Ondersteun je ideeën met een A/B-test (en laat je verrassen)!
Waar ging het eigenlijk om?
We ontwikkelen vaak landingspagina’s die doelgroepcampagnes ondersteunen, campagnes waarmee we een doelgroep willen aanspreken om te solliciteren bij een specifiek vakgebied/expertise bij onze klant. In deze case was dit voor mensen met een bepaalde achtergrond, ervaring en kennis.
De landingspagina's bouwen we op een aantrekkelijke manier op, ook omdat de manier waarop mensen zich oriënteren op een vakgebied verschilt. We wisselen elementen die gericht zijn op conversie af met elementen met een meer informatief karakter. Een button met de tekst 'Bekijk alle vacatures' is gericht op conversie, video-testimonials en artikelen van je toekomstige collega's zijn informatief en entertainment.
Bij de terugkomende performance-analyse van de landingspagina vielen vier dingen op;
- Veel bezoekers (veruit de meeste) klikken direct op de button 'Alle vacatures'
- Weinig mensen vanuit de campagne klikken een video aan (overigens bekijken de mensen die wel klikken, de video’s doorgaans uit)
- Weinig bezoekers klikken op deze pagina door naar een functiegroep binnen dit vakgebied
- Bezoekers klikken amper door naar artikelen van medewerkers in dit vakgebied (testimonials)
Dat leidde tot de volgende hypothese:
Met een light-versie van de landingspagina, dat wil zeggen zonder afleiding als video’s, testimonials en andere niet-conversiegerichte elementen, zullen er nóg meer vacature views gerealiseerd worden dan met de huidige pagina.
Tijd voor een A/B test
Het is nogal een stap om een complete landingspagina overhoop te gooien, omdat je een bepaald idee hebt van wat werkt. In zo'n geval is een A/B-test een uitstekend hulpmiddel. Je kunt dan op kleine schaal jouw idee testen, zodat je je hypothese ook met cijfers kunt valideren en ondersteunen.
Bij een A/B-test maak je twee versies van een bepaalde pagina. Bezoekers krijgen, afhankelijk van een vooraf ingestelde voorwaarden, één van beide pagina's te zien. Door het gedrag van gebruikers in verschillende groepen te meten en met elkaar te vergelijken bepaal je met welke opzet van de pagina je, je doelen het best bereikt. Een A/B-test kan heel klein zijn, bijvoorbeeld wanneer je de tekst of positie van één button aanpast, maar ook groter door een hele pagina anders in te richten.
Naast de bestaande landingspagina hebben we een aangepaste versie opgezet waarbij een groot deel van de niet-conversiegerichte onderdelen weggelaten is. Gedurende 11 weken is 30% van de bezoekers omgeleid naar de B-versie; de overige 70% kwam nog steeds op de reguliere campagnepagina terecht.
De opvallende resultaten
De uitkomst van de test was nogal een verrassing, want de hypothese bleek onjuist! Het was geen verrassing dat de originele pagina (A) mét alle componenten in absolute zin de meeste vacature views opleverde, want er landden meer bezoekers. Maar deze pagina had toch een iets hoger conversiepercentage (in dit geval de verhouding bezoekers die ook een vacature view opleveren) en volgens Google’s algoritme leverde dat een kans van 95% (!) op dat de originele pagina de ‘beste’ is.
Wat hebben we geleerd van deze A/B-test?
Bezoekers van campagnepagina's hebben aanvullende content nodig om ‘verder te gaan’ - ook al interacteren zij hier niet mee. Een kale, versimpelde pagina met focus op ‘doorklikken’ levert dus niet per se een beter eindresultaat of conversie op. Wat begrijpelijk is als het gaat om het aantrekken van de juiste mensen voor het vervullen van vacatures. We zijn tenslotte geen sportschoenen aan het verkopen dus de ‘buyer’ journey is logischerwijs aanzienlijk langer.
De balans tussen conversiegerichte elementen, informatieve content en aansluiting op campagne uitingen spelen een een belangrijke rol bij een goede campagnepagina. Dit onderschrijft het belang van relevante content, intensieve interactieve (zoals we deze bij Kaliber vaak noemen), een goed’ verhaal’ en zeker ook van een goed doordacht campagneconcept.
