A/B-testning

A/B-testning är en metod där du visar två versioner av samma sida för olika halvor av trafiken och låter resultatet avgöra vilken som fungerar bäst. Du slutar gissa och börjar mäta. Den ena halvan av trafiken ser Version A, den andra ser Version B, och allt annat hålls lika så att skillnaden i utfall går att koppla till den enda ändring du gjorde. I verktygen möter du ofta orden kontrollversion eller original för sidan du redan har, alltså Version A, och variant för den ändrade sidan, alltså Version B.

Säg att du driver en liten firma och att kontaktsidan har ett offertformulär med åtta fält. Du tror att färre fält ger fler förfrågningar. Då bygger du en version med fyra fält, låter hälften av besökarna se den och räknar vilken version som ger flest ifyllda formulär. Efter ett par veckor vet du vad besökarna faktiskt gjorde med formuläret. Samma sak fungerar i en webbshop, där du lika gärna kan ställa en grön köpknapp mot en blå. Den disciplinen är kärnan i konverteringsoptimering, där varje förändring ska kunna beläggas med data snarare än tyckande.

En konvertering är helt enkelt det du vill att besökaren ska göra: skicka en offertförfrågan, boka en tid, ringa dig eller slutföra ett köp. Det är den handlingen du räknar när du jämför två versioner. Och redan här är det värt att säga rakt ut att metoden kräver mer trafik än många små sajter har. Får din sajt bara några hundra besök i veckan är svaret ofta “inte än” – och avsnittet längst ner om när A/B-testning är rätt för dig berättar vad som ger mer tillbaka så länge.

Vad är A/B-testning, och vad menas med split-testning?

A/B-testning, ibland kallat split-testning, bygger på en enkel idé: du tar en sida på sajten, skapar en variant av den och låter två grupper av besökare se var sin version. Det enda som skiljer versionerna åt är den detalj du vill pröva, till exempel en rubrik, en bild eller en CTA, alltså den uppmaning du vill att besökaren ska följa. Eftersom besökarna delas slumpmässigt blir grupperna jämförbara redan från start, och med tillräckligt många besökare i varje grupp väger tillfälligheter ut varandra över tid. Begreppet används också om ämnesrader i nyhetsbrev och om annonsvarianter. Här handlar det om test på din egen sajt.

Det gör att du kan koppla en eventuell skillnad i resultat direkt till den enda ändring du gjorde, utan att gissa. Just därför är en tydlig hypotes så viktig: du ska veta i förväg vad du tror händer och varför, så att resultatet prövar din idé och inte bara fångar upp slumpen. Har du ännu inte bestämt vilka sidor som är viktigast att förbättra är en genomtänkt innehållsstrategi det första steget. Den talar om vilka sidor som ska bära affären.

Varifrån kommer A/B-testning?

Metoden är inte ny – den brukar spåras tillbaka till direktreklamen, där annonsörer i decennier har testat olika versioner av samma utskick. Man skickade ut två varianter av ett brev och räknade vilket som gav flest svar. När webben växte fram blev det enklare och billigare att dela trafik i realtid, och det som förr tog månader kan i dag mätas på veckor. Grundprincipen är densamma: låt riktiga val avgöra vad som fungerar.

Vad kan du A/B-testa?

Du kan testa det mesta som påverkar hur en besökare beter sig, men de element som oftast ger störst utslag är de som ligger närmast själva beslutet. Rubriker och rubriktexter avgör om besökaren stannar kvar över huvud taget. Knapptext och knappfärg styr om någon tar steget. Bilder och produktbilder bygger förtroende på sekunder, och längden på en text avgör om budskapet hinner landa innan besökaren tröttnar.

Längre ner i det praktiska kan du testa placeringen av ett formulär eller en varukorg, antalet fält i formuläret, priser och erbjudanden, samt själva layouten och ordningen på sidan. Även vilken URL en länk pekar mot och vilka förtroendesignaler du visar, som recensioner och betyg, går att ställa mot varandra. Hela poängen är att du vet exakt vad du ändrade. Byter du tre saker samtidigt och resultatet blir bättre, vet du inte vilken av ändringarna som gjorde jobbet.

