Wat werkt beter in je e-mailmarketing: een onderwerpregel met emoji of zonder, een knop in het oranje of in het groen, een verhaal van honderd woorden of een mailtje van vijfhonderd? Het eerlijke korte antwoord is meestal: je weet het pas als je het naast elkaar laat zien. Daarvoor is een a/b test email de juiste manier.
Een a/b test in e-mailmarketing is niets meer dan twee versies van dezelfde mail uitsturen naar twee groepen ontvangers, en kijken welke versie meer doet. Het klinkt simpel en dat is het ook. Het verschil tussen een test die echt iets oplevert en een test die niets zegt, zit in de details.
In dit artikel leggen we uit wat een a/b test is, wanneer hij wel en niet zinvol is, hoe je hem opzet zonder dat je weken vooruit moet plannen, en wat de meeste dienstverleners in de praktijk over het hoofd zien. Het doel: dat je morgen je eerste test kunt opstellen en weet waar je naar kijkt.
Een a/b test email in een paar zinnen
A/b testen betekent dat je twee versies van dezelfde mail maakt, ze allebei verstuurt aan een willekeurig deel van je lijst, en daarna kijkt welke versie meer opens, kliks of aanmeldingen oplevert. Het uitgangspunt: een verschil per test. Andere onderwerpregel, andere knoptekst, andere openingszin. Niet alles tegelijk, want dan weet je achteraf niet welke verandering het effect had.
De winnende versie wordt vervolgens vaak doorgestuurd naar de rest van je lijst, of opgenomen als nieuwe standaard voor de volgende mailings. Zo bouw je in een paar maanden een serie e-mails op die door bewijs gedragen wordt, niet door onderbuikgevoel. Voor een ondernemer met een lijst van tweehonderd tot vijfduizend mensen is dit een van de weinige manieren om met zekerheid iets over je publiek te leren zonder een groot onderzoek te doen.
Waarom dit voor dienstverleners zo nuttig is
Als dienstverlener stuur je waarschijnlijk geen tien mails per week. Vaak gaat het om een nieuwsbrief, een welkomstreeks en een paar herinneringen rond een aanbod. Dat maakt elke mail er een om scherp te krijgen. Een onderwerpregel die tien procent meer opens haalt, levert op een lijst van duizend mensen al snel veertig tot honderd extra lezers per mailing op. Op jaarbasis maakt dat een serieus verschil voor je aantal aanvragen.
Wat we vaak zien bij ondernemers in dienstverlening is dat er stevig getwijfeld wordt over de toon. Klinkt mijn mail te zakelijk? Te persoonlijk? Te lang? Dat is precies waar een a/b test waarde toevoegt. In plaats van blijven wikken en wegen, laat je je lezers stemmen door hun gedrag. Dat geeft rust, en op termijn een mailprogramma waar je achter staat.
Wat je kunt testen
Bijna alles in een mail kun je tegen elkaar zetten. Niet alles is even nuttig om te testen. De plekken waar de meeste winst zit, op volgorde van potentieel effect:
- Onderwerpregel (testen of mensen openen)
- Preheader (de regel die je in de inbox onder het onderwerp ziet)
- Openingszin van de mail
- Naam van de afzender (jouw naam vs bedrijfsnaam)
- Knoptekst (de call-to-action)
- Lengte van de mail (kort vs uitgebreid)
- Plek van de knop (vroeg of laat in de mail)
- Een verhaal vooraf vs direct ter zake
Wat je minder snel zou moeten testen: kleuren, logo-formaat, lettertype. Die hebben in B2B-mailings vrijwel geen meetbaar effect en je verspilt er testcapaciteit aan.
Hoe je een goede test opzet
Een test waar je later iets aan hebt, voldoet aan een paar voorwaarden. Genoeg ontvangers per groep om iets te kunnen zeggen (minimaal driehonderd per versie, liever vijfhonderd). Een duidelijk doel vooraf: meet je opens, klikken of aanmeldingen? Een vooraf gestelde looptijd, bijvoorbeeld 24 uur of 48 uur, en niet eindeloos doormeten.
Wat we in de praktijk vaak zien misgaan: een ondernemer test op honderd ontvangers, ziet ‘versie B doet beter’ en denkt zekerheid te hebben. Bij die aantallen kan een uitslag puur toeval zijn. Hoe meer mensen je in de test stopt, hoe groter de kans dat je een echte trend ziet. Onder de driehonderd is bijna elke uitkomst een gokje.
Een goed testplatform zoals MailerLite, ActiveCampaign of Mailblue rekent dit deels voor je uit en geeft aan wanneer een verschil statistisch betekenisvol is. Vertrouwen op die signalering is meestal slimmer dan zelf met percentages spelen.
