Was ist A/B Testing?

Alles, was Sie wissen sollten, hier für Sie zusammengefasst

Einleitung

Wir leben in einer Epoche, in der Marketing von Data bestimmt wird. Lang ist es her, dass es reichte, Geld zu investieren und auf Ergebnisse zu warten. Marketing heute erfordert einen wissenschaftlicheren Ansatz und basiert auf Daten. Bei Entscheidungen über Marketing oder Design von Websites, Werbung, kurz allem Online-Content, ist A/B Testing die beste Art, alle Unsicherheiten und Bauchentscheidungen aus dem Weg zu räumen.

Seien Sie experimentierfreudig!

Eine auf Data und Tests basierende Strategie macht Sie reaktiver, bietet präzises Feedback und zeigt auf, was funktioniert – und was nicht. Sie können bessere Entscheidungen treffen und Zeit und Geld in den Content investieren, den Ihre Besucher wirklich wollen.

A/B Testing - ihre Marketing-„Massenerfolgswaffe“

75% aller Websites mit über einer Million Besuchern pro Monat sind bereits zum A/B Testing übergegangen. Vielleicht ist es auch für Sie an der Zeit, Risiken bei Marketingentscheidungen auszuschalten.

Es braucht Zeit, in A/B Testing einzusteigen, und sogar mehr Zeit, um sich richtig einzuarbeiten. Sie müssen Prozesse erstellen, einen Rahmen setzen, Statistiken einbeziehen, ein neues Tool implementieren und benutzen lernen, sicherstellen, dass die erzielten Ergebnisse korrekt sind… Aber von nichts kommt nichts: Wer ein großes Potenzial haben möchte, muss einen großen (Zeit-)Aufwand in Kauf nehmen.

Das hört sich kompliziert an, ist es aber nicht. Hier finden Sie alles, was Sie über A/B Testing wissen müssen, erarbeitet von den besten Blogs und Experten.

Was ist A/B Testing?

Definition: A/B Testing ist ein Online-Experiment, für Websites, Mobile Apps oder Online-Werbung (unter anderem), das ermöglicht, potenzielle Verbesserungen zu testen und sie mit einer gegebenen Version zu vergleichen. Kurz gesagt zeigt A/B Testing dank statistischer Analysen, welche Version besser bei Ihrem Webseiten-Publikum ankommt.



A/B Testing wird auch Split Testing genannt, wobei es sich entweder um A/B Testing ODER um Split URL Testing handeln kann. Das klassische A/B Testing geht von ein und derselben URL aus, beim Split URL Testing hat die Variante eine eigene URL (was der Besucher natürlich nicht sieht).


Was ist Multivariate Testing (MVT)?

Es kann vorkommen, dass mehrere Veränderungen getestet werden sollen, z. B. Banner, Kopfzeile, Beschreibung oder Video. Um sie gleichzeitig zu testen, kann Multivariate Testing (MVT) genutzt werden.

Varianten werden geschaffen, die alle unterschiedlichen Kombinationen dieser Veränderungen testen und die beste Kombination ermitteln.

Der große Nachteil dieser Methode ist, dass sie ein sehr hohes Traffic-Niveau Ihrer Webseite erfordert. Nähere Informationen über diese Methode finden Sie in diesem Artikel von Hubspot.

Beispiel mit einem Banner und einem Bild
(4 Varianten, Kontrollversion nicht eingeschlossen)


Bandit Testing oder Multi-Armed Bandit Testing

Multi-Armed Bandit Testing heißt, dass ein Algorithmus Sie automatisch und schrittweise zu der besten Variante führt.

Für nähere Informationen ist der Artikel von Alex Birkett (Conversion XL) bei Weitem der beste.


A/B/n Testing nennt man die Variante, bei der mehr als zwei Varianten eines Elements oder einer Seite getestet werden. So könnten sechs Varianten einer Seite in einen A/B/C/D/E/F Test geprüft werden.




Welche Vorteile bietet A/B Testing?

Warum SIE A/B Testing machen sollten? Gegenfrage: Sind Sie vollauf zufrieden mit der Nutzung Ihres hart erarbeiteten Webseiten-Traffics? Mit einem hohen Verkehrsvolumen sind höhere Conversion-Raten preiswerter zu erzielen und bieten hohes ROI-Potenzial. Das ist aber noch nicht alles, nachfolgend einige weitere Vorteile:

Hier konkrete Beispiele für Fragen, die A/B Testing beantwortet:


Wie A/B Testing funktioniert

Eine gegebene (oder Kontroll-) Version einer Seite oder eines Elements wird im Vergleich zu einer Version mit der Variation eines oder mehrerer Elemente getestet (Webseite, Element innerhalb einer Seite, CTA, Bild…)


Der Traffic wird in gleichen Teilen aufgeteilt, Besucher sehen eine der Variationen. Die Performance beider Varianten (Conversion, Umsatz…) wird verglichen, um herauszufinden, welche Änderungen lohnend sind.


