Kategorien
Online Marketing E-Business E-Mail Marketing

A/B-Test: Ultimativer Guide, Definition & Beispiele

Was ist ein A/B-Test?

A/B-Testing (auch bekannt als Split-Testing) ist ein Prozess, bei dem zwei Varianten derselben Webseite gleichzeitig verschiedenen Segmenten von Website-Besuchern gezeigt werden und verglichen wird, welche Variante mehr Conversions bringt („A“ ist eine Variante, „B“ die andere).

Oder einfacher Ausgedrückt: Wenn du zwei Varianten eines Online-Shops hast mit gleichem Traffic, Shop As Conversion-Rate ist bei 1%, d.h. eine Person von 100 kaufen und Shop Bs Conversion-Rate ist bei 2%, dann bedeutet es nicht nur, dass Shop B in der Theorie doppelt so viel Umsatz macht, sondern auch, dass der Gewinn höher ausfällt, weil ja die Traffic- bzw. Akquisitionskosten niedriger sind. Deshalb ist A/B-Testing, als Teil der Conversion-Optimierung so wichtig.

In der Online-Welt ist die Anzahl der Besucher auf deiner Webseite gleichbedeutend mit der Anzahl der Möglichkeiten, die du hast, um dein Geschäft zum wachsen zu bringen.

Indem du neue Kunden akquirierst und Beziehungen aufbaust oder indem du bestehende Kunden betreust und diesen bessere Angebote machst kannst du durch A/B-Testing herausfinden, was deine Kunden wirklich wollen.

Und es ist dein Conversion-Funnel, der darüber entscheidet, ob deine Website aus kaltem Traffic begeisterte Kunden generiert.

Exkurs: Was ist eine Conversion?

Unternehmen wollen, dass die Besucher auf ihrer Website eine Aktion (auch Conversion genannt) ausführen, und die Rate, mit der eine Website dies tun kann, wird als „Conversion Rate“ bezeichnet.

Je optimierter dein Funnel ist, desto höher ist die Conversion Rate.

Und eine der wichtigsten Möglichkeiten, den Funnel deiner Website im digitalen Marketing zu optimieren, ist das A/B-Testing.

Typischerweise ist bei A/B-Tests die Variante, die zu höheren Conversions führt, die Gewinnervariante, und diese Variante kann dir helfen, deine Seite für bessere Ergebnisse zu optimieren.

Die Metriken für die Conversion sind für jede Website einzigartig.

Für eCommerce kann es der reine Verkauf der Produkte sein, Wiederbestellungen oder Lifte-Time-Value, während es für B2B die Generierung von qualifizierten Leads sein kann.

A/B-Testing ist eine der Komponenten des übergreifenden Prozesses der Conversion-Rate-Optimierung (CRO), mit dem du sowohl qualitative als auch quantitative Nutzererkenntnisse sammeln und nutzen kannst, um deine potenziellen Kunden zu verstehen und deinen Conversion Funnel auf Basis dieser Daten zu optimieren.

Warum sollte man A/B testen?

Auf der einen Seite kämpfen B2B-Unternehmen heute mit all den unqualifizierten Leads, die sie pro Monat erhalten und damit unzufrieden sind, kämpfen eCommerce-Shops auf der anderen Seite mit einer hohen Warenkorbabbruchrate oder Bounce-Rate.

Medien- und Verlagshäuser haben unterdessen auch mit niedrigem User-Engagement zu kämpfen.

Diese KPIs sind von einigen häufigen Problemen betroffen, wie Lecks im Conversion Funnel, Drop-Offs auf der Bezahlseite, etc.

Lass uns sehen, warum du A/B-Tests durchführen solltest, um mit all diesen Problemen umzugehen:

Möglichkeit 1: Probleme deiner User analysieren & lösen

Besucher kommen auf deine Website, um ein bestimmtes Ziel zu erreichen, das sie vor Augen haben.

Das kann sein, mehr über dein Produkt oder deine Dienstleistung zu erfahren, ein Produkt zu kaufen, mehr über ein bestimmtes Thema zu lesen/lernen, oder einfach nur etwas zu lesen.

Was auch immer das Ziel des Nutzers ist, es kann sein, dass er beim Erreichen seines Ziels auf häufige Probleme stößt:

Es kann ein verwirrender Text sein, den man kaum lesen kann, oder es ist schwer, den CTA-Button zu finden, wie z.B. „Jetzt kaufen“, „Demo anfordern“, etc. Das heißt, dem User ist es nicht möglich, sein Ziel mit deiner Seite zu erreichen.

Nicht in der Lage zu sein, sein Ziel zu erreichen, führt in der Regel zu einer schlechten Nutzererfahrung.

Dies erhöht die Reibung („Friction“) und wirkt sich letztendlich auf deine Conversion-Rate aus. Ziel jedes Unternehmens sollte es sein, so wenig Reibung zu ermöglichen wie möglich.

Das heißt, der User sollte einen Kauf z.B. so schnell und einfach wie möglich tätigen können, ohne vorher fünf andere Schritte durchgehen zu müssen.

Nutze Daten, die du mit Hilfe von Tools wie Heatmaps, Google Analytics und Umfragen gesammelt hast, um die Schmerzpunkte deiner Besucher zu lösen.

Dies gilt für alle Unternehmen und Branchen, sei es eCommerce, Reisen, SaaS, Bildung oder Medien.

Möglichkeit 2: Besseren ROI aus bestehendem Traffic erzielen

Wie die meisten Marketer erkannt haben, können die Kosten für die Akquise von hochwertigem Traffic enorm sein.

Mit A/B-Tests kannst du das Beste aus deinem bestehenden Traffic herausholen und die Conversion steigern, ohne dass du für die Akquise von neuem Traffic Geld ausgeben musst.

