Gratis calculator voor significantie van A/B-tests

Ontdek in seconden of je split-testresultaat statistisch significant is. Vul bezoekers en conversies voor beide varianten in en zie de winnaar, de stijging, de p-waarde en de steekproefomvang die je nodig hebt.

Betrouwbaarheidsniveau
Controle (A)
0,00%conversiepercentage
Variant (B)
0,00%conversiepercentage
Wachten op dataVul bezoekers en conversies in voor beide varianten om je oordeel te zien.
Zekerheid--
Stijging--
p-waarde--
Steekproefomvang--

Pro-tip. Stop een test niet op het moment dat de zekerheid boven 95% komt. Bepaal je steekproefomvang vooraf en laat de test lopen, anders wijs je waarschijnlijk valse positieven aan.

Zo controleer je de significantie van een A/B-test in 3 stappen

Krijg binnen een minuut een helder, statistisch onderbouwd oordeel over je split-test, zonder spreadsheets en zonder aanmelden.

  1. 01

    Vul je controlecijfers in

    Voeg het totaal aantal bezoekers en conversies toe voor variant A, de originele versie waartegen je test.

  2. 02

    Vul je variantcijfers in

    Voeg bezoekers en conversies toe voor variant B, de nieuwe versie. Je conversiepercentages worden meteen bijgewerkt.

  3. 03

    Lees je oordeel

    Zie of het resultaat significant is, plus de stijging, de p-waarde en de zekerheid, en hoeveel bezoekers je nog nodig hebt als je er nog niet bent.

Waarom marketeers een significantietoets doen

Een hoger conversiepercentage alleen betekent nog geen winnaar. Gebruik een echte significantietoets om te weten wanneer je stopt, wanneer je doorgaat en wanneer een resultaat gewoon ruis is.

Weet wanneer je een test stopt

Wijs winnaars aan met echt vertrouwen in plaats van te gokken, en laat werkende varianten niet liggen.

Voorkom valse positieven

Voorkom dat tussentijds gluren je geld kost. Een goede p-waarde zegt je wanneer een verschil echt is.

Plan je volgende test

De hint over de steekproefomvang laat precies zien hoeveel data je nog nodig hebt voor een zeker besluit.

Overzichtelijker rapporteren

Deel de resultaatlink met één klik met je team, zodat iedereen dezelfde cijfers leest met dezelfde zekerheid.

Waar teams de A/B-testcalculator gebruiken

Van landingspagina's tot advertentiecreatives: zo zetten marketeers een snelle significantietoets in bij elk experiment dat ze draaien.

Tests van landingspagina's

Vergelijk twee versies van een landingspagina om te weten welke kop, hero of CTA het conversiepercentage echt beweegt.

Facebook- en Meta-advertenties

Kies tussen twee advertentiecreatives of doelgroepen met echte statistische onderbouwing, in plaats van te vertrouwen op de labels in Ads Manager.

Teksttests in Google Ads

Vergelijk twee varianten van een responsieve zoekadvertentie om te bevestigen dat een nieuwe kop de controle echt verslaat voordat je opschaalt.

Tests van e-mailonderwerpregels

Stuur twee onderwerpregels naar een klein deel van je lijst en wijs met vertrouwen de winnaar aan vóór de volledige verzending.

Tests van je checkoutflow

Bevestig dat een nieuwe checkoutstap, keurmerk of upsell het afrondingspercentage echt verbetert en geen ruis is.

Experimenten op je prijzenpagina

Draai een zuivere test tussen twee prijsniveaus of layouts en beslis op basis van aanmeldingen, niet op gevoel.

Veelgestelde vragen

Statistische significantie geeft aan hoe zeker je kunt zijn dat het verschil tussen twee varianten echt is en niet gewoon toeval. Een gangbare vuistregel is een winnaar pas aan te wijzen bij een zekerheid van 95% of hoger, wat betekent dat er minder dan 5% kans is dat het resultaat op geluk berust.
Een p-waarde is de kans dat je het waargenomen resultaat (of iets extremers) ziet als er in werkelijkheid geen verschil tussen de varianten zou zijn. Hoe kleiner de p-waarde, hoe sterker het bewijs dat het verschil echt is. Een p-waarde van 0,05 komt overeen met 95% zekerheid.
De meeste marketeers gebruiken 95% zekerheid, wat betekent dat je 5% kans op een vals positief accepteert. Gebruik 99% als er veel op het spel staat (bijvoorbeeld een wijziging uitrollen naar al je betaalde verkeer) en 90% alleen voor risicoloze experimenten in een vroeg stadium.
Dat hangt af van je basisconversiepercentage en de omvang van de stijging die je wilt aantonen. Als ruwe regel: kleine stijgingen (onder 5%) vragen tienduizenden bezoekers per variant, terwijl grotere stijgingen (20% en meer) al met een paar duizend te bevestigen zijn. Onze calculator vertelt je precies hoeveel bezoekers je er nog bij nodig hebt om bij het huidige waargenomen effect significantie te bereiken.
De lift is het relatieve procentuele verschil tussen de conversiepercentages van de twee varianten. Als variant A op 3% converteert en variant B op 4,5%, dan is de lift van B ten opzichte van A 50%. De lift gebruik je in de praktijk om te bepalen of een wijziging het waard is om uit te rollen.
Een hoger conversiepercentage alleen is niet genoeg. Je hebt genoeg data nodig om het onwaarschijnlijk te maken dat het verschil door toeval komt. Hoe kleiner de stijging, hoe meer bezoekers je nodig hebt. Stop je een test te vroeg, dan riskeer je een wijziging uit te rollen die alleen maar ruis was.
Peeking is telkens je testresultaten bekijken en stoppen zodra de zekerheid boven 95% komt. Dat verhoogt je kans op valse positieven enorm. Voorkom het door vooraf de benodigde steekproefomvang te bepalen en het resultaat één keer aan het einde te bekijken.
Ja. Significantie is een universeel statistisch begrip, dus de calculator werkt voor elke A/B-test waarbij je bezoekers (of vertoningen, clicks, verzendingen) en conversies kunt meten. Vul cijfers in uit Meta Ads, Google Ads, TikTok Ads, e-mailplatforms of de analytics van je landingspagina.
Ja. De calculator voor significantie van A/B-tests is 100% gratis, zonder aanmelden, zonder limieten en zonder e-mailmuur. Voer zoveel tests uit als je wilt, voor persoonlijk of commercieel gebruik.
Nee. Alle berekeningen gebeuren volledig in je browser. Bezoekersaantallen en conversiecijfers verlaten je apparaat nooit en worden nooit naar onze servers gestuurd.

Geen creditcard nodig

LanderLab-logo