A/B testen in Google Ads: uitgebreid stappenplan + tips

De naam spreekt eigenlijk voor zich. We testen twee dingen, A en B, en kijken vervolgens welke van de twee het beste werkt. Simpel toch? Ja en nee, maar daar komen we zo op! Met een A/B test in Google Ads kun je testen wat je maar wilt. Denk bijvoorbeeld aan:

• Advertentievariant A versus advertentievariant B
• Brede zoekwoorden versus exacte zoekwoorden
• Conversies maximaliseren versus conversiewaarde maximaliseren
• Locatie A versus locatie B, etc.

De mogelijkheden zijn eindeloos. Maar hoe meet je nu welke variant ‘beter’ werkt? Dat hangt af van jouw doelen, maar eigenlijk kun je bijna alle metrics uit Google Ads gebruiken om dit te meten.

Denk aan:

• CTR (Click-Through Rate): welke advertentie trekt meer aandacht?

• Aantal klikken: welke variant genereert meer verkeer?

• Conversies en kosten per conversie: welke versie levert de meeste waarde voor je budget?

• ROAS (Return on Ad Spend): welke testvariant zorgt voor de hoogste opbrengst per uitgegeven euro?

Kortom, een goed uitgevoerde A/B-test helpt je om gefundeerde beslissingen te nemen in plaats van op onderbuikgevoel te vertrouwen. Door systematisch te testen, kun je stap voor stap de effec

We nemen je stap voor stap mee in de opzet van een A/B test in Google Ads.

Stap 1: het doel bepalen

Je begint met jezelf 2 vragen te stellen:

• Wat wil ik a/b testen?
• Wat wil ik meten?

Gedurende dit blog zullen we gebruik maken van een voorbeeld. We gaan testen of targeting binnen de randstad (A) voor andere resultaten zorgt dan targeting buiten de randstad (B). We meten het succes aan de hand van de kosten per conversie (deze willen we uiteraard zo laag mogelijk hebben).

Stap 2: een experiment starten

Sorry, we noemen het al de hele tijd A/B testen, maar Google noemt het ‘experimenten’. Wanneer je in je Google Ads account zit, navigeer je in de linker menubalk naar ‘experimenten’. Er opent zich een weergave met al je lopende en afgeronde experimenten. En als je een nieuw experiment wil starten, klik je (surprise surprise) op het blauwe plusje ‘+’.

Stap 3: stap voor stap instellen van de A/B test

Tijd om de A/B test stap voor stap in te stellen in Google Ads!

1. Er opent zich nu een weergave met een aantal basisopties om te A/B testen (denk bijvoorbeeld aan advertentieteksten). Een basisoptie voor het testen van verschillende locaties is er niet, dus wij kiezen voor ‘Aangepast experiment.’
2. We beginnen met het geven van een naam. Best practice: vernoem je experiment naar hetgeen je gaat testen. In ons geval “randstad vs non-randstad”.
3. Selecteer nu de ‘basiscampagne’ die je wilt gaan testen. De ‘A’ versie van je A/B test is dus eigenlijk een bestaande campagne. Klik vervolgens op opslaan en doorgaan. Er wordt nu een kopie gemaakt (B) van je oorspronkelijke campagne (A).
4. Automatisch wordt nu de kopie (B) geopend met praktisch dezelfde interface als een normale campagne heeft. We gaan hier aanpassen wat we willen testen. In ons geval gaan we dus naar de instellingen en selecteren we alle gebieden buiten de randstad (en sluiten we de randstad zelf uit voor extra betrouwbaarheid).
5. Klink boven in het menu nu op ‘Schedule’ (alweer de laatste stap in het opzetten van een A/B test in Google Ads!). Hier hebben nog 4 instellingen om door te lopen, dus laten we dat doen:
   1. Doel van de A/B test: hey, dat is handig, dat hebben wij allang bepaald in de eerste stap! We selecteren hier dus ‘Kosten per conversie’. Vervolgens heb je 3 opties: verhogen, verlagen of geen significante wijziging. Vanzelfsprekend kiezen wij verlagen.
   2. Experimentgroep: Hier bepalen we hoeveel procent van het verkeer focust op A en hoeveel op B. Wij gaan eigenlijk altijd voor een 50/50 verdeling. Idealiter willen we een A/B test altijd zo willekeurig mogelijk maken. Daarom kiezen we voor ‘Op basis van zoekopdrachten’ en niet ‘Op basis van cookies.’
   3. De datum: Hier kies je hoelang je het experiment wil runnen. Hou hierbij rekening met het feit dat we wel genoeg data willen om te testen op statistische significantie. Desnoods zet je de duur op 1.000 dagen, en stop je het experiment gewoon handmatig zodra je zelf denkt genoeg data te hebben of significante resultaten ziet.
   4. Synchronisatie: Zet dit altijd aan. Dit houdt in dat eventuele aanpassingen die je aan de basiscampagne ‘A’ doet, automatisch ook doorgevoerd worden in je ‘B’ versie. Als je dit uitzet, zijn je resultaten veel minder zeggend.
6. En klaar! Je experiment is aangemaakt. Nu wachten we af op de resultaten.

Een van de meest gestelde vragen bij A/B-testen in Google Ads is: hoelang laat je de test lopen? En eerlijk is eerlijk: er is geen standaard antwoord dat voor iedereen geldt. De ideale looptijd hangt namelijk af van hoeveel verkeer en conversies je genereert. Toch zijn er een paar belangrijke richtlijnen die je kunt aanhouden.

Allereerst: een A/B-test moet lang genoeg lopen om betrouwbare data te verzamelen. Stop je te vroeg, dan loop je het risico dat de resultaten puur op toeval berusten. Laat de test daarom minimaal twee weken lopen. Zo voorkom je dat dag- of weekpatronen (zoals meer zoekvolume op bepaalde dagen) je resultaten vertekenen.

