Een A/B-test is een experiment waarbij de deelnemers worden verdeeld in subgroepen en elke subgroep wordt gevraagd om verschillende concepten op dezelfde manier te evalueren.
De resultaten kunnen dan worden geanalyseerd om te bepalen of een van de geteste concepten significant beter presteerde dan het andere op de succescriteria die in het onderzoek werden gemeten.
Het wordt meestal uitgevoerd om verschillende versies van advertentiecampagnes, productontwerpen, prijsstrategieën, enz. te testen. Je kunt alle mogelijke mediatypen gebruiken voor de presentatie van concepten, zoals afbeeldingen, video’s, teksten en audio.
Downloadbaar A/B-testsjabloon
Hieronder vind je een downloadbaar sjabloonbestand voor A/B-testen, dat zowel enquête- als rapportsjablonen bevat. Je vindt er intuïtieve instructies in. Om het te gebruiken, moet je “upload .json” selecteren tijdens het maken van een nieuwe enquête en vervolgens dit bestand uploaden:
Oplossing sjablonen Screenshots:


A/B testen verder uitgelegd

De A/B-test is een speciaal geval van het monadisch testontwerp, waarvan de implementatie met Survalyzer in detail wordt beschreven op deze pagina van het educatiecentrum.
Deelnemers worden dynamisch toegewezen aan groepen aan het begin van het interview. De deelnemers worden afwisselend aan de ene of de andere groep toegewezen op basis van de volgorde waarin de interviews zijn begonnen, zodat er zelfs als ze afhaken een ongeveer gelijke verdeling van voltooide interviews is. Dit basisprincipe kan ook worden gebruikt voor een verdeling in meer dan twee groepen, als er meer dan 2 versies moeten worden getest.
Hoe implementeer je een A/B-test in een Survalyzer-enquête?
Voor de wisselende toewijzing aan de groepen hebt u een “teller”-variabele nodig die informatie geeft over hoeveel interviews al zijn gestart (“in uitvoering” en “voltooid” interviewstatus). Deze teller wordt vervolgens gedeeld door het aantal groepen (het aantal versies dat u wilt testen); de rest van de deling bepaalt de toegewezen groep voor dit interview.
Code voor waardetoekenning om de bovenstaande logica uit te voeren :
counter = survey.count_started survey.count_completed - 1
SplitGroup = counter%2 1De SplitGroup-variabele wordt dan gebruikt om de product- of conceptvariant te filteren die moet worden getoond.
Als de deelnemers aan je enquête worden toegewezen volgens bepaalde criteria (bv. leeftijd en geslacht), kun je de groepen ook toewijzen volgens deze quota’s zodat er aan het einde voor elk quotum een ongeveer gelijke verdeling over de groepen is.
Daarvoor moet je de functie “Als dan anders” gebruiken, die controleert welke quotagroep gerelateerd is aan de respondent en de teller met modulusfunctie alleen voor die subset van interviews gebruikt. Meer over de functie “Als dan anders” hier.
Belangrijk: Als een Data Cube is ingeschakeld voor de enquête, gebruiken tellerfuncties zoals countInterviews(), count_started en count_completed de gegevens die momenteel met de Data Cube zijn gesynchroniseerd. Daardoor geven ze tussen de updates van de Data Cube geen actuele aantallen interviews weer en mogen ze niet worden gebruikt voor logica die afhankelijk is van realtime aantallen.
Gegevensanalyse
Omdat alle deelnemers dezelfde vragen krijgen in de A/B-test, ongeacht hun groepstoewijzing, worden alle antwoorden opgeslagen in dezelfde variabelen.
Daarom is voor het analyseren en vergelijken van resultaten tussen geteste subgroepen de juiste segmentatie of filtering van ruwe gegevens nodig, meestal op basis van de waarde van een groepvariabele (SplitGroup-variabele in ons bovenstaande voorbeeld).
In het Professionele rapport (alleen beschikbaar voor gebruikers van Professional Analytics) kan aangepaste segmentatie eenvoudig worden ingesteld in de tabellenwizard. In de segmentatiestap van de wizard selecteert u gewoon “Segmentatie op basis van variabelen” en selecteert u uw groeperingsvariabele (bijv. SplitGroup). Aparte versiegerelateerde segmenten worden automatisch aangemaakt voor alle tabellen die in de volgende stap worden aangemaakt.
Met de tabellenwizard in Dashboard Reports kun je ook Significantietests inschakelen voor elke gesegmenteerde tabel. Hiermee kunt u controleren of verschillen in waargenomen resultaten daadwerkelijk statisch significant verschillend zijn. Lees hier meer over significantietesten in Survalyzer.
