Split testing, of A/B testing, is een methode uit de data-industrie waarmee wordt bepaald welke variant van bijvoorbeeld een advertentie, website, of nieuwsbrief het meeste resultaat oplevert.
Voor deze split testing methode worden gebruikers in twee groepen verdeeld, A en B, die een licht van elkaar verschillend product krijgen opgestuurd, bijvoorbeeld een advertentie. Een bedrijf kan kiezen die twee veel van elkaar te laten verschillen, maar voor specifiekere resultaten is het beter om tussen A en B een klein detail te veranderen. Dit kan bijvoorbeeld een verschillende titel of oproep zijn, zoals: “Alleen deze week” en “Alleen deze vrijdag”.
Hiermee kan een bedrijf bepalen welke variant meer resultaat oplevert. Resultaat kan een transactie zijn, een click of het delen van een dergelijke boodschap. Op die manier kan op een onderbouwde wijze worden aangetoond wat beter werkt. Een bedrijf kan dan zijn beleid staven met cijfers en statistiek, in plaats van op vermoedens of de visie van een leidinggevende.
Vanzelfsprekend is het zaak dat een bedrijf de resultaten van split testing op de goede manier integreert. Daarvoor moeten de uitkomsten van de test grondig worden geanalyseerd, en de keuzes van de geteste groep verklaard worden. Aan de hand daarvan kunnen de resultaten worden gebruikt voor de optimalisatie van het product.
De eerste versie van split testing werd in 1908 geïntroduceerd door de Engelse statisticus William Sealy Gosset. Gosset, die schreef onder het pseudoniem Student, noemde het de t-test. Het huidige split testing werd bedacht door James O’Gorman.