Optimaliseer je online klantenservice met A/B-testen
Wijzigingen in je online klantenservice breng je alleen aan als ze ook echt een verbetering opleveren voor de service aan klanten. Maar hoe voorkom je dat je enkel op gevoel wijzigingen aanbrengt? Met andere woorden: hoe zorg je ervoor dat je bewijs hebt dat een wijziging een verbetering oplevert? A/B-testen is een goede manier om online klantenservice te optimaliseren.
Service is ook marketing. Download de whitepaper servicemarketing
Wat is een A/B-test?
A/B-testen is een onderzoeksmethode waarmee je kunt testen wat de efficiëntste van twee mogelijkheden is. De ene helft van je bezoekers krijgt je huidige, bestaande pagina te zien. De andere helft krijgt de pagina te zien met daarop een aanpassing. Vervolgens kijk je welke van de varianten het best werkt. Of beter gezegd: je kijkt welke variant het gewenste resultaat oplevert. A/B-testen worden veel ingezet voor salesfunnels, maar zijn evengoed nuttig voor het optimaliseren van online klantenservice.
A/B-test voor diverse doelen
De A/B-test is een veelgebruikte methode binnen de marketing. De methode wordt dan vooral ingezet om conversie te meten. Bijvoorbeeld om te kijken op welke positie een banner het best converteert. Maar een A/B-test hoeft niet alleen om conversie te draaien. Je doel kan ook zijn de klanttevredenheid te verhogen, terwijl conversies of aantallen gelijk blijven. Of misschien is je doel wel om het aantal mensen dat onterecht een formulier invult te verlagen (als dat eigenlijk niet voor hun situatie bedoeld is en foutieve aanvragen oplevert). Het hoeft ook niet altijd om een formulier te gaan. Ook het aantal bezoekers dat doorklikt naar een pagina kan een doel zijn.
Formuleer een helder doel
Voor je een A/B-test opzet, moet je eerst duidelijk weten wát je wilt je testen. Met andere woorden: wat is het doel van je test? Wat wil je precies bereiken met de aanpassing aan je site? Zorg dat het doel helder en eenduidig is. Een helder doel stel je op door een probleem te definiëren en een goede hypothese op te stellen.
Test grote wijzigingen
Het is slim om met A/B-testen grotere en inhoudelijk onderbouwde wijzigingen te testen. Resultaten zijn dan meestal beter te interpreteren. Bij kleinere tweaks zijn de resultaten vaak moeilijk te verklaren. Daarom is eerst een probleem definiëren en een goede hypothese opstellen, zoals hierboven staat, echt heel belangrijk.
Wil je toch meerdere kleine aanpassingen testen op een pagina met veel verkeer, dan zou je ook multivariate testen kunnen doen, waarbij alle combinaties van variabelen worden getest (bijv. 3 koppen en 3 afbeeldingen = 9 varianten). Wil je vooral weten waaróm bezoekers zich op een bepaalde manier gedragen? Dan kun je in plaats van een A/B-test beter een usabilitytest opzetten.
Test niet te veel tegelijk
Let er op dat je niet te veel verandering op een pagina tegelijk wilt testen. Als je naast een grote afbeelding ook de headline verandert en je conversie neemt toe, wat zorgt dan voor de verbetering? Misschien zou je conversie nog wel meer zijn toegenomen als je de headline niet had veranderd. Dit is alleen te onderzoeken als je dit ook weer zou A/B-testen. Probeer daarom bij A/B-testen om door te blijven testen. Probeer je dus het liefst te beperken door een detailverandering per pagina te testen. Het is natuurlijk wel mogelijk om verschillende pagina’s van je website tegelijkertijd te testen. Let dan wel op dat het om verschillende taken gaan die elkaar niet beïnvloeden.
Welke service kun je A/B-testen?
Hieronder vind je een paar voorbeelden, waarbij je A/B-testen kunt inzetten om de service te verbeteren.
