Når man vil forbedre et digitalt element, er det vigtigt at vide, hvad der faktisk virker. Splittesting er en metode, hvor man sammenligner to eller flere varianter af for eksempel en overskrift, en knap eller en landingsside for at se, hvilken løsning der giver det bedste resultat.
Metoden bruges til at måle effekten på et valgt mål, som kan være klik, tilmeldinger eller køb. Trafikken fordeles mellem varianterne, så man kan se forskellen i adfærd på et reelt grundlag.
Splittesting kaldes også ofte A/B-test, især når man sammenligner to versioner. Formålet er det samme: at finde den variant, der performer bedst, så beslutninger bygger på data frem for mavefornemmelse.
En opdelt test begynder med en konkret hypotese om, hvad der kan forbedre et resultat. Det kan for eksempel være, at en ny overskrift, en anden knaptekst eller et kortere formularfelt vil få flere brugere til at handle. Derefter fastlægges kontrolversionen, altså den nuværende side eller løsning, som fungerer som sammenligningsgrundlag, og man laver én variant med den ændring, man vil teste.
Når testen sættes i gang, fordeles trafikken mellem kontrolgruppe og variant. Ofte deles den 50/50, så begge versioner får et sammenligneligt grundlag, men andre fordelinger kan også bruges. Det vigtige er, at brugerne fordeles tilfældigt. Samtidig vælger man de målepunkter, der skal afgøre resultatet. I SEO og konverteringsoptimering er konverteringsrate et centralt mål, men man kan også følge klik, formularindsendelser eller køb.
Testen skal køre længe nok til, at der kommer tilstrækkelig data. Når perioden er slut, sammenlignes resultaterne. Hvis varianten giver en højere konverteringsrate end kontrolversionen, og forskellen er tydelig nok, kan ændringen implementeres. Hvis ikke, beholder man kontrolversionen eller opstiller en ny hypotese og tester igen. På den måde går processen fra idé til konklusion på en systematisk og praktisk måde.
Splittesting bruges ofte på de elementer, der direkte påvirker klik, tilmeldinger og køb. På en landingsside kan man for eksempel teste overskrift, knaptekst, billeder, prispræsentation og længden på en formular. En kort formular med tre felter kan give flere leads end en længere version, mens en mere præcis overskrift kan øge relevansen og dermed konverteringsraten.
I e-mails er det især emnelinjer, preheader, afsendernavn, indholdets opbygning og call to action, der egner sig til test. En emnelinje med et konkret tilbud kan for eksempel give højere åbningsrate end en mere generisk formulering. Man kan også sammenligne en kort e-mail med én tydelig knap mod en længere version med flere budskaber.
I annoncer tester man typisk overskrifter, annoncetekst, billeder, video, målgrupper og budskab. Et billede af produktet kan virke bedre end et stemningsbillede, og en annonce med fokus på pris kan performe anderledes end en version, der fremhæver kvalitet eller leveringstid. Det vigtigste er at ændre få elementer ad gangen, så resultaterne kan tolkes korrekt.
Splittesting er mest relevant, når der er nok trafik til, at forskelle mellem to versioner kan måles med rimelig sikkerhed. Metoden giver især værdi på sider med tydelige handlinger, som køb, tilmeldinger eller klik, hvor et konkret forretningsmål kan kobles direkte til testen.
Den er mindre egnet, hvis datagrundlaget er spinkelt. Ved lav trafik tager det ofte lang tid at nå et resultat, og små udsving kan let forveksles med reelle effekter. Det samme gælder, hvis målet er uklart, eller hvis flere ændringer testes samtidigt uden en klar hypotese.
I praksis giver metoden bedst mening, når virksomheden har et stabilt besøgstal, en vigtig side at optimere og en tydelig prioritering af, hvad der skal forbedres. Hvis de forudsætninger mangler, kan kvalitative indsigter eller enklere analyser være et bedre første skridt.
Et splittest giver kun værdi, hvis resultatet er til at stole på. Derfor er stikprøvestørrelse og testlængde afgørende. Hvis for få brugere indgår, kan små tilfældigheder ligne en reel effekt. Og hvis testen stoppes for tidligt, fordi en variant ser ud til at vinde efter få dage, er der stor risiko for en forkert konklusion. Statistisk signifikans bruges netop til at vurdere, om forskellen sandsynligvis skyldes ændringen og ikke bare tilfældig variation.
