CRO processes are like toothbrushes. They are all the same, but no one wants to use each others toothbrush. – John Ekman

Een van de meest voorkomende valkuilen bij conversie optimalisatie is een tekort aan structuur. Veel bedrijven zien CRO nog steeds als een project of tactiek en steken minder energie in het opzetten van een serieus optimalisatie programma. Waar begin je? Wat is je uiteindelijke doel? En hoe zorg je dat de opgedane kennis niet verloren raakt in het proces? Vooral als je CRO programma groeit en meer mensen betrokken raken bij het proces, kan een tekort aan structuur de kwaliteit van je optimalisatie werkzaamheden enorm verminderen.

Langzamerhand begint de markt steeds volwassener te worden. De beste retailers en B2B marketeers hebben programma’s geïmplementeerd met verfijnde processen voor continue, bewijs gedreven optimalisatie. Er zijn ongelooflijk veel verschillende meningen en theorieën over CRO, maar als je niet in staat bent te vertellen welke stappen je hebt genomen om tot een bepaald eindresultaat te komen, dan weet je niet wat je aan het doen bent. Een (herhaalbaar) proces is onmisbaar voor een succesvol CRO programma. Maar hoe ziet zo een proces er dan uit?

Eerst zien dan geloven

Bij CRO draait alles om bewijs gedreven werken. Denk je dat een bepaalde aanpassing op een site zal zorgen voor uplift? Bewijs het maar met data. Dezelfde focus op bewijs vinden we in de empirische wetenschappen. Het is dan ook niet raar dat de basis van het CRO proces overeenkomt met de wetenschappelijke methode.

Empirisch onderzoek is gericht op het toetsen van hypothesen. Er wordt een hypothese geformuleerd die door waarnemingen al dan niet wordt verworpen waarna zo nodig een nieuwe, aangepaste hypothese wordt geformuleerd. Deze nieuwe hypothese wordt ook weer getest en zo gaat het door. De CRO werkwijze is op dezelfde manier ingedeeld. Je doet onderzoek, leidt hypotheses af van de opgedane informatie en test deze op je site. De nieuwe resultaten van je testen zullen vervolgens ook weer de input vormen voor nieuwe experimenten.

Door de meest bekende en gebruikte modellen naast elkaar te leggen heb ik een overzicht gemaakt van het CRO proces zoals omschreven door Peep Laja (CXL), Paddy Moogan (Distilled), Chris Goward (Widerfunnel) en Ton Wesseling (Online Dialogue). Ondanks dat ze op het eerste oog veel van elkaar lijken te verschillen, zijn ze in de basis hetzelfde. Ik zal de stappen één voor één bespreken om zo te laten zien dat onder alle verschillende designs en namen een simpel CRO proces schuilt dat door iedereen gebruikt kan worden.

Stap 1: Technische check & bandbreedte calculatie

Volgens de modellen van Online Dialogue en CXL is het eerste wat je doet het definiëren van de customer journey en het uitvoeren van een technische check. Zorg dat je website in iedere browser werkt en de juiste dingen gemeten worden op de juiste momenten. Het lijkt voor de hand liggend, maar alsnog zie ik te vaak dat dit niet gebeurt waardoor de resultaten niet betrouwbaar zijn.

In een volwassen en bewijs gedreven CRO programma is een bandbreedte calculatie onmisbaar. Je bandbreedte is de testpotentie doorberekend over het hele jaar. De berekening geeft je informatie over welke templates/pagina’s je kunt A/B-testen voor welk segment bezoekers en hoeveel impact je daarbij moet maken voor significante resultaten. Dit is nodig om te bepalen hoe vaak je kunt testen en waar je de hypothese die bovenaan de lijst geprioriteerd staat kunt testen. Daarnaast weet je dankzij de berekening hoe lang een test moet lopen en hoeveel impact er behaald moet worden voor een significant effect. Lees meer over de bandbreedte calculatie in het artikel van Daan Bouwmeester.

Stap 2: Data verzamelen

Vervolgens start je met een grondige data analyse van alle data (kwalitatief en kwantitatief). Bij de modellen van Widerfunnel en Distilled is dit de eerste stap. Het model van Distilled onderscheidt 3 verschillende bronnen om informatie uit te verzamelen:

• Het bedrijf: Hiermee wordt het bedrijf zelf en de website bedoeld. Waarom bestaat het bedrijf? Wat zijn de doelen van het bedrijf?
• De website: Hier gaat het echt puur om de website zelf. Hoe ziet het sales proces eruit? Hoeveel bezoekers komen er op de website? Waar komen de conversies vandaan?
• De bezoekers: Dit is de meest interessante data met de meeste impact. De informatie kan verzameld worden door middel van kwalitatief (denk hierbij aan surveys) en kwantitatief onderzoek (denk aan heatmaps of screen recordings).

Ton Wesseling vult dit lijstje nog aan met ‘verified data’: een analyse van de testen die al eerder gedaan zijn (first party), van de wetenschappelijke studies in je branche of A/B-testen die door concurrenten zijn uitgevoerd.

Stap 3: Hypotheses stellen & prioriteren

Over de data die je in stap 2 hebt verzameld heb je een aantal aannames. Deze aannames ga je nu omzetten naar hypotheses. Zonder dat mensen het doorhebben, springen ze vaak meteen naar deze stap en beginnen ze zonder enig vooronderzoek met testen op basis van hun onderbuik gevoel. Maar zonder stap 1 en 2 zal de rest van het proces minder effectief en efficiënt zijn.

