Growth & Strategie
A/B-testen bij weinig verkeer: zo blijf je toch experimenteren
Kopieer voor AI
Bij weinig verkeer stop je niet met experimenteren: je wisselt van methode.
A/B-testen klinkt als de gouden standaard voor groei. Je toont variant A aan de helft van je bezoekers, variant B aan de andere helft, en de winnaar mag blijven.
Maar voor de meeste B2B-bedrijven loopt A/B-testen bij weinig verkeer vast. Met een paar honderd bezoekers per maand en een handvol conversies haal je nooit statistische significantie binnen een redelijke termijn.
Het verdict: painted door-tests, sequentieel testen en kwalitatief onderzoek geven je leerwinst zónder maanden op een significante uitslag te wachten.
Geen vanity-experimenten, wel manieren om sneller en met meer zekerheid de juiste keuzes te maken.
Waarom lopen klassieke A/B-tests bij weinig verkeer vast?
Omdat een A/B-test een statistische weddenschap is, en die vraagt veel waarnemingen.
Hoeveel data een test nodig heeft
Om met vertrouwen te zeggen dat variant B beter presteert dan A, heb je genoeg bezoekers én genoeg conversies per variant nodig.
Hoe kleiner het verschil tussen A en B, hoe meer data je nodig hebt om dat verschil van toeval te onderscheiden. Dat heet statistische significantie.
Webshop versus B2B
Voor een webshop met tienduizenden bezoekers per week is dat geen probleem.
Voor een B2B-bedrijf wel.
Denk aan een nichepubliek, een lange salescyclus en misschien tien tot dertig leads per maand.
Reken maar mee
Ligt je conversieratio rond de paar procent en wil je een bescheiden verbetering aantonen? Dan praat je al snel over duizenden bezoekers per variant.
Bij jouw volume betekent dat een test die maanden loopt.
En in die maanden veranderen je campagnes, je seizoen en je markt.
De test raakt alsnog vervuild.
Tip: bereken je eigen getal met onze uitleg over steekproefgrootte voor een A/B-test en de conversieratio-calculator.
Het echte risico: ruis voor inzicht aanzien
Het gevaar is niet alleen traagheid. Het echte risico is dat je een toevalstreffer voor een inzicht aanziet.
Bij weinig data schommelt de uitslag sterk: vandaag wint A, volgende week B. Wie te vroeg een knoop doorhakt, optimaliseert op ruis.
Daarom is “gewoon toch maar testen” bij lage volumes vaak slechter dan niet testen.
Waarom tussentijds kijken het erger maakt
Bij weinig verkeer is de verleiding groot om elke dag te kijken. Dat vergroot de kans op een valse winnaar.
Evan Miller rekende het voor in How Not To Run an A/B Test. Kijk je na elke waarneming en stop je bij de eerste “winnaar”, dan loopt je kans op een valse winnaar op van 5% tot 26,1%.
Zo groot is dat verschil:
Zijn advies: bepaal je steekproefgrootte vooraf en wacht tot het experiment voorbij is. Meer daarover in peeking: een A/B-test te vroeg stoppen.
Experimenteren blijft wel mogelijk
Dat betekent niet dat experimenteren niet voor jou is.
Je past het experiment aan je realiteit aan. Dat is alles.
Experimenteren is een mindset, geen specifieke tool. Het hoort thuis in een bredere groeimotor die SEO, CRO, content en leadgeneratie als één systeem aanstuurt, niet als losstaand trucje.
Binnen zo’n systeem kies je per situatie de leervorm die past bij je volume.
Alternatief 1: wat is een painted door-test?
Een test die vraag meet voordat je iets bouwt.
Hoe het werkt
Een painted door-test heet ook wel een fake door. Je plaatst een knop, een link of een aanbod alsof het al bestaat.
Klikt iemand, dan toon je een eerlijke boodschap in de trant van “binnenkort beschikbaar, laat je gegevens achter”.
Je bouwt het achterliggende product of de functie dus nog niet.
Je meet alleen of mensen het wíllen.
Waarom het werkt bij weinig verkeer
Je meet een grof, duidelijk signaal in plaats van een subtiel conversieverschil.
Of mensen klikken op een nieuw aanbod, is een veel sterker signaal dan of variant B 0,4 procent beter converteert.
Grote signalen heb je veel minder data voor nodig om te interpreteren.