A/B-Tests können dir einen hohen ROI bescheren, da manchmal sogar die kleinsten Änderungen zu einer signifikanten Steigerung der Conversions führen können.

Möglichkeit 3: Reduziere die Absprungrate / Bounce-Rate

Eine der wichtigsten Metriken, die du verfolgen solltest, um die Leistung deiner Website zu beurteilen, ist die Absprungrate („Bounce-Rate“).

Es kann viele Gründe für eine hohe Absprungrate auf deiner Website geben, wie z.B. zu viele Optionen, falsche Erwartungen und so weiter.

Da verschiedene Websites unterschiedliche Ziele verfolgen und unterschiedliche Zielgruppen ansprechen, gibt es keine Musterlösung, um die Absprungrate zu senken.

Eine Möglichkeit ist das A/B-Testing. Mit A/B-Testing kannst du mehrere Varianten eines Elements deiner Website testen, bis du die bestmögliche Version gefunden hast.

Das verbessert das Nutzererlebnis, lässt die Besucher mehr Zeit auf deiner Seite verbringen und reduziert die Absprungrate.

Tipps zu beachten, vor dem eigentlichen A/B-Test

Bevor du deine komplette Webseite oder Landingpage über Board wirfst und neu erstellst, beachte diese drei Weisheiten, bevor du mit dem A/B-Testen beginnst.

Führe kleine, risikoarme Änderungen durch

Nimm mit A/B-Tests kleinere, inkrementelle Änderungen an deiner Webseite vor, anstatt die gesamte Seite neu zu gestalten. Dies kann das Risiko reduzieren, deine aktuelle Konversionsrate zu gefährden.

Mit A/B-Tests kannst du deine Ressourcen mit minimalen Änderungen auf maximalen Output ausrichten, was zu einem erhöhten ROI führt.

Ein Beispiel dafür könnten Änderungen an Produktbeschreibungen sein. Du kannst einen A/B-Test durchführen, wenn du planst, deine Produktbeschreibungen zu entfernen oder zu aktualisieren.

Du weißt nicht, wie deine Besucher auf die Änderung reagieren werden, und A/B-Tests sind eine Möglichkeit, um herauszufinden, auf welche Seite die Waage gekippt wird.

Ein weiteres Beispiel für eine risikoarme Änderung kann die Einführung eines neuen Features sein.

Bevor du ein neues Feature einführst, kannst du dieses neue Feature als A/B-Test in der Kopie der Webseite einführen, um das Ergebnis so viel vorhersehbarer zu machen.

Es kann sehr nützlich sein, wenn die Änderungen Kundendaten oder den Kauftrichter beeinflussen.

Änderungen ohne Tests können sich auszahlen oder auch nicht. Testen und dann Änderungen vornehmen kann das Ergebnis sicher machen.

Ist dein A/B-Test statistisch signifikant?

Gleich von vorneweg: Du brauchst, wenn deine Webseite keine Besucher hat, keinen A/B-Test durchführen.

Schließlich sieht diesen keiner. Das heißt für einen A/B-Test brauchst du relevant viele Benutzer in einer Periode, z.B. pro Tag, damit du das gewünschte Ergebnis erreichst.

Auch solltest du die A/B-Tests entweder je nach Tool zur selben Zeit durchführen, oder wenn nicht möglich, dann zumindest zum selben Wochentag. Ein A-Test an einem Mittwoch morgen ist etwas anderes als ein B-Test am Sonntag abend.

Wie performt man einen A/B-Test?

A/B-Tests bieten einen sehr systematischen Weg, um herauszufinden, was in einer bestimmten Marketingkampagne funktioniert und was nicht.

Die meisten Marketingmaßnahmen sind darauf ausgerichtet, mehr Traffic zu generieren. Aber da die Traffic-Akquise immer schwieriger und teurer wird, ist es von größter Bedeutung, deinen Nutzern, die auf deine Website kommen, das beste Erlebnis zu bieten.

Dies wird ihnen helfen, ihre Ziele zu erreichen und sie auf die schnellste und effizienteste Art und Weise konvertieren zu lassen. A/B-Tests im Marketing ermöglichen es dir, das Beste aus deinem bestehenden Traffic herauszuholen.

Ein strukturiertes A/B-Testing-Programm kann die Marketingbemühungen profitabler machen, indem es die wichtigsten Problembereiche aufzeigt, die optimiert werden müssen.

A/B-Testing bewegt sich nun weg von einer einmaligen Aktivität, die einmal in einem blauen Mond durchgeführt wird, hin zu einer strukturierteren und kontinuierlichen Aktivität, die immer durch einen gut definierten CRO-Prozess durchgeführt werden sollte.

Im Großen und Ganzen umfasst er die folgenden Schritte:

Schritt 1: Recherche

Bevor man einen Plan für A/B-Tests aufstellt, muss man gründlich recherchieren, wie die Website derzeit performt.

Du musst Daten über alles sammeln, was damit zu tun hat, wie viele Nutzer auf die Seite kommen, welche Seiten den meisten Traffic bringen, was die verschiedenen Konversionsziele der verschiedenen Seiten sind usw.

Die A/B-Testing-Tools, die hier zum Einsatz kommen, können quantitative Website-Analyse-Tools wie Google Analytics, Omniture, Mixpanel, etc. sein, die dir dabei helfen können, deine meistbesuchten Seiten, Seiten mit der meisten Verweildauer oder Seiten mit der höchsten Absprungrate herauszufinden.

Du kannst zum Beispiel damit beginnen, die Seiten in die engere Auswahl zu nehmen, die das höchste Umsatzpotenzial oder den höchsten täglichen Traffic haben.

Danach möchtest du vielleicht tiefer in die qualitativen Aspekte dieses Traffics eintauchen.

