad förfrågan eller ett köp, registreras korrekt. I Google Analytics markeras det som en viktig händelse enligt Googles hjälp för viktiga händelser. Ett test som mäter fel mål ger ett säkert svar på fel fråga.
2. Hitta problemet i data. Titta på var besökarna lämnar, vad de klickar på och vilka frågor kunderna ställer. Heatmaps och sessionsinspelningar visar beteendet, analysdata visar omfattningen.
3. Skriv en hypotes. Formulera den som: om vi ändrar X för målgruppen Y så ökar Z, eftersom vi har sett W. Hypotesen gör det tydligt vad ni lär er, oavsett vilken version som vinner.
4. Välj ett huvudmått och räkna provstorlek. Bestäm vilket mått som avgör testet och hur liten skillnad ni vill kunna se. En räknare som Evan Millers provstorleksräknare visar hur många besökare varje version behöver.
5. Bygg varianten och kontrollera den. Ändra en sak eller en tydlig helhet, och kontrollera version B i mobil och dator innan start så att den inte är trasig eller långsammare.
6. Kör testet utan att titta i förtid. Låt testet gå tills provstorleken är nådd och ändra inte trafikfördelning eller innehåll under tiden.
7. Fatta beslutet och dokumentera. Behåll vinnaren, eller originalet om skillnaden inte är säkerställd. Skriv ner hypotes, resultat och lärdom så att nästa test bygger på det.

Hur mycket trafik och hur lång tid krävs för ett A/B-test?

Det finns ingen generell gräns för hur mycket trafik ett A/B-test kräver. Behovet styrs av tre saker:

Låt testet omfatta hela veckor, eftersom besökare beter sig olika på måndagar och lördagar. Google skriver i sina råd om testning av webbplatser att ett experiment bara ska pågå så länge som behövs och att ett bra testverktyg visar när tillräckligt med data har samlats in.

Har sidan för lite trafik för ett säkert test är det sällan värt att vänta i månader. Då ger det mer att rätta tydliga problem som syns i data och kundfrågor, till exempel ett krångligt formulär eller ett otydligt erbjudande, och sedan följa upp förändringen över tid.

Vad kan ni A/B-testa?

Testa det som påverkar kundens beslut, inte detaljer som ingen lägger märke till. Exempel som ofta är värda att testa:

• Erbjudande och rubrik. Vad kunden får, för vem och vad nästa steg är. Den första vyn avgör om besökaren stannar.
• Formulär. Antal fält, ordning, knapptext och vad som händer efter att formuläret skickats. Se landningssidor för hur vi bygger sidor som ska ge förfrågningar.
• Förtroende. Var belägg, villkor och kontaktuppgifter placeras och hur tydligt priset eller prislogiken förklaras.
• Sidans struktur. Ordningen på innehållet och hur lätt det är att hitta rätt, vilket vi arbetar med inom UX-design.
• Annonser. I Google Ads experiment fördelar ni en del av kampanjens budget till en testversion, och för sökkampanjer kan fördelningen vara cookiebaserad eller sökbaserad. För sociala annonser beskriver vi testning av kreativ i guiden om Meta Ads kreativ.

Verktyg för A/B-test efter Google Optimize

Google Optimize, som många använde för A/B-testning, stängdes den 30 september 2023 enligt Google Analytics hjälp. I dag väljer ni verktyg efter var testet ska göras:

Testverktyg och heatmaps läser eller lagrar ofta information i besökarens webbläsare och behöver då hanteras i er samtyckeslösning, som vi beskriver under cookiebanner. Hur mätningen sätts upp beskriver vi under mätning och spårning.

A/B-test utan att skada SEO, och de vanligaste felen

Google skriver i sina råd om A/B-testning att testning inte är ett problem för sökresultaten om ni följer några regler:

• Visa inte Googlebot en annan version än besökarna. Det räknas som cloaking och bryter mot Googles regler för skräppost, även under ett test.
• Använd rel=”canonical” till originalet om varianten har en egen URL, och hellre det än noindex.
• Använd 302-omdirigering, inte 301, om testet skickar besökare från originalets URL till en variant.
• Avsluta testet när det är klart och uppdatera sidan med den vinnande versionen.

De vanligaste felen i ett A/B-test:

• Stoppa i förtid. Den som tittar dagligen och stoppar när B leder får ofta en vinnare som inte håller.
• Testa utan hypotes. Slumpmässiga ändringar ger inga lärdomar, även när en version vinner.
• Mäta klick i stället för affärer. Fler klick på en knapp är inte fler förfrågningar eller köp. Välj mått enligt guiden om KPI:er.
• Ändra flera saker utan plan. Då vet ni inte vad som gjorde skillnaden.
• Glömma mobilen. En variant som fungerar på datorn kan vara sämre i mobilen, så följ resultatet per enhet.

Vi hjälper företag att få fler förfrågningar och köp från den trafik de redan har. I arbetet med konverteringsoptimering kontrollerar vi mätningen, hittar friktionen, prioriterar hypoteser och bygger och utvärderar A/B-testerna, oavsett om målet är leads eller försäljning i e-handel.

Vanliga frågor om A/B-test