Hvad er A/B-test? Sådan fungerer det, eksempler og bedste praksis (2026)
A/B-test (også kaldet split-test) er en metode til at sammenligne to versioner af noget, en webside, en e-mailemnelinje, en annonce, en handlingsopfordring, for at se, hvilken der præsterer bedst. Du viser version A til halvdelen af dit publikum og version B til den anden halvdel, måler, hvilken der giver mere af det ønskede resultat (klik, tilmeldinger, salg), og beholder vinderen. Det er den enkleste måde at erstatte »jeg tror, det her er bedre« med »dataene viser, at det her er bedre«.
Denne guide forklarer, hvad A/B-test er, hvordan det fungerer, hvad du skal teste, de fejl, der ugyldiggør resultaterne, og bedste praksis.
TL;DR
- A/B-test sammenligner to versioner for at se, hvilken der præsterer bedst, beslutninger baseret på data, ikke holdninger.
- Vis version A til halvdelen af dit publikum, version B til den anden halvdel, mål og behold vinderen.
- Test én variabel ad gangen, så du ved, hvad der forårsagede forskellen.
- Du har brug for nok volumen til, at resultatet bliver meningsfuldt, små stikprøver giver støj.
- Ting med stor effekt at teste: overskrifter, emnelinjer, CTA'er, tilbud og sidelayouts.
Sådan fungerer A/B-test
Processen er ligetil:
- Vælg én ting at teste og opstil en hypotese (»en kortere emnelinje vil få flere åbninger«).
- Lav to versioner, der kun adskiller sig i den ene ting, version A (kontrollen/originalen) og version B (varianten).
- Opdel dit publikum tilfældigt, halvdelen ser A, halvdelen ser B, på samme tid.
- Mål det resultat, du går op i (åbningsrate, klikrate, konvertering).
- Vent, til du har nok data, erklær derefter vinderen og rul den ud.
Reglen »én ting ad gangen« er afgørende: hvis A og B adskiller sig på tre måder, kan du ikke vide, hvilken ændring der forårsagede resultatet. Isolér variablen.
Hvad du skal A/B-teste
Elementerne med størst effekt, nogenlunde i denne rækkefølge:
- Overskrifter og emnelinjer: ofte den enkeltstående største løftestang, de afgør, om nogen læser resten.
- Handlingsopfordringer: ordlyd, farve, placering, »Kom i gang« vs »Start gratis prøveperiode«.
- Tilbud: en rabat vs en bonus, en gratis prøveperiode vs en demo.
- Sidelayout og billeder: hero, formularlængde, placering af socialt bevis.
- Indhold i e-mail og beskeder: længde, tone, personalisering.
Start med de elementer, der er tættest på beslutningen (overskrift, CTA, tilbud), de rykker som regel mere end visuelle justeringer.
Fejlene, der ødelægger A/B-test
- At teste for mange ting på én gang. Hvis versionerne adskiller sig på flere måder, kan resultatet ikke fortolkes. Én variabel pr. test.
- At konkludere for tidligt. En forskel på 10 % på 50 besøgende er støj. Du har brug for en tilstrækkelig stor stikprøvestørrelse til, at resultatet er statistisk meningsfuldt, ofte et par hundrede konverteringer pr. variant, før du stoler på det.
- At ignorere den rigtige måleenhed. En version kan vinde på klik, men tabe på faktiske konverteringer eller omsætning. Test mod det resultat, der betyder noget, ikke en forfængelighedsmåling.
- At stoppe i det øjeblik, du ser en vinder. Tidlige forspring vender ofte. Lad testen køre sin planlagte varighed.
- Slet ikke at teste. Den mest almindelige fejl, at beslutte ud fra holdning og aldrig validere.
Eksempler på A/B-test
- E-mail: emnelinje »hurtigt spørgsmål« vs »idé til [virksomhed]«, mål åbnings- og svarrate (se emnelinjer til kolde e-mails).