Det mesta av det här går att pröva oavsett bransch. För ett lokalt tjänsteföretag är konverteringen oftast ett ifyllt offertformulär, en bokning eller ett telefonsamtal, och då prövar du precis samma sorts saker: antalet fält i formuläret, texten på kontaktknappen eller om telefonnumret ska ligga överst på sidan. Räknas ett klick på telefonnumret som en konvertering behöver du bara se till att mätningen fångar det innan du startar testet, annars mäter du bara sidvisningar.

Mätning av CTR är ett bra komplement när du vill förstå hur besökarna reagerar på dina rubriker och länktexter i sökresultaten. En hög CTR i sökresultaten är ofta ett tecken på att sidan lockar rätt besökare, och det är precis den typen av signal du kan bygga vidare på med A/B-testning på själva sidan. Själva titeln i sökresultatet går däremot inte att A/B-testa kontrollerat, och längre ner står varför.

Varför spelar A/B-testning roll för din konverteringsgrad?

Därför att magkänsla är dyrare än mätning. Många beslut om en sajt fattas på magkänsla: “Jag tror kunderna gillar den här bilden bättre.” Ett test ger dig svar baserade på vad besökarna faktiskt gör, inte på vad de säger att de skulle göra.

Det här blir extra viktigt om du har många besökare och vill omvandla fler av dem till kunder. Även en liten förbättring i konverteringsgrad kan betyda mycket pengar när trafiken är hög. En sida som går från 2 procents konvertering till 2,5 procent ökar antalet affärer med en fjärdedel på oförändrad trafik, och den vinsten upprepas varje månad så länge sidan ligger uppe. Räkna dock inte med att effekten håller sig exakt lika stor: en vinnare krymper ofta något efter utrullning, och trafiken varierar över säsongen. Ju mer trafik du har, desto snabbare betalar arbetet tillbaka – och det är därför testning oftast blir ett löpande arbetssätt snarare än ett engångsprojekt.

Hur mycket kan en högre konverteringsgrad vara värd?

Säg att kontaktsidan får 400 besök i månaden och att 3 av 100 besökare skickar en förfrågan. Lyfter en vinnande variant siffran till 4 av 100 får du fyra extra förfrågningar i månaden på exakt samma trafik.

Konkret handlar vinsten oftast om fler som klickar på din knapp och fler som lägger en produkt i varukorgen, men nyttan sträcker sig längre än så. En vinnande variant kan sänka andelen som lämnar sidan direkt och ge dig en betydligt tydligare bild av vad dina kunder vill ha. Lika viktigt är att du sänker risken när du gör större förändringar: i stället för att lansera en helt ny sida i blindo prövar du den på en del av trafiken först och vet hur den presterar innan du rullar ut den brett.

Bestäm hur många besökare testet behöver innan du startar det. Räknar du först efteråt hittar du alltid en siffra som passar den slutsats du redan hoppades på.

Vad säger data jämfört med magkänsla?

Du byter till en rubrik du är riktigt nöjd med, och tre veckor senare visar siffrorna att den gamla drog in fler kunder. Det händer oftare än man tror, och det är just därför testning är värt besväret. Att samla in data kostar tid, men att bygga om en hel sajt utifrån en felaktig gissning kostar betydligt mer. Långt ifrån alla tester ger ett tydligt positivt utslag. En hel del landar i oavgjort eller till och med negativt, och även de lär dig något om dina besökare.

Så fungerar ett A/B-test steg för steg: från hypotes till statistisk signifikans

Ett bra test följer en tydlig process, från hypotes till ett resultat du vågar lita på. Slumpa inte fram en variant och hoppas på det bästa. Idéerna till hypoteserna behöver inte heller komma ur tomma intet: en konkurrentanalys visar vad andra i din bransch redan satsar på och ger dig råmaterial när dina egna idéer börjar ta slut. Så här går det till i praktiken:

1. Formulera en hypotes, till exempel “en kortare rubrik ökar antalet klick”.
2. Skapa Version B med den enda ändring du vill testa.
3. Dela trafiken slumpmässigt mellan Version A och Version B.
4. Låt testet löpa tills du samlat in tillräckligt med data.
5. Jämför resultatet och avgör om skillnaden är verklig eller slump.
6. Inför den vinnande versionen och planera nästa test.
7. Dokumentera vad du lärde dig.

