Data en onderzoek 2 oktober 2026 • Bijgewerkt: 9 november 2026

A/B-testen en
experimentatie
statistieken 2026

Hoeveel A/B-tests leveren echt iets op, hoeveel bezoekers heb je nodig en hoe vaak testen de grootste bedrijven? 44 cijfers uit Harvard Business Review, Microsoft, Booking.com, LinkedIn, Uber, wetenschappelijk onderzoek en testsoftware.

12%

van de experimenten van Optimizely-klanten levert een significante verbetering op (leveranciersdata)

Bron: Optimizely (leverancier), 2026

25.000

tests per jaar voert Booking.com uit, volgens Harvard Business Review

Bron: Harvard Business Review, 2020

26,1%

kans op een vals-positieve uitslag als je stopt zodra een test significant lijkt

Bron: Evan Miller, 2010

Een A/B-test laat twee versies van een pagina, advertentie of e-mail tegelijk aan vergelijkbare bezoekers zien en meet welke beter presteert. Experimentatie is het bredere vak: ideeën als hypothese behandelen en pas uitrollen als de data het bevestigen. Grote techbedrijven doen dit op enorme schaal, maar de meeste ideeën blijken bij testen geen verbetering op te leveren.

Op deze pagina staan 44 cijfers over A/B-testen en experimentatie. Elk cijfer komt uit een bron die we zelf hebben geopend en heeft een klikbare bronvermelding. Veel cijfers komen uit de VS of van wereldwijde platforms; dat staat er steeds bij, net als cijfers van softwareleveranciers. Wil je zelf een testprogramma opzetten, kijk dan bij ons growth marketing bureau.

Sectie 1

Hoeveel A/B-tests winnen er?

De belangrijkste les uit twintig jaar online experimenten: de meeste ideeën werken niet. Dat geldt ook voor bedrijven met de beste data en de meeste ervaring. Hieronder de slagingspercentages die bedrijven en onderzoekers zelf publiceerden.

Aandeel experimenten met een positief resultaat

OrganisatiePositiefRegioBron
Google (volgens Jim Manzi)ongeveer 10% leidde tot een bedrijfsveranderingVSKohavi e.a., KDD, 2013
Microsoft (geteste ideeën)een derde verbeterde de beoogde metricVSKohavi e.a., KDD, 2013
Klanten van Optimizely, goed opgezette experimenten58% wint (slecht opgezet: 35%)wereldwijd, leverancierOptimizely (leverancier), 2026
Klanten van Optimizely (alle experimenten)12% significant beterwereldwijd, leverancierOptimizely (leverancier), 2026

De bedrijven meten niet allemaal hetzelfde: "positief" kan betekenen dat de primaire metric significant verbeterde, of dat het idee volgens het team effect had.

bijna de helft

Volgens leveranciersdata van Analytics-Toolkit (1.001 tests) had bijna de helft van de geteste ingrepen geen effect of een negatief effect.

Bron: Analytics-Toolkit (leverancier), 2022

33,4%

Uit een analyse van 21.220 experimenten bij Bing bleek dat de code van 33,4% van de experimenten uiteindelijk naar alle gebruikers werd uitgerold (VS).

Bron: Kevic e.a., ICSE, 2017

0,08%

Volgens leveranciersdata van Analytics-Toolkit (1.001 tests) was de mediane lift over alle A/B-tests slechts 0,08% en de gemiddelde lift 2,08%.

Bron: Analytics-Toolkit (leverancier), 2022

4,89%

In een meta-analyse van 115 gepubliceerde A/B-tests (GoodUI) was de mediane gemeten lift 4,89%.

Bron: Analytics-Toolkit (leverancier), 2018

Wat betekent dit voor jouw bedrijf? Reken niet op een winnaar per test. Wie tien tests draait en er één of twee wint, doet het volgens deze cijfers normaal. De waarde zit in het volume en in wat je leert van de tests die niet winnen.

Sectie 2

Bekende voorbeelden van A/B-tests

Een paar tests zijn beroemd geworden omdat een kleine wijziging veel geld opleverde, of juist kostte. Bij elk voorbeeld staat de bron waarin het bedrijf of een betrokkene het zelf beschreef.

+12%

Een kleine aanpassing aan de advertentiekoppen in Bing verhoogde de omzet in een A/B-test met 12%, op jaarbasis ruim $100 miljoen in alleen de VS, het beste omzetidee in de geschiedenis van Bing.