Heatmap-Tools sind die führende Technologie, um herauszufinden, auf welchen Seiten die Nutzer die meiste Zeit verbringen, wie sie scrollen, etc.

Dies kann dir helfen, Problembereiche auf deiner Website zu identifizieren. Ein weiteres beliebtes Tool, um aufschlussreiche Untersuchungen durchzuführen, sind Umfragen unter den Nutzern deiner Website.

Umfragen können als direkter Draht zwischen deinem Website-Team und den Endnutzern fungieren und können oft Probleme aufzeigen, die in den aggregierten Daten übersehen werden könnten.

Weitere qualitative Einblicke können von Session-Recording-Tools abgeleitet werden, die Daten über das Besucherverhalten sammeln, was bei der Identifizierung von Lücken in der User Journey hilft.

In der Tat können Session-Recording-Tools in Kombination mit Formularanalyse-Umfragen Erkenntnisse darüber aufdecken, warum Nutzer dein Formular nicht ausfüllen.

Es kann an einigen Feldern liegen, die nach persönlichen Informationen fragen oder daran, dass Nutzer deine Formulare verlassen, weil sie zu lang sind.

Wie wir sehen, können sowohl quantitative als auch qualitative Untersuchungen uns dabei helfen, uns auf den nächsten Schritt im Prozess vorzubereiten, der darin besteht, umsetzbare Beobachtungen für die nächsten Schritte zu machen.

Schritt 2: Beobachten und Hypothese formulieren

Komme deinen Geschäftszielen näher, indem du Forschungsbeobachtungen protokollierst und datengestützte Hypothesen zur Steigerung der Conversions aufstellst.

Ohne diese ist deine Testkampagne wie ein richtungsloser Kompass. Die qualitativen und quantitativen Forschungstools können dir nur beim Sammeln von Daten zum Besucherverhalten helfen.

Es liegt nun in deiner Verantwortung, diese Daten zu analysieren und sinnvoll zu nutzen.

Der beste Weg, jedes bisschen gesammelter Daten zu nutzen, ist, sie zu analysieren, scharfe Beobachtungen zu machen und dann Website- sowie User-Insights zu ziehen, um datengestützte Hypothesen zu formulieren.

Sobald du eine Hypothese aufgestellt hast, teste sie anhand verschiedener Parameter, wie z.B. wie viel Vertrauen du in ihren Erfolg hast, wie sie sich auf die Makroziele auswirkt, wie einfach sie einzurichten ist und so weiter.

Schritt 3: Variationen erstellen

Der nächste Schritt in deinem Testprogramm sollte sein, eine Variation zu erstellen, die auf deiner Hypothese basiert, und diese gegen die bestehende Version (Kontrolle) zu testen.

Eine Variation ist eine weitere Version deiner aktuellen Version mit Änderungen, die du testen möchtest.

Du kannst mehrere Variationen gegen die Kontrolle testen, um zu sehen, welche am besten funktioniert. Erstelle eine Variation basierend auf deiner Hypothese, was aus einer UX-Perspektive funktionieren könnte.

Zum Beispiel, füllen genug Leute die Formulare nicht aus? Hat dein Formular zu viele Felder? Fragt es nach persönlichen Informationen? Vielleicht kannst du eine Variante mit einem kürzeren Formular ausprobieren oder eine andere Variante, indem du Felder weglässt, die nach persönlichen Informationen fragen.

Schritt 4: Test durchführen

Bevor wir zu diesem Schritt kommen, lass uns erst einmal erkunden, wie viele Arten von Testmethoden es gibt und wann man welche Methode einsetzen sollte.

A/B Testing, Multivariate Testing, Split URL Testing und Multipage Testing sind 4 verschiedene Arten von Tests.

Die erste Art, nämlich das A/B Testing, haben wir bereits besprochen. Kommen wir nun zu den anderen Arten des Testens.

Split URL Testing

Viele Leute verwechseln Split URL Testing mit A/B Testing, aber die beiden sind grundlegend verschieden.

Split URL Testing ist das Testen mehrerer Versionen deiner Webseite, die auf verschiedenen URLs gehostet sind.

Dein Website-Traffic wird zwischen den Kontroll- und Varianten aufgeteilt und jede ihrer Konversionsraten wird gemessen, um zu entscheiden, welche Version gewinnt.

Der Hauptunterschied zwischen einem Split URL Test und einem A/B Test ist, dass bei einem Split Test die Variationen auf unterschiedlichen URLs gehostet werden.

A/B-Tests werden bevorzugt, wenn nur Front-End-Änderungen erforderlich sind.

Split-URL-Tests hingegen werden bevorzugt, wenn signifikante Design-Änderungen erforderlich sind und du das bestehende Website-Design nicht anfassen möchtest.

Das Erstellen eines Split URL-Tests besteht im Großen und Ganzen aus den folgenden Schritten:

Einrichten der Seiten für den Split-URL-Test

Hinzufügen von Konversionszielen und Abschätzen der Testdauer
Finalisieren des Tests
Vorschau und Start des Tests
Multivariates Testen (MVT)

Es ist eine Methode, bei der Änderungen an mehreren Abschnitten einer Webseite vorgenommen werden und Variationen für alle möglichen Kombinationen erstellt werden.

Beim multivariaten Testen kannst du alle Kombinationen innerhalb eines einzigen Tests testen.

Der multivariate Test hilft dir herauszufinden, welches Element auf einer Webseite den größten Einfluss auf die Conversion Rate hat.

Er ist komplizierter als A/B-Testing und eignet sich am besten für fortgeschrittene Marketingexperten.

Du entscheidest dich zum Beispiel, jeweils zwei Versionen des Hero-Bildes und der CTA-Button-Farbe auf einer Webseite zu testen.