Hur länge ska ett test pågå?

Ett test som startar på en måndag och stoppas på fredagen har bara sett fem arbetsdagar, och helgbesökarna beter sig sällan som de som kommer mitt i veckan. Hur länge testet behöver pågå styrs av flera saker samtidigt: hur mycket trafik sidan har, hur stor skillnad du försöker mäta och hur många konverteringar du behöver per version innan siffran sätter sig. Tumregeln som brukar användas i branschen är i storleksordningen hundratals konverteringar per version – alltså genomförda köp eller ifyllda formulär, inte bara besök. Lika viktigt är att fånga naturliga variationer över veckan och att ta hänsyn till säsong och kampanjer som annars kan snedvrida siffrorna. Räkna därför med minst två fulla veckor, så att både vardagar och helg räknas med, oavsett hur snabbt en vinnare verkar utkristallisera sig.

Hur många besökare och konverteringar behöver du?

Fler än du gissar – och du kan räkna ut talet i förväg. Du behöver två uppgifter för att komma igång: din nuvarande konverteringsgrad på sidan, och den minsta förbättring som faktiskt är värd att införa. Slår du in dem i en gratis kalkylator för urvalsstorlek, alltså hur många besökare som behöver hamna i varje version, får du direkt ett tal att planera efter. Sådana kalkylatorer går att söka upp fritt på webben och kräver varken licens eller konto.

Regeln bakom kalkylatorn är enkel: ju mindre skillnad du vill kunna se, desto mer data krävs. Halverar du den skillnad du letar efter behöver du ungefär fyra gånger så mycket data. Det är därför ett hopp från 4 till 5 procents konvertering går att mäta på några veckor, medan ett hopp från 4,0 till 4,2 procent kan kräva mer trafik än du får in på ett år. Räkna ut urvalsstorleken innan du startar och jämför talet med hur många besökare sidan får i veckan. Går ekvationen inte ihop är det bättre att veta det nu än efter tre veckors väntan.

Så definierar du konverteringen i Google Analytics

Konverteringen måste finnas som en händelse i ditt analysverktyg innan testet startar, annars har du ingenting att jämföra. I Google Analytics 4 räknas allt som händelser: ett klick på telefonnumret, en visad tacksida efter ett skickat formulär eller ett slutfört köp måste alltså existera som en egen namngiven händelse innan du kan märka upp den som ett mål eller en konvertering. Exakt vad den inställningen kallas har ändrats flera gånger, så leta upp den aktuella formuleringen i ditt eget konto. Sätter du upp mätningen först i efterhand finns ingen historik att luta sig mot, och testets första dagar är bortkastade.

Kontrollera också att testverktyget och analysverktyget räknar samma sak. Om ett plugin räknar klick på knappen medan Google Analytics räknar genomförda köp kommer siffrorna att peka åt olika håll, och då vet du inte vilken av dem som gäller. Bestäm i förväg vilket verktyg som är facit och skriv ner det tillsammans med hypotesen. En sista kontroll är värd tiden: gör ett testköp eller skicka in formuläret själv och se att händelsen dyker upp där du väntar dig den.

Hur vet du att resultatet är pålitligt?

Du litar på resultatet när skillnaden är statistiskt säker, i praktiken den 95-procentsnivå som är standard i både verktyg och läroböcker. Statistisk signifikans svarar inte på frågan “hur sannolikt är det att skillnaden är verklig?”. Den svarar på en annan fråga: om versionerna i själva verket vore precis lika bra, hur ofta skulle slumpen ensam ge dig ett så här stort utslag eller större? På 95-procentsnivån är svaret “i färre än 5 fall av 100”. Ett bra verktyg räknar ut det åt dig.