Bron: Harvard Business Review, 2017

1% = $10 mln

Bij Bing staat een omzetverbetering van 1% gelijk aan meer dan $10 miljoen per jaar in de VS, terwijl veel ideeën de kernmetrics met ongeveer 1% bewegen, aldus Kohavi e.a.

Bron: Kohavi e.a., KDD, 2013

+40,6%

In de verkiezingscampagne van Obama in 2008 verhoogde de winnende variant van de aanmeldpagina het aanmeldpercentage van 8,26% naar 11,6%, een stijging van 40,6% (VS).

Bron: Dan Siroker, Optimizely-blog, 2010

$60 mln

Volgens Dan Siroker leverden de 2.880.000 extra e-mailadressen uit die test de Obama-campagne naar schatting $60 miljoen extra donaties op (VS).

Bron: Dan Siroker, Optimizely-blog, 2010

310.382

De Obama-test van 2008 combineerde 4 knoppen met 6 afbeeldingen en video's (24 combinaties) en werd gezien door 310.382 bezoekers; alle video's presteerden slechter dan alle afbeeldingen (VS).

Bron: Dan Siroker, Optimizely-blog, 2010

Het Obama-voorbeeld laat zien waarom testen werkt: de campagnestaf had vooraf een sterke voorkeur voor een video, maar alle video's presteerden slechter dan alle afbeeldingen. De bedragen bij Bing en Obama zijn schattingen van betrokkenen, geen gecontroleerde jaarcijfers.

Sectie 3

Testsnelheid: hoeveel experimenten draaien bedrijven?

Testsnelheid (test velocity) is het aantal experimenten dat een organisatie per periode afrondt. Bij de grootste platforms lopen honderden tot duizenden tests tegelijk. Voor een gemiddelde Nederlandse website is dat onhaalbaar, maar de cijfers laten zien hoe ver de top is.

duizenden

Het experimentatieplatform van Microsoft draait inmiddels elke maand duizenden online A/B-tests over de meeste grote Microsoft-producten.

Bron: Microsoft Research, 2024

honderden

Vier grote Microsoft-producten draaien elk honderden A/B-tests per dag op miljoenen gebruikers.

Bron: Microsoft Research, 2023

41.000

LinkedIn werkt op een schaal van tot 35 biljoen evaluaties (variant-toewijzingen) en 41.000 A/B-tests.

Bron: LinkedIn Engineering, 2020

25.000

Booking.com, opgericht in Nederland, voert volgens Harvard Business Review zo'n 25.000 tests per jaar uit.

Bron: Harvard Business Review, 2020

1.000+

Op het experimentatieplatform van Uber lopen op elk moment gemiddeld meer dan 1.000 experimenten tegelijk.

Bron: Uber Engineering, 2018

honderden

Bij grote platforms worden honderdduizenden gebruikers tegelijk over honderden experimenten verdeeld, zodat één gebruiker in honderden experimenten tegelijk kan zitten.

Bron: Larsen e.a., arXiv, 2023

1 op 50.000

Microsoft vond bij gelijktijdig lopende A/B-tests nauwelijks onderlinge beïnvloeding: in één product 0,002% afwijkende uitkomsten, oftewel 1 op 50.000 testparen.

Bron: Microsoft Research, 2023

200+

Bij Bing liepen op elke dag meer dan 200 experimenten tegelijk, en het gebruik van experimenten groeide exponentieel (VS).

Bron: Kohavi e.a., KDD, 2013

15+

90% van de Bing-gebruikers die voor experimenten in aanmerking komen, zit tegelijk in meer dan 15 experimenten; 10% vormt een controlegroep (VS).

Bron: Kohavi e.a., KDD, 2013

34

Het mediane bedrijf op het platform van Optimizely draait 34 experimenten per jaar; de top 3% meer dan 500 (wereldwijd, leveranciersdata).

Bron: Optimizely (leverancier), 2026

Een vaak gehoorde zorg is dat tests die tegelijk lopen elkaar verstoren. Microsoft vond dat in de praktijk nauwelijks: 1 op 50.000 testparen. Meerdere tests tegelijk op verschillende delen van een site is dus meestal geen probleem.

Sectie 4

Steekproefgrootte en statistiek

Statistische power is de kans dat een test een echt effect ook daadwerkelijk vindt. Hoe kleiner het effect dat je wilt aantonen, hoe meer bezoekers je nodig hebt. Hier lopen de meeste websites tegenaan.

147.456

Een webshop die een omzetverandering van 5% wil aantonen (80% power, 5% significantie) heeft in een rekenvoorbeeld 147.456 gebruikers per variant nodig.