A/b test in praktijk: een voorbeeld
Stel: je bent HR-adviseur met een nieuwsbrieflijst van 1.200 ondernemers. Je twijfelt of een mail met een persoonlijk verhaal aan het begin beter werkt dan een mail die direct opent met een tip.
Je stuurt versie A naar 500 ontvangers met de openingszin ‘Vorige week zat ik aan tafel bij een MKB-ondernemer met een verzuimprobleem dat hem al twee jaar achtervolgt.’ Versie B gaat naar 500 andere ontvangers, openend met ‘Drie manieren om verzuim deze maand al lager te krijgen.’
Het gekozen doel: aantal kliks op de knop in de mail. Looptijd: 48 uur. Resultaat: versie A haalt negen procent kliks, versie B vijf en een half procent. Conclusie: bij deze lijst werkt persoonlijke opening beter. Je weet nu wat je doet bij de volgende nieuwsbrief, en je hebt het niet hoeven raden.
Belangrijk om bij dit voorbeeld te noemen: een uitkomst van een test geldt voor jouw lijst en jouw publiek. Wat voor jou werkt, hoeft niet te werken voor de buurvrouw met dezelfde dienst. Dat is een van de redenen waarom algemene ‘best practices’ uit internationale e-mailmarketing-rapporten vaak teleurstellen: ze meten gemiddelden over duizenden lijsten waar jouw publiek geen onderdeel van is. Je eigen test op je eigen mensen geeft veel preciezer beeld.
Hetzelfde verhaal gaat op voor seizoenen en momenten in het jaar. Een mail die in januari uitstekend opent, kan in augustus blijven liggen. Verstandige a/b testers herhalen daarom hun belangrijkste tests een paar keer per jaar, om te zien of de winnaar ook in een andere periode de winnaar blijft.
A/b testen per type dienstverlener
Voor een HR-adviseur zijn opening en lengte vaak de winnaars om te testen. Veel HR-doelgroepen zijn moe van lange e-mails over verzuim. Een korte mail met een concrete tip blijkt vaak meer aanvragen op te leveren dan een lange mail met drie tips, maar je weet pas of dat klopt door het te testen.
Voor een advocatenpraktijk werkt het anders. Daar lezen mensen wel langere stukken, omdat juridische onderwerpen om nuance vragen. Daar test je eerder de toon: formeel vs informeel, een algemene uitleg vs een concrete casus uit eigen praktijk.
Bij een coach of consultant draait het om persoonlijke verbinding. Daar test je vaak afzendernaam (eigennaam vs bedrijfsnaam), de openingszin (vraag vs statement) en de call-to-action (zachte uitnodiging vs concrete actie). Bij beauty-klinieken is visuele invulling belangrijker, alleen daar zou ik vooral op call-to-action testen en pas later op beeld.
Wat we vaak zien misgaan
Een paar fouten die we vaak tegenkomen bij ondernemers die zelf begonnen zijn met a/b testen.
De eerste is een te kleine lijst. Onder de driehonderd ontvangers per versie zijn je uitkomsten vrijwel altijd toeval. In dat geval kun je beter wachten tot je lijst groter is, of de test gewoon gebruiken om iets te leren zonder er beleid op te baseren.
De tweede is meerdere dingen tegelijk veranderen. Andere onderwerpregel, andere knop, ander beeld. Als versie B wint, weet je niet welk van de drie het deed. Hou het bij een variabele per test.
De derde is te snel beslissen. Een test van twee uur is geen test. Open rates lopen vooral in de eerste 24 tot 48 uur op. Die tijd is hij nodig voordat je conclusies trekt.
De vierde is testen zonder doel. ‘Welke mail werkt beter’ is geen meetbaar doel. ‘Welke versie levert meer kliks naar de offertepagina op’ wel.
Hoe meet je succes zonder vanity
Een hoge open rate is leuk, alleen zegt hij weinig over wat de mail daadwerkelijk oplevert. Wat we bij The Success Agency rapporteren is altijd de keten: hoeveel opens, hoeveel kliks, hoeveel formulieren, hoeveel gesprekken. Als versie A op opens wint maar verliest op aanvragen, koos je een onderwerpregel die nieuwsgierige niet-kopers trok.
Voor dienstverleners is dat een belangrijke afslag: een mail die converteert is bijna altijd waardevoller dan een mail die alleen opvalt. De vraag bij elke test mag eigenlijk altijd zijn: gaat dit me meer aanvragen of klanten opleveren, of alleen mooiere statistieken? Wil je meer lezen over hoe mailings passen in een bredere leadflow, kijk dan in onze kennisbank over leadgeneratie voor MKB.
Wat we adviseren is om naast je e-mailcijfers een tweede meetmoment in te bouwen: hoeveel mensen die op de knop klikten, vragen vervolgens daadwerkelijk een gesprek of een offerte aan? Dat is je echte kompas. Versie A kan twee keer zoveel kliks halen, maar als versie B vier keer zoveel aanvragen oplevert, weet je dat versie B de juiste mensen aantrekt. Tussen klik en aanvraag zit het verschil tussen drukte en omzet.
