Chat met Jurre

Blueprints

Experiment Canvas

Eén test, één pagina, één heldere leerwinst.

Het Experiment Canvas is het werkblad voor één individueel experiment. Voor je test bepaal je wat slagen betekent, na de test boek je leerwinst en kies je expliciet de volgende stap. Bedoeld voor product-teams, growth-teams en validators die discipline willen aanbrengen in hun testritme.

Fill in this canvas with BoldcasterOr work with a coach →
BoldcasterExperiment Canvas · template

What is the Experiment Canvas?

Het Experiment Canvas is gestoeld op de Lean Startup-cyclus van Build-Measure-Learn van Eric Ries en op de Strategyzer-templates van Alexander Osterwalder en David Bland. Het is een uitgebreid logboek per experiment, waardoor experimenten daadwerkelijk leerbaar en deelbaar worden.

Het lost twee hardnekkige problemen op. Eén: experimenten die nooit goed worden gedocumenteerd, waardoor de leerwinst verdampt zodra de uitvoerder ander werk krijgt. Twee: experimenten waarbij achteraf onduidelijk is wat ze precies aantoonden - omdat vooraf geen criterium was vastgelegd. Het canvas dwingt structuur op beide fronten.

Het Experiment Canvas zegt niet welk experiment je moet ontwerpen - het structureert de uitvoering ervan. Voor de bredere strategische context heb je een Validation Canvas nodig, voor de prioriteit van welke aanname je test heb je een hypothesematrix nodig. Het Experiment Canvas zit daar tussenin: één pagina per concrete test.

When do you use it?

Pak het Experiment Canvas zodra je een hypothese hebt die je wilt toetsen en je weet welke methode je daarvoor wilt gebruiken. Het canvas helpt je de ontwerpdiscipline op te leggen: wat exact verander je, wat meet je, wat is voldoende bewijs?

Werk je aan strategische aannames die meerdere experimenten beslaan? Pak dan een Validation Canvas als overkoepelend logboek. Toets je iets binnen een productfeature? Combineer met een Feature Canvas. Wil je in MVP-vorm gaan testen? Sluit aan op het MVP Canvas.

How to fill it in

Vul het canvas in volgorde in, en raak vooral het succescriterium niet meer aan na de start. Het resultaat-blok schrijf je pas in nadat de test is afgerond - alles wat je daarvoor schrijft is voorspelling.

01

Hypothese

De toetsbare aanname die het experiment moet ondersteunen of weerleggen. Schrijf hem als 'Wij geloven dat [wie] [wat] omdat [waarom]'. Een experiment dat geen heldere hypothese heeft, levert geen leerwinst - alleen activiteit. Bewaar de hypothese letterlijk op het canvas, ook als je later moet erkennen dat hij niet klopte.

Questions that help

  • ·Welke specifieke aanname toetsen we hier?
  • ·Voor wie geldt de aanname precies?
  • ·Wat zou aantonen dat de aanname niet klopt?

Example

Wij geloven dat bezoekers van een prijspagina met drie tiers (in plaats van twee) vaker kiezen voor het middentier, omdat het middentier nu als 'het beste' kader krijgt.

Common mistake

Een hypothese formuleren die te breed of te smal is - beide maken evaluatie onmogelijk.

02

Wat we testen

Beschrijf de interventie zelf concreet en compleet. Welke versie staat naast welke? Wat is de copy, het ontwerp, de prijs, het kanaal? Hoe ziet de stappenflow eruit voor een testpersoon? Genoeg detail dat iemand het experiment over zes maanden exact kan reproduceren - anders is het geen experiment, het is een eenmalige observatie.

Questions that help

  • ·Wat verandert er exact tussen variant en controle?
  • ·Hoe ziet de gebruikersflow eruit?
  • ·Welke variabelen houden we juist constant?

Example

Variant A (controle): twee tiers - Basic €29/maand, Pro €79/maand. Variant B: drie tiers - Basic €29, Pro €79 met 'Aanbevolen'-badge, Team €149. Verder is de pagina identiek.

Common mistake

Te veel tegelijk variëren (kleur + prijs + tekst) - je weet achteraf niet welk element het verschil maakte.

03

Wat we meten

De hoofdmetric die de hypothese beoordeelt, plus één of twee guardrails die voorkomen dat een 'win' op de hoofdmetric ergens anders schade aanricht. Een hogere conversie op de prijspagina is geen winst als de churn drie maanden later verdubbelt. Bij voorkeur kies je metrics die direct meten wat je wilt weten, niet proxies.

Questions that help

  • ·Welke metric beoordeelt direct of de hypothese klopt?
  • ·Welke metrics moeten gelijk blijven om geen schade te lijden?
  • ·Hoe meten we - welke tool, welk event, welke definitie?