Bron: Larsen e.a., arXiv, 2023

60.342

Volgens dezelfde leveranciersdata is de mediane steekproef van een A/B-test met een gebruikersmetric 60.342 gebruikers (gemiddeld 217.066).

Bron: Analytics-Toolkit (leverancier), 2022

30 dagen

Volgens leveranciersdata van Analytics-Toolkit (1.001 tests) duurt een A/B-test gemiddeld 35,4 dagen en de mediaan is 30 dagen.

Bron: Analytics-Toolkit (leverancier), 2022

70%

In een meta-analyse van 115 gepubliceerde A/B-tests (GoodUI) had ongeveer 70% van de tests te weinig statistische power: 80 van de 115 (69,57%), volgens Analytics-Toolkit (leverancier).

Bron: Analytics-Toolkit (leverancier), 2018

+22%

Variantiereductie (CUPED) levert bij Microsoft in simulaties een mediane verkeersvermenigvuldiger van 1,66 op, gelijk aan 22% meer statistische power.

Bron: Microsoft Research, 2022

88%

88% van de tests op het Analytics-Toolkit-platform vergeleek slechts één variant met de controle; 10% had twee varianten.

Bron: Analytics-Toolkit (leverancier), 2022

75%

Bij langlopende experimenten op basis van cookies kan meer dan 75% van de gebruikers verloren gaan door cookie-verloop, waardoor de test ongeldig wordt.

Bron: Larsen e.a., arXiv, 2023

3,5x

Volgens Optimizely leveren experimenten met vier varianten 3,5 keer de verwachte impact van een gewone A/B-test met twee versies (wereldwijd, leveranciersdata).

Bron: Optimizely (leverancier), 2026

3 op 4

Drie op de vier experimenten van Optimizely-klanten zijn nog steeds simpele A/B-tests (173.000 experimenten bij 1.200+ bedrijven, 2018 tot 2026, leveranciersdata).

Bron: Optimizely (leverancier), 2026

Heeft je website minder dan enkele tienduizenden bezoekers per variant per maand, dan kun je alleen grote verschillen betrouwbaar meten. Test dan grotere wijzigingen, zoals een andere aanbieding of een nieuwe paginaopbouw, in plaats van een knopkleur. Een conversie-optimalisatie bureau rekent vooraf uit of een test haalbaar is.

Sectie 5

Valkuilen: peeken, p-hacking en schijneffecten

Peeken betekent tussentijds naar de uitslag kijken en stoppen zodra die er goed uitziet. P-hacking is het breder sturen van een analyse tot er een significante uitkomst uit komt. Beide leveren winnaars op die in werkelijkheid geen effect hebben.

26,1%

Wie een A/B-test stopt zodra die significant lijkt (peeken), krijgt in een rekenvoorbeeld van Evan Miller in 26,1% van de gevallen een vals-positieve uitslag, ruim vijf keer de beoogde 5%.

Bron: Evan Miller, 2010

28% tot 37%

Bij tests die op 10% significantie worden beoordeeld, is volgens een analyse van 4.964 effecten uit 2.766 experimenten op een commercieel testplatform 28% tot 37% van de significante uitkomsten een valse ontdekking.

Bron: Berman en Van den Bulte, Management Science, 2022

ongeveer 70%

Volgens hetzelfde onderzoek heeft ongeveer 70% van alle geteste effecten in werkelijkheid geen effect (een echte nulhypothese); dat is de hoofdoorzaak van de valse winnaars.

Bron: Berman en Van den Bulte, Management Science, 2022

18% tot 25%

Ook bij de strengere grens van 5% significantie is 18% tot 25% van de significante uitkomsten een valse ontdekking.

Bron: Berman en Van den Bulte, Management Science, 2022

1 op 5

De onderzoekers concluderen dat beslissers moeten verwachten dat 1 op de 5 ingrepen die op 5% significantie winnen, na uitrol geen effect heeft.

Bron: Berman en Van den Bulte, Management Science, 2022

2.000x

Een veelgeciteerde studie claimde 55% meer klikken door afgeronde knoppen; Ron Kohavi en coauteurs herhaalden de test met meer dan 2.000 keer zoveel gebruikers en vonden een effect dat ongeveer honderd keer kleiner en niet significant was.

Bron: Kohavi e.a., arXiv, 2025

De oplossing is niet ingewikkeld: bepaal vooraf hoeveel bezoekers en dagen een test krijgt, en stop niet eerder. Draai een test bij voorkeur minstens een of twee volledige weken, zodat weekenden en doordeweekse dagen allebei meetellen.

