Summary  
This chapter explains how to implement controlled experiments (A/B tests) by randomly serving two code variations, isolating a single variable, and using statistical analysis to determine which version performs better.  

General domain of usage  
Marketing campaigns

**A/B-testning** sammenligner to versioner af det samme element, såsom en annonce, en landingsside eller en emnelinje, for at se hvilken der klarer sig bedst.

### Sådan designer du en god A/B-test

1. **Isolér én variabel**: ændr kun én ting: en overskrift, knapfarve, CTA, billede eller layout;
2. **Randomisér dit publikum**: sørg for, at grupperne A og B er ens, så forskellene ikke bliver forvrænget;
3. **Kør testen længe nok**: giv den tid til at opnå statistisk signifikans;
4. **Gennemgå resultaterne objektivt**: målet er ikke at vinde, men at lære, hvad brugerne reagerer på.

Opnå evnen til at måle det, der betyder noget, og omdanne data til handlingsrettede indsigter. Lær at spore performance på tværs af kanaler, fortolke nøglemetrikker, opbygge dashboards og bruge eksperimentering til at optimere kampagner og træffe mere intelligente marketingbeslutninger.

Eksperimentering og A/B-testning

Sådan designer du en god A/B-test