Mit dem MVT kannst du eine Variante für das Heldenbild und eine für die CTA-Button-Farbe erstellen. Um alle Versionen zu testen, erstelle Kombinationen aus allen Variationen, wie hier gezeigt:

Nachdem du einen multivariaten Test mit allen Kombinationen durchgeführt hast, kannst du anhand der gewonnenen Daten feststellen, welche Kombination die Conversion Rate deiner Seite am meisten beeinflusst und diese Kombination einsetzen.

Mehrseitiges Testen

Multipage Testing ist eine Form des Experimentierens, bei der du Änderungen an bestimmten Elementen über mehrere Seiten hinweg testen kannst.

Es gibt zwei Möglichkeiten, das Multipage Testing durchzuführen. Erstens kannst du entweder alle Seiten deines Verkaufstrichters nehmen und neue Versionen von jeder Seite erstellen, was deinen Herausforderer-Verkaufstrichter ergibt, und diesen dann gegen die Kontrolle testen.

Das nennt man Funnel Multipage Testing. Und zweitens kannst du testen, wie sich das Hinzufügen oder Entfernen von wiederkehrenden Elementen, wie Sicherheitsabzeichen, Testimonials und so weiter, auf die Conversions im gesamten Trichter auswirkt.

Dies wird als klassisches oder konventionelles Multipage Testing bezeichnet. Zusätzlich zu den 4 gerade besprochenen Typen gibt es auch zwei verschiedene statistische Ansätze für das Testen: Frequentist und Bayesian.

Der Frequentistische Ansatz der Wahrscheinlichkeit definiert die Wahrscheinlichkeit eines Ereignisses in Bezug darauf, wie häufig (daher der Name) ein bestimmtes Ereignis in einer großen Anzahl von Trials/Datenpunkten auftritt.

Übertragen auf die Welt der A/B-Tests kann man sehen, dass jeder, der mit dem frequentistischen Ansatz arbeitet, mehr Daten benötigt (eine Funktion der größeren Anzahl von getesteten Besuchern und über längere Zeiträume), um die richtigen Schlüsse zu ziehen.

Dies ist etwas, was dich bei der Skalierung von A/B-Tests einschränkt. Nach dem Frequentist-Ansatz ist es essentiell, die Dauer deines A/B-Tests basierend auf der Stichprobengröße zu definieren, um zu den richtigen Testschlussfolgerungen zu gelangen.

Die Tests beruhen auf der Tatsache, dass jedes Experiment unendlich oft wiederholt werden kann.

Wenn du diesen Ansatz verfolgst, brauchst du viel Aufmerksamkeit für jeden Test, den du durchführst, da du gezwungen bist, für die gleiche Anzahl von Besuchern Tests mit längerer Dauer durchzuführen, als beim Bayes’schen Ansatz.

Daher muss jeder Test mit äußerster Sorgfalt behandelt werden, denn es gibt nur wenige Tests, die du in einem bestimmten Zeitrahmen durchführen kannst.

Im Gegensatz zur Bayes’schen Statistik ist sie weniger intuitiv und erweist sich oft als schwierig zu verstehen.

Auf der anderen Seite ist die Bayes’sche Statistik eine Theorie, die auf der Bayes’schen Interpretation der Wahrscheinlichkeit basiert, wobei die Wahrscheinlichkeit als Grad des Glaubens an ein Ereignis ausgedrückt wird.

In einfachen Worten: Je mehr man über ein Ereignis weiß, desto besser und schneller kann man das Endergebnis vorhersagen.

Anstatt ein fester Wert zu sein, kann sich die Wahrscheinlichkeit unter Bayesscher Statistik ändern, wenn neue Informationen gesammelt werden. Dieser Glaube kann auf vergangenen Informationen basieren, wie z.B. auf den Ergebnissen früherer Tests oder anderen Informationen über das Ereignis.

Im Gegensatz zum frequentistischen Ansatz liefert der Bayesianische Ansatz fast 50% schneller umsetzbare Ergebnisse als die ältere Frequentistische Methode, während er sich auf die statistische Signifikanz konzentriert.

Zu jedem beliebigen Zeitpunkt, vorausgesetzt du hast genügend Daten zur Hand, sagt dir der Bayes’sche Ansatz die Wahrscheinlichkeit, dass Variante A eine niedrigere Conversion Rate hat als Variante B oder die Kontrolle.

Es gibt weder ein definiertes Zeitlimit, noch erfordert es tiefgreifende Kenntnisse in Statistik.

Schritt 5: Ergebnisanalyse und Einsatz

Auch wenn dies der letzte Schritt ist, in dem du den Gewinner deiner Kampagne findest, ist die Analyse der Ergebnisse extrem wichtig.

Da A/B-Tests eine kontinuierliche Datenerfassung und -analyse erfordern, ist es dieser Schritt, in dem sich deine gesamte Reise abspielt.

Sobald dein Test abgeschlossen ist, analysiere die Testergebnisse, indem du Metriken wie prozentuale Steigerung, Konfidenzniveau, direkte und indirekte Auswirkungen auf andere Metriken, etc. berücksichtigst.

Nachdem du diese Zahlen berücksichtigt hast, solltest du, wenn der Test erfolgreich war, die siegreiche Variante einsetzen.

Bleibt der Test ergebnislos, ziehe deine Erkenntnisse daraus und implementiere sie in deine nachfolgenden Tests.

Mit A/B-Tests kannst du systematisch jeden Teil deiner Website durcharbeiten, um die Conversions zu verbessern.

Wo kann man A/B testen?

Der Konversionstrichter deiner Website bestimmt das Schicksal deines Unternehmens. Daher muss jeder Inhalt, der deine Nutzer über deine Website erreicht, auf sein maximales Potenzial optimiert werden.