Sectie 6

Experimentatiecultuur en tools

Volwassenheid in experimentatie gaat minder over software en meer over werkwijze: wie mag testen, waar worden uitkomsten bewaard en wordt een mislukte test als leermoment gezien. Onafhankelijke cijfers hierover zijn schaars; de beschikbare cijfers komen van softwareleveranciers.

49%

Volgens de Wingify-webinar Benchmark and Scaling Testing in 2024 zegt 49% van de respondenten dat hun bedrijfscultuur experimenteren en leren van mislukkingen onvoldoende steunt.

Bron: VWO (leverancier), 2024

50%

Volgens dezelfde leveranciersdata heeft 50% van de respondenten geen centrale kennisbank of repository voor experimentresultaten.

Bron: VWO (leverancier), 2024

30 sep 2023

Google Optimize en Optimize 360 zijn sinds 30 september 2023 niet meer beschikbaar; experimenten die toen nog liepen, zijn beëindigd.

Bron: Google Analytics Help, 2023

0,4%

Volgens Optimizely levert elk omzetgericht experiment gemiddeld 0,4% extra digitale omzet op wanneer de uitkomsten worden toegepast en verder uitgebouwd (wereldwijd, leveranciersdata).

Bron: Optimizely (leverancier), 2026

+70,2%

Optimizely-klanten die de AI-functies gemiddeld gebruiken, halen 70,2% meer experimentsnelheid en 20,6% meer gemiddelde testimpact (wereldwijd, leveranciersdata).

Bron: Optimizely (leverancier), 2026

90%+

Meer dan 90% van de experimenten bij Optimizely-klanten stuurt op vijf veelgebruikte metrics, zoals klikken op een knop en afrekenen; 43% richt zich op de onderkant van de funnel (leveranciersdata).

Bron: Optimizely (leverancier), 2026

Sinds Google Optimize is gestopt, testen veel Nederlandse bedrijven met betaalde tools of niet meer. Een gedeeld overzicht van alle tests en uitkomsten is vaak de eerste stap naar een vaste testroutine. Daarbij helpt een conversie-optimalisatie bureau dat het testplan en de analyse verzorgt.

Samenvatting

Belangrijkste conclusies

1

De meeste tests winnen niet

Bij Microsoft verbeterde een derde van de geteste ideeën de beoogde metric, bij Google leidde zo'n 10% tot een verandering. Bij Optimizely-klanten wint 12% significant.

2

Kleine wijzigingen, grote bedragen

Een aanpassing van advertentiekoppen leverde Bing 12% meer omzet op, ruim $100 miljoen per jaar in de VS.

3

De top test op enorme schaal

Booking.com voert zo'n 25.000 tests per jaar uit, LinkedIn kwam uit op 41.000 A/B-tests en bij Uber lopen er altijd meer dan 1.000 tegelijk.

4

Je hebt veel bezoekers nodig

Om 5% omzetverschil aan te tonen zijn in een rekenvoorbeeld 147.456 gebruikers per variant nodig. Ongeveer 70% van 115 gepubliceerde tests had te weinig power.

5

Niet te vroeg stoppen

Stoppen zodra een test significant lijkt, geeft in 26,1% van de gevallen een valse winnaar. Ook bij netjes beoordeelde tests is ongeveer 1 op 5 winnaars in werkelijkheid geen verbetering.

6

Cultuur is de bottleneck

Volgens leveranciersdata zegt 49% dat de bedrijfscultuur experimenteren onvoldoende steunt en heeft 50% geen centrale plek voor testresultaten.

Methodologie en bronnen

Elk cijfer op deze pagina komt uit een bron die we zelf hebben geopend; op 9 november 2026 hebben we alle cijfers opnieuw nagelopen. Per cijfer hebben we de bron-URL, het jaartal en het letterlijke citaat vastgelegd. Cijfers die we bij die controle niet meer in een te openen bron konden terugvinden, hebben we weggehaald of vervangen.

Niet opgenomen, omdat we geen primaire bron konden openen: de veelgedeelde claim dat "maar 1 op de 8 A/B-tests een significant verschil oplevert" (toegeschreven aan VWO en AppSumo), "Microsoft draait meer dan 20.000 experimenten per jaar", "Booking.com draait meer dan 1.000 tests tegelijk", cijfers die alleen achter een betaalmuur of in een archiefkopie staan (zoals het aandeel winnende tests bij Booking.com en het Amazon-spel Air Patriots) en cijfers uit betaalde rapporten zoals de CRO-rapporten van Econsultancy en CXL. Een Nederlandse meting van hoeveel bedrijven A/B-testen, vonden we niet.

