Hypotheses: twee processen, een gedragsmodel

Data laat zien hoe een bezoeker zich voortbeweegt over een site, met welke keuzes hij of zij geconfronteerd wordt en waar deze keuzes voor pijnpunten zorgen. Door te analyseren welke factoren invloed hebben op het gedrag van de bezoeker gedurende een dergelijk pijnpunt wordt het mogelijk om vanuit deze kennis nieuwe varianten te bedenken. Op deze manier kun je stap voor stap de pijnpunten verminderen en deze uiteindelijk zelfs verwijderen.

Als Consumer Psychology Expert analyseer ik gedrag op basis van webdata. De aanwezige webdata spelen in dit proces een belangrijke rol, maar het kan zijn dat deze aan het begin van het optimalisatieproces nog niet aanwezig zijn. In beide gevallen is het uiteraard mogelijk om aan de hand van experimenten te leren over het gedrag van je bezoeker, maar vanuit de psychologie vragen ze ieder om een andere aanpak.

Ik heb de twee verschillende processen onderverdeeld in top-down en bottom-up:

Top-down

In de meest ideale situatie voor een Consumer Psychology Expert is er een bak met data, die je voor je start met optimaliseren helemaal kunt analyseren. Misschien zijn er al inzichten uit eerdere experimenten of biedt de webdata van de site al voldoende informatie om de eerste aannames over het gedrag van je klant te kunnen maken. Deze input gebruik je om verder te zoeken naar informatie over het gedrag, bijvoorbeeld uit wetenschappelijke artikelen of misschien doe je een survey op de site om je aannames nog verder uit te breiden. Het onderstaande 5V-model geeft een overzicht van alle mogelijk informatiebronnen.

Het resultaat van deze voorstudie is een duidelijke optimalisatierichting met bijbehorende hoofd-, sub- en testhypotheses. Een hoofdhypothese doet een aanname over gedrag op de website, een deelhypothese doet een aanname over de gedragsverandering die plaats zal vinden door het toepassen van een techniek en de testhypothese maakt het specifiek. De resultaten van je testhypothesen zullen wel of niet de deelhypotheses en uiteindelijk de hoofdhypotheses bevestigen.

Door van te voren een hypothese op te stellen geef je je onderzoek een duidelijk kader. Je weet welk effect je wilt toetsen, waarop je de uiteindelijke analyse moet focussen – waar wil je een effect meten – en waar je het succes van je experiment op wilt afschrijven.

Bottom-up

Naast het proces zoals hierboven geschetst, is er echter ook een andere manier waarop hypotheses gesteld kunnen worden. Als wij starten bij een klant is er niet altijd de data die nodig is om een volledige voorstudie uit te voeren. Daarbij kan het ook nog zijn dat de bovenstaande aanpak niet aansluit bij de werkwijze van de organisatie of het doel van de samenwerking. Naast de Top-down aanpak zien wij daarom ook een tweede manier van werken: de bottom-upmethode.

Deze tweede methode vindt voornamelijk plaats als er geen (of niet genoeg) informatie is om duidelijke optimalisatierichtingen vast te stellen en hieruit hoofd-, sub- en testhypotheses af te leiden. In andere gevallen kan het zo zijn dat er gewoonweg geen tijd is voor een voorstudie of de focus van het optimalisatieprogramma in eerste instantie niet ligt op het leren over gedrag maar het opschalen van de testsnelheid.

In deze gevallen start je niet met een gegronde hypothese, maar met een test-idee. Het enige verschil hier zit hem in de afwezigheid van eerdere bevindingen die je wilt valideren. Je start direct met het afwerken van een lijst met experimenten gebaseerd op onderbuikgevoel in plaats van een gegronde voorstudie. Belangrijk bij deze bottom-upmethode is dat je aangeeft waar je wat wilt testen en waarom. Op deze manier geef je sturing aan de analyse omdat je van te voren al aangeeft waar je een effect zou willen meten.

De Bottom-up methode zorgt er echter niet voor dat je nooit zult kunnen leren over het gedrag van je bezoeker zoals uitgelegd in het top-down proces. Door zo veel en zo snel mogelijk te experimenteren, zul je na verloop van tijd patronen ontdekken in de testresultaten. Samengevoegd kunnen deze inzichten leiden tot subhypotheses en zelfs hoofdhypotheses. Deze kun je vervolgens weer valideren, waardoor je vanzelf de overstap naar het Top-down proces maakt.

Mix & Match

De twee processen zoals hierboven omschreven zijn twee uiterste die in theorie mooi tegenover elkaar staan en op elkaar aansluiten. In de praktijk worden de top-down en bottom-upmethodes echter vaak door elkaar toegepast. Aan de ene kant kan het optimalisatieteam volledig via de top-downmethode werken, terwijl input vanuit de rest van de organisatie het optimalisatieprogramma binnenkomt via de Bottom-up-aanpak.

Afhankelijk van het doel van je optimalisatieproces kunnen beide methodes waardevol zijn. Aan de ene kant kan de Top-down methode helpen bij het verhogen van het winnaarspercentage het verkrijgen van gedragsinzichten en de kwaliteit van je testen in het algemeen, maar aan de andere kant zal de bottom-upmethode je proces versnellen en kun onverwachts stuiten op optimalisatierichtingen die je niet of pas later had ontdekt via de top-down methode.

Ondanks dat de processen vaak door elkaar lopen is het goed om na te denken welke vorm het beste aansluit bij jouw programma. Het biedt niet alleen richting bij het verzamelen van inzichten, maar het helpt ook het doel van je optimalisatieproces te verduidelijken en zo ook de prioritering van je experimenten.