Example

Hoofdmetric: conversie naar Pro-tier per pagina-bezoeker. Guardrails: 30-daags retentiepercentage van nieuwe Pro-klanten, en gemiddelde supporttijd per nieuwe klant.

Common mistake

Een metric kiezen die gevoelig is voor toeval bij kleine samples - bijvoorbeeld 'aantal upgrades naar Enterprise' als je maar 100 bezoekers per variant hebt.

04

Succescriterium

De drempelwaarde die vooraf vastligt en die bepaalt of de hypothese is bevestigd. Maak hem statistisch verdedigbaar: een verschil dat binnen de ruis valt is geen verschil. Voor A/B-testen geldt vaak een minimaal effect plus een betrouwbaarheidsniveau (bijvoorbeeld 95%). Voor exploratieve tests een concrete drempel ('minimaal 25 demo-aanvragen in 14 dagen').

Questions that help

  • ·Welke uitkomst op de hoofdmetric beschouwen we als bevestiging?
  • ·Wat is het minimaal detecteerbare effect met onze sample?
  • ·Hoe lang moet de test minimaal lopen?

Example

Succescriterium: de Pro-tier conversie in variant B ligt minimaal 20% hoger dan in variant A, bij p<0.05 over minimaal 4000 bezoekers per variant.

Common mistake

Geen drempel vastleggen, of een drempel die je later 'aanpast aan wat haalbaar bleek'.

05

Resultaat

Vul dit pas in na afloop van de test. Schrijf alle relevante getallen op: sample-size, looptijd, hoofdmetric per variant, guardrails, eventuele segmentverschillen die opvielen. Geen interpretatie, geen 'het werkte' of 'jammer' - alleen de feitelijke uitslag. Voeg context toe over uitvoering: gekke seizoensinvloeden, tool-uitval, bug die halverwege opgelost werd.

Questions that help

  • ·Wat is de feitelijke uitkomst per metric?
  • ·Hoe groot was de daadwerkelijke sample en looptijd?
  • ·Welke externe factoren kunnen het beeld vertekend hebben?

Example

Looptijd 16 dagen, 4.327 bezoekers variant A, 4.298 variant B. Conversie naar Pro: A 7,2%, B 9,8% (+36%, p<0.01). 30-daags retentie nog onbekend op moment van rapportage; supporttijd identiek.

Common mistake

Resultaat en conclusie door elkaar schrijven, of resultaat 'optimistisch' samenvatten met afgeronde getallen.

06

Geleerd

Wat dit experiment je leert over je business, je klant of je markt - los van of de hypothese werd bevestigd. Vaak is een 'mislukt' experiment juist het meest leerzaam: het leert je dat een aanname niet klopt. Schrijf hier het inzicht in volle zinnen, niet alleen het cijfer. Goede leerwinst is overdraagbaar naar andere experimenten en beslissingen.

Questions that help

  • ·Wat weten we nu wat we voor de test niet wisten?
  • ·Welke aanname binnen onze hypothese werd specifiek bevestigd of weerlegd?
  • ·Wat is overdraagbaar naar andere experimenten?

Example

Drie-tier pricing werkt voor onze doelgroep, ook bij een hogere absolute prijs voor het middentier. De 'Aanbevolen'-badge speelt waarschijnlijk een grotere rol dan het feit dat er drie tiers zijn - vervolgexperiment om dat te isoleren.

Common mistake

Alleen de uitkomst herhalen ('het werkte!') zonder te benoemen wat het werkelijk betekent.

07

Volgende stap

Op basis van wat je geleerd hebt: wat is de volgende concrete actie? Schaal naar alle gebruikers, ontwerp een vervolgexperiment, herontwerp en hertest, of laat het idee vallen. Maak het concreet - 'wie doet wat tegen wanneer?'. Zonder concrete vervolgactie blijft leerwinst op papier liggen.

Questions that help

  • ·Schalen, vervolg-testen, herontwerpen of stoppen?
  • ·Wie pakt de volgende stap, wanneer?
  • ·Welke aanname willen we vervolgens toetsen?

Example

Volgende stap: rollout van drie-tier pricing voor alle nieuwe bezoekers binnen 7 dagen. Parallel: experiment B2 om de Aanbevolen-badge alleen te variëren. Eigenaar: PM Pricing, deadline: 22 april.

Common mistake

Geen vervolgstap formuleren en het canvas afsluiten met 'we evalueren later'.

Common mistakes

Te veel variabelen tegelijk testen

Een test die kleur, copy én prijs tegelijk verandert geeft je geen interpreteerbaar resultaat. Verander één ding per test, of erken vooraf dat het een verkenning is in plaats van een experiment.

