Evolv Ascend: AI voor meer rendement

Evolv Ascend is een automatisch conversie optimalisatie systeem dat gebruik maakt van een evolutionair algoritme. Een tool voor massive multivariate testing die op een slimme manier steeds nieuwe combinaties uittest, om in zo min mogelijk tijd de ideale combinatie te vinden. In plaats van een enkele nieuwe variant, zoals bij een A/B-test, worden meerdere varianten parallel aan elkaar getoetst. Daarnaast wordt het experiment opgesplitst in generaties waarin telkens een beperkt aantal aan mogelijke combinaties wordt getoetst. Dit verschilt weer van een Multivariate Test waarbij er van meerdere elementen op een pagina meerdere varianten simultaan worden getoetst. Iedere nieuwe generatie leert het systeem welke combinaties met welk element variaties het beste scoren. De ‘winnende element variaties’ worden in de erop volgende generatie gecombineerd en weer opnieuw getoetst. Op deze manier zoekt het systeem zo snel mogelijk naar de beste combinatie van element varianten, zonder elke mogelijke combinatie te toetsen. Bij een goede opzet van de element varianten zorgt elke nieuwe generatie weer voor een uplift in het gemiddelde rendement van de actieve combinaties in vergelijking met de originele uitgangssituatie. Sentient biedt met deze tool middels ‘parallel interactive evolution’ een nieuwe manier om op grote schaal multivariate testen uit te voeren en optimaal gebruik te maken van de tijd die normaal tussen experimenten voltooien, analyseren en een nieuw experiment starten ligt.

Wat maakt een Evolv Ascend experiment anders dan een A/B-test?

Conversie optimalisatie is het “evidence based” (her)ontwerpen van customer journeys met als doel om mensen zo succesvol mogelijk bepaalde taken te laten uitvoeren (bijvoorbeeld registreren voor een dienst of het kopen van een product). Om te begrijpen welke hypotheses – die zijn gesteld vanuit gedragsonderzoek – welk effect hebben, worden online experimenten ingezet. Veelal probeer je dan via een A/B-test erachter te komen of de nieuwe aanpassing op je site beter presteert dan de huidige situatie. Het opzetten van een A/B-test kost tijd en voor betrouwbare toetsingsresultaten heb je voldoende bezoekers nodig. Hoeveel experimenten je kunt uitvoeren is daarmee enerzijds afhankelijk van de bezoekersaantallen van je website en anderzijds van de tijd (resources) die je hebt. In de praktijk zien we dan ook dat wat je kunt toetsen vaak beperkt is en dat er goed moet worden geprioriteerd om te zorgen dat je de juiste experimenten uitvoert. Om deze reden is Evolv Ascend in onze ogen een disruptieve tool in de markt – de tool wilt vooral meer en meer input. Hoe meer elementen op een pagina of in een customer journey een variant krijgen, hoe meer mogelijke combinaties er ontstaan. Meer combinaties zorgen in theorie voor een hoger globaal maximum en het systeem is ontworpen om zo snel mogelijk dit maximum te vinden. De kanttekening is wel dat je nog steeds goed onderzoek wilt doen om te bepalen welke variaties je maakt op elementen. Te veel garbage als input zorgt ervoor dat het systeem te veel tijd besteed aan het uitfilteren van de garbage, waardoor je het systeem niet optimaal gebruikt (prioriteren van hypotheses blijft dus gewoon een must). Het aantal combinaties dat wordt getoetst binnen een generatie is wel beperkt door het aantal bezoekers dat je hebt, maar je weet in ieder geval zeker, in tegenstelling tot A/B-testen, dat je je testpotentieel volledig benut. Je maximaliseert het aantal toetsingen dat je kunt uitvoeren binnen jouw digitale domein.