Dies gilt insbesondere für Elemente, die das Besucherverhalten und die Konversionsrate beeinflussen können.

Wenn du ein Optimierungsprogramm durchführst, sollten die folgenden Schlüsselelemente A/B getestet werden (die Liste ist jedoch nicht vollständig):

Copy .

  1. Überschriften und Unterüberschriften
  2. Deine Überschrift ist das erste, was die Besucher auf deiner Seite sehen. Die Überschrift ist das, was den ersten Eindruck in den Augen eines Besuchers definiert. Und der erste Eindruck entscheidet darüber, ob der Besucher weiter in deinen Conversion Funnel einsteigt. Aus diesem Grund ist es zwingend notwendig, besonders vorsichtig mit dem Text deiner Webseite, dem Schreibstil und der Formatierung zu sein. Achte darauf, dass deine Überschrift die Aufmerksamkeit der Besucher erregt, sobald sie auf deiner Website landen. Halte sie kurz und prägnant und stelle sicher, dass sie klar über dein Produkt oder deine Dienstleistung und deren Vorteile spricht. Probiere A/B-Tests mit verschiedenen Schriftarten, Größen, Texten und Botschaften aus.
  3. Textkörper
    Der Hauptteil deiner Webseite sollte klar sagen, was der Besucher bekommt – was ihn erwartet. Er sollte auch mit der Headline deiner Seite übereinstimmen. Eine gut geschriebene Headline und ein gut geschriebener Body können die Chancen erhöhen, deine Website in einen Conversion-Magneten zu verwandeln. Während du den Inhalt für den Hauptteil deiner Seite schreibst, solltest du diese beiden Parameter im Hinterkopf behalten:

Schreibstil

Verwende die richtige Tonalität, basierend auf der Zielgruppe.

Dein Text sollte den Endnutzer direkt ansprechen und alle seine Fragen beantworten.

Er sollte aus Schlüsselsätzen bestehen, die die Benutzerfreundlichkeit verbessern und aus stilistischen Elementen, die wichtige Punkte hervorheben.

Formatierung

Verwende relevante Überschriften und Zwischenüberschriften, gliedere den Text in kleine und einfache Absätze und formatiere ihn für Skimmer mit Aufzählungspunkten oder Listen.

Design und Layout

Weil alles so wichtig erscheint, kämpfen Unternehmen manchmal damit, nur die wichtigsten Elemente auf ihrer Website zu behalten.

Mit A/B-Tests kann dieses Problem ein für alle Mal gelöst werden. Als eCommerce-Store ist zum Beispiel deine Produktseite aus Sicht der Conversion extrem wichtig.

Eine Sache ist sicher, dass mit dem technologischen Fortschritt in seinem aktuellen Stadium, Kunden gerne alles in hoher Auflösung sehen, bevor sie es kaufen.

Aus diesem Grund muss deine Produktseite in Bezug auf Design und Layout in der bestmöglichen Form sein.

Zum Design und Layout einer Seite gehören neben dem Text auch Bilder (Produktbilder, Angebotsbilder, etc.) und Videos (Produktvideos, Demovideos, Werbung, etc.).

Deine Produktseite sollte alle Fragen deiner Nutzer beantworten, ohne sie zu verwirren und ohne unübersichtlich zu werden:

Biete klare Informationen an: Basierend auf den Produkten, die du verkaufst, solltest du kreative Wege finden, um alle notwendigen Zusammenhänge und genaue Produktbeschreibungen bereitzustellen, so dass potenzielle Käufer nicht mit einem unorganisierten Text überwältigt werden, während sie nach Antworten auf ihre Fragen suchen.

Schreibe klare Texte und biete leicht erkennbare Größentabellen, Farboptionen, etc.

Hebe Kundenrezensionen hervor: Füge sowohl gute als auch schlechte Bewertungen für deine Produkte hinzu.

Negative Bewertungen verleihen deinem Shop Glaubwürdigkeit.

Schreibe einfache Inhalte: Vermeide es, potenzielle Käufer mit komplizierter Sprache zu verwirren, um deinen Inhalt auszuschmücken. Halte es einfach und macht Spaß zu lesen.

Erzeuge ein Gefühl der Dringlichkeit: Füge Tags wie „nur noch 2 auf Lager“, Countdowns wie „Angebot endet in 2 Stunden 15 Minuten“ oder hebe exklusive Rabatte und Festtagsangebote etc. hervor, um den potenziellen Käufer zum sofortigen Kauf zu bewegen.

Andere wichtige Seiten, deren Design auf den Punkt sein muss, sind Seiten wie die Startseite und die Landing Page. Nutze A/B-Tests, um die am besten optimierte Version dieser wichtigen Seiten zu finden.

Teste viele Ideen, wie z.B. das Hinzufügen von viel Weißraum und hochauflösenden Bildern, das Einfügen von Produktvideos anstelle von Bildern oder das Ausprobieren verschiedener Layouts. Entrümple deine Seiten mit Hilfe von Erkenntnissen aus Clickmaps, um tote Klicks zu analysieren und Ablenkungen zu identifizieren. Je weniger überladen deine Homepage und Landingpages sind, desto wahrscheinlicher ist es, dass die Besucher einfach und schnell finden, was sie suchen.

Navigation
Ein weiteres Element deiner Website, das du durch A/B-Tests optimieren kannst, ist die Navigation deiner Website. Sie ist das wichtigste Element, wenn es darum geht, eine exzellente User Experience zu liefern. Stelle sicher, dass du einen klaren Plan für die Struktur deiner Website hast und wie die verschiedenen Seiten miteinander verbunden sind und innerhalb dieser Struktur reagieren. Die Navigation deiner Website beginnt auf der Startseite. Die Startseite ist die übergeordnete Seite, aus der alle anderen Seiten hervorgehen und die alle Seiten miteinander verbindet. Achte darauf, dass deine Struktur so ist, dass die Besucher leicht finden, was sie suchen und sich nicht aufgrund einer kaputten Navigation verirren. Jeder Klick sollte die Besucher auf die gewünschte Seite führen.

