Platform · Learnings
Elke test maakt de volgende slimmer
Learnings leest elke afgeronde test op uw website, vindt wat ze samen laten zien en stelt voor wat u hierna kunt testen. Code berekent elk cijfer. De AI zet de bevindingen alleen in woorden.
Kennis die zich opstapelt
Wat uw tests al weten
Een kaart voor elke afgeronde test, patronen die over de tests heen zijn samengevoegd, een overzicht van wat nog nooit is geprobeerd, en een chat die antwoordt vanuit uw eigen bewijs.
- Een learningkaart voor elke afgeronde test: wat er veranderde, wat hij leerde en of de hypothese standhield
- Patronen over tests heen, elk met een eerlijk bewijsniveau
- Statistiek gecorrigeerd voor de vele patronen die tegelijk worden gecontroleerd, zodat een gelukkige reeks niet als regel wordt gepresenteerd
- Kansen die met één klik openen als vooraf ingevuld conceptexperiment
- Antwoorden uit uw eigen tests, nooit uit algemene best practices
Learningkaarten
Eén kaart per test, geschreven wanneer hij eindigt
Wanneer een test afloopt, leest Pertento de wijzigingen die elke variant werkelijk heeft aangebracht en schrijft er een korte kaart over. De eigen debrief van het team staat ernaast, altijd gelabeld als de visie van het team, zodat een lezing van het resultaat nooit wordt aangezien voor het resultaat.
- Elke variant in gewone woorden beschreven, gelezen uit de wijzigingen die in de test zijn gemaakt
- De uitkomst, en wat de test leerde, in één zin
- Of de hypothese standhield: ondersteund, weerlegd, of de test zegt er niets over
- Een mogelijke reden en een voorgestelde volgende test
Patronen
Wat meerdere tests samen laten zien
Eén test bewijst heel weinig. Pertento voegt de tests samen die iets gemeen hebben, zoals hetzelfde soort wijziging op dezelfde pagina, rapporteert wat ze samen laten zien en zegt hoeveel vertrouwen dat verdient.
- Vijf bewijsniveaus: consistent over drie of meer tests, vroeg signaal, klein effect, nog niet genoeg bewijs, of gemengd
- Wanneer twee patronen eigenlijk dezelfde tests zijn die twee keer worden gezien, zegt het dat in plaats van extra bewijs te tellen
- Tests met een bekend probleem, zoals een trackingprobleem, blijven buiten beschouwing tenzij u ze meeneemt
- Filter op apparaat om te zien wat op zichzelf op mobiel werkt
Bewijs
Wat waar is getest, en wat nooit
De weergave Bewijs zet elk paginatype af tegen elk type wijziging. Elke cel toont de gecombineerde lift en het aantal tests erachter, en een lege cel is terrein dat nog niemand heeft getest.
- Paginatypes tegen wijzigingstypes: lay-out, tekst, navigatie, vertrouwen, formulieren en meer
- Een cel die op één test rust, wordt als zodanig gemarkeerd, zodat een los resultaat nooit als trend leest
- Elke combinatie die nog niemand heeft geprobeerd, vermeld als gat
- Elke test gelabeld met wijzigingstype, pagina, element en verwacht mechanisme
Kansen
Van resultaat naar volgende test in één klik
Het bewijs roept vragen op, en Kansen maakt van elke vraag een concrete volgende test. “Experiment opstellen” maakt na een bevestiging een nieuw concept aan dat de redenering al bevat, zodat niemand die uit het geheugen hoeft te reconstrueren.
- Gegroepeerd naar doel: een verrassing verklaren, repliceren, een gemengd beeld ophelderen, isoleren of een gat vullen
- Het concept opent met de hypothese en het verwachte mechanisme al uitgeschreven
- Paginatargeting overgenomen van de tests erachter
- Links naar het bewijs, en de huidige schatting als uitgangswaarde die verslagen moet worden
Vragen over uw learnings
Leg een vraag voor aan uw eigen bewijs
Een chat die in de pagina Learnings is ingebouwd, antwoordt in gewone taal vanuit de tests van deze website en niets anders. Elke bewering noemt de tests waarop ze steunt, en elke verwijzing opent de details van die test.