Hög signifikans sänker risken för ett falskt resultat, men den tar aldrig bort risken helt: det finns alltid en liten chans att du råkade fånga ett slumpmässigt utslag. Når du inte upp till nivån har du antingen för lite data eller en för liten skillnad för att kunna mäta. Då är valet enkelt. Låt testet löpa vidare tills du når den urvalsstorlek du räknade fram, eller pröva en djärvare ändring som ger ett större utslag. Ibland är svaret att frågan helt enkelt inte går att besvara med den trafik du har, och då är tiden bättre använd någon annanstans.

Hur påverkar A/B-testning din SEO i Google?

Risken är liten – förutsatt att Google ser exakt samma innehåll som dina besökare gör. Googles egen vägledning har länge varit att A/B-testning är i sin ordning så länge sökmotorn ser samma innehåll som besökarna. Formuleringarna har justerats genom åren, så läs Googles aktuella dokumentation innan du sätter upp ett test som avviker från det vanliga. Det är när innehållet skiljer sig åt mellan sökmotor och besökare som du riskerar att betraktas som cloaking, vilket Google ser allvarligt på.

Testerna hänger dessutom ihop med sidans auktoritet på ett handfast sätt. Starka backlinks till de sidor du testar brukar ge dig mer trafik att fördela, och mer trafik kan betyda att testet blir klart snabbare. Hur Google bedömer trovärdighet och expertis samlas i sin tur i begreppet E-E-A-T. Det är ingen enskild rankingknapp som Google vrider på, men de egenskaper begreppet beskriver kan bidra till hur väl de testade sidorna presterar från början.

Så håller du canonical, sitemap och Google-indexeringen rätt under testet

De tekniska detaljerna avgör om testet håller sig på rätt sida av reglerna, och de flesta av dem ställer du in en gång och sedan är de klara. Poängen med allihop är densamma: Google ska förstå vilken adress som är originalet och att varianten bara är tillfällig. Gå igenom dem i den här ordningen:

• Använd temporära omdirigeringar; en permanent omdirigering säger till Google att flytten gäller för alltid.
• Sätt en korrekt canonical-tagg på varianterna, så att rankingsignalerna pekar mot originalet.
• Låt din sitemap peka mot originalsidan så länge testet pågår.
• Visa samma innehåll för Google som för besökarna.
• Kör inte testet längre än nödvändigt.

Många testverktyg sköter det här åt dig, men kontrollera själv att canonical, sitemap och omdirigeringar ser rätt ut innan du startar testet.

Vad betyder Google-jargongen i ett A/B-test?

Begreppen återkommer så fort du testar mot Google, och de är enklare än de låter. Tabellen nedan översätter dem till vad de betyder i ett A/B-test.

Stämmer de fyra raderna är den tekniska risken i praktiken avklarad. Kontrollera dem en gång till dagen efter start – då ser du om testverktyget skrivit om något oväntat. Att en förändring hinner slå igenom i Googles index tar däremot betydligt längre tid än så.

Kan du A/B-testa titlar och metabeskrivningar i Google?

Nej, inte som ett kontrollerat A/B-test i sökresultatet, eftersom du inte styr vilka användare Google visar vilken titel för. Det du kan göra är att ändra en titel eller metabeskrivning, vänta några veckor och följa hur klickfrekvensen utvecklas i Google Search Console. Det blir en jämförelse över tid, och den påverkas av allt annat som händer samtidigt: säsong, nya konkurrenter i sökresultatet och Googles egna justeringar. Byt därför en sak i taget och ge förändringen ordentligt med tid innan du drar en slutsats.

Vad kan Search Console visa efter ett test?

Search Console visar visningar, klick och klickfrekvens per sida och sökfråga, vilket räcker för att se om en ny titel lockar fler att klicka. Jämför samma period före och efter ändringen, helst lika många veckor i varje riktning, och håll ögonen på om även den genomsnittliga placeringen rört sig. Rör sig position och klickfrekvens samtidigt går de inte att skilja åt. Då vet du bara att något hände, medan orsaken förblir öppen.

A/B-test eller multivariat test – vilket passar din trafikvolym?

