A/B-Tests

Dazu teilen Sie Ihre Website-Besucher in zwei gleich große Gruppen auf - eine sieht Version A, die andere Version B.

Nach Abschluss des Experiments analysieren Sie, welche Seite mehr gewünschte Aktionen wie Anmeldungen, Käufe, Seitenaufrufe usw. ausgelöst hat, und verwenden dann diese Version für die Zukunft.

A/B-Tests helfen dabei, die Konversionsrate Ihrer Website zu steigern, indem sie aufzeigen, wie Änderungen an Inhalt, Struktur und Design das Nutzerverhalten beeinflussen. Außerdem können Sie testen, wie sich Ihre Hypothesen auf Kennzahlen wie den Gesamtbestellwert, die auf bestimmten Seiten oder Abschnitten verbrachte Zeit usw. auswirken.

Außerdem können A/B-Tests dazu beitragen, interne Debatten und Unsicherheiten über Design- und Schnittstellenentscheidungen zu beseitigen, indem sie klare, datengestützte Erkenntnisse darüber liefern, was tatsächlich funktioniert. Mit diesen Informationen können Sie Ihre Website optimieren, um sicherzustellen, dass sie für die Nutzer so einfach und intuitiv wie möglich ist, um ihre Ziele zu erreichen.

Um die Leistung Ihrer Website zu verbessern, beginnen Sie damit, Hypothesen zu testen, die sich auf Elemente beziehen, die sich direkt auf die Konversionen auswirken, z. B. die Hauptbotschaft im Heldenbereich, CTA-Schaltflächen (Call-to-Action), Formulare und Bilder.

Bevor Sie einen Test starten, nehmen Sie sich einen Moment Zeit, um zu überlegen, ob er jetzt wirklich notwendig ist und ob Sie die richtigen Voraussetzungen haben, um ihn effektiv durchzuführen.

Um verlässliche Ergebnisse zu erhalten, benötigen Sie eine ausreichende Menge an Datenverkehr, konsistente Konversionen (z. B. Anmeldungen, Anfragen oder Käufe) und ein ordnungsgemäß konfiguriertes Webanalysesystem.

Wenn Sie eines dieser Kriterien nicht erfüllen, sollten Sie den Test besser nicht durchführen - andernfalls wird er wahrscheinlich irreführende Ergebnisse liefern. Aber wenn alles vorhanden ist, können Sie loslegen.

Bevor Sie mit den Tests beginnen, sollten Sie die spezifische Hypothese, die Sie überprüfen wollen, ermitteln und klar formulieren. Eine präzise Hypothesendefinition ist entscheidend, um aussagekräftige und umsetzbare Erkenntnisse zu gewinnen.

Ihre Hypothese muss sich auf Daten und nicht auf Annahmen stützen. Basieren Sie sie auf quantitativen Messwerten und qualitativen Beobachtungen des Nutzerverhaltens auf Ihrer Website.

Idealerweise sollte Ihre Hypothese auf den Erkenntnissen und Ergebnissen einer gründlichen Recherche beruhen.

• Sprechen Sie mit Ihren Nutzern oder Kunden, um herauszufinden, was sie an Ihrem Produkt oder Ihrer Dienstleistung am meisten schätzen und welche Probleme sie damit lösen können.
• Analysieren Sie Supportanfragen und Tickets, um häufige Probleme zu erkennen. Überprüfen Sie Ihre Website-Analysen, um Probleme wie hohe Absprungraten oder ungewöhnlich niedrige Konversionsraten in bestimmten Bereichen zu erkennen.
• Nutzen Sie Heatmap- und Session-Recording-Tools wie Microsoft Clarity oder Hotjar - siezeigen Ihnen genau, wie Besucher mit Ihrer Website interagieren und helfen, Blockaden oder Schwachstellen in der User Journey aufzudecken.

Laut Ihrer Website-Analyse klicken Besucher beispielsweise selten auf die Schaltfläche "Jetzt kaufen". Vielleicht ist sie zu klein, verschmilzt mit dem Hintergrund oder befindet sich zu weit unten auf der Seite, um leicht bemerkt zu werden.

Sie haben vielleicht mehrere Ideen zum Testen, aber es ist am besten, sich auf nur eine Hypothese pro Experiment zu konzentrieren. Wenn Sie zum Beispiel die Schaltfläche testen, führen Sie separate Tests für Größe und Farbe durch. Wenn Sie mehrere Änderungen auf einmal testen, werden Sie nicht wissen, welche tatsächlich einen Unterschied gemacht hat.

Sobald Sie die zu prüfende Hypothese ausgewählt haben, legen Sie die Kriterien fest, anhand derer Sie den Erfolg oder Misserfolg bewerten.

Diese Kriterien können sein: Absprungrate (der Prozentsatz der Besucher, die die Seite sofort nach der Landung wieder verlassen), Gesamtzeit, die auf der Website verbracht wurde, Anzahl der Leads oder Anmeldungen, Anzahl der Käufe, durchschnittlicher Bestellwert und andere relevante Kennzahlen.

Konzentrieren Sie sich bei der Auswahl der Kennzahlen immer auf das Kernproblem, das Sie lösen wollen.

Wenn Sie beispielsweise einen Online-Fitness- und Wellness-Kurs verkaufen und die Verkäufe eines bestimmten Programms ankurbeln wollen, indem Sie dessen Abschnitt auf der Seite mit einer anderen Farbe hervorheben, dann sollte Ihre primäre Kennzahl die Verkäufe dieses bestimmten Programms sein.

Dabei spielt es keine Rolle, wie lange die Besucher auf der Seite verweilten, wie viele Anfragen gestellt wurden, wie viele andere Programme gekauft wurden oder wie hoch der Gesamtumsatz ist - der Fokus sollte einzig und allein auf der Umsatzsteigerung für das hervorgehobene Angebot liegen.

Nachdem Sie die Messgrößen ausgewählt haben, stellen Sie sicher, dass Sie einen Webanalysedienst angeschlossen und richtig eingerichtet haben, um alle relevanten Daten genau zu verfolgen.

Wählen Sie ein einzelnes Element zum Testen aus, das Ihre Hypothese direkt unterstützt. Wenn Sie z. B. glauben, dass eine rote Schaltfläche mehr Aufmerksamkeit erregt und die Zahl der Anmeldungen erhöht, sollten Sie nur die Farbe der Schaltfläche testen, nicht aber gleichzeitig ihre Größe oder Schriftart.

Nachdem Sie das Element ausgewählt haben, erstellen Sie ein Duplikat Ihrer Seite mit der vorgenommenen Änderung. Denken Sie auch hier an die Faustregel: Eine Hypothese, eine Änderung pro Test.

Schätzen Sie im Voraus ab, wie viele Besucher Sie benötigen, damit Ihre Ergebnisse statistisch signifikant sind - so können Sie vermeiden, dass zufällige Schwankungen für aussagekräftige Ergebnisse gehalten werden, die nicht repliziert werden können oder denen man nicht trauen kann.

Je größer der erwartete Effekt ist, z. B. eine Steigerung der Konversionsrate, desto weniger Personen benötigen Sie, um festzustellen, ob die Maßnahme wirksam ist.

Sie müssen dies nicht manuell berechnen - dafür gibt es Tools wie den Sample Size Calculator von Evan Miller.