Let op de herkomst. Optimizely, VWO en Analytics-Toolkit verkopen testsoftware en rapporteren over hun eigen klanten; die cijfers zijn als leveranciersdata gelabeld. De meeste bedrijfsvoorbeelden komen uit de VS of van wereldwijde platforms. Gebruikte bronnen:

FAQ

Veelgestelde vragen

Hoeveel A/B-tests leveren een winnaar op?

Weinig. Bij Microsoft verbeterde volgens Kohavi e.a. een derde van de geteste ideeën de metric waarvoor ze bedoeld waren, en bij Google leidde volgens Jim Manzi ongeveer 10% van de experimenten tot een bedrijfsverandering. Bij klanten van Optimizely levert 12% van de experimenten een significante verbetering op (leveranciersdata).

Hoeveel bezoekers heb je nodig voor een A/B-test?

Dat hangt af van het effect dat je wilt aantonen. In een rekenvoorbeeld van Larsen e.a. zijn 147.456 gebruikers per variant nodig om een omzetverschil van 5% aan te tonen bij 80% power en 5% significantie. De mediane test op het platform van Analytics-Toolkit had 60.342 gebruikers.

Hoe lang moet een A/B-test lopen?

Op het platform van Analytics-Toolkit duurt een test gemiddeld 35,4 dagen en de mediaan is 30 dagen (leveranciersdata). Belangrijker dan een vast aantal dagen: bepaal de looptijd vooraf. Wie stopt zodra de test significant lijkt, krijgt volgens Evan Miller in 26,1% van de gevallen een vals-positieve uitslag.

Hoeveel tests per jaar doen grote bedrijven?

Booking.com voert volgens Harvard Business Review zo'n 25.000 tests per jaar uit. LinkedIn noemt een schaal van 41.000 A/B-tests en Microsoft draait inmiddels elke maand duizenden A/B-tests over de meeste grote producten.

Wat is de bekendste A/B-test?

Twee voorbeelden worden het vaakst genoemd. Bij Bing verhoogde een kleine aanpassing aan advertentiekoppen de omzet met 12%, ruim $100 miljoen per jaar in de VS. In de Obama-campagne van 2008 verhoogde de winnende aanmeldpagina het aanmeldpercentage met 40,6%, volgens Dan Siroker goed voor naar schatting $60 miljoen aan extra donaties.

Wat is p-hacking bij A/B-testen?

P-hacking is een analyse zo sturen dat er een significante uitkomst uitkomt, bijvoorbeeld door te stoppen zodra de test significant lijkt. Wie dat doet, krijgt in een rekenvoorbeeld van Evan Miller in 26,1% van de gevallen een vals-positieve uitslag. Ook zonder p-hacking zijn valse winnaars talrijk: in 2.766 experimenten op een commercieel testplatform was 18% tot 25% van de uitkomsten die op 5% significant waren in werkelijkheid geen effect.

Hulp nodig?

Een testprogramma dat echt iets oplevert? Searchlab zet experimenten op voor websites en campagnes: met een hypothese per test, een vooraf berekende looptijd en een overzicht van alles wat je leert, ook van de tests die niet winnen.

Growth marketing bureau →

Gerelateerde statistieken

Meer cijfers over dit onderwerp

Conversie-optimalisatie statistieken 2026 Benchmarks en data over CRO, A/B-testen en conversieratio's. Landingspagina's statistieken 2026 Conversie per branche, laadtijd, mobiel, reviews en het aantal knoppen.
Ruud ten Have

Samengesteld door

Ruud ten Have

Ruud is marketeer met meer dan tien jaar ervaring in online marketing. Bij Searchlab zet hij campagnes en websites op als een reeks tests, zodat elke wijziging meetbaar bijdraagt aan meer omzet.

[ Gratis groei-analyse ]

Zie waar de
meeste winst zit.

  1. VandaagNaam, e-mail en website. Meer hebben we niet nodig.
  2. Binnen 5 werkdagenEen document dat je kunt doorsturen naar je directeur of collega's.
  3. DaarnaEen halfuur met de specialist die het werk doet.
Je praat met de specialist zelfGeen verkoper

Gratis en vrijblijvend. We gebruiken je gegevens alleen voor de groei-analyse.