Hier sind einige Ideen, die dir helfen können, deine Navigation zu verbessern:

Passe dich den Erwartungen der Besucher an, indem du deine Navigationsleiste an Standardstellen platzierst, wie z.B. die horizontale Navigation oben und die vertikale unten links, um die Nutzung deiner Website zu erleichtern.
Mache die Navigation deiner Website vorhersehbar, indem du ähnlich thematische Inhalte im selben Bereich oder in verwandten Bereichen unterbringst, um die kognitive Belastung deines Besuchers zu reduzieren. Als E-Commerce-Shop verkaufst du zum Beispiel eine Vielzahl von Kopfhörern und Ohrhörern. Einige davon können kabelgebunden sein, während andere kabellos sind oder Ohrstöpsel sind. Fasse diese so zusammen, dass ein Besucher, wenn er nach Ohr- oder Kopfhörern sucht, all diese Sorten an einem Ort findet, anstatt nach jeder Art einzeln suchen zu müssen
Eine flüssige, leicht zu navigierende Webseite zu erstellen, indem du die Struktur einfach und vorhersehbar hältst und die Erwartungen deiner Besucher erfüllst, kann nicht nur die Chancen erhöhen, deine Konversionsrate zu steigern, sondern auch eine angenehme Kundenerfahrung schaffen, die die Besucher zwingt, auf deine Webseite zurückzukommen.
Formulare
Formulare sind Medien, über die potenzielle Kunden mit dir in Kontakt treten. Sie werden sogar noch wichtiger, wenn sie Teil deines Kauftrichters sind. Genauso wie keine zwei Webseiten gleich sind, sind auch keine zwei Formulare, die sich an unterschiedliche Zielgruppen richten, gleich. Während für einige Unternehmen ein kleines, umfassendes Formular funktionieren mag, können für andere Unternehmen lange Formulare Wunder für ihre Lead-Qualität bewirken. Du kannst herausfinden, welcher Stil für dein Publikum am besten funktioniert, indem du Forschungstools/Methoden wie die Formularanalyse verwendest, um die Problembereiche in deinem Formular zu bestimmen und daran zu arbeiten, sie zu optimieren.

CTA (Call To Action)
Der CTA ist der Ort, an dem die eigentliche Aktion stattfindet – ob die Besucher ihren Kauf abschließen und konvertieren, ob sie das Anmeldeformular ausfüllen oder nicht, und weitere solche Aktionen, die einen direkten Einfluss auf deine Konversionsrate haben. Mit A/B-Tests kannst du verschiedene Kopien, Platzierungen, Farben & Größen, etc. für deinen CTA testen, bis du die siegreiche Variante findest – und dann die siegreiche Version weiter testen, um sie noch weiter zu optimieren.

Social Proof
Social Proof kann in Form von Empfehlungen und Bewertungen von Experten des jeweiligen Fachgebiets, von Prominenten und Kunden selbst, oder als Testimonials, Medienerwähnungen, Auszeichnungen und Abzeichen, Zertifikate und so weiter kommen. Das Vorhandensein dieser Beweise validiert die Behauptungen, die von deiner Website aufgestellt werden. A/B-Tests können dir helfen herauszufinden, ob das Hinzufügen von Social Proofs eine gute Idee ist, welche Arten von Social Proofs eine gute Idee sind und wie viele hinzugefügt werden sollten. Du kannst verschiedene Arten von Social Proofs, das Layout und die Platzierung testen.

Fehler, die man beim A/B testen vermeiden sollte

Fehler #1: Keine Planung deiner Optimierungs-Roadmap
Ungültige Hypothese: Beim A/B-Testing wird vor der Durchführung eines Tests eine Hypothese formuliert. Alle nächsten Schritte hängen von ihr ab: was soll geändert werden, warum soll es geändert werden, was ist das erwartete Ergebnis, und so weiter. Wenn du mit der falschen Hypothese beginnst, sinkt die Wahrscheinlichkeit, dass der Test erfolgreich ist.
Das Wort anderer beim Wort nehmen: Sicher, jemand anderes hat seinen Anmeldefluss geändert und einen 30%igen Anstieg der Conversions gesehen. Aber es ist ihr Testergebnis, basierend auf ihrem Traffic, ihrer Hypothese und ihren Zielen. Hier ist der Grund, warum du die Testergebnisse von jemand anderem nicht auf deine Website übertragen solltest: Keine zwei Websites sind gleich – was für sie funktioniert hat, funktioniert vielleicht nicht für dich. Ihr Traffic wird anders sein; ihre Zielgruppe könnte anders sein; ihre Optimierungsmethode könnte anders gewesen sein als deine, und so weiter.
Fehler #2: Zu viele Elemente zusammen testen
Branchenexperten warnen davor, zu viele Tests auf einmal durchzuführen. Wenn man zu viele Elemente einer Website zusammen testet, ist es schwierig festzustellen, welches Element den Erfolg oder Misserfolg des Tests am meisten beeinflusst hat. Abgesehen davon, je mehr Elemente getestet werden, desto höher muss der Traffic auf dieser Seite sein, um statistisch signifikante Tests zu rechtfertigen. Daher ist eine Priorisierung der Tests für ein erfolgreiches A/B-Testing unerlässlich.

