A/B-tester är ett verktyg för att utvärdera och förbättra olika aspekter av din webbplats. Enkelt uttryckt så innebär ett A/B-test att två olika versioner av webbplatsen (A och B) ställs mot varandra. Genom att sätta och mäta specifika mål för vad webbplaten ska leverera och sedan testa de olika versionerna på slumpmässigt utvalda besökare går det att se vilken variant som ger bäst effekt. Du kan till exempel testa webbplatsens funktion, design eller innehåll och A/B-tester är därför ett kraftfullt verktyg oavsett om du arbetar som utvecklare, redaktör eller designer. Med verktyg som Google Optimize behöver du inte heller några avancerade programmeringskunskaper för att komma igång med enkla tester.

Steg 1. Bestäm vad du vill testa

För det första behöver det förstås finnas något du vill ta reda på. Ofta grundar sig testet i att man vill lösa något typ av problem. Till exempel: våra besökare lämnar webbplatsen direkt från startsidan, konverteringarna i beställningsformuläret har minskat över tid eller vi vill få fler att prenumerera på vårt nyhetsbrev. Problemen är i bästa fall kopplade till er övergripande strategi för webbplatsen och baserade på riktiga data (till exempel webbanalys).

Försök identifiera de problem du kan lösa som kommer att ha störst inverkan på dina övergripande mål för webbplatsen. Exempelvis: det är mer intressant att testa en designförändring som avsevärt kortar ner köpflödet för produkten du säljer, jämfört med en designförändring som i bästa fall bara förenklar processen något. 

Luke Wroblewski (Produktchef på Google) illustrerar poängen i tweeten nedan:

Det här kan du till exempel ta reda på:

  • Kommer fler besökare stanna kvar på sidan om jag ändrar rubriken på startsidan?
  • Vilken färg på köpknappen leder till flest beställningar?
  • Minskar jag antalet prenumeranter på nyhetsbrevet om jag lägger till ett fält som frågar efter namn?

Några saker du INTE kommer att få veta:

  • Om den nya rubriken på startsidan skadar webbplatsens trovärdighet.
  • Om den nya färgen på knappen skär sig med de andra färgerna på webbplatsen.
  • Varför så många inte vill fylla i sitt namn när de ska prenumerera på ett nyhetsbrev.

För att få reda på svaren på frågorna ovan är det bäst att kombinera A/B-tester med någon kvalitativ typ av undersökning, t.ex. fokusgrupper, intervjuer eller användningstester.

Steg 2. Hypotesen

Formulera en hypotes som utgår från ett faktiskt problem och som du tror kommer leda till de effekter du vill ha. För ett formulär som upplevs som för långt och omständligt av besökarna kan en hypotes vara:

"Om vi tar bort ett fält i formuläret så kommer det att leda till 30% fler köp"

Hypotesen utgår från problemet, ger ett förslag på lösning och talar om vilken effekt som förväntas. Hypotesen utgår från din kunskap om målgruppen och de behov de har, men också den förändring du vill se i deras beteende för att bättre möta dina mål. En hypotes som inte utgår från faktiska problem eller inte innehåller mätpunkter som sen går att utvärdera kommer leda till ett svårtolkat eller missvisande resultat. Om det inte går att formulera hypotesen som på sättet ovan kanske inte ett A/B-test är rätt val av metod.

Tänk också på att skriva hypoteser som faktiskt testar din webbplats och inte bara validerar den. Det vill säga: det är lätt att hamna i fällan att skriva hypoteser som bekräftar att val man tidigare har gjort var rätt. Då behöver man inte göra någon faktiskt förändring vilket ofta kan kännas svårt eller övermäktigt. Men det kommer inte heller leda till att du får svar på de svåra frågorna som i sin tur kan leda till stora förbättringar.

Självklart går det att testa mer komplicerade saker än exemplet ovan. Det går att testa med fler versioner än två (Multivariabel-test). Det går också att ändra flera saker på en gång i varje version, exempelvis både färgen på knappen och texten i knappen. Men tänk på att ju fler ändringar du gör desto svårare kan det bli att analysera och tolka resultatet. Om varianten på knapp med både ny färg och ny text visar sig vara bättre än originalet, hur vet du då om det är texten eller färgen som förändrar beteendet hos besökaren? Det är enklare börja i liten skala och istället utföra separata test på färg och text för att lättare kunna tolka resultatet.

Steg 3. Utför testet

Det enklaste sättet att utföra själva testet på är att lägga in Google Optimize på din webbplats och skapa testet där. Här finns en guide till hur du installerar Google Optimize på din webbplats.

I verktyget ska du sen:

  • skapa upp ett nytt test med din hypotes
  • bestämma hur resultatet ska mätas (t.ex. genom att mäta besök till en viss sida)
  • skapa upp en variant (B) som jämförs med originalet (A)
  • ställa in på vilka sidor testet ska köras
  • starta testet.

Vill du lära dig mer om hur gränsnittet i Google Optimize fungerar finns flera bra videoguider här.

Redigeringsläge i Google Optimize: Du behöver inte kunna programmera för att göra ändringar, men är du utvecklare har du stora möjligheter att gå in och ändra mer än bara text och färg genom att redigera HTML, CSS och Javascript.

Steg 4. Analysera resultat

Hur lång tid det tar att få ett resultat varierar, det kan dröja alltifrån några dagar till ett par veckor. Det beror på hur många besökare du har och hur stor skillnad det är i resultat mellan de olika varianter du har skapat.

Antingen så är du statistiknörd eller så är du lite mer som jag som bara vill veta vilken variant som var bäst för att komma vidare. Google Optimize ger dig svar oavsett. Om du vill gräva ner dig i siffrorna kan du göra det, men verktyget utser också själv en ”vinnare” genom att analysera resultatet åt dig.

Steg 5. Använd resultatet

Nu har du utfört teset och analyserat resultatet. Hur går du vidare? Använd resultatet för att göra bestående ändringar i design, innehåll och funktion. Ändringar du gör i Google Optimize är bara aktiva så länge ett experiment är igång, så ganska ofta är resultatet från A/B-testet en input till en utvecklare som sen genomför förändringar på webbplatsen. Fortsätt att förfina och förbättra din webbplats med den kunskap du får. Du kommer aldrig få slut på saker att testa!