Succescriterium pas achteraf invullen

Het hele punt van vooraf criteria vastleggen is dat je niet kunt rationaliseren. Vul het succescriterium vóór het experiment loopt, en wijzig het daarna niet meer.

Statistische significantie negeren

Een 'verschil' van 8% met 200 bezoekers per variant is binnen de ruis. Reken vooraf uit hoeveel sample je nodig hebt - of accepteer dat het een directionele indicatie is, geen bewijs.

Guardrails vergeten

Een metric optimaliseren zonder te kijken naar wat er elders verschuift, leidt vroeg of laat tot Goodhart's Law in actie. Definieer altijd één of twee guardrails.

Het 'geleerd'-blok overslaan

Zonder expliciet opgeschreven inzicht verdampt de leerwinst. Een team dat experimenteert zonder te documenteren herhaalt na een jaar dezelfde tests.

Een 'mislukt' experiment als verloren tijd zien

Een weerlegde hypothese is even waardevol als een bevestigde. Het canvas helpt het team om mislukken tot leerwinst te maken in plaats van schaamte.

In Boldcaster

How Boldcaster helps you with this

Interactive fill-in

No stray PDF that disappears into your downloads folder. Fill in the canvas in the app, with version control and comment threads.

Turbo does the groundwork

Paste your business plan, annual report or loose notes and Turbo fills in the canvas for you. Or let it make suggestions block by block.

Connected to your strategy

An insight from this Experiment moves to your Priorities, KPIs or strategy in one click. Not a loose exercise on a whiteboard.

All canvases in one place

Pilot participants get access to BMC, Lean Canvas, Value Proposition Canvas and whatever comes next. One platform, one system.

Create a free account and use all canvases

Prefer guidance?

Knowledge of the models isn't required - Turbo helps you block by block. Want real guidance on your strategy, with a coach alongside you? That's part of the Scale-up track. Or first see who the coaches are.

Frequently asked questions

Wat is het verschil tussen een Experiment Canvas en een Validation Canvas?

+

Het Validation Canvas zoomt uit naar een hypothese en het uiteindelijke go/no-go-besluit. Het Experiment Canvas zoomt in op één concrete test die bewijs voor of tegen die hypothese moet leveren. Vaak heb je per validatie meerdere experimenten.

Hoeveel tests moet een product-team per week doen?

+

Geen vast getal. In groeiende product-organisaties draaien teams 1-5 tests per week - afhankelijk van complexiteit en toolvolwassenheid. Belangrijker dan volume is dat elke test een geboekte leerwinst oplevert.

Hoe weet ik of mijn experiment statistisch significant is?

+

Reken vooraf uit hoe groot je sample minimaal moet zijn voor het effect dat je wilt detecteren (gebruik tools als Optimizely's calculator). Een test stoppen 'als het mooi staat' is een klassieke fout.

Moeten experimenten altijd kwantitatief zijn?

+

Nee. Kwalitatieve experimenten (gebruikersinterviews, observaties bij een prototype) leveren ook valide leerwinst - maar het succescriterium is dan anders geformuleerd (bijvoorbeeld 'minstens 4 van de 6 testpersonen begrijpt de flow zelfstandig').

Hoe lang moet ik een test laten lopen?

+

Minimaal één volledige bedrijfscyclus (vaak een week) om dag-tot-dag-variatie eruit te middelen. Voor B2B met lange koopcycli vaak langer. Stop niet eerder, ook niet als het er goed uitziet.

Wat doe ik met een 'inconclusive' resultaat?

+

Drie opties: meer sample verzamelen om de test betekenisvol te maken, het experiment herontwerpen omdat de meting fout zat, of accepteren dat deze hypothese voorlopig in de wacht gaat.

Hoe deel ik experimentresultaten met stakeholders?

+

Het ingevulde Experiment Canvas is je deliverable. Voeg een korte mondelinge of geschreven samenvatting toe, maar laat het canvas leiden - dat voorkomt verhalen die de feiten oprekken.

Kan ik experimenten gebruiken voor bestaande producten?

+

Ja. Voor onboarding-flows, prijsmodellen, e-mailcampagnes en feature-rollouts is structureel A/B-testen een van de hoogste ROI-activiteiten van een mature productorganisatie.

Further reading

What does a filled-in Experiment Canvas look like?

An empty canvas is the easy part. The question is what goes in it. I'll send you a worked Experiment Canvas: fictional company, real wording, sharp enough to make decisions with.

See a completed example

The strategy canvas of a fictional installation company, fully filled in - plus five things that show whether a canvas steers or is merely complete. Four pages, PDF.

You'll see the example right away and receive it by email. We keep your address so we can help you with your strategy; you can unsubscribe at any time with one click.