Formulering af hypoteser

Formulering af klare og testbare hypoteser er et afgørende trin i designet af enhver succesfuld A/B-test. En hypotese giver en fokuseret erklæring, som du kan evaluere ved hjælp af data fra dit eksperiment. I A/B-testning har du altid brug for to hypoteser: nulhypotesen og alternativhypotesen.

Nulhypotesen (ofte skrevet som H0) er en standarderklæring, der antager, at der ikke er nogen effekt eller forskel mellem dine to grupper (A og B). Alternativhypotesen (H1 eller Ha) angiver, hvad du forventer vil ske, hvis din ændring har en effekt.

En velstruktureret hypotese er:

• Klar og specifik;
• Direkte testbar ved hjælp af de data, du indsamler;
• Fokuseret på ét målbart resultat.

Forestil dig, at du vil teste en ny farve på "Tilmeld"-knappen på din hjemmeside. Sådan kan du strukturere dine hypoteser:

• Nulhypotese (H0): "Ændring af 'Tilmeld'-knappens farve vil ikke ændre brugerens tilmeldingsrate."
• Alternativhypotese (H1): "Ændring af 'Tilmeld'-knappens farve vil øge brugerens tilmeldingsrate."

Eller for en markedsføringskampagne:

• Nulhypotese (H0): "Afsendelse af en ugentlig kampagnemail påvirker ikke den gennemsnitlige købsstørrelse."
• Alternativhypotese (H1): "Afsendelse af en ugentlig kampagnemail øger den gennemsnitlige købsstørrelse."

Undgå vage eller ikke-testbare udsagn som "Det nye design er bedre" eller "Brugerne vil kunne lide den nye funktion." Fokuser i stedet på målbare resultater som konverteringsrate, gennemsnitlig ordreværdi eller klikrate.