- Landingsside: en lang salgsside vs en kort, mål konvertering (se landingssider).
- CTA: »Book en demo« vs »Få din gratis analyse«, mål klik og gennemførte bookinger.
- Outreach: to åbningslinjer i en kold sekvens, mål svarrate.
I hvert tilfælde samme publikum og timing, én variabel ændret, og vinderen beholdt.
A/B-test og konverteringsoptimering
A/B-test er motoren i konverteringsoptimering: CRO finder den største lækage og opstiller en hypotese, og A/B-test beviser, om løsningen faktisk virker, før du ruller den ud. Mange marketingværktøjer indeholder indbygget split-test, så du kan teste besked- og indholdsvarianter uden ekstra værktøjer, Inflowave lader dig for eksempel split-teste din outreach og opfølgning, så du optimerer på ægte svar- og konverteringsdata i stedet for gæt.
Ofte stillede spørgsmål
Hvad er A/B-test?
A/B-test, også kaldet split-test, er en metode til at sammenligne to versioner af noget (en webside, e-mail, annonce eller handlingsopfordring) for at afgøre, hvilken der præsterer bedst. Du viser tilfældigt version A til halvdelen af dit publikum og version B til den anden halvdel på samme tid, måler, hvilken der giver mere af dit ønskede resultat, og beholder vinderen. Det lader dig træffe beslutninger baseret på ægte præstationsdata i stedet for holdning eller gætteri.
Hvordan fungerer A/B-test?
Du vælger ét element at teste, laver to versioner, der kun adskiller sig i det element, opdeler dit publikum tilfældigt, så halvdelen ser hver version samtidig, og måler, hvilken der får bedre resultater på den måleenhed, du går op i. Efter at have indsamlet nok data til, at resultatet er meningsfuldt, erklærer du vinderen og ruller den ud. Nøgleprincippet er kun at ændre én variabel pr. test, så du kan tilskrive enhver forskel netop den ændring.
Hvad skal jeg A/B-teste først?
Start med de elementer, der er tættest på beslutningen og har størst effekt: overskrifter og e-mailemnelinjer (de afgør, om nogen overhovedet engagerer sig), handlingsopfordringer (ordlyd og placering) og tilbud. Disse rykker som regel mere ved resultaterne end visuelle justeringer som knapfarver. Vælg den ene ændring, du tror vil påvirke din nøglemåling mest, test den rent, og gå derefter videre til det næste element med størst effekt.
Hvor meget trafik har jeg brug for til A/B-test?
Nok til, at resultatet er statistisk meningsfuldt frem for tilfældig støj, hvilket afhænger af din konverteringsrate og størrelsen på den forskel, du forsøger at opdage. Som en grov tommelfingerregel vil du have mindst et par hundrede konverteringer pr. variant, før du stoler på et resultat; en lille forskel på en lillebitte stikprøve er upålidelig. Hvis din trafik er lav, så test større, modigere ændringer (som giver større, lettere opdagelige forskelle) i stedet for mindre justeringer.
Hvad er forskellen mellem A/B-test og split-test?
De er i bund og grund det samme, termerne bruges i flæng. Begge refererer til at sammenligne to (eller flere) versioner af noget ved at vise hver til en del af dit publikum og måle, hvilken der præsterer bedst. Lejlighedsvis bruges »split-test« løst til at inkludere test af mere end to versioner (nogle gange kaldet A/B/n-test), men i daglig marketingbrug betyder A/B-test og split-test den samme metode.
Hvorfor er A/B-test vigtigt?
Fordi det erstatter gætteri med beviser. Uden test laver du ændringer baseret på holdning og ved aldrig, om de faktisk hjalp eller skadede, og små forkerte antagelser hober sig op over tid. A/B-test lader dig validere, at en ændring reelt forbedrer din nøglemåling, før du ruller den ud, og en række validerede forbedringer hober sig op til markant bedre resultater. Det er fundamentet for datadrevet marketing og konverteringsoptimering.