Fehler #3: Statistische Signifikanz ignorieren
Wenn Bauchgefühle oder persönliche Meinungen einen Weg in die Hypothesenformulierung finden oder während du die Ziele des A/B-Tests festlegst, ist es sehr wahrscheinlich, dass er scheitert. Unabhängig davon, ob der Test erfolgreich ist oder nicht, musst du ihn komplett durchlaufen lassen, damit er seine statistische Signifikanz erreicht.
Denn die Testergebnisse, egal ob gut oder schlecht, geben dir wertvolle Erkenntnisse und helfen dir, deinen nächsten Test besser zu planen.

Mehr über die verschiedenen Fehlerarten erfährst du, wenn du dich mit der Mathematik des A/B-Tests beschäftigst.

ab test fehler teil
Fehler #4: Unausgeglichenen Traffic verwenden
Unternehmen enden oft damit, unausgewogenen Traffic zu testen. A/B-Tests sollten mit dem passenden Traffic durchgeführt werden, um aussagekräftige Ergebnisse zu erhalten. Wenn du einen geringeren oder höheren Traffic als für das Testen erforderlich verwendest, erhöht sich die Wahrscheinlichkeit, dass deine Kampagne fehlschlägt oder nicht aussagekräftige Ergebnisse liefert.

Fehler #5: Testen mit falscher Dauer
Basierend auf deinem Traffic und deinen Zielen solltest du A/B-Tests für eine bestimmte Zeitspanne durchführen, um eine statistische Signifikanz zu erreichen. Einen Test über einen zu langen oder zu kurzen Zeitraum laufen zu lassen, kann dazu führen, dass der Test fehlschlägt oder nicht aussagekräftige Ergebnisse liefert. Nur weil eine Version deiner Website in den ersten Tagen nach dem Start des Tests zu gewinnen scheint, heißt das nicht, dass du den Test vorzeitig abbrechen und einen Gewinner erklären solltest. Eine Kampagne zu lange laufen zu lassen ist auch ein häufiger Fehler, den Unternehmen begehen. Die Dauer, für die du deinen Test laufen lassen musst, hängt von verschiedenen Faktoren ab, wie dem bestehenden Traffic, der bestehenden Conversion Rate, der erwarteten Verbesserung und so weiter.

Erfahre, wie lange du deinen Test laufen lassen solltest.

Fehler #6: Einem iterativen Prozess nicht zu folgen
A/B-Testing ist ein iterativer Prozess, wobei jeder Test auf den Ergebnissen der vorherigen Tests aufbaut. Viele Unternehmen geben das A/B-Testing auf, nachdem ihr erster Test fehlgeschlagen ist. Um aber die Chancen zu erhöhen, dass dein nächster Test erfolgreich ist, solltest du bei der Planung und Durchführung deines nächsten Tests Erkenntnisse aus deinen letzten Tests ziehen. Dies erhöht die Wahrscheinlichkeit, dass dein Test mit statistisch signifikanten Ergebnissen erfolgreich ist.

Außerdem solltest du nach einem erfolgreichen Test nicht aufhören zu testen. Teste jedes Element wiederholt, um die optimalste Version davon zu erhalten, auch wenn sie ein Produkt einer erfolgreichen Kampagne sind.

Fehler #7: Externe Faktoren nicht berücksichtigen
Tests sollten in vergleichbaren Zeiträumen durchgeführt werden, um aussagekräftige Ergebnisse zu erzielen. Es ist falsch, den Website-Traffic an den Tagen, an denen er am höchsten ist, mit den Tagen zu vergleichen, an denen er aufgrund von externen Faktoren wie Ausverkauf, Feiertagen und so weiter am niedrigsten ist. Da hier nicht zwischen Likes verglichen wird, steigt die Wahrscheinlichkeit, dass man zu einem nichtssagenden Ergebnis kommt. Nutze den A/B-Test Signifikanz-Rechner von VWO, um zu wissen, ob die Ergebnisse deines Tests signifikant sind oder nicht.

Fehler #8: Die falschen Tools verwenden
Mit der zunehmenden Popularität von A/B-Tests sind auch viele kostengünstige Tools aufgetaucht. Nicht alle dieser Tools sind gleich gut. Einige Tools verlangsamen deine Seite drastisch, während andere nicht eng mit den notwendigen qualitativen Tools (Heatmaps, Session-Aufzeichnungen und so weiter) integriert sind, was zu einer Verschlechterung der Daten führt. A/B-Tests mit solchen mangelhaften Tools können den Erfolg deines Tests von Anfang an gefährden.

Fehler #9: Festhalten an der Plain Vanilla A/B Testing Methode
Während die meisten Marketer empfehlen, dass du deine Experimentierreise mit kleinen A/B-Tests auf deiner Website beginnen solltest, um den Dreh herauszubekommen, wie der gesamte Prozess funktioniert. Aber auf lange Sicht wird das Festhalten an der einfachen A/B-Testmethode keine Wunder für dein Unternehmen bewirken. Wenn du zum Beispiel planst, eine Seite deiner Website komplett zu überarbeiten, solltest du Split-Tests anwenden. Wenn du hingegen eine Reihe von Variationen von CTA-Buttons, deren Farbe, den Text und das Bild deines Seitenbanners testen möchtest, musst du multivariate Tests durchführen.

A/B-Tests & SEO

Was die Auswirkungen von SEO auf A/B-Tests angeht, hat Google in seinem Blogpost mit dem Titel „Website Testing And Google Search“[3] die wichtigsten Punkte aus diesem Post zusammengefasst:

Kein Cloaking
Cloaking – also das Anzeigen eines bestimmten Inhalts für Menschen und eines anderen für den Googlebot – verstößt gegen unsere Webmaster-Richtlinien, egal ob du einen Test durchführst oder nicht. Stelle sicher, dass du nicht anhand des User-Agents entscheidest, ob du den Test auslieferst oder welche Content-Variante du auslieferst. Ein Beispiel dafür wäre, dass du immer den ursprünglichen Inhalt auslieferst, wenn du den User-Agent „Googlebot“ siehst. Denke daran, dass ein Verstoß gegen unsere Richtlinien dazu führen kann, dass deine Seite herabgestuft oder sogar aus den Google-Suchergebnissen entfernt wird – wahrscheinlich nicht das gewünschte Ergebnis deines Tests.