Drie voorbeelden voor B2B
Een paar praktische toepassingen:
- Nieuwe dienst: voeg het pakket toe aan je aanbodpagina met een interessepeiling.
- Nieuwe contentvorm: test eerst de aanmeldknop van een webinar of tool.
- Nieuwe sector: maak één landingspagina voor die niche en tel de aanvragen.
Respecteer je bezoeker
Let op: een painted door die nergens op uitkomt zonder uitleg, schaadt vertrouwen.
Een nette “we onderzoeken dit, schrijf je in voor updates” doet dat niet. Ze levert je meteen een lijst geïnteresseerden op.
Alternatief 2: wat is sequentieel testen?
Varianten na elkaar draaien in plaats van tegelijk, en de periodes vergelijken.
Eerst een woord over de naam
In de statistiek betekent sequentieel testen meestal een methode waarmee je tussentijds naar een lopende A/B-test mag kijken zonder extra valse positieven.
Wat wij hier bedoelen, is eenvoudiger: een voor-en-navergelijking.
Hoe het werkt
Eerst laat je een periode lang versie A draaien, daarna eenzelfde periode versie B. Dan vergelijk je de uitkomsten.
Zo benut je al je verkeer voor één variant tegelijk in plaats van het in tweeën te splitsen. Bij lage volumes scheelt dat.
De grote voorwaarde: gelijke omstandigheden
Je moet de ruis eromheen zo veel mogelijk gelijk houden:
- vergelijk vergelijkbare periodes
- let op seizoen, vakanties en campagnepieken
- verander niet tien dingen tegelijk
Verandert er buiten je test te veel, dan weet je niet of het verschil door je variant komt of door de omstandigheden.
Bijvoorbeeld: stel dat je je aanbodpagina herschrijft vlak voor de zomervakantie. Daalt het aantal aanvragen, dan weet je niet of de tekst of de vakantie de oorzaak is.
Wanneer je het gebruikt
Sequentieel testen is geen vervanging van een zuivere A/B-test, maar een werkbaar compromis.
Gebruik het voor veranderingen die je sowieso wil doorvoeren, waarbij je vooral geen stap achteruit wil zetten. Denk aan:
- een nieuwe homepage-indeling
- een herschreven aanbodpagina
- een ander formulier
Je zoekt geen bewijs op de komma nauwkeurig. Je zoekt een richtingsgevoel: gaat het de goede kant op of niet?
Combineer met gezond verstand
Zie je na de wissel een duidelijke, stabiele verbetering die je ook logisch kunt verklaren? Dan is dat een sterker signaal dan een nipt verschil dat je niet kunt uitleggen.
Vuistregel: twijfel je, laat de nieuwe variant dan langer lopen voor je definitief beslist.
Alternatief 3: wat levert kwalitatief onderzoek op?
Diepte in plaats van breedte. Het is vaak het krachtigste alternatief bij weinig verkeer.
Tien goede gesprekken met je doelgroep vertellen je vaak meer over waarom mensen niet converteren dan een test die maanden loopt.
Gebruikerstests
Laat vijf tot tien mensen uit je doelgroep hardop je site doorlopen.
Volgens Nielsen Norman Group haal je met vijf testgebruikers al het grootste deel van de problemen boven.
Waar haperen ze, wat begrijpen ze niet, waar haken ze af? Een paar sessies leggen vaak pijnlijk duidelijk bloot waar je conversie weglekt.
Klant- en verloreninterviews
Praat met klanten die net getekend hebben én met prospects die afhaakten.
Waarom kozen ze wel of niet voor jou? Die taal en bezwaren gebruik je direct om je pagina’s scherper te maken.
Sessie-opnames en heatmaps
Ook bij weinig verkeer zie je patronen. Waar scrollen mensen niet voorbij, welke knop negeren ze, waar klikken ze op iets dat geen link is?
Een gratis tool als Microsoft Clarity toont scrolldiepte en opnames, ook bij lage volumes:
De homepage van Microsoft Clarity, oktober 2026 (Engelse versie). De scrolldiepte toont hoeveel bezoekers het eerste scherm verlaten.
Hoe je die beelden leest, staat in heatmaps gebruiken.
On-site enquêtes
Eén gerichte vraag op een sleutelpagina levert verrassend bruikbare antwoorden op.