För nästan alla små och medelstora sajter är A/B-test rätt val, eftersom multivariat test kräver trafik som de flesta inte har. Skillnaden ligger i hur många saker du prövar samtidigt: i ett A/B-test ställer du två kompletta versioner mot varandra, medan du i ett multivariat test kombinerar flera element och låter verktyget räkna ut vilken kombination som vinner. Det låter effektivare, men varje ny kombination är i praktiken en egen testgrupp som måste bli tillräckligt stor. Valet handlar därför mindre om ambition och mer om hur mycket trafik du har att fördela.

Multivariat test blir relevant först när du har riktigt mycket trafik att fördela – innan dess lär du dig mer, och snabbare, av ett A/B-test i taget.

Så skiljer sig A/B-test, multivariat test och Split-URL åt

Skillnaden ligger i två saker: hur många element som ändras samtidigt, och hur många webbadresser som är inblandade. Det avgör i sin tur både hur mycket trafik du behöver och hur svårt resultatet blir att tolka. Tabellen nedan sammanfattar de tre metoderna sida vid sida.

Split-URL fungerar i grunden som ett A/B-test, men de två varianterna ligger på varsin egen webbadress i stället för att växlas in på samma URL. Det passar när ändringen är så stor att den ändå behöver en egen sida, till exempel en helt omgjord landningssida. Trafikbehovet liknar därför ett vanligt A/B-test, medan den tekniska uppsättningen kräver mer omsorg om canonical och omdirigeringar.

Vilka verktyg för A/B-testning finns, från WordPress-plugin till dedikerad plattform?

Verktygen delar in sig i några tydliga kategorier: inbyggda testfunktioner i din e-handelsplattform, plugin till en WordPress-installation och dedikerade testplattformar som du kopplar på sajten. Gemensamt för dem alla är att de delar trafiken och samlar in data åt dig, så att du slipper räkna för hand. Den kommersiella änden av marknaden består av just dedikerade testplattformar, som i regel prissätts efter hur mycket trafik du skickar genom dem. Vilka leverantörer som gäller skiftar snabbt, så en sökning på “A/B-testverktyg” ger dig en färskare bild än en lista här skulle göra.

Oavsett vilket du väljer finns det ett antal saker som verktyget bör sköta åt dig automatiskt. Går du igenom listan innan du bestämmer dig slipper du upptäcka en lucka mitt i ett pågående test, när det är för sent att göra något åt saken:

• Dela besökarna slumpmässigt mellan versionerna.
• Räkna konverteringar per version, inte bara besök.
• Visa om skillnaden är statistiskt säker.
• Hantera canonical och sitemap korrekt.
• Komma ihåg vilken variant en återkommande besökare fick.
• Hantera cookies och samtycke korrekt.

Den sista punkten är lätt att glömma bort. Testverktyg sätter i regel cookies, som normalt kräver samtycke enligt svenska och EU-regler. Kontrollera att din samtyckesbanner täcker även testverktyget innan du startar. Exakt vilka regler som gäller för just din verksamhet varierar, så är du osäker är det värt att läsa på om dataskydd innan du drar igång.

Vad klarar en inbyggd testfunktion eller ett WordPress-plugin?

Titta i din e-handelsplattform under inställningarna för kampanjer eller sidor innan du köper något nytt. Flera plattformar har en inbyggd testfunktion som redan ligger där. WordPress i sig har det däremot inte: där behöver du ett plugin eller en sidbyggare som har split-test inbyggt, och det finns både gratis- och lågprisalternativ. Ta reda på vad din egen plattform och dina befintliga plugin redan klarar innan du tecknar ett abonnemang.

Minimikravet på ett gratisalternativ är lågt satt med flit. Klarar verktyget de här sakerna kan du köra ett metodiskt test utan att betala något alls:

• Slumpmässig fördelning av besökarna mellan Version A och Version B.
• Konverteringar räknade per version.
• Ett tydligt besked om skillnaden är statistiskt säker.

Det som avgör om testet blir bra är hypotesen och mängden data, långt före verktygsvalet.

Vad klarar ett testverktyg i din WordPress-installation?

