Hoe lang moet je een A/B-test laten lopen? Looptijd plannen vooraf

Hoe lang je een A/B-test laat lopen, bepaalt of je resultaat klopt of niet. TL;DR: bereken de looptijd vooraf op basis van je benodigde sample size en je verwachte effect, en laat de test daarna minstens één tot twee volledige business cycli draaien voordat je een conclusie trekt. Stop je eerder omdat een variant er goed uitziet, dan meet je waarschijnlijk ruis en niet een echt verschil. In dit artikel lees je hoe je de duur vooraf plant en welke fouten je daarmee voorkomt.

Eerlijk vooraf: er bestaat geen vast getal dat voor elke test klopt. Twee weken is een handige vuistregel, maar het is geen wet. De juiste looptijd hangt af van hoeveel verkeer je krijgt, hoe groot het verschil is dat je wilt aantonen en hoe je verkoopproces eruitziet. Hieronder maken we dat concreet.

Waarom je de looptijd vooraf bepaalt

De grootste fout in A/B-testen heeft niets met de tool te maken, maar met menselijk gedrag: je kijkt te vroeg, ziet dat variant B voorloopt en zet de test stop. Dat heet peeking, en het is de snelste weg naar een verkeerde conclusie.

Het probleem is statistisch. Vroeg in een test schommelen de cijfers sterk. Een variant kan na drie dagen 20 procent voorlopen en na twee weken gelijk staan. Als je elke dag kijkt en stopt zodra het je uitkomt, vind je vroeg of laat altijd een “winnaar”, ook als beide varianten in werkelijkheid even goed presteren. Je beslist dan op toeval.

De oplossing is simpel van opzet en lastig in discipline: je bepaalt de looptijd en de benodigde steekproef vóór de test start, en je houdt je daaraan. Je kijkt onderweg gerust mee om te checken of er niets stuk is, maar je conclusie trek je pas op het afgesproken eindpunt. Zo verandert een test van een gokje in een betrouwbare meting.

Deze discipline is precies wat growth marketing onderscheidt van losse trucjes. Groei wordt voorspelbaar als je systematisch en eerlijk meet, niet als je optimistisch interpreteert. Wil je begrijpen hoe testen past in een groter systeem, lees dan onze pillar over wat growth marketing is als orkestrerende groeimotor.

De drie factoren die je looptijd bepalen

Drie dingen bepalen samen hoe lang een test moet lopen. Je weegt ze vooraf tegen elkaar af.

1. Je sample size

Sample size is het aantal bezoekers of conversies dat je per variant nodig hebt om een verschil betrouwbaar te kunnen aantonen. Hoe kleiner het effect dat je wilt meten, hoe meer mensen je nodig hebt. Een verschil van 50 procent toon je met weinig verkeer aan. Een verschil van 2 procent vraagt een veel grotere steekproef.

In de praktijk gebruik je een sample size calculator. Je vult drie dingen in: je huidige conversieratio, het kleinste effect dat de moeite waard is om te detecteren, en je gewenste betrouwbaarheid. De calculator geeft je het aantal bezoekers per variant. Deel dat door je dagelijkse verkeer en je weet ruwweg hoeveel dagen je test moet draaien.

Hier zit meteen de realiteitscheck. Heb je weinig verkeer en wil je een klein effect meten, dan kom je uit op een looptijd van maanden. Dat is vaak onhaalbaar. Beter test je dan grovere, opvallende veranderingen die een groter effect opleveren, in plaats van micro-aanpassingen die je nooit betrouwbaar bewijst.

2. Volledige business cycli

Bezoekers gedragen zich niet elke dag hetzelfde. Een B2B-publiek converteert anders op een maandagochtend dan op een zondagavond. Aan het einde van de maand spelen budgetten mee, begin van de maand andere prioriteiten. Als je test maar een paar dagen loopt, meet je toevallig een gunstige of ongunstige periode.

Daarom laat je een test altijd minstens één volledige week draaien, en bij voorkeur twee. Zo telt elke dag van de week even zwaar mee. Voor B2B met een langere oriëntatiefase is twee tot vier weken vaak realistischer, omdat een prospect zelden bij het eerste bezoek converteert.