En anden klassisk fejlkilde er at ændre flere ting på én gang. Hvis både overskrift, knaptekst og layout justeres i samme test, bliver det uklart, hvad der faktisk skabte forbedringen. Resultatet kan derfor være svært at bruge i praksis. Det samme gælder, hvis trafikken fordeles skævt mellem varianterne, eller hvis den ene version vises mere for bestemte enheder, tidspunkter eller brugergrupper. Så sammenligner man ikke to lige vilkår.
For at få et pålideligt resultat bør testen køre længe nok til at dække normale udsving i trafik og adfærd, for eksempel forskelle mellem hverdage og weekender. Samtidig skal fortolkningen være nøgtern. En statistisk signifikant forskel er ikke automatisk forretningsmæssigt vigtig, og et lille løft kan være uden reel betydning. God splittesting handler derfor ikke kun om at finde en vinder, men om at kunne stole på, hvorfor den vandt.
I praksis handler valget mest om, hvor meget du vil ændre på én gang. En A/B-test sammenligner typisk to versioner af en side, et element eller en tekst. Det gør metoden enkel at sætte op og let at tolke, fordi du tydeligt kan se, hvilken variant der giver flest klik, leads eller salg.
En multivariat test undersøger derimod flere ændringer samtidig, for eksempel overskrift, billede og knaptekst i forskellige kombinationer. Den kan vise, hvilke kombinationer der virker bedst, men kræver langt mere trafik for at give pålidelige resultater. Derfor er den ofte mindre egnet, hvis siden har få besøgende, eller hvis du hurtigt vil træffe en beslutning.
I CRO og konverteringsoptimering vælger man ofte A/B-testen, når målet er at forbedre ét centralt element med lavere kompleksitet. Multivariat test bruges især, når man vil optimere flere sideelementer på samme tid og har datagrundlaget til det.
En brugbar splittest kræver først en klar hypotese og et tydeligt mål. Det kan være flere klik, flere køb eller bedre tilmeldingsrate. Derefter vælges den side, det element eller den variant, der skal testes, mens resten holdes så stabilt som muligt. I praksis bruges ofte testværktøjer, analyseplatforme og systemer til adfærdssporing i kombination, så man både kan vise varianter og måle effekten korrekt.
Opsætningen bør omfatte præcise mål, ensartet sporing og en plan for rapportering. Definér på forhånd, hvad der tæller som en konvertering, hvilke delmål der også er relevante, og hvordan trafikken fordeles mellem versionerne. Det er vigtigt at sikre korrekt måling på tværs af enheder, kampagner og eventuelle tekniske filtre. Ellers risikerer man, at data ser bedre ud, end de reelt er.
Når resultaterne læses, bør fokus ikke kun være på, hvilken variant der “vinder”. Se også på datamængde, testperiode, udsving mellem segmenter og om forskellen faktisk er stor nok til at være troværdig i praksis. En kort test med få besøgende kan let give misvisende resultater. Derfor bør man undgå forhastede konklusioner og i stedet vurdere, om udfaldet kan gentages, før ændringen rulles bredt ud.
Mange er i tvivl om, hvornår en splittest faktisk giver et brugbart svar. Her er de mest almindelige spørgsmål og korte, praktiske svar.
Hvor meget trafik kræver en splittest? Der findes ikke ét fast tal, men testen skal have nok besøgende og konverteringer til, at forskellen ikke skyldes tilfældigheder. Lav trafik betyder ofte længere testperiode.
Hvor længe bør en test køre? Som regel mindst én til to hele uger, så forskelle mellem hverdage og weekender indgår. Stop ikke testen, så snart én variant ser ud til at vinde.
Hvad bør man måle på? Det afhænger af målet. Det kan være klikrate, formularindsendelser, køb eller omsætning. Vælg én primær måling, og brug eventuelt sekundære målepunkter til at forstå adfærden bedre.
Kan man teste flere ændringer på én gang? Det kan man, men så bliver det sværere at vide, hvad der skabte effekten. Derfor er en enkel ændring pr. test ofte det bedste valg.
Kan splittests bruges i flere kanaler? Ja, metoden bruges både på landingssider, i nyhedsbreve, annoncer og apps. Principperne er de samme, men mål og brugeradfærd varierer fra kanal til kanal.
Hvornår er resultatet til at stole på? Når testen har kørt længe nok, datagrundlaget er stort nok, og forskellen er statistisk troværdig. Et lille løft er ikke altid en reel forbedring.
I praksis bruges begreberne ofte om det samme. En A/B-test er den mest almindelige form for splittesting, hvor to versioner sammenlignes direkte mod hinanden.
Splittesting kan også bruges bredere om test af flere varianter eller forskellige versioner af en side, annonce eller e-mail. Hvis der kun er to versioner, er A/B-test den mest præcise betegnelse.