- Vraag “Wat schaadt de aanmeldingen?” of “Wat moeten we hierna testen?”
- Hij zoekt de gemeten resultaten van een test op wanneer een vraag echte cijfers nodig heeft
- Het gesprek wordt gedeeld met het team en bewaard
- “Vragen over dit experiment”, op elke experimentpagina, weet nu ook wat eerdere tests lieten zien
Basiscontrole
Learnings zijn maar zo goed als de tests erachter
De basiscontrole laat zien hoe goed eerdere tests zijn gedocumenteerd: een duidelijke hypothese, een verwacht mechanisme, een debrief. Betere documentatie betekent scherpere learnings, en de controle duwt het team richting betere testgewoonten.
- Hypothese, beschrijving, mechanisme en debrief, gecontroleerd voor elke test
- Een gat gemarkeerd als ontbrekend, of als zwak wanneer vakjes zijn aangevinkt en er niets is geschreven
- “Herstellen” opent de test waar het gat zit
- Learnings schrijven voor eerdere tests is een aparte stap die eerst de kosten toont
Gebouwd om niet te overdrijven
Learnings die u kunt vertrouwen
Dit is een product dat liever “nog niet genoeg bewijs” zegt dan een resultaat aan te dikken. Dit zijn de regels die het eerlijk houden.
Code berekent elk cijfer
Lifts, bandbreedtes en bewijsniveaus worden door code berekend uit de gemeten resultaten. De AI leest die cijfers en zet ze in woorden. Hij maakt nooit zelf een cijfer.
Voorzichtig van opzet
De statistiek is bewust sceptisch, zodat een patroon zijn bewijsniveau moet verdienen in plaats van het van één goed resultaat cadeau te krijgen.
Gecorrigeerd voor veel controles tegelijk
Wie tientallen patronen tegelijk controleert, ziet er een paar sterk lijken door puur toeval. De bandbreedtes zijn daarvoor gecorrigeerd, zodat een gelukkige reeks niet als regel wordt gepresenteerd.
Dezelfde tests tellen niet dubbel
Wanneer twee patronen op dezelfde tests rusten, zegt Pertento dat, in plaats van één resultaat vanuit twee hoeken gezien als twee bewijzen te presenteren.
Probleemtests blijven buiten beschouwing
Een test met een bekend probleem, zoals een trackingprobleem of een release van de site tijdens de looptijd, blijft buiten het samenvoegen. Het team kan ervoor kiezen hem toch mee te nemen.
Eerlijk over een klein programma
Het werkt met een paar tests en wordt nuttiger met elke test die afloopt. Met maar een paar zegt het hoe weinig ze kunnen bewijzen, in plaats van ze op te rekken tot een strategie.
In gebruik
Hoe het in uw programma past
Learnings wordt per website aangezet, leest alleen de tests van die website en wordt betaald met de AI-credits van het account.
Uit tot u het aanzet
Learnings is per website een opt-in en staat standaard uit. Zodra het aan staat, dekt het elke test die vanaf dat moment afloopt.
Eerdere tests, wanneer u wilt
Learnings schrijven voor tests die eerder zijn afgerond, is een aparte stap die u bevestigt, en die laat zien wat het kost voordat het draait.
Alleen uw eigen bewijs
Alles komt uit de eigen tests van die website, nooit uit algemene best practices. De klanten van een bureau houden elk hun eigen learnings, gescheiden van elkaar.
Eén verslag voor het hele team
Kaarten, patronen en het gesprek in “Vragen over uw learnings” worden gedeeld en bewaard, zodat wat het programma heeft geleerd blijft bestaan als mensen vertrekken.
Vertel wat u al wist
Markeer een patroon als al bekend of niet nuttig, en de pagina past zich aan aan wat uw team heeft aangegeven.