Einen Schritt weiter im A/B Testing

Optimierung der Conversion-Rate dank A/B Testing

Was ist Conversion Rate Optimization (oder CRO)?

"CRO ist der Prozess, der ermöglicht, die Rate zu steigern, mit der Besucher die Aktionen auf Ihrer Website vornehmen, die Sie vorsehen, d.h. meistens etwas zu kaufen oder zu „konvertieren“ und Kontaktinfo zu geben. "


Kurz gesagt handelt es sich darum, aus einem Besucher einen Kunden zu machen.

Hohe Besucherzahlen sind toll. Aber nur wenn sie optimal genutzt werden. Und hier kommt CRO ins Spiel.


Die besten Ratgeber für Conversion Rate-Optimierung

Wie funktioniert A/B Testing: Rahmen und Methoden

A/B Testing steht und fällt mit dem zugrunde liegenden Prozess. Es handelt sich um eine wissenschaftliche Methode. Der Prozess muss deshalb präzise definiert werden und auf die wirksamsten Tests fokussiert werden.

Jedes Unternehmen hat seine eigenen Verfahrensweisen, einige Punkte haben sie jedoch gemeinsam.

  1. 1

    Website-Data messen, studieren und analysieren. Probleme und Chancen identifizieren

  2. 2

    Hypothesen erstellen (Craig Sullivan gibt nützliche Beispiele)

  3. 3

    Testideen hierarchisieren (eine der meist genutzten Methode ist PIE von Widerfunnel)

    Dieser Rahmen bietet die Hierarchisierung nach drei Kriterien:
    Potenzial ./10: wie viel Verbesserungsspielraum bietet diese Seite?
    Auswirkung ./10: wie wertvoll ist der Verkehr auf dieser Seite?
    Einfache Umsetzung ./10: wie einfach kann der Test auf Ihrer Website implementiert werden?

    Die Antworten auf diese drei Fragen zeigen, welche Tests Vorrang haben sollten. Es gibt viele andere Methoden, testen Sie mehrere und passen Sie sie an ihre Bedürfnisse an.

  4. 4

    Die Hypothese mit der höchsten Priorität testen

  5. 5

    Testergebnisse analysieren und von ihnen lernen

  6. 6

    Kommunizieren

  7. 7

    Ab Schritt 1 wiederholen


Interessante A/B Testing-Prozesse und Methoden

Was kann mit A/B Testing getestet werden?

A/B Testing kann für fast alles auf Ihrer Website genutzt werden:


Auch wenn die Beispiele zahlreich sind, fehlt manchmal die Inspiration. Deshalb ein paar A/B Testing-Ideen für Sie.

Zuvor aber eine kleine Warnung: Was bei anderen funktioniert hat, ist nicht unbedingt die richtige Lösung für Sie. Sie sollten also nicht blind den Beispielen folgen, sondern analysieren, was für Sie relevant ist und ob und wie die Lösung auf Ihr Unternehmen zugeschnitten werden kann.


A/B Testing-Ideen – Lassen Sie sich inspirieren

A/B Best Practice… und Fehler

A/B Testing kann schwierig sein… und ist leicht zu vermasseln. Es ist deshalb nützlich, Fehlerquellen zu identifizieren und Sicherheitsmaßnahmen zur Hand zu haben. Zum Glück sind beide Themen bereits gründlich bearbeitet worden.

Erhöhen Sie Ihre Erfolgschancen und lernen Sie von Best-Practice-Beispielen und Fehlern der Anderen. Aber Vorsicht, wie immer sollten Sie austesten, was am besten auf Ihre Situation zugeschnitten ist.


Weiterführende Literatur

Es gibt nur wenige Bücher (oder E-Books) zum Thema A/B Testing. Hier einige Titel, die Ihren Wissendurst stillen könnten.


A/B Testing-Reporting & Ergebnisse

A/B Testing lebt von Daten UND deren Lehren. Reporting und Ergebnisse sind also von höchster Wichtigkeit, sei es um Erfahrungen zu nutzen, mit Kollegen zu kommunizieren oder um Ideen für weitere Tests zu erhalten.


Infos über A/B Testing-Reporting & Ergebnisse

Tauchen Sie ein in die Welt der A/B Testing Statistiken (nichts für Leute mit Tiefenangst…)

A/B Testing basiert auf statistischen Methoden. Sie brauchen kein Statistikexperte zu sein, aber eine kleine Auffrischung in diesem Bereich ist von Nutzen und erhöht die Erfolgschancen erheblich.