Man laver først en kontrolversion og derefter en eller flere varianter med en konkret ændring, for eksempel en ny overskrift eller en anden knaptekst. Trafikken fordeles derefter mellem versionerne, så brugerne ser forskellige varianter under samme betingelser.
Til sidst måler man på et fast mål, som kan være klik, tilmeldinger eller køb. Den variant, der giver det bedste resultat på et tilstrækkeligt datagrundlag, kan derefter vælges.
På en hjemmeside tester man ofte elementer, der påvirker brugerens næste handling. Det kan være overskrifter, call to action-knapper, billeder, formularer, produkttekster, prisvisning og sideopbygning.
Det giver især mening at teste på landingssider, produktsider og tilmeldingssider, hvor man har et tydeligt mål. Jo tættere elementet er på en konvertering, jo lettere er det som regel at måle effekten.
Splittesting giver mest mening, når du har nok trafik og et klart mål, du vil forbedre. Det kan være flere køb, flere leads eller en højere klikrate på en vigtig side.
Hvis trafikken er meget lav, eller hvis målet er uklart, kan testen tage lang tid og give usikre konklusioner. I de tilfælde er det ofte bedre først at arbejde med analyse, brugerindsigter eller tekniske forbedringer.
Der findes ikke ét fast minimum, fordi behovet afhænger af den nuværende konverteringsrate og hvor stor en forskel, du forventer at finde. Jo mindre forskel der er mellem varianterne, desto mere trafik kræver testen.
Det afgørende er ikke kun antal besøgende, men også antal konverteringer. En side med mange besøg, men få handlinger, kan stadig kræve lang testtid, før resultatet bliver troværdigt.
En splittest bør normalt køre længe nok til at dække almindelige udsving i adfærd, typisk mindst én til to hele uger. På den måde får du både hverdage, weekender og normale variationer i trafikken med.
Den bør ikke stoppes, bare fordi en variant ser ud til at vinde tidligt. Testen skal først afsluttes, når der er nok data til at vurdere resultatet med rimelig sikkerhed.
Man vælger på forhånd én primær måling, som afgør testen. Det kan for eksempel være konverteringsrate, klikrate, antal køb eller omsætning.
Vinderen er ikke nødvendigvis den variant, der bare har den højeste procent. Resultatet skal også være statistisk troværdigt og bygge på nok data til, at forskellen ikke sandsynligvis skyldes tilfældigheder.
En typisk fejl er at teste for mange ændringer på én gang. Så bliver det uklart, hvad der faktisk har påvirket resultatet. En anden fejl er at stoppe testen for tidligt, før datagrundlaget er stort nok.
Der opstår også problemer, hvis sporing er sat forkert op, eller hvis trafikken ikke fordeles tilfældigt mellem varianterne. Uden korrekt opsætning kan man let ende med en konklusion, der ser rigtig ud, men ikke holder i praksis.
Ja, splittesting bruges ofte i e-mailmarkedsføring. Her tester man typisk emnelinjer, afsendernavn, preheader, indhold, tidspunkt for udsendelse og call to action.
Formålet kan være at forbedre åbningsrate, klikrate eller antallet af konverteringer efter klik. Det er en enkel måde at finde ud af, hvilke budskaber og formater modtagerne reagerer bedst på.
Det kan man godt, men det gør analysen mere kompleks. Hvis både annoncen og landingssiden ændres samtidig, kan det være svært at se, om effekten skyldes budskabet i annoncen, siden efter klikket eller samspillet mellem dem.
Hvis målet er klar læring, er det ofte bedre at teste ét led ad gangen. Vil du teste begge dele samtidig, kræver det en mere gennemtænkt struktur og et større datagrundlag.
Man bruger typisk en kombination af testværktøjer, analyseværktøjer og sporingsløsninger. Testværktøjet viser varianter til forskellige brugere, mens analyseværktøjet måler adfærd og resultater.
Det vigtigste er ikke navnet på værktøjet, men at opsætningen er korrekt. Uden stabil sporing, klare mål og ensartet dataindsamling bliver selv det bedste værktøj upålideligt.
Splittesting sammenligner normalt hele versioner eller enkelte ændringer mellem to eller flere varianter. Det gør testen lettere at forstå og mere overskuelig at bruge i praksis.
En multivariat test undersøger flere elementer samtidig og kombinerer dem på forskellige måder, for eksempel overskrift, billede og knaptekst. Den metode kræver som regel langt mere trafik, fordi der er flere kombinationer, der skal måles sikkert.