A/B-testning – Definition & Fördjupning
Definition
Hur fungerar A/B-testning?
Variant A är vanligtvis originalet (kontroll) och variant B är den förändrade versionen (utmanaren). Trafiken delas slumpmässigt mellan varianterna tills tillräckligt med data samlats in för att dra en statistiskt säkerställd slutsats. Det som skiljer A/B-testning från kvalificerad gissning är just kravet på statistisk signifikans: resultatet ska inte kunna förklaras av slumpen.
Statistisk signifikans – vad det innebär i praktiken
Statistisk signifikans anger hur sannolikt det är att den observerade skillnaden beror på varianten och inte på slumpen. Standard inom CRO är 95 procents konfidensnivå, vilket innebär att det finns mindre än 5 procents sannolikhet att resultatet är ett slumpmässigt utfall.
För att nå detta krävs:
- Tillräcklig trafikvolym – Som tumregel: minst 100–200 konverteringar per variant innan ett test avslutas
- Tillräcklig körtid – Minst 1–2 fulla veckor för att fånga variationer i beteende över veckodagar
- Tydlig hypotes – Definiera innan testet startar vilken effekt du förväntar dig och vid vilken signifikansnivå du avslutar
Peeking-problemet: att avsluta testet i det ögonblick det ser bra ut blåser upp sannolikheten för falska positiva utfall dramatiskt. Moderna testplattformar hanterar detta med sekvensiella testmetoder som gör det möjligt att följa resultaten löpande utan att kompromissa med validiteten.
A/B vs multivariattestning – när väljer man vad?
A/B-testning testar en förändring i taget. Multivariattestning testar kombinationer av flera element simultant – till exempel rubrik, bild och CTA-text i olika kombinationer. Det senare kräver markant mer trafik men avslöjar interaktionseffekter som ett A/B-test aldrig kan visa.
Som tumregel: börja med A/B-testning tills du har tillräcklig data om det isolerade elementets påverkan. Multivariattestning är för sajter med hög trafikvolym och en mogen testkultur.
Vad ska man A/B-testa?
De element med störst påverkan på konverteringsgrad, i fallande ordning av typisk effekt:
- Erbjudandet – Vad du erbjuder och hur det är formulerat: positionering, pris, villkor
- Rubriken – Första intrycket som avgör om besökaren läser vidare
- CTA – Text, färg, placering och storlek på uppmaningsknappen
- Formulär – Antal fält, ordning och etiketter
- Bilder och video – Val av visuellt innehåll, särskilt hero-bilder
- Social proof – Placering och utformning av testimonials och recensioner
Undvik att testa kosmetiska förändringar utan tydlig affärshypotes.
Verktyg för A/B-testning
- Optimizely – Ledande enterprise-plattform med avancerad statistisk motor och stark integration mot CMS och dataverktyg.
- VWO (Visual Website Optimizer) – Populärt alternativ med inbyggd heatmap, sessionsinspelning och multivariattestning.
- AB Tasty – Mellannivålösning med stark personaliseringsfunktion och bra stöd för europeiska marknader.
Observera att Google Optimize lades ner i september 2023 och inte längre är ett alternativ.
När ska man INTE A/B-testa?
A/B-testning kräver trafik. En sida med under 1 000 unika besökare per månad – och ett litet antal konverteringar – ger sällan tillräcklig statistisk styrka för meningsfulla resultat. I de fallen är kvalitativ analys (heatmaps, användarintervjuer, sessionsinspelningar) mer värdefull än rena A/B-tester.
Behöver du hjälp?
Vi är experter på allt som gäller SEO, AEO och användarvänlighet.
Tveka inte på att höra av dig så hjälper vi dig!