Betaald met AI-credits
Kaarten schrijven, “Vragen over uw learnings” en de experimentchat gebruiken de AI-credits van het account. Accounts die niet via een creditcard betalen, hebben in plaats daarvan een maandelijks AI-tegoed.
Vragen
Voordat u het aanzet
Wat is het verschil met een chatbot vragen naar onze resultaten?
Op twee manieren. De cijfers zijn niet van de AI: lifts, bandbreedtes en bewijsniveaus worden door code berekend en gecorrigeerd voor het aantal patronen dat tegelijk wordt gecontroleerd, en de AI beschrijft ze alleen. En de antwoorden komen alleen uit de eigen tests van deze website, waarbij elke bewering de tests noemt waarop ze steunt, zodat u elke test kunt openen en controleren. Een assistent voor algemeen gebruik kan over alles zelfverzekerd klinken. Deze is gebouwd om “nog niet genoeg bewijs” te zeggen wanneer dat het eerlijke antwoord is.
Vertelt het ons welke variant gaat winnen?
Nee, en het is gebouwd om dat niet te doen. Het vat het bewijs samen dat uw afgeronde tests hebben opgeleverd en stelt voor wat u hierna kunt testen. Het voorspelt geen winnaars en garandeert geen resultaat, en wanneer het bewijs zwak is, zegt het dat met zoveel woorden.
We hebben pas een handvol tests gedraaid. Is het de moeite waard om het aan te zetten?
Het werkt met een paar, en het is eerlijk over hoe weinig een paar tests kunnen bewijzen: de meeste patronen krijgen het niveau vroeg signaal of nog niet genoeg bewijs, en dat is de juiste lezing. De waarde groeit met elke test die afloopt. De basiscontrole en Kansen zijn vanaf het begin nuttig, omdat ze laten zien wat beter gedocumenteerd moet worden en wat u hierna kunt testen.
Leert het van tests van andere bedrijven?
Nee. Learnings werkt strikt per website: het leest de tests van die website en niets anders, en het vergelijkt u niet met andere sites of met een branchebenchmark. Bij een bureau worden de learnings van elke klant gescheiden gehouden.
Wat kost het?
Het gebruikt de AI-credits van het account: learningkaarten schrijven, “Vragen over uw learnings” en de experimentchat putten er allemaal uit. Het staat standaard uit, en zodra het aan staat, dekt het tests die vanaf dat moment aflopen. Learnings schrijven voor eerdere tests is een aparte stap die de kosten toont voordat u hem bevestigt. Accounts die niet via een creditcard betalen, hebben in plaats daarvan een maandelijks AI-tegoed.
In welke taal worden de learnings geschreven?
In het Engels. Learningkaarten, patronen en kansen worden in het Engels geschreven, in welke taal uw team deze pagina ook leest.
Alles in het pakket
Het volledige functieoverzicht
Experimenten
- Visuele multivarianttests
- URL-redirecttests
- Serverside tests
- No-code visuele editor
- AI-editor
- Starten via de Chrome-extensie
- Componentenbibliotheek
- Dynamische content
- Datafeeds
- Eigen CSS en JavaScript
- Vervangen, invoegen, toevoegen, voor, na
- URL-targeting op zeven voorwaarden
- Apparaattargeting
- Cookietargeting
- Activatietargeting
- Verkeersgewichten per variant
- Automatisch herbalanceren
- Gelijktijdige tests zonder verkeer te splitsen
- Schermafbeeldingen van varianten
- Een experiment dupliceren
- Proefdraaien vóór de start
- Vaste varianttoewijzing
- Anti-flikkerrendering
- Winnaar uitrollen met één klik
- Implementatieoverdracht
- Hypotheses bijhouden
- PXL-prioriteringsscore
- Looptijdplan
- Pipelines van gefaseerde experimenten
