> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aftersell.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Post-purchase A/B-test

> Lær, hvordan du opsætter, administrerer og analyserer A/B-tests for dine post-purchase-tilbud i Aftersell

<div id="post-purchase-ab-testing">
  # Post-purchase A/B-test
</div>

A/B-test (også kendt som split-test) giver dig mulighed for at sammenligne op til fem versioner af et post-purchase-tilbud inden for en enkelt funnel for at finde ud af, hvilken der klarer sig bedst. Hver version kaldes et **layout** (Layout A, Layout B, Layout C, Layout D, Layout E). Trafikken fordeles automatisk ligeligt mellem alle aktive layouts, og performance spores separat, så du kan identificere den bedst præsterende version.

Ved at teste variationer af dine tilbud kan du forbedre konverteringsraterne, øge omsætningen og træffe datadrevne beslutninger om din upsell-strategi.

<Note>
  A/B-test lader dig manuelt konfigurere hvert layout som et komplet tilbud og teste dem mod hinanden. Hvis du vil definere individuelle variabler (som rabattype, timervarighed, produkttype) og lade Aftersell kombinere dem til alle mulige layout-kombinationer til test, skal du i stedet bruge [Multivariat test](/da/aftersell/multivariate_testing).
</Note>

<Note>
  A/B-test er kun tilgængelig for post-purchase-upsells. A/B-test for Thank You Page-tilbud er ikke tilgængelig i øjeblikket. For A/B-test af checkout-widgets, se [Checkout A/B-test](/da/aftersell/checkout_a_b_testing).
</Note>

***

<div id="what-you-can-test">
  ## Hvad du kan teste
</div>

Du kan teste næsten alle elementer i dit post-purchase-tilbud, herunder:

* **Produkter:** Forskellige produkter, tilbud med et enkelt produkt vs. flere produkter, eller AI-anbefalinger vs. specifikke produkter
* **Rabatter:** Forskellige rabatbeløb eller -typer (procent vs. fast beløb)
* **Tekst:** Overskrifter, beskrivelser og call-to-action-tekst
* **Billeder:** Produktbilleder eller livsstilsfotos
* **Urgency-elementer:** Nedtællingstimere med forskellige varigheder
* **Antal:** Standardantal på 1 vs. 2 (eller flere)
* **Tilbudsdesign:** Forskellige layouts eller visuelle stilarter

<Tip>
  For de bedste resultater bør du teste ét element ad gangen, så du tydeligt kan identificere, hvad der driver ændringer i performance. Hvis du vil definere flere variabler og lade Aftersell kombinere dem til layout-kombinationer til test, skal du i stedet bruge [Multivariat test](/da/aftersell/multivariate_testing).
</Tip>

***

<div id="how-to-set-up-an-ab-test">
  ## Sådan opsætter du en A/B-test
</div>

<div id="step-1-create-or-open-a-funnel">
  ### Trin 1: Opret eller åbn en funnel
</div>

1. Åbn **Aftersell-appen** fra din Shopify-administration
2. Gå til **Post-purchase Funnels** i venstre sidebjælke
3. Opret enten en ny funnel, eller åbn en eksisterende funnel, du vil teste

<div id="step-2-create-your-test">
  ### Trin 2: Opret din test
</div>

1. Klik på **Create Test** i din funnel
2. Vælg **A/B Test** blandt mulighederne

<div id="step-3-set-up-your-layouts">
  ### Trin 3: Opsæt dine layouts
</div>

Konfigurér hvert layout som et komplet tilbud. Du kan oprette op til 5 layouts (Layout A til Layout E).

For hvert layout kan du tilpasse:

* Produktvalg
* Rabatbeløb og -type
* Tilbudstekst og budskaber
* Billeder og visuelle elementer
* Indstillinger for nedtællingstimer
* Standardantal
* Alle andre tilbudsindstillinger

<div id="step-4-start-the-test">
  ### Trin 4: Start testen
</div>

1. Gennemgå alle layouts for at sikre, at de er konfigureret korrekt
2. Klik på **Start Test** for at begynde at fordele trafikken mellem layouts
3. Sørg for, at din funnel er **aktiveret** og **udgivet**

Din A/B-test er nu live.

