Optimaliseer de conversie met 'multivariatietesten'

GOED TESTEN IS BETER CONVERTEREN

Iedere bezoeker die bewust naar een webpagina surft, heeft een bepaald doel: informatie, service, interactie of koop. Uiteraard is het de bedoeling dat hij zijn doel bereikt: dat hij converteert. Dit gebeurt echter vaker niet dan wel... De breinbreker is: hoe zorg je er nu voor dat die uitval over het geheel significant lager wordt? In dit artikel breekt Ton Wesseling een lans voor multivariatietesten. Een praktijkvoorbeeld bij SNS Bank laat zien hoe het werkt.

Tekst: Ton Wesseling

Bij het analyseren van alle stappen naar een doel op een webpagina (trechteranalyse) zal het opvallen dat sommige stappen voor aanzienlijk meer uitval zorgen dan andere. Dit zijn de stappen die moeten worden geoptimaliseerd. Zijn er geen tech-nische problemen? Is er soms een voor de hand liggende usability-fout? Werkt de navigatie niet naar behoren? Begrijpt de bezoeker wat er van hem wordt verwacht? Als er geen voor de hand liggende antwoorden zijn, vaak eenvoudig te testen via een expertreview, dan zal voor het optimaliseren van de stap die problemen oplevert een multivariatietest (MVT) de oplossing kunnen bieden.

Hogere conversie

Bij een MVT gaat het erom per te optimaliseren pagina te bepalen welke elementen, in een andere variant, zouden kunnen zorgen voor een hogere conversie. Denk aan grafische uitingen (vormen, kleuren, positie), teksten of animaties. Binnen de optimalisatie kun je, naast het optimaliseren voor een bepaalde gedrag- of profielgroep, rekening houden met externe invloeden, of in ieder geval benoemen welke invloeden je verwacht.
Voorbeelden van externe invloeden zijn: afhankelijkheden van tijdstip, dag van de week, soort content op de televisie tijdens het bezoek, het weer, et cetera. Op basis van de verzonnen variaties en bepaalde afhankelijkheden wordt het materiaal voor de test ontwikkeld, de software ingesteld en de MVT inclusief de te toetsen originele variant live gezet.

Praktijkcase SNS Bank: opzet
SNS Bank voerde op een, inmiddels vervangen, webpagina een (pilot) MVT uit voor het spaarproduct 'SNS Maxisparen'. Bij dit product viel op dat de doorstroom van het aantal bezoekers van de productinformatie naar het aanvraagformulier aan de lage kant was. Er bestonden twee varianten van de pagina met productinformatie.
Via een workshop zijn er in het contentgedeelte van de webpagina over SNS Maxisparen vier elementen benoemd die naar verwachting de meeste invloed zouden hebben op de uiteindelijke conversie. Dit waren: de call-to-action button (vorm en kleur), de tekst op de button, de grafische afbeelding voorafgaand aan de productinformatie en de lengte van de productinformatie. Voor elk van deze elementen zijn, inclusief de al bestaande variaties, in totaal vier varianten bedacht. Deze zijn gedurende acht weken getest - een periode met 70.000 bezoekers aan de MVT-productpagina - waarbij ook gemeten is wat de effecten zijn op verschillende dagen en tijdstippen.

Resultaten SNS Bank praktijkcase

Uit de MVT is het volgende gebleken: de beste combinatie van elementen converteert met 90 procent statistische zekerheid - waarschijnlijkheid waarmee de verwachting van een onbekende grootheid in een bepaald bereik voorkomt - gemiddeld 20 procent beter dan de beide combinaties die live waren voorafgaand aan de test. De conversie zou echter nog verder kunnen worden verbeterd wanneer wordt gelet op alle overige waarnemingen. Daarbij in aanmerking genomen dat dit alleen geldt voor het product SNS Maxisparen in die tijd en in die omgeving. Het wil dus niet zeggen dat dit geldt voor elke webpagina.

Als voorbeeld: met 80 procent statistische zekerheid zal er op donderdag van 12.00 tot 13.00 uur altijd beter worden geconverteerd dan dinsdag op hetzelfde tijdstip (gemiddeld 45 procent). Op dinsdag tussen 21.00 en 22.00 zal de conversie echter met 80 procent statistische zekerheid altijd hoger zijn dan op donderdag (gemiddeld 70 procent)! Hieruit valt te concluderen dat er verschillen zijn in bezoekintentie (oriëntatie of koop), naar gelang het uur van een bepaalde dag.
Nog interessanter is de constatering dat ongeacht welke van de vier teksten wordt gebruikt voor een groene call-to-action button met witte letters, deze met 90 procent statistische zekerheid op een zaterdag altijd beter zal converteren dan dezelfde tekst op een rode button met witte letters (gemiddeld 35 procent). Op maandag blijkt echter het tegenovergestelde. Dan converteert de rode button, ongeacht welke tekst er wordt gebruikt met 90 procent statistische zekerheid altijd beter dan de groene! (gemiddeld 26 procent). Waarschijnlijk heeft gemoedstoestand (werkdag: stress, weekend: rust) dus ook effect op de conversie, waardoor bepaalde kleuren op bepaalde dagen beter converteren.

Conclusie
Als je eenmaal weet welke pagina je moet aanpakken om de conversie van een hele trechter aanzienlijk te verbeteren, is een multivariatietest een geweldig middel om uiteindelijk te bepalen wat er dan voor wie moet worden gewijzigd. Met de koppeling van gedrag- en profielinformatie van bezoekers zijn er per groep bezoekers weer extra optimalisaties door te voeren.

De tijd van ellenlange vergaderingen, om te bepalen wat er voor wie anders moet op de webpagina, is daarmee dan ook voorbij. Niemand kan vooraf voorspellen welke variant door de bezoekers zodanig wordt gebruikt dat deze leidt tot de hoogste conversie, het hoogst aantal behaalde doelen en daardoor ook de grootste tevredenheid bij de bezoekers. Door de directe bijdrage aan conversieverbetering van een online-experiment als een MVT worden de kosten die hiermee gaan gepaard (uren voor workshops en consultancy, implementatiekosten en softwarepakket) meestal zeer snel terugverdiend.

De pilot
SNS Bank heeft op basis van de pilot resultaten besloten multivariatietesten standaard op te nemen in het pakket van tools om de conversie van de webpagina's te verbeteren. De pilot is uitgevoerd in samenwerking met de xOs software van Memetrics.

Ton Wesseling is zelfstandig internetconsultant

Dit artikel verscheen eerder in Twinkle 2-2008