Verwende nur 302 Weiterleitungen
Wenn du einen A/B-Test durchführst, der Nutzer von der Original-URL zu einer Variations-URL weiterleitet, verwende eine 302er (temporäre) Weiterleitung, keine 301er (permanente) Weiterleitung. Dies teilt den Suchmaschinen mit, dass diese Weiterleitung temporär ist – sie wird nur so lange bestehen, wie du das Experiment durchführst – und dass sie die ursprüngliche URL in ihrem Index behalten sollen, anstatt sie durch das Ziel der Weiterleitung (die Testseite) zu ersetzen. JavaScript-basierte Weiterleitungen haben ebenfalls grünes Licht von Google bekommen.

Experimente für eine angemessene Dauer durchführen
Die Zeit, die für einen zuverlässigen Test benötigt wird, hängt von Faktoren wie deinen Konversionsraten und der Menge an Traffic ab, die deine Website erhält. Ein gutes Test-Tool sollte dir sagen, wann du genug Daten gesammelt hast, um verlässliche Schlüsse ziehen zu können. Sobald du den Test abgeschlossen hast, solltest du deine Seite mit der gewünschten Variante(n) aktualisieren und alle Elemente des Tests so schnell wie möglich entfernen, wie z.B. alternative URLs oder Testskripte und Markup.

Verwende rel=“canonical“ Links
Google empfiehlt die Verwendung des rel=“canonical“ Link-Attributs[4] für alle alternativen URLs, um zu verdeutlichen, dass die Original-URL tatsächlich die bevorzugte ist. Dieser Vorschlag rührt daher, dass rel=“canonical“ in dieser Situation besser zu deiner Intention passt, als andere Methoden, wie z.B. kein Index-Meta-Tag. Wenn du zum Beispiel Variationen deiner Produktseite testest, willst du nicht, dass die Suchmaschinen deine Produktseite nicht indexieren. Du willst nur, dass sie verstehen, dass alle Test-URLs enge Duplikate oder Variationen der Original-URL sind und zusammen gruppiert werden sollten, mit der Original-URL als Held. In diesen Fällen kann die Verwendung von no index statt rel=“canonical“ in einer solchen Situation manchmal unerwartet schlechte Auswirkungen haben.

A/B-Test-Beispiele ( wird ergänzt )

Fazit zum A/B-Test

Nachdem du diesen umfassenden Artikel über A/B-Tests gelesen hast, solltest du nun bestens ausgerüstet sein, um deine eigene Optimierungs-Roadmap zu planen.

Befolge jeden Schritt gewissenhaft und achte auf alle großen und kleinen Fehler, die du begehen kannst, wenn du den Daten nicht die Wichtigkeit gibst, die sie verdienen.

A/B-Tests sind von unschätzbarem Wert, wenn es darum geht, die Konversionsraten deiner Website zu verbessern.

Wenn du es mit voller Hingabe und mit dem Wissen, das du jetzt hast, durchführst, kann A/B-Testing eine Menge Risiken reduzieren, die mit einem Optimierungsprogramm verbunden sind.

Es wird dir auch helfen, die UX deiner Website deutlich zu verbessern, indem du alle Schwachstellen eliminierst und die am besten optimierte Version deiner Website findest.

Wenn du diesen Leitfaden nützlich fandest, dann verbreite ihn weiter und hilf anderen Marketern beim A/B-Testing, ohne auf die häufigsten Fallstricke hereinzufallen. Viel Spaß beim Testen!

FAQ zu A/B-Tests

A/B-Testing ist der Prozess, bei dem zwei Varianten eines Seitenelements miteinander verglichen werden, in der Regel durch das Testen der Reaktion der Nutzer auf Variante A vs. Variante B, und die Schlussfolgerung, welche der beiden Varianten effektiver ist.

Im digitalen Marketing ist A/B-Testing der Prozess, bei dem zwei Versionen der gleichen Webseite gleichzeitig verschiedenen Segmenten von Website-Besuchern gezeigt werden und dann verglichen wird, welche Version die Website-Konversionen verbessert.

Es gibt verschiedene Gründe, warum wir A/B-Tests durchführen. Einige davon sind die Lösung von Besucherproblemen, die Erhöhung der Konversionsrate oder der Leads und die Senkung der Absprungrate. Lies unseren Guide, um den Rest der Gründe zu erfahren.

Beim A/B-Testing wird der Traffic auf zwei oder mehr komplett unterschiedliche Versionen einer Webseite aufgeteilt. Beim multivariaten Testen werden mehrere Kombinationen einiger Schlüsselelemente einer Seite gegeneinander getestet, um herauszufinden, welche Kombination am besten für das Ziel des Tests funktioniert.

Quellen:

  1. Wikipedia – A/B-Test: https://de.wikipedia.org/wiki/A/B-Test
  2. Abtasty.com – Definition, Beispiele und Tipps von AB Tasty: https://www.abtasty.com/de/ab-testing/
  3. Optimizely – A/B-Testing Definition: https://www.optimizely.com/de/optimization-glossary/ab-testing/
  4. Onlinemarketing.de – AB/Tets Definition: https://onlinemarketing.de/lexikon/definition-ab-test
  5. Kameloon.com – Was ist A/B-Testing?: https://kameleoon.com/de/ab-testing