<div id="how-traffic-is-split">
  ### Sådan fordeles trafikken
</div>

Trafikken fordeles automatisk ligeligt mellem alle layouts i testen. Det er ikke muligt at justere trafikprocenten manuelt for hvert layout. For eksempel:

* Hvis du har **2 layouts**, fordeles trafikken **50% / 50%**
* Hvis du har **3 layouts**, fordeles trafikken cirka **33% / 33% / 33%**
* Hvis du har **4 layouts**, fordeles trafikken med **25% til hver**
* Hvis du har **5 layouts**, fordeles trafikken med **20% til hver**

Alle layouts i samme test modtager en lige trafikfordeling. Der er ingen mulighed for at angive tilpassede procentsatser (du kan for eksempel ikke sætte Layout A til 80% og Layout B til 20%).

***

<div id="managing-your-test">
  ## Administration af din test
</div>

Når din A/B-test er live, vises dens status som **In progress**. Herfra kan du sætte den på pause, redigere, nulstille, slette eller vælge en vinder.

<div id="test-statuses">
  ### Teststatusser
</div>

* **Not started**: Testen er oprettet, men er ikke aktiv. Trafikken fordeles ikke. Hvis du ser, at 100% af trafikken går til ét layout, skal du klikke på **Start test**.
* **In progress**: Trafikken fordeles ligeligt mellem alle layouts.
* **Paused**: Trafikfordelingen er stoppet.
* **Finished**: Testen er afsluttet. Resultaterne er tilgængelige i fanen Analytics > Tests.

Hold musen over statusmærket for at se et dato-tooltip. Tooltippet viser:

* **Started \[dato]** — for tests, der er i gang, på pause eller afsluttet
* **Last reset \[dato]** — for tests, der ikke er startet, men har fået deres analytics nulstillet
* **Created \[dato]** — for tests, der endnu ikke er startet og aldrig er blevet nulstillet

<div id="pause-the-test">
  ### Sæt testen på pause
</div>

Klik på **Pause** for midlertidigt at stoppe trafikfordelingen. Når en test er på pause:

* Fordeles trafikken ikke længere mellem layouts
* Vises kun det først oprettede layout, Layout A
* Kan du ikke vælge, hvilket layout der vises, mens testen er på pause

For permanent at vise et andet layout skal du vælge en vinder eller slette testen. Når du genoptager testen, genoptages den ligelige trafikfordeling.

<div id="edit-the-test">
  ### Redigér testen
</div>

Brug menuen med tre prikker, og vælg **Edit test**, hvis du har brug for at justere produkter, priser, layout eller budskaber. For nøjagtige resultater bør du undgå at foretage større ændringer, mens en test kører.

<div id="reset-analytics">
  ### Nulstil analytics
</div>

Vælg **Reset analytics** for at rydde de aktuelle testdata og genstarte sporingen fra nul. Dette nulstiller kun A/B-testdataene. Historiske livstidsdata for tilbuddet slettes ikke.

<div id="delete-the-test">
  ### Slet testen
</div>

Vælg **Delete test** for permanent at fjerne A/B-testen. Hvis den slettes:

* Fordeles trafikken ikke længere
* Vender tilbuddet tilbage til normal adfærd
* Bliver livstidsanalytics for tilbuddet synlige igen

<div id="select-a-winner">
  ### Vælg en vinder
</div>

Når du er klar til at afslutte testen:

1. Klik på **Select winner**
2. Vælg det layout, du vil beholde
3. Bekræft

Dette afslutter testen og anvender det valgte layout som det aktive tilbud. Alle kunder vil se det valgte layout fremover.

***

<div id="how-ab-test-analytics-work">
  ## Sådan fungerer A/B-testanalytics
</div>

Når din test kører, kan du følge dens performance i sektionen **Analytics** i dit Aftersell-dashboard under fanen **Tests**.

