A/B-testen voor kmo's: beslissen zonder statistiek

Bij een echte A/B-test zien twee willekeurig verdeelde groepen bezoekers tegelijkertijd een verschillende versie van dezelfde pagina. Dat gelijktijdige is essentieel: het sluit uit dat een verschil komt door het seizoen, een campagne of het weer.

Wat géén A/B-test is: vorige maand versie A, deze maand versie B, en dan de cijfers vergelijken. Dat heet een voor-na-vergelijking, en die is gevoelig voor alles wat toevallig ook veranderde. Het kan een nuttige indicatie zijn, maar noem het geen test en hang er geen zekerheid aan.

Belangrijk is ook wát je meet. Niet kliks op de knop, maar het resultaat dat telt: verzonden formulieren, telefoontjes, bestellingen. In GA4 zijn dat je key events. Zonder correct gemeten key events heeft testen geen zin, want dan vergelijk je twee versies op een cijfer dat er niet toe doet.

Wie professionele testprogramma's bekijkt, schrikt vaak van de resultaten. Uit een audit van 2.288 A/B-tests bleek dat slechts ongeveer 19 procent statistische significantie bereikte: bij vier op de vijf tests kon je dus niet zeggen of het verschil echt was of toeval.

En zelfs de winnaars zijn bescheiden. Volgens een analyse van experimentdata uit 2026 ligt de win rate rond 36 procent en bedraagt de mediane conversie-uplift van winnende tests zo'n 1,88 procent. Geen verdubbelingen dus, maar kleine stapjes die optellen.

Voor een kmo is de les niet "testen werkt niet". De les is: kleine verschillen testen (een kleurtje, een woordje) vraagt enorme bezoekersaantallen om een klein effect aan te tonen. Grote, gedurfde verschillen testen is voor kleine sites de enige realistische route.

Een A/B-test heeft per versie honderden conversies nodig om kleine verschillen betrouwbaar te onderscheiden. Een concrete vuistregel zonder formules:

• Minder dan 1.000 bezoekers per maand: klassiek A/B-testen is niet haalbaar. Gebruik voor-na-vergelijkingen over langere periodes, sessieopnames en klantfeedback.
• 1.000 tot 10.000 bezoekers per maand: testen kan, maar alleen met grote verschillen (een compleet andere pagina-opbouw, een ander aanbod) en met geduld: reken op vier tot acht weken per test.
• Meer dan 10.000 bezoekers per maand: hier wordt regelmatig testen realistisch, zeker op drukbezochte pagina's zoals je homepage of productpagina's.

Twijfel je, gebruik dan een gratis online steekproefcalculator voor A/B-tests: je vult je huidige conversieratio en bezoekersaantal in en ziet meteen hoelang een test moet lopen. Komt daar "zes maanden" uit, dan weet je genoeg: test iets groters of test niet.

Omdat je testcapaciteit beperkt is, kies je tests met een grote mogelijke impact. Deze volgorde werkt voor de meeste kmo-sites:

1. Je aanbod en belofte: de kop bovenaan je belangrijkste pagina. "Loodgieter in Gent" tegenover "Vandaag nog een loodgieter aan huis in Gent". Dit raakt elke bezoeker.
2. Je formulier: zeven velden tegenover drie velden. Minder velden betekent bijna altijd meer aanvragen; de vraag is hoeveel.
3. Prijsweergave: prijzen tonen of niet, vanafprijzen of pakketten. Spannend, maar vaak doorslaggevend.
4. Bewijs: reviews en cases prominent bovenaan tegenover onderaan.
5. Pas daarna: knopteksten, kleuren en andere details, en dan nog alleen op pagina's met veel verkeer.

Test één ding tegelijk en hou een simpel logboek bij: wat testte je, wanneer, wat was het resultaat. Ook een test zonder winnaar is kennis: je weet dan dat die factor er minder toe doet dan gedacht.

Je hoeft geen statisticus te zijn om verstandig te beslissen, als je deze regels respecteert:

• Bepaal vooraf je einddatum of aantal bezoekers, en stop niet vroeger. Wie stopt zodra zijn favoriet voorstaat, beloont toeval. Vroeg pieken is normaal en zegt niets.
• Laat elke test minstens twee volledige weken lopen. Weekdagen en weekends verschillen sterk; een test van vijf dagen vergelijkt appels met peren.
• Vertrouw alleen duidelijke verschillen. Ziet versie B er na weken 3 procent beter uit bij een handvol conversies, beschouw het dan als gelijkspel. Kies dan gewoon de versie die je zelf beter vindt en investeer je energie in de volgende, grotere test.

En doe er iets mee. Volgens Gartner wordt slechts 54 procent van de marketingbeslissingen beïnvloed door analytics. Een testresultaat dat in een la belandt, was de moeite niet waard. Spreek vooraf af: als B wint, voeren we B door, punt.

Testen begint bij weten waar je grootste lek zit: een trage site, een onvindbare contactknop of een meetsetup die conversies mist. De gratis marketing scan brengt dat in enkele minuten in kaart. Zo test je straks niet zomaar iets, maar precies datgene wat het verschil kan maken.