Statistisk signifikansberegner – GRATIS AB-testberegner
Find ud af, hvilken variant af din hjemmeside, der vil få dig i mål
Kør en A/B-test med 4 trin
Sådan kører du en A/B-test
For at køre en A/B-test skal du sammenligne to sider (side A og side B), der hver adskiller sig på en enkelt variant. Side A er den originale side – også kaldet kontrolsidenn. Side B skal være helt identisk med side A, men med en lille variant-ændring.
De bedste varianter at ændre på er dem, der virkelig driver konverteringer og opfordrer dine besøgende til handling. Du må kun ændre ET element på siden ad gangen for at få et statistisk signifikant testresultat. Hvis du ændrer på flere elementer, kan du ikke afgøre, hvilken ændring der fungerede, og hvilken der ikke gjorde.
Typiske elementer at ændre på inkluderer:
- Overskrift
- Call to action-knap
- Annoncetekst
- Produkttekst
- Billede
Inden for hver af disse elementer kan du også overveje at variere:
- Farve
- Skrifttype
- Design
Den side, der giver det højeste antal konverteringer, er vindervarianten. Jo mere du optimerer din side, jo højere bliver din konverteringsfrekvens i sidste ende.
Når dine sider er klar til A/B testning, skal halvdelen af din trafik omdirigeres til kontrolsiden (side A), og den anden halvdel skal dirigeres til den ændrede side (side B), så du kan sammenligne resultatet.
Hvad er en A/B konfidensscore?
Konfindensscoren er et mål for pålideligheden af et resultat. Hvis konfidensscoren er høj, betyder det, at resultaterne er statistisk signifikante, og du kan være sikker på, at forskellen mellem resultatet for de to sider hænger direkte sammen med de ændringer, du har foretaget, og altså ikke kun skyldes tilfældigheder.
| 95-100% | Din A/B-test er statistisk signifikant, så tillykke med det! Du bør implementere den vindende variant. |
| 90-95% | Din A/B-test er sandsynligvis ikke statistisk signifikant. Du kan med forbehold prøve at implementere den vindende variant, men det mest sikre er at prøve en anden A/B-test først. |
| <90% | Din A/B-test er ikke statistisk signifikant. Du skal ikke implementere den vindende variant. |
Oftest stillede spørgsmål
Hvad står A/B-testing for?
I en A/B-test tester du to varianter op imod hinanden – variant A og variant B. A er originalen (også kendt som kontrolsiden), og B er en kopi af A, men med en lille ændring. Man kan også teste flere forskellige varianter (C, D, E … osv.), men for statistisk signifikante resultater anbefaler vi, at du nøjes med at teste A mod B.Hvordan kører man en A/B-test?
For at køre en A/B-test skal du først og fremmest bruge en original- eller kontrolside (variant A). Når variant A er klar, skal du duplikere side og derefter ændre på et enkelt element på siden – og så har du variant B. Elementet kan eksempelvis være en lille del af teksten, en overskrift, en knap, en call-to-action eller endda farven eller stilen på den anvendte skrifttype. Du skal derefter vise disse to varianter til et publikum i samme størrelsesorden i mindst en uge. Ud fra de data, der indsamles i løbet af ugen, kan du derefter bestemme, hvilken variant der giver det højeste antal konverteringer og dermed er den vindende variant.Hvor længe skal man køre en A/B-test?
Du skal køre en A/B-test, så længe det tager at opnå statistisk signifikante resultater. Antallet af brugersessioner er nøglen i dette henseende. Hvis en hjemmeside eksempelvis har 1 million besøgende om dagen, kan A/B-testen vise signifikante resultater på bare få timer. En hjemmeside, der omvendt har 2 besøgende om dagen, kan være et helt år om at opnå statistisk signifikante resultater. Brugeradfærd har generelt en tendens til at variere i løbet af ugen, og derfor anbefaler vi at køre hver A/B-tests i mindst en hel uge.Hvad betyder statistisk signifikant?
Når noget er statistisk signifikant, betyder det, at årsagen til, at den ene variant klarer sig bedre end den anden, næsten med sikkerhed ikke skyldes tilfældighed. Med andre ord kan du gå ud fra, at den vindende variant rent faktisk er stærkere på grund af de ændringer, du har foretaget. Du kan bruge vores beregner til statistisk signifikans uden skjulte omkostninger til at planlægge din A/B-test.Så glad for, at du kunne lide det!