Hvad er et split test?
Et split test er når du sender en random halvdel af dit publikum til version A, og den anden halvdel til version B — helt simultant — og så måler, hvilken der udfører bedre.
Synonym med A/B test. De to termer bruges i flæng i praksis, selvom nogle purist-marketers vil sige, at et split test betyder du tester hele siden mod hele siden, mens "A/B test" kan være testning af en enkelt element (en knap, en overskrift).
Vi holder os til praksis her: split test = du har to versioner i flight på samme tid.
Du gør det på landing pages, emails, ads, checkout flows — hvor som helst du ønsker at optimere conversion.
Split test vs. A/B test vs. multivariate test
Split test. To komplette sideversioner, 50% trafik hver. Eksempel: version A med rød knap, version B med grøn knap—men også den samme overskrift og copy. Du tester ét ting ad gangen.
A/B test. Strengt taget en kategori, som split tests hører under, men ofte bruges om testning af mindre elementer. Eksempel: tester en overskrift mod en anden uden at ændre andet.
Multivariate test. Du ændrer flere ting samtidigt. Rød knap + ny overskrift mod grøn knap + gammel overskrift. Meget komplekst. Kræver meget trafik for at nå signifikans. De fleste virksomheder skal ikke køre disse.
Praktisk regel: Start med split tests på grandes elementer (overskrift, pris, CTA). Når du er dygtig til det, kan du gå til A/B tests af mindre elementer.
Statistisk signifikans — Den del, alle springer over
Her er hvor det bliver seriøst — og hvor 80% af split tests fejler.
Et split test betyder ikke at version B er bedre, bare fordi den havde flere konverteringer. Der var måske bare statistisk tilfældighed på spil.
Signifikans handler om: Hvad er sandsynligheden for, at resultatet skyldtes tilfældighederne, og ikke en faktisk forskel mellem versionerne?
p-value: En statistisk måling. p = 0,05 betyder "der er 5% chance for, at jeg skulle have set denne forskel rent tilfældigt." Markedsførere accepterer normalt p-værdi under 0,05 for at kalde det signifikant. Det betyder 95% tillid.
Tommelfingerregel: Du har brug for mindst 100-200 konverteringer per variant før du kan konkludere noget som helst.
Hvis version A får 2 konverteringer ud af 50 besøgende (4%), og version B får 3 konverteringer ud af 50 (6%), er det ikke signifikant. Det er tilfældighed. Selv hvis B er 50% højere, betyder det ikke B er bedre.
Online calculators: Brug dem. CXL Institute har en gratis split test-kalkulator. Smid dine tal ind, få din p-værdi og sample size-estimat.
Hvad skal du teste først? Prioriteringsrækkefølge
Ikke alle tests svarer lige meget. Nogle elementer påvirker conversion dramatisk. Andre påvirker den næppe.
Test i denne rækkefølge efter impact-potentiale:
1. Tilbud og pris
Det største ting, der påvirker, om folk handler, er hvad du sælger det for. Prøv forskellige prispunkter, rabatter, eller tilbuds-strukturer. En test af "Betal $99/måned" mod "$79/måned" kan resultere i 30-50% ændringer i konvertering.
2. Headline og værdiforslag
"Sådan slipper du for dårlig søvn på 7 dage" mod "Enhver kan sove bedre." Folk læser overskriften først. Hvis den ikke fanger dem, læser de ingenting andet.
3. CTA-tekst
"Luk mig op" vs. "Giv mig adgang nu" vs. "Ja, jeg vil have det." Subtilt, men noticeable. En test kan give 10-20% ændring.
4. Social proof-placering
Hvor placerer du dine testimonials, ratings, eller "X tusinde bruger os"-badges? Toppen af siden mod bunden? Ved siden af CTA mod nedenunder? Social proof betyder noget, placering betyder også noget.
5. Form-længde
Hvor mange felter i din signup-form? Prøv en lang form (7 felter) mod en kort form (3 felter). Færre felter = mere konvertering, men potentielt ringere leads. Test det.
Hvad du IKKE skal teste først: Knap-farve. Blå versus rød. Folk taler hele tiden om det, men virkeligheden: knap-farve påvirker conversion omkring 5% hvis overhovedet.
Hvis du kun har tid til ét test, test ikke knap-farven. Test prisen eller overskriften.
Typiske fejl
Fejl #1: Peeking at resultaterne før de er færdige (optional stopping bias).
Du kører et test i tre dage. Version B vinder allerede på dag to. Du slukker version A "fordi der ingen grund er til at spilde penge." Forkert. Statisk signifikans betyder ikke noget, før der er nok data. Du har ødelagt testen ved at stoppe tidligt.
Beslut: "Vi kører dette test i 7 dage eller til 500 konverteringer per variant — hvad end der sker først." Og hold dig til det.
Fejl #2: Utilstrækkelig trafik.
Du kører et split test på en lille landingpage med 20 besøgende om dagen. Efter tre dage har du 30 besøgende per variant og to konverteringer hver. Du konkluderer: "Version B vinder med 6,7% bedre." Du er forkert. Dit test er meningsløst. Tilstrækkelig trafik betyder alt.
Fejl #3: At teste for mange ting samtidigt.
Du ændrer overskrift, knap-farve, form-længde, og billede på samme tid i version B. Version B vinder. Vidste du nu hvilken ændring, der gjorde det? Nej. Du skal teste en ting ad gangen.
Fejl #4: At ikke dokumentere resultater.
Du kører 15 tests over seks måneder, vinder 7 af dem, mister hukommelsen om hvad hver test handler om. Seks måneder senere starter du med at teste den samme overskrift igen.
Opret en simpel spreadsheet. Test navn, hypotese, resultat, signifikans, dato. Dit fremtidigt selv siger tak.