For en komplet gennemgang af alle metrics i Tests-fanen, herunder analytics på gruppeniveau, Performance by Variable, All Groups-tabellen og hvordan du vælger en test, se [Post-purchase Analytics](/da/aftersell/analytics_in_aftersell).

***

<div id="limitations">
  ## Begrænsninger
</div>

<div id="ab-testing-is-within-a-single-funnel-only">
  ### A/B-test foregår kun inden for en enkelt funnel
</div>

A/B-test sammenligner layouts inden for samme funnel. Du kan ikke A/B-teste én funnel mod en anden funnel.

<div id="ab-testing-is-for-post-purchase-upsells-only">
  ### A/B-test er kun til post-purchase-upsells
</div>

A/B-test er i øjeblikket ikke tilgængelig for Thank You Page-tilbud. Den understøttes kun for post-purchase-upsell-funnels.

<div id="custom-traffic-percentages-are-not-supported">
  ### Tilpassede trafikprocenter understøttes ikke
</div>

Trafikken fordeles altid ligeligt mellem alle aktive layouts. Der er ingen mulighed for at tildele tilpassede procentsatser til individuelle layouts.

***

<div id="best-practices-for-ab-testing">
  ## Bedste praksis for A/B-test
</div>

<div id="run-tests-long-enough">
  ### Kør tests længe nok
</div>

* **Minimumsvarighed:** 2-4 uger
* **Minimum visninger:** Mindst 100-200 visninger pr. layout (jo flere, jo bedre)
* Kortere tests giver muligvis ikke statistisk pålidelige resultater, især ved lav trafik.

Analytics-dashboardet viser dig antallet af visninger, der er nødvendigt for statistisk holdbarhed, så du ved, hvornår dataene er klar til at handle på.

<div id="test-one-element-at-a-time">
  ### Test ét element ad gangen
</div>

Når du ændrer flere elementer samtidig, ved du ikke, hvilken ændring der drev resultaterne. Test én variabel ad gangen for klare indsigter:

**Godt**: Test 10% rabat vs. 20% rabat (én variabel)

**Undgå**: Test 10% rabat + Produkt A vs. 20% rabat + Produkt B (to variabler)

<div id="look-for-consistent-performance">
  ### Kig efter konsistent performance
</div>

Træf ikke beslutninger baseret på en enkelt metric. Et vindende layout bør klare sig godt på tværs af flere metrics:

* Højere konverteringsrate
* Højere omsætning pr. besøg
* Sammenlignelig eller bedre gennemsnitlig upsell-værdi

<div id="consider-statistical-significance">
  ### Overvej statistisk signifikans
</div>

Før du udpeger en vinder, skal du sikre dig, at dine resultater er statistisk signifikante. Kig efter:

* Tydelige performanceforskelle (ikke bare 1-2% variation)
* Konsistente tendenser over tid
* Tilstrækkelig stikprøvestørrelse (visninger)

<div id="apply-the-winning-layout">
  ### Anvend det vindende layout
</div>

Når du har identificeret en klar vinder:

1. Stop testen
2. Anvend det vindende layout i din funnel
3. Overvåg performance for at sikre, at resultaterne forbliver konsistente
4. Overvej at køre en ny test for at optimere yderligere

***

<div id="ab-test-vs-multivariate-test">
  ## A/B-test vs. multivariat test
</div>

Er du i tvivl om, hvilken testmetode du skal bruge?

|                        | **A/B-test**                                                                          | **Multivariat test**                                                                                                               |
| ---------------------- | ------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------- |
| Sådan fungerer den     | Du konfigurerer manuelt hvert layout som et komplet tilbud og tester dem mod hinanden | Du definerer individuelle variabler og deres muligheder, og Aftersell kombinerer dem til alle mulige layout-kombinationer til test |
| Layouts                | Op til 5 layouts (Layout A til E), hver manuelt konfigureret                          | Genereres automatisk baseret på variabel-kombinationer (Layout A, B, C osv.)                                                       |
| Bedst til              | Sammenligning af komplette tilbudsdesigns mod hinanden                                | At finde den bedste kombination af individuelle variabler (rabat, timer, forsendelse, antal)                                       |
| Trafikfordeling        | Ligeligt mellem alle layouts                                                          | Ligeligt mellem alle kombinationer                                                                                                 |
| Statistisk signifikans | Hurtigere at nå med færre layouts                                                     | Kræver mere trafik på grund af flere kombinationer                                                                                 |
| Resultater             | Lettere at fortolke - ét layout vinder                                                | Mere komplekse - identificerer den bedste kombination af variabler                                                                 |