Voorbeeld 1: Taken benoemen
Op de site van een klant konden mensen hun wachtwoord opvragen als ze dat vergeten waren. Een FAQ verwees ze daarvoor naar een formulier. Maar op het formulier werd nergens meer aangegeven waarvóór mensen een wachtwoord konden opvragen. Dit veroorzaakte blijkbaar verwarring. Een variant van het formulier waarin letterlijk 1 woordje werd toegevoegd (de naam van het soort account) zorgde voor een conversiestijging van 20%.
Voorbeeld 2: Woordgebruik
Probeer je in te leven in jouw bezoeker en je woordgebruik daarop aan te passen. Kijk uit met jargon. In het bankwezen is bijvoorbeeld ‘storneren’ een veelgebruikte bancaire term. Maar snappen je bezoeker wat dit betekent? Je kunt dan bijvoorbeeld een A/B-test doen met de hypothese dat meer mensen ‘Onterechte incasso terugboeken’ snappen en daardoor meer mensen de functie/het formulier gebruiken. Je zou dit ook zonder test kunnen wijzigen, maar misschien is ‘storneren’ wel zo ingeburgerd dat dat beter converteert. Testen dus!
Voorbeeld 3: formulier online klantenservice
Stel je hebt een serviceformulier op je site, bijvoorbeeld om je adres te wijzigen. Veel mensen haken echter af tijdens het invullen van het formulier. Als je dit wilt verbeteren, wat kun je dan A/B-testen? Denk aan de lengte van je teksten. Houd je de inleidende tekst voor het formulier zo kort en simpel mogelijk, zodat mensen zonder gedoe naar het formulier kunnen? Of noem je uitgebreid wat mensen nodig hebben bij het invullen van het formulier?
Afhankelijk van je probleemstelling en doel kunnen verschillende uitkomsten interessant zijn: misschien gaat met minder informatie vooraf het aantal mensen dat start met het formulier invullen wel omhoog, maar geeft een uitgebreide instructie vooraf een hoger aantal succesvol afgeronde adreswijzigingen.
Voorbeeld 4: De A/B-testen van Obama
Dat A/B-testen je een hoop voordeel kunnen opleveren, bewees het campagneteam van Barack Obama. Zij voerden ruim 500 A/B-testen uit tijdens de verkiezingscampagne. De donatieconversie steeg met 49% en het aanmeldconversie steeg met 161%!
Dineren met Obama
Hoe deden zij dit? Alle digitale uitingen rondom de campagne testten zij; e-mails, content, design, afbeeldingen, etc. Vrijwel alles werd onderzocht. Een voorbeeld: het team deed een A/B-test met beeld op een pagina waar je een diner kon winnen met Obama. De foto waarop je ziet hoe dicht je bij Obama komt te zitten, kwam als duidelijke winnaar uit de bus. De conversieverbetering was 19%. Kyle Rush, een van de medewerkers aan de campagne, geeft op zijn blog Optimization at the Obama Campaign meer uitgewerkte voorbeelden van hoe zij de A/b test inzetten om tot in detail inzichten te krijgen.
Kan ik dat ook? Yes you can!
Natuurlijk is het handig als je een heel onderzoeksteam hebt die zich bezighoudt met A/B-testen, maar het hoeft niet per se. A/B-testen zijn vrij makkelijk op te zetten. In bijvoorbeeld Google Analytics vind je de Content Experiments. Andere tools voor A/B-testen zijn Optimizely of Visual Website Optimizer (VWO).
Gerelateerde artikelen
Over de auteur: Maarten van Geel
Goede content vind ik content die perfect aansluit op het medium dat je wilt inzetten en de doelgroep die je wilt bereiken. Dan krijgt je content écht kracht. Als online specialist help ik organisaties om dit te bereiken. Mijn specialiteit ligt daarbij op het schrijven en optimaliseren van (web)teksten.