Daarnaast is het belangrijk dat beide varianten genoeg conversies en klikken hebben verzameld. Als richtlijn kun je aanhouden dat elke variant minstens:

• 100 klikken heeft, om gedrag te kunnen vergelijken

Heb je een campagne met weinig verkeer of lage conversieratio’s? Dan kan het nodig zijn om de test langer te laten lopen, soms wel vier tot zes weken. Bij campagnes met veel datapunten kan je vaak al eerder een duidelijke winnaar aanwijzen.

Tot slot: houd in gedachten dat meer data altijd beter is. Wacht liever iets langer tot de resultaten statistisch significant zijn, dan te snel te beslissen op basis van een paar dagen aan data.

We maken even een sprong in de tijd. Onze A/B test is afgerond. Laten we kijken wat voor resultaten we zien. Hierbij helpt Google je een handje. Zijn je resultaten significant? Dan vertelt Google je dat gewoon (aan de hand van wat statistische toetsen die we verder niet zullen toelichten). Gefeliciteerd! Je hebt zojuist een campagne variant gevonden waarmee je (nog) betere resultaten behaald. In ons voorbeeld stellen we dat variant B (non-Randstad) significant lagere kosten per conversie heeft. De vervolgstap na een A/B test is erg gemakkelijk. Google bied je 2 opties:

• Je huidige campagne (A) doorzetten.
• Je test campagne doorzetten (B).

Die opties had je zelf vast kunnen raden. Maar welke kies je? Als je geen significante resultaten hebt, kies je altijd voor het behouden van je oorspronkelijke campagne (A). Heb je significante resultaten net als wij in het voorbeeld? Dan zetten we deze campagne (in ons geval B) door!

De kosten per conversie liggen veel lager buiten de Randstad dan binnen de Randstad. “Dit moet ik mijn manager vertellen, deze kennis kunnen we gebruiken voor andere kanalen en onze propositie!” Dit is echter waar veel marketeers de fout in gaan. Deze conclusie is volledig onjuist en zelfs gevaarlijk om door te vertalen buiten Google Ads. Om dit iets beter te begrijpen, hebben we (helaas) even wat theoretische achtergrond nodig:

Een experiment of A/B test houdt in dat je bepaalde resultaten (voor ons: kosten per conversie) meet aan de hand van 2 verschillende versies (voor ons: Randstad vs non-Randstad) en voor de rest alle andere variabelen constant houdt en mensen willekeurig toekent aan versie A of B. Op die manier kun je op basis van een A/B test namelijk wel concluderen dat je test (randstad vs non-randstad) direct leidt tot lagere kosten per conversie.

En hoewel Google je graag doet laten geloven dat je deze conclusies kunt trekken, is dat zeker niet het geval. Google’s krachtige algoritme gooit namelijk roet in het eten. Want ondanks dat je test willekeurig lijkt, is dat niet zo. Denk als voorbeeld aan de volgende aannames:

• Misschien is er buiten de Randstad wel veel minder concurrentie in Google Ads, waardoor je CPC veel lager lag of je absolute topvertoningen veel hoger waren dan binnen de Randstad.
• Misschien heeft het algoritme wel een heel ander ‘in-market’ segment gevonden buiten de randstad dan binnen de randstad.
• Heeft het algoritme veel meer mensen ge-retarget buiten de Randstad dan binnen de Randstad?

En hoewel je met aanvullende data-analyse een deel van deze aannames zou kunnen analyseren, is het onmogelijk om ze allemaal te vinden. En al die tientallen aannames die je kunt doen, zorgen ervoor dat je je conclusies niet buiten Google Ads door kunt trekken. Pas daar dus mee op! Uiteraard kun je het wel A/B testen met andere kanalen ;).

Betekent dit dan dat je dan maar niet moet A/B testen in Google Ads? Absoluut niet. A/B testen in Google Ads is ontzettend krachtig. En als uit je A/B test blijkt dat je honderden of duizenden euro’s per maand kunt besparen, natuurlijk ga je hier dan voor! Houd er alleen rekening mee dat Google de waarom vraag altijd deels voor zichzelf zal houden.

Je bent nu helemaal zelf in staat om een A/B test op te zetten in Google Ads. Je kunt zelf zorgvuldig de juiste conclusies trekken! Toch als afsluiting nog een aantal tips om rekening mee te houden:

• Zorg dat je altijd maar één bepaalde variabele per experiment test. Bijvoorbeeld locatie of biedstrategie, maar niet locatie én biedstrategie. We weten al hoe moeilijk conclusies trekken is, maar door meerdere variabelen te testen wordt conclusies trekken nog veel moeilijker. Je kunt uiteraard wel twee aparte A/B testen naast elkaar laten lopen. 1 voor locatie en een andere voor biedstrategie.
• Staar je niet blind op je succesgraadmeter. Wanneer deze niet significant is, was je test zeker niet voor niets. Check bijvoorbeeld andere metrics zoals CTR of CPC. Wie weet kun je hier wel nog andere learnings uithalen.
• Zorg ervoor dat je test lang genoeg loopt. Er is geen specifieke regel, maar een A/B test heeft wel voldoende data nodig om de juiste conclusie te trekken. Een A/B test met 30 klikken heeft weinig zin. In sommige gevallen doet Google een suggestie voor je! Dit zijn vaak prima inschattingen van hoeveel data je nodig hebt.
• Je kunt je test ook buiten Google Ads opzetten. Denk bijvoorbeeld aan het testen van 2 verschillende landingspagina’s voor Google Ads. Zorg er dan wel voor dat alle andere variabelen in je campagne constant blijven!