- Zoeken, filteren en resultaten in de bibliotheek
- Tijdlijn van de experimentenbibliotheek
Statistiek
- Frequentistische resultaten
- Bayesiaanse resultaten
- Lift- en betrouwbaarheidsintervallen
- Kans dat een variant de beste is
- Verwacht verlies
- Sequentieel toetsen
- Correctie voor meervoudig vergelijken
- Holm-Bonferroni, Benjamini-Hochberg en Šidák
- Alarmen bij een scheve steekproefverhouding
- Primaire en secundaire doelen
- Omzet per variant
- Gemiddelde orderwaarde per variant
- Meerdere valuta
- Power-analyse
- Minimaal detecteerbaar effect
- Prognose resterende dagen
- Combinatierapportage
- Tijdreeks per variant
- Uitleg in gewone taal
- Vragen over dit experiment
Monitoring
- Gezondheidsmonitor
- Aandachtswachtrij over alle accounts
- Programmarapport
- Experimentdebrief
- Geplande starts en stops
- Stoppen bij significantie
- Vangrails voor minimale looptijd
- Vertrouwenspoorten bij kapotte data
- Botsingsdetectie
- Interferentiedetectie
- Alarmen bij te laat of geen data
- E-mailmeldingen
- Slack-meldingen
- In-app-meldingen
- Voorkeuren per eventtype
- Activiteitenlog
- Klantenlijst-weergave
- Opgeslagen console-indelingen
- GA4- en Matomo-tracking
- Rollen en rechten
Stem van de klant
- NPS op de eigen site
- CSAT
- CES
- Eigen enquêtes
- Begeleide enquêtebouwer
- Score-, keuze- en tekstvragen
- Eigen teksten en schaallabels
- Pagina- en apparaattargeting
- Deel van de bezoekers
- Triggers op weergave en vertraging
- Exit-intent-triggers
- Scroll-triggers
- Event-triggers
- Vier widgetposities
- Frequentiebeperking
- Resultaten per vraag
- Reacties in de tijd
- AI-sentimentanalyse
- Enquêtes in experimenten
- Resultaten per variant
- Antwoorden gekoppeld aan variant
- Gevalideerde antwoorden
- Thema’s in vrije tekst
- Antwoordexport
- Alleen geladen waar een enquête draait
Learnings
- Learningkaarten
- Patronen over tests heen
- Vijf bewijsniveaus
- Gecorrigeerd voor meervoudig vergelijken
- Patronen uit dezelfde tests samengevoegd
- Probleemtests buiten beschouwing
- Resultaten per apparaat
- Bewijsraster
- Kansen
- Experiment opstellen
- Vragen over uw learnings
- Basiscontrole
- Markeren als bekend of niet nuttig
Pertento is een platform voor conversieoptimalisatie voor websites en webshops, gebouwd voor zowel interne teams als CRO-bureaus die experimenteerprogramma’s over een hele klantenlijst draaien.
Integraties
Werkt met de stack die u al draait
Eén snippet past in elke site, of ga volledig serverside. Uw architectuur hoeft niet om.
Snippet van één regel
Plak één tag in uw head en u bent live: een loader van 0,9 KB, geen buildstap, geen afhankelijkheden.
Google Tag Manager
Rol experimenten uit en beheer ze rechtstreeks via GTM. Geen ontwikkeltijd nodig.
Serverside API
Test ook buiten de browser: prijzen, zoeken en routering, zonder geflikker.
- Shopify
- BigCommerce
- Shopware
- Centra
- Geins
- Saleor
- WordPress
- Optimizely CMS
- Storyblok
- Next.js
- Vue
- Astro
- Matomo
- Amplitude
- RudderStack
- Slack
- WooCommerce
- Salesforce
- Wix
- Litium
- commercetools
- Medusa
- Drupal
- Contentful
- Webflow
- Nuxt
- Angular
- Remix
- Piwik PRO
- Mixpanel
- Tag Manager
- Webhooks
- Adobe Commerce
- PrestaShop
- Squarespace
- Norce
- Shopify Hydrogen
- Vendure
- Umbraco
- Sanity
- Framer
- React
- SvelteKit
- GA4
- Adobe Analytics
- Segment
- Klaviyo
Niet op de lijst? Als het HTML rendert, kan Pertento het testen:lees hoe elk platform aansluit.