Zet duidelijk op papier wat je test, wie je test, waar je test en hoeveel deze test je zal opleveren. Niet alle hypotheses zullen hetzelfde opleveren aan kennis of uplift. Vooral als je CRO programma groeit zal de hoeveelheid hypotheses vragen om structuur. Je zal moeten prioriteren. Er zijn verschillende modellen die je hiervoor kunt gebruiken: PXL, PIE en ICE. Je prioriteert met name om de kans op testen met inzichten, dan wel uplift zo groot mogelijk te maken. Door alle data die je hebt, kun je vaak al voorspellen of de kans op succes groter of kleiner is. Belangrijk is dat er een balans is tussen hypotheses die zorgen voor groei en hypotheses die zorgen voor inzichten. Vooral op de lange termijn zal de kennis die je opdoet door middel van testen veel waarde opleveren, maar daar kom ik later op terug.

Stap 4: Test, Test, Test

Als je een goede hoofdhypothese hebt, start je met testen om te achterhalen of je aannames kloppen. Mocht je goedkeuring nodig hebben voor je begint met testen, dan maak je eerst een wireframe. Zorg dat je designs kwalitatief goed zijn. Een slecht design resulteert al snel in weggegooide tijd, moeite en verkeer. Om je designs te checken kun je volgens Paddy Moogan (MOZ)) de volgende vragen stellen:

• Testen de veranderingen mijn hypothese?
• Passen de veranderingen bij de look van het merk?
• Zijn de veranderingen technisch goed uit te voeren?

Doe vervolgens altijd een Quality Assurance (QA) voor je de test aanzet. Je wilt zeker weten dat je variant in elke browser, op elk device en voor elk product, binnen de template die je beter maakt, werkt. De technische details zijn volgens Chris Goward enorm belangrijk wil je betrouwbare resultaten krijgen. Ook hier geldt, als je doelen niet goed ingesteld zijn of als andere technische details missen, dan zijn je experimenten voor niets geweest. Vervolgens, als iedereen akkoord is en alles technisch in orde is, is het tijd voor de implementatie van je design. Test de variaties en zorg dat je genoeg verkeer hebt om de juiste conclusies te kunnen trekken over je AB test.

Het doel is om zoveel mogelijk testen uit te voeren als mogelijk is (“every day without a test running on a page is regret by default” – Peep Laja). Niet alle testen hoeven direct heel veel impact te hebben. Je kunt juist ook eerst testen voor onderzoek om daarna op basis van de learnings testen met veel impact te maken (vaak in grotere design wijzigingen). Als elke test per stuk het maximale moet opleveren kun je op een lokaal maximum uitkomen, je wilt dat de totale investering in al je CRO activiteiten een maximale uitkomst heeft – waardoor je soms dus voor testen kiest die op zichzelf niet direct een bijdrage leveren, maar juist inzichten voor de langere termijn. Daarnaast is het van belang dat je een hypotheses altijd meer dan één keer test. Zo houd je rekening met externe factoren die invloed kunnen hebben op de resultaten.

Stap 5: De analyse

Zodra je testen afgelopen zijn, is het tijd voor de analyse. Voorafgaand aan je testen bepaal je niet alleen hoe lang je testen moeten draaien, maar ook wat de KPI’s zijn waarvoor je de testen draait. Deze KPI’s ga je nu analyseren op significante impact. Is er sprake van statistische significantie? Implementeer dan je design. Zo niet? Ga dan na wat je er van geleerd hebt. Zorg dat je na je analyse de resultaten combineert met de inzichten over je hypotheses. Analyseer het totale gedrag om te zien of er gedragswijzigingen zijn die als input kunnen dienen voor de volgende testen. Behalve dat de resultaten van je testen de input vormen van je nieuwe testen, neem je ze ook mee bij de prioritering van geplande testen. Hoe vaak is je hypothese al bevestigd?

Stap 6: Deel je resultaten!

De laatste, maar zeker ook een van de belangrijkste stappen voor het behoud én de ontwikkeling van je CRO programma (die overigens alleen te vinden is in het model van Online Dialogue), is het delen van de resultaten met de rest van de organisatie. De informatie die gewonnen wordt met experimenten kan op alle niveaus in het bedrijf toegepast worden. Daarnaast zal het delen van je resultaten bijdragen aan het vertrouwen van het bedrijf in het CRO programma en hun betrokkenheid intensiveren.

Het model zoals hierboven omschreven (ook al wordt het zo wel gesuggereerd) is geen lineair model. Zo zul je in de praktijk merken dat je de eerste en de laatste stappen van het model minder vaak herhaalt dan de middelste stappen. Dankzij de kennis die je opdoet met je experimenten optimaliseer je het proces. Hoe meer je leert, hoe efficiënter je dataverzameling en de prioritering van je hypotheses. Zorg daarom altijd dat je bevindingen opslaat (bijvoorbeeld in een tool als Effective Experiments).

Hoe langer je CRO programma draait, hoe meer je leert over je klanten. Langzamerhand zal deze klantkennis uitgroeien tot een gedegen gedragsmodel. Je leert niet alleen hoe je klant zich gedraagt op een bepaald punt in de funnel, maar ook hoe je dit gedrag vertaalt naar andere platformen of nieuwe producten en diensten. Je gaat van optimalisatie naar transformatie. Door te leren van en over je bezoekers weet je precies waar innovatie mogelijkheden (of zelfs verplichtingen) zitten om als bedrijf continu te groeien.

Conclusie

Als jouw optimalisatie programma niet voor excellente resultaten zorgt, dan kan dat volgens Chris Goward maar door twee dingen komen: of je hebt een slecht proces of de expertise van je team is niet goed genoeg. Zonder een duidelijk proces zal de expertise van je team echter ook niet goed tot uiting komen. Of je nu een van de bovenstaande modellen gebruikt of je eigen model ontwikkelt, een duidelijk proces zal zonder twijfel je optimalisatieprogramma verbeteren.