**Brug A/B-test, når:**

* Du vil sammenligne komplette tilbudskonfigurationer
* Du har moderate trafikniveauer
* Du vil have klare, ligetil resultater

[**Brug multivariat test, når:**](/da/aftersell/multivariate_testing)

* Du vil teste flere variabler samtidig og finde den bedste kombination
* Du har høje trafikniveauer
* Du vil definere variabler og lade Aftersell kombinere dem til layout-kombinationer til test

***

<div id="common-ab-test-ideas">
  ## Almindelige A/B-testidéer
</div>

Har du brug for inspiration? Her er gennemprøvede A/B-tests, du kan prøve:

<div id="product-based-tests">
  ### Produktbaserede tests
</div>

* **Samme produkt vs. komplementært produkt:** Test, om kunderne foretrækker at købe mere af det, de lige har købt, eller prøve noget nyt
* **Enkelt produkt vs. tilbud med flere produkter:** Sammenlign et tilbud med en enkelt vare mod et tilbud med flere komplementære produkter
* **AI-drevet vs. statisk produkt:** Test dynamiske AI-anbefalinger mod manuelt valgte produkter

<div id="discount-tests">
  ### Rabattests
</div>

* **Rabatbeløb:** Test 10% rabat vs. 20% rabat vs. 30% rabat
* **Rabattype:** Sammenlign procentrabatter (20% rabat) vs. faste beløb (\$5 rabat)
* **Ingen rabat vs. rabat:** Test, om en rabat er nødvendig for din målgruppe

<div id="quantity-tests">
  ### Antalstests
</div>

* **Standardantal:** Test antal 1 vs. antal 2 (særligt effektivt for forbrugsvarer)

<div id="copy-and-messaging-tests">
  ### Tekst- og budskabstests
</div>

* **Overskriftsvariationer:** Test forskellige værditilbud eller budskabsvinkler
* **Urgency-budskaber:** Test med vs. uden urgency-sprog
* **CTA-knaptekst:** Test forskellige call-to-action-formuleringer

<div id="design-tests">
  ### Designtests
</div>

* **Langt format vs. kort format:** Test detaljerede produktbeskrivelser mod kortfattede tilbud
* **Billedvariationer:** Test forskellige produktbilleder eller livsstilsfotos
* **Timervarighed:** Test 5-minutters vs. 10-minutters vs. 15-minutters nedtællingstimere

For mere detaljerede strategier og eksempler kan du se vores guide til [bedste praksis](/da/aftersell/best_practices).

***

<div id="frequently-asked-questions">
  ## Ofte stillede spørgsmål
</div>

<div id="do-ab-tests-stop-running-automatically-after-reaching-statistical-significance">
  ### Stopper A/B-tests automatisk efter at have nået statistisk signifikans?
</div>

Nej. En post-purchase A/B-test bliver ved med at køre, indtil du selv afslutter den — der er intet automatisk stop, når et resultat når statistisk signifikans. Analytics-dashboardet viser det anbefalede antal visninger for et statistisk holdbart resultat, men når det antal nås, stopper testen ikke, og der udpeges ikke en vinder. Det er op til dig at beslutte, hvornår dataene er entydige, og at afslutte testen. Når du er klar, afslutter du den med **Select winner** (eller sætter den på pause eller sletter den) — se [Administration af din test](#managing-your-test).

***

<div id="need-help">
  ## Har du brug for hjælp?
</div>

Hvis du har spørgsmål om opsætning eller analyse af dine A/B-tests, kan du chatte med vores supportteam via live-chatten nederst til højre i appen.