Dem A/B Testing liegen zwei grundsätzliche statistische Methoden zugrunde. Sie unterscheiden sich nicht nach Qualität sondern nach Einsatzgebiet. So wirken sie in Kameleoons Statistiktool..

Ansatz der Entscheidungshäufigkeit (frequentist approach) Ermöglicht eine einfache Lektüre der Verlässlichkeit der Ergebnisse, dank des Konfidenzlevels: ein Niveau von 95% oder mehr bedeutet eine 95%ige Chance, die gleichen Ergebnisse zu erhalten, wenn der erneute Test unter den gleichen Bedingungen durchgeführt wird. Nachteil: die Methode hat einen festen Zeithorizont, der Konfidenzlevel hat vor dem Ende des Tests keine Gültigkeit.

Bayes'scher Ansatz: Bietet sofortige Verlässlichkeit der Ergebnisse ab Testbeginn. Man braucht nicht auf das Testende zu warten, um Trends zu erkennen und Daten zu interpretieren. Bedingung für diesen Ansatz ist allerdings die Kenntnis des Konfidenzintervalls, auf dem die Einschätzungen während des Tests basieren. Jede Conversion hilft, die beste Variante zu definieren.


A/B Testing Statistiken

A/B Testing-Kompetenzen und Management

Um alle Trümpfe in der Hand zu haben, hier noch ein paar Tipps zum Thema Kompetenzen und Management, z.B. Web Analytics und UX Design.


A/B Testing Tools für verbesserte Ergebnisse

Project Management, Berechnung von Testgruppengröße oder Testdauer, Toolkits für Ihre Prozesse… anbei Hilfsmittel für Ihren Erfolg.


A/B Testing Blogs mit interessanten Infos

Die Lektüre einiger Blogs zum Thema A/B Testing oder Conversion Rate Optimization ist geradezu inspirierend und kann helfen, Ihr A/B Testing zu verbessern.


86 A/B Testing Experten, denen sie folgen sollten

Bleiben Sie auf dem Laufenden in der schnell wandelnden Welt der CRO. Eine gute Methode dafür ist, den besten Experten zu folgen. Hier einige Twitter-Accounts, sowie eine Liste der Experten, falls Sie allen folgen möchten (nicht zu vergessen @kameleoonrocks!).


Twitter-Liste:

https://twitter.com/AlarconJB/lists/cro-experts


Individuelle Twitter-Accounts


Lance Jones

Jason Kincaid

Noah Kagan

Hiten Shah

Dave McClure

Avinash Kaushik

Daniel Gonzalez

David Kirkpatrick

Shanelle Mullin

Steve Blank

Matt McGee

Rand Fishkin

Bart Schutz

Rick Perreault

Sean Ellis

Campaign Monitor

Moz

Bryan Eisenberg

Shopify

Scott Brinker

Chris Goward

Brian Massey

Jeffrey Eisenberg

Sherice Jacob

Carlos del Rio

Pam Moore

Angie Schottmuller

Ryan Deiss

Ian Lurie

ashukairy

Khalid Saleh

Anne Holland

Lincoln Murphy

Amy Africa

Unbounce

Raven Tools

Roger Dooley

Neil Patel

Nichole Elizabeth

Craig Sullivan

Peep Laja

Jon Henshaw

Marketing Nutz

Dan Siroker

Tommy Walker

John Teevan

Joanna Wiebe

Rich Page

Tiffany Da Silva

Jason Quey

Ton Wesseling

Adam Hutchinson

Michael Aagaard

Matt Gershoff

Andy Johns

Brian Balfour

Oli Gardner

Tim Ash

Paul Rouke

Linda Bustos

Theo van der Zee

Get Elastic

Conversion Conference

MAA1

Talia Wolf

Justin Rondeau

Tyson Quick

KlientBoost

Andre Morys

Conversion.com

Anna Talerico

Kelly Cutler

Brooks Bell

Andrew Youderian

Alhan Keser

Conversion Sciences

Alex Birkett

Steven Jacobs

Kaitlyn Nelson

Kevin Hillstrom

Dan Wang

Malachi Leopold

Pete Koomen

Aaron Orendorff

Chief Conversionista

Joel Harvey

Jean-Baptiste Alarcon

Clément René

Externalisiertes A/B Testing durch Agenturen

Wenn Sie nicht die nötigen Ressourcen haben aber trotzdem A/B Testing durchführen möchten, hier einige der besten Agenturen:

PS: Wir bieten ein A/B Testing-Tool, aber auch die komplette Durchführung der Tests, wie die Erfolgsstorys unserer Kunden zeigen


Bereit für den großen Sprung?
Testen Sie kostenlos unsere A/B Testing-Lösung!

Durch Klick auf "Konto erstellen", akzeptieren Sie unsere Geschäftsbedingungen.