Ett plugin i din WordPress-installation räcker gott för de flesta enklare tester: du byter rubrik, knapptext eller bild på en sida och låter pluginet dela trafiken och räkna klicken. Fördelen är att allt ligger i samma system som sidan du testar, så du slipper koppla ihop två verktyg och riskera att de mäter olika saker. Nackdelen är att mätningen i regel stannar vid klick och sidvisningar, och att pluginet sällan följer besökaren hela vägen till ett genomfört köp. Mycket av grunden lägger du dessutom en gång för alla i uppsättningen av sajten, och guiden om SEO för WordPress går igenom hur du gör det.

När räcker inte det inbyggda verktyget?

Gränsen brukar gå vid tre saker: när du vill mäta ett helt köpflöde över flera sidor, när du behöver köra flera tester parallellt utan att de stör varandra, och när du vill dela upp resultatet på mobil och dator. Stöter du på någon av dem är det dags att titta på en dedikerad testplattform. Byt först då. Ett dyrare verktyg gör inte hypotesen bättre.

Hur väljer du mellan ett WordPress-plugin och en dedikerad testplattform?

Utgå från hur sajten ser ut i dag, inte från var du hoppas stå om två år. En liten sajt klarar sig länge med ett plugin eller en gratistjänst, medan en växande e-handel kan behöva ett dedikerat testverktyg. Fråga dig hur mycket trafik du har, hur teknisk du vill vara och om verktyget kan kopplas ihop med din befintliga analys. Det är lätt att lägga pengar på funktioner du aldrig använder, så börja enkelt och uppgradera när du stöter på en verklig gräns.

Prisbilden skiljer sig kraftigt åt. Inbyggda funktioner och enklare plugin ligger ofta någonstans mellan noll och några hundra kronor i månaden, medan dedikerade testplattformar i regel prissätts efter trafikvolym och snabbt hamnar på flera tusen kronor i månaden. Priserna ändras ofta, så kontrollera aktuella villkor hos leverantören innan du bestämmer dig.

En långsam sida snedvrider dessutom testresultaten, eftersom besökarnas beteende påverkas av väntetider. Att beta av sidhastighetsoptimering innan du sätter igång är därför sällan bortkastad tid.

Vanliga misstag i A/B-testning – och hur du undviker dem

Många tester misslyckas inte för att idén var dålig, utan för att utförandet var slarvigt. Det goda med det är att fällorna är återkommande och lätta att känna igen i förväg. Se upp för det här:

• Att testa flera ändringar samtidigt. Vinner Version B vet du inte vilken av ändringarna som gjorde jobbet, så nästa test bygger på en gissning. Ändra en sak, mät, gå vidare.
• Att köra på för liten urvalsstorlek. Ett par hundra besökare per version är helt enkelt för tunt underlag för att en skillnad på en procentenhet ska gå att skilja från slumpen. Testet behöver fler besökare, och på ett tunt trafikflöde kan det betyda fler månader än ändringen är värd att vänta på. Räkna ut urvalsstorleken innan du startar.
• Att tolka slump som ett verkligt mönster. Utan statistisk signifikans är skillnaden bara en siffra. Låt verktyget räkna åt dig och nöj dig inte med att kurvan ser lovande ut.
• Att glömma mobilanvändare när du designar varianten. En variant som ser bra ut på en dator kan vara näst intill oanvändbar på en telefon, och där finns i regel merparten av trafiken. Öppna varianten i mobilen innan du släpper på besökarna.
• Att inte dokumentera vad du lärde dig. Utan anteckningar prövar du samma sak igen om ett halvår och blir lika klok då. Skriv ner hypotes, utfall och beslut på tre rader direkt när testet avslutas.
• Att köra testet så länge att det stör besökarna. Återkommande kunder blir förvirrade av en sida som byter skepnad, och långa tester binder upp sidan i onödan. Sätt ett slutdatum redan när du startar.
• Att testa något så litet att skillnaden aldrig syns. En knappt märkbar nyansskillnad kräver enorma datamängder för att gå att mäta. Har du blygsam trafik behöver du ta i ordentligt för att få ett utslag alls.