Belangrijk: rond een test ook af op een volledige cyclus. Stop je na tien dagen, dan weegt het ene weekend dubbel mee ten opzichte van de werkdagen. Sluit je af op zeven of veertien dagen, dan is elke weekdag even vaak vertegenwoordigd.

3. Je business cycle en salescyclus

Voor B2B is dit de factor die het vaakst wordt vergeten. Je conversie op de website is zelden het einde van het verhaal. Iemand vult een formulier in, en pas weken later wordt daar een offerte of deal uit. Als je alleen op de directe websiteconversie test, meet je misschien meer aanvragen van lagere kwaliteit, terwijl de echte omzet daalt.

Plan je looptijd daarom mede op je verkoopproces. Test je een wijziging die invloed heeft op de kwaliteit van leads, dan moet je test lang genoeg lopen om die leads ook door de pijplijn te zien bewegen. Een test van twee weken die je beoordeelt op aantal aanvragen kan misleidend zijn als je pas na zes weken ziet welke aanvragen tot pipeline leiden.

Dit is precies waarom je op de juiste statistiek stuurt. Optimaliseer op omzet, gekwalificeerde leads en pipeline, niet op vanity metrics die er goed uitzien maar geen geld opleveren. Een growth marketing agency die je groeimotor bouwt, koppelt testresultaten daarom altijd terug aan wat er onderaan de streep gebeurt.

Een praktisch stappenplan

Zo plan je de looptijd in vier stappen:

1. Bepaal je doelstatistiek. Wat wil je echt verbeteren? Kies de metric die het dichtst bij omzet ligt, niet de makkelijkst meetbare.
2. Bereken je sample size. Vul je huidige conversie, je minimale relevante effect en je betrouwbaarheid in een calculator. Noteer het aantal bezoekers per variant.
3. Reken om naar dagen en rond af op hele cycli. Deel de sample size door je dagelijkse verkeer. Loopt dat uit op bijvoorbeeld twaalf dagen, rond dan op naar veertien zodat je hele weken meet.
4. Leg het eindpunt vast en raak het niet aan. Schrijf de einddatum en de benodigde steekproef op voordat je start. Kijk onderweg alleen om technische fouten te vangen, niet om vroeg te beslissen.

Met deze aanpak voorkom je de twee tegenovergestelde valkuilen. Te kort en je meet ruis: je trekt conclusies uit toeval en bouwt door op een fundament dat er niet is. Te lang en je verspilt verkeer: elke extra week dat een duidelijk resultaat onnodig doorloopt, is een week dat je niet aan de volgende verbetering werkt. Het optimum ligt tussen die twee in, en je vindt het door vooraf te rekenen.

Wat als je niet genoeg verkeer hebt?

Veel B2B-sites hebben simpelweg te weinig verkeer voor klassieke A/B-testen op kleine effecten. Dat is geen reden om te stoppen met optimaliseren, wel om je aanpak aan te passen.

Test in dat geval grotere, duidelijkere veranderingen die een groter effect opleveren, zoals een compleet herschreven landingspagina in plaats van een andere knopkleur. Grotere effecten heb je sneller in beeld. Daarnaast kun je leunen op kwalitatief onderzoek, zoals sessie-opnames en gebruikersinterviews, om te begrijpen waar bezoekers afhaken voordat je een variant bouwt. Zo verlies je geen maanden aan een test die je nooit betrouwbaar afrondt.

Een goede testkalender voorkomt ook dat losse experimenten zonder samenhang naast elkaar lopen. Hoe je van losse experimenten naar een structureel programma gaat, lees je in van losse A/B-tests naar een testprogramma. En als je nog vertwijfelt over de basis, geeft wat A/B-testen precies is je het volledige fundament.

Conclusie: looptijd is een keuze, geen ontdekking

De looptijd van een A/B-test bepaal je vooraf, niet achteraf. Reken je sample size uit, laat de test minstens één tot twee volledige cycli draaien, houd rekening met je salescyclus en leg het eindpunt vast voordat je begint. Zo wordt elk experiment een betrouwbare bouwsteen van je groeimotor in plaats van een gokje dat toevallig goed of slecht uitpakt.

Wil je je experimenten onderdeel maken van een systeem dat op pipeline en omzet stuurt in plaats van op losse cijfers? Neem contact met ons op en we kijken samen hoe je testprogramma er voor jouw groei uit moet zien.