Voorbeeldvraag: “Wat houdt je tegen om contact op te nemen?”
Wat het je oplevert
Kwalitatief onderzoek geeft je geen percentages, wel hypotheses die hout snijden.
En dat is precies wat je bij lage volumes nodig hebt: niet eindeloos kleine varianten testen, maar de juiste grote verandering vinden. Hoe je zo’n hypothese opschrijft, lees je in wat is een groeihypothese.
Welke methode kies je bij jouw volume?
De vraag die je wil beantwoorden, bepaalt de methode.
| Je vraag | Methode | Wat je nodig hebt |
|---|---|---|
| Waarom converteren mensen niet? | Kwalitatief onderzoek | Vijf tot tien gesprekken of sessies |
| Is er vraag naar iets nieuws? | Painted door | Eén knop of landingspagina |
| Zet deze verandering ons achteruit? | Sequentieel testen | Twee vergelijkbare periodes |
| Wint variant B van A? | Klassieke A/B-test | Veel bezoekers en conversies |
Twijfel je of testen überhaupt zin heeft? Lees dan wanneer je beter niet A/B-test.
Hoe combineer je deze methodes slim?
Als schakels in één leerproces, niet als losse trucs. Een werkbare volgorde ziet er zo uit:
- Begin kwalitatief. Achterhaal via gesprekken en opnames waar het echt misloopt. Zo heb je een onderbouwde hypothese in plaats van een onderbuikgevoel.
- Test vraag met een painted door als je twijfelt of er interesse is in een nieuw aanbod. Zo bouw je niets dat niemand wil.
- Voer de verandering door en bevestig sequentieel. Vergelijk een nette voor- en naperiode om te checken dat je geen stap achteruit zet.
Principe 1: test groot, niet klein
Bij weinig verkeer zie je alleen grove verschillen terug. Details verdwijnen in de ruis.
Zet dus in op structurele veranderingen aan je aanbod, positionering of pagina-indeling. Niet op de kleur van een knop.
Principe 2: beslis vooraf welk leersignaal je zoekt
Schrijf op wat je verwacht en wat je zou doen bij elke uitkomst.
Dat houdt je scherp.
Je praat achteraf geen toevalstreffer mooi. Geen ruimte voor spin.
Een voorsprong, geen frustratie
Zo wordt experimenteren bij lage volumes een voorsprong.
Je leert sneller dan concurrenten die maanden op significantie wachten. En je voert alleen veranderingen door die je ook kunt uitleggen.
Veelgestelde vragen over A/B-testen bij weinig verkeer
Vanaf hoeveel verkeer heeft een A/B-test zin?
Dat hangt af van je conversieratio en het verschil dat je wil aantonen. Bereken het vooraf met een steekproefcalculator. Duurt de test maanden, kies dan een andere methode.
Mag ik een A/B-test vroeger stoppen als er een duidelijke winnaar is?
Liever niet. Tussentijds kijken en stoppen bij de eerste winnaar vergroot de kans op een valse winnaar sterk. Leg je steekproef vooraf vast.
Wat test ik best eerst bij weinig verkeer?
Grote, structurele veranderingen: je aanbod, je positionering of de indeling van een sleutelpagina. Kleine details zie je bij lage volumes niet terug.
Wat neem je mee?
Weinig verkeer is geen excuus om te stoppen met experimenteren. Het is een reden om slimmer te experimenteren.
Klassieke A/B-tests vragen volumes die de meeste B2B-bedrijven niet hebben. Painted door-tests, sequentieel testen en kwalitatief onderzoek geven je wél leerwinst.
De rode draad: zoek grote signalen, combineer cijfers met gesprekken en beslis vooraf wat je wil leren.
Hoe het in een groter geheel past
Lees onze pijler over wat growth marketing precies is en hoe het werkt.
Verdiep je daarna in een CRO-audit van je B2B-website die verder gaat dan losse A/B-tests, of laat ons CRO-team meekijken.
Liever sparren over hoe je bij jouw volumes toch betrouwbaar leert? Neem contact met ons op en we bekijken welke aanpak bij jouw cijfers past.
Verder lezen
Gratis website-scan
Geef je website in en krijg binnen enkele minuten een automatische scan met concrete technische en SEO-verbeterpunten. Geen verkooppraatje.
Je gegevens gebruiken we alleen voor je scan. Geen spam, uitschrijven kan altijd.