Hoe begin je rustig
Een goed startpunt is je laatste twee nieuwsbrieven naast elkaar leggen. Vaak ontstaat dan een idee waarvan je twijfelt of het beter zou werken: een andere onderwerpregel, of misschien een mail die korter is dan je gewend bent. Voor je volgende mail maak je dan twee versies, je stuurt ze naar twee gelijke delen van je lijst en je wacht 48 uur voor je conclusies trekt. Het resultaat schrijf je op in een klein tabelletje, zodat je over zes maanden kunt teruglezen wat werkt en wat niet.
Na drie of vier tests zie je al een eigen patroon ontstaan: dit werkt bij mijn lijst, dat niet. Dat is meer waarde dan dertig gelezen artikelen over algemene praktijken in e-mailmarketing. En het belangrijkste: je beslissingen krijgen een basis die niet meer omver gaat door de mening van de eerste die wat zegt.
Wat we ondernemers verder vaak meegeven is om een eigen klein logboek bij te houden. Welke variabele werd getest, in welke periode, met welk resultaat. Dat klinkt overdreven, maar drie tests verder ben je vergeten wat je in mei probeerde. Een spreadsheet met vijf kolommen (datum, variabele, versie A, versie B, winnaar) is genoeg om er over een jaar nog patronen uit te halen.
Wanneer is hulp van buiten zinvol
A/b testen lijkt eenvoudig, alleen het wordt pas waardevol als je het structureel doet en de uitkomsten gebruikt om volgende mails te maken. Veel ondernemers beginnen enthousiast met twee tests en laten het daarna versloffen. Een marketingpartner kan helpen met het opzetten van een testagenda van drie tot zes maanden, zodat je per kwartaal weet wat werkt en wat aan je standaard wordt toegevoegd.
Bij ons start dat met een doorlichting van je laatste mailings: wat is de gemiddelde open rate, wat is de gemiddelde klik, en waar liggen de eerste twee testkansen. Daarna draaien we vier tests achter elkaar en gebruiken de uitkomsten om de standaard-mailtemplate aan te scherpen. Dat past bij onze Triple Search Marketing-aanpak: drie zoek-werelden onder een dak, met data die we per kanaal echt gebruiken.
Veelgestelde vragen over a/b testen in e-mailmarketing
Wat is een a/b test in e-mailmarketing?
Een a/b test in e-mailmarketing is een opzet waarbij je twee versies van dezelfde mail uitstuurt naar twee willekeurige delen van je ontvangerslijst en kijkt welke versie beter scoort op een vooraf gekozen doel: meer opens, meer kliks of meer aanmeldingen. Het idee is om met bewijs te bepalen welke aanpak werkt, in plaats van met onderbuikgevoel.
Hoeveel ontvangers heb ik nodig voor een betrouwbare test?
Voor een betrouwbare uitslag wil je minimaal driehonderd ontvangers per versie, liever vijfhonderd of meer. Onder die aantallen kan een verschil tussen versie A en B puur toeval zijn. Heb je een kleinere lijst, dan kun je beter alleen testen op grote variabelen (zoals onderwerpregel) of wachten tot je lijst groter is voor je serieus gaat meten.
Wat kun je het beste testen in een e-mail?
De grootste winst zit in onderwerpregel, preheader, openingszin, naam van de afzender, knoptekst en lengte van de mail. Dat zijn elementen die direct invloed hebben op opens en kliks. Kleuren, lettertypes en logo-formaat hebben in B2B-mailings vrijwel geen meetbaar effect en zou ik niet als eerste testen.
Hoe lang moet een a/b test lopen?
Meestal is 24 tot 48 uur voldoende, omdat de meeste opens en kliks in dat tijdsbestek plaatsvinden. Korter is meestal te vroeg, langer is meestal niet nodig. Belangrijk is dat je de looptijd vooraf vastlegt en je daaraan houdt. Eerder stoppen of doorgaan op basis van tussentijdse cijfers vertekent je uitkomst.
Wat zijn de meest gemaakte fouten bij a/b testen?
De vier grote zijn: een te kleine groep ontvangers, meerdere variabelen tegelijk testen, te snel een winnaar bepalen, en testen zonder duidelijk doel. Een test van twee uur op honderd mensen waar je twee dingen tegelijk verandert, levert geen bruikbare informatie op. Hou het simpel: een variabele, voldoende ontvangers, 48 uur looptijd, duidelijk doel.
A/b testen geeft je marketing iets dat veel dienstverleners niet hebben: bewijs in plaats van vermoedens. Wil je hier samen naar kijken, met je eigen lijst en mailings? Plan een strategiegesprek, dan kijken we mee waar de eerste test het meest oplevert.