Ett konkret räkneexempel på konverteringsgrad och signifikans

Siffrorna nedan är ett räkneexempel som visar hur du läser ett resultat. De kommer inte från en verklig sajt. Säg att du har en produktsida med en knapp där det står “Köp nu”. Du tror att “Lägg i varukorg” känns mindre påträngande och får fler att klicka. Du formulerar hypotesen, skapar Version B med den nya texten och delar trafiken slumpmässigt mellan de två.

Efter tre veckor har du samlat in data från cirka 8 000 besökare, alltså ungefär 4 000 per version. Det ger 160 konverteringar för Version A och 200 för Version B. Version B har alltså en tydligt högre andel som lägger en produkt i varukorgen, en uppgång från 4 till 5 procent. Verktyget visar att skillnaden är statistiskt säker på knappt 97-procentsnivån: ett så stort utslag skulle uppstå av ren slump i ungefär 3 fall av 100 om versionerna vore likvärdiga. Det räcker för att våga införa ändringen. Du inför den nya “Lägg i varukorg”-texten på hela sajten och planerar nästa test, kanske på produktbilden eller rubriken ovanför knappen.

Så här ser samma räkning ut för ett företag utan webbshop. Ett lokalt tjänsteföretag har cirka 300 besök i veckan på kontaktsidan och konverterar 4 procent av dem, vilket ger ungefär 12 offertförfrågningar i veckan – alltså 6 per version. För att komma upp i hundratals konverteringar per version skulle det testet behöva rulla i närmare ett år. Slutsatsen är att antingen pröva något mycket större, eller att först lägga kraften på trafiken.

På det sättet växer kunskapen fram bit för bit. Varje test lär dig något om dina kunder, och tillsammans gör de din sajt tydligare och mer effektiv över tid. Den lilla vinsten mellan “Köp nu” och “Lägg i varukorg” blir i sig sällan avgörande, men tio sådana lärdomar i rad förändrar hur hela sajten presterar.

När är A/B-testning rätt för dig och din trafikvolym?

Det passar bäst när du redan har trafik att fördela. Har sidan väldigt få besökare tar varje test för lång tid för att ge pålitliga svar: det kommer helt enkelt in för få konverteringar per vecka för att en skillnad ska hinna bli statistiskt säker innan förutsättningarna ändras. Vår hållning är att de flesta småföretag tjänar mer på att först fixa det som uppenbart skaver och börja testa när trafiken bär det. Har du främst lokala kunder bygger du den volymen med lokal SEO, oavsett om du finns i Stockholm, Göteborg eller på en mindre ort.

Men även med blygsam trafik kan du testa de allra viktigaste sidorna, som startsidan eller din mest sålda produkt. Det är där varje liten förbättring slår igenom på flest besökare. När ett test är avslutat kan du också titta på om varianten fungerade olika bra för nya och återkommande besökare, eller för mobil och dator. Behandla då det du ser som idéer till nästa test, inte som resultat att agera på: varje segment är bara en bit av ett underlag som redan var litet, och där dyker skillnader upp av ren slump. Ser du något som förvånar dig är det värt att göra om till en egen hypotes och pröva på riktigt.

Vilka frågor bör du ställa dig innan första testet?

Går du igenom de här frågorna innan du rör en enda knapp slipper du starta ett test som aldrig kunde ge ett svar. Fundera på det här:

• Vad vill du att besökaren ska göra på sidan? Utan ett tydligt mål har du ingenting att mäta mot.
• Vilken enda ändring tror du gör störst skillnad? Välj den som ligger närmast själva beslutet, till exempel knappen eller rubriken ovanför den.
• Hur mycket trafik har sidan i dag? Har den för få besökare bör du välja en annan sida eller vänta tills volymen finns.
• Hur länge har du tålamod att låta testet löpa? Räkna med minst två veckor och sätt slutdatumet redan innan du startar.
• Vad gör du om resultatet blir oavgjort? Behåll Version A och skriv ner vad du prövade och varför du trodde på det.

Har du svar på frågorna har du redan en bra grund. Det här är inget avancerat – det är vanan att fråga besökarna och sedan lyssna på svaret. Börja med en sida, lär dig av resultatet och ta nästa därifrån. Vill du bolla en konkret idé är du välkommen att höra av dig.