Bijna 9 jaar geleden bedachten de oprichters van ons bedrijf, Tim en Tom, de naam: Studio ST&T. En hoewel we jarenlang met veel plezier onder deze naam werkten zijn we het er allemaal wel over eens. 

Het is tijd voor wat nieuws! 

Goede kans dat je onderstaande situatie herkent.

Het is zondagavond. Je hebt een leuk, maar druk weekend achter de rug. En eigenlijk heb je echt geen zin meer om nu nog te gaan koken. Je kunt natuurlijk naar de supermarkt gaan om een kant-en-klaar maaltijd te kopen, of een patatje halen bij de snackbar op de hoek. Maar het regent buiten en Netflix lonkt naar je. Gelukkig is er de ideale oplossing: Thuisbezorgd bestellen!

Een goed A/B testprogramma staat of valt bij het gebruik van goed onderbouwde hypotheses. Het draaien van een A/B test zonder een hypothese is als een speurtocht zonder pijlen; het zal je ongetwijfeld ergens brengen, maar niet waar je naartoe wilt. Hypotheses zijn essentieel wanneer je beslissingen maakt om van A naar B te gaan. Ze helpen jou om niet van het pad richting meer online conversie te raken.

Maar hoe ziet en goede hypothese eruit? En belangrijker nog: hoe bouw je en goede A/B test hypothese? In dit blog leg ik het je uit.

Voor de meeste mensen die zich bezighouden met het verhogen van online conversie door te A/B testen is het geen favoriet onderwerp. Toch is het wel een heel belangrijk onderwerp. Ik heb het over statistiek. Bij A/B testing kijk je of de ene variant beter converteert dan de ander. Dit klinkt simpel, maar dan volgt het dilemma: wanneer is een verschil groot genoeg om te mogen concluderen dat dit niet op toeval is gebaseerd?