Glossary
A/B Testing

Glossar

A/B Testing

In Bezug auf E-Commerce, Marketing und Verkauf können A/B Tests durchgeführt werden. Dadurch werden Verkäufe erfolgreich und hoch konvertiert abgeschlossen, da Sie ein besseres Verständnis dafür bekommen, warum Kunden nicht auf Ihrer Website bleiben und so erkennen, welche Prozesse verbessert werden müssen. A/B Testing ist ein leistungsfähiges und effektives Werkzeug für das Unternehmen, das die Nutzung erleichtert und die Conversionrate erhöht.

Vorgehensweise beim A/B Testing 

Die Zielgruppe eines A/B Tests, zum Beispiel Websitebesucher, wird in zwei Untergruppen aufgeteilt: Gruppe A und Gruppe B. Diese Aufteilung muss nach dem Zufallsprinzip erfolgen (die sogenannte Randomisierung), um ein durchschnittliches und gleichmäßiges Ergebnis aus beiden Gruppen zu erhalten. Die zu testenden Bereiche/Variablen, zum Beispiel der Call-to-Action-Button auf einer Landingpage, werden dann auf zwei Arten erstellt: die aktuelle Variante und eine neue Variante. Zwei Variablen sollten sich nur in einer Komponente unterscheiden, da nur so eine unterschiedliche Reaktion eindeutig auf eine Veränderung zurückgeführt werden kann. 

Anschließend verwenden Sie die Originalversion von Gruppe Aund die modifizierte Version von Gruppe Bundvergleichen die Reaktionen. Die Reaktion stellt jeweils einen gewünschten Effekt dar, etwa eine Anmeldung, die Registrierung für einen Newsletter oder die Bestellung eines Produkts. Die bei A/B Tests verwendeten statistischen Testmethoden hängen von den Eigenschaften der verwendeten Daten ab, wofür Hypothesen aufgestellt werden, beispielsweise: "Wenn der Vorgang zum Check-out gekürzt wird, wird die Kaufabschlussrate steigen". A/B Tests sind eine Möglichkeit, die Benutzererfahrung zu verbessern und die Konversionsrate deutlich zu erhöhen. Das wiederum wirkt sich auf den Umsatz des Unternehmens aus. 

Voraussetzungen für A/B Testing 

Im Gegensatz zu vielfach variablen Tests wird beim A/B Testing nur eine Variable verändert und ihre Wirksamkeit getestet. A/B Tests müssen daher gut selektierbar sein, um aussagekräftig zu sein und die Ergebnisse gültig zu machen. Insbesondere muss bei der Versuchsplanung darauf geachtet werden, dass die Stichprobengröße zufällig gewählt wird, um auch die kleinste nachweisbare Auswirkung zuverlässig zu erfassen. 

Bei A/B Tests ist es außerdem wichtig, im Voraus geeignete Ziele und Annahmen festzulegen, damit Erfolg oder Misserfolg später gemessen werden können. Sie verwenden zwei Arten von Annahmen: Solche, bei denen bestehende Projekte die Ziele unterstützen, und solche, die noch nicht umgesetzt wurden und keine zahlenmäßige Unterstützung haben, aber vernünftig angenommene Faktoren sind.

Conversionoptimierung mithilfe von A/B Testing 

A/B Tests sind ein Instrument zur Umsetzung von Strategien zur Optimierung der Conversion und sollten nicht von anderen Aktivitäten getrennt werden. Da A/B Testing-Tools Hypothesen statistisch testen, müssen Sie das Nutzerverhalten verstehen, um Conversionprobleme vollständig zu identifizieren. A/B Tests sollten demnach als ein Teil der Conversionoptimierung gesehen und nicht als alleiniges Instrument betrachtet werden. Die Conversionrate im Onlinehandel liegt unter zwei Prozent. Das liegt vor allem daran, dass die Conversion allgemein ein komplexer Mechanismus ist, bei dem viele Faktoren eine Rolle spielen: die Qualität des generierten Traffics, die Nutzererfahrung, die Qualität der Impressionen, die Popularität des Online-Shops oder die Aktivitäten der Wettbewerber.

Das Ziel des A/B Testing ist es, die Faktoren zu finden und zu reduzieren, die einen Besucher davon abhalten könnten, auf der eigenen Website einzukaufen. Mit diesem Testergebnis können grundlegende Entscheidungen über mögliche Handlungsmaßnahmen getroffen werden. Verschiedene Informationsquellen wie die Verweildauer auf der Westseite oder der prozentuale Abbruch von Warenkörben können dafür wertvolle Daten liefern. Die gewonnenen Daten beschreiben, wie Benutzer mit Elementen auf oder zwischen Seiten interagieren. Auch wenn nicht alle diese Daten das Nutzerverhalten erklären, können Sie Probleme bei der Conversion, durch beispielsweise die Identifizierung von abgebrochenen Warenkörben, aufzeigen. Darüber hinaus helfen sie, Prioritäten für die zu überprüfenden Seiten zu setzen. Analysen mit dem A/B Testing bieten demnach kostengünstige Einblicke in die Website-Erfahrung aus der Sicht des Nutzers und lassen später mögliche Verbesserungen ableiten.

Tipps für das A/B Testing 

Für einen aussagekräftigen A/B Test wird mit der SMART-Regel gearbeitet. Mithilfe eines klar definierten Problems der Zielgruppe können mögliche neue Lösungswege ausgetestet und später in die Praxis umgesetzt werden:

  • Spezifisch
  • Messbar
  • Erreichbar (measurable)
  • Realistisch
  • Zeitlich (in time)

A/B Tests erfordern zunächst zusätzliche Informationen, um das Nutzerverhalten zu verstehen. Es muss sich auf ein klar definiertes Problem mit vorhersehbaren Ursachen beziehen. Diese definierten Probleme sollten mögliche Lösungen für das aktuelle Problem enthalten und die erwarteten Ergebnisse aufzeigen, die dann später in direktem Zusammenhang mit den gemessenen Ergebnissen der Nutzer gegenübergestellt werden können. Wenn es sich bei dem festgestellten Problem z.B. um eine hohe Absprungrate bei einem Antragsformular handelt, könnte die darauffolgende Hypothese lauten: "Wenn Sie das Formular kürzen, wird die Zahl der registrierten Kontakte steigen".

Faktoren beim A/B Testing 

Welche Faktoren mit einem A/B Test gemessen werden, hängt von den jeweiligen Problemen ab. Wenn Sie wissen, dass Ihre Websitebesucher die von Ihnen angebotenen Produkte nicht verstehen, prüfen Sie in der Regel nicht die Farbe oder die Platzierung der Schaltfläche "In den Warenkorb". Stattdessen werden die Produktformulierungen überarbeitet, um Kunden zu suggerieren, welchen Vorteil sie aus den Produkten ziehen. Es gibt demnach keine einheitlichen Faktoren, sondern es muss auf den Kundenfall abgestimmt werden. Ein mögliches Kaufdefizit kann daran liegen, dass der Kaufbutton auf der Seite kaum sichtbar aufgeführt wird. Es kann jedoch auch am Wording liegen, das den Kunden nicht überzeugt. Das kann mittels A/B Testing herausgefunden werden. Je genauer ein A/B Test durchgeführt wird, umso wahrscheinlicher ist am Ende die Erhöhung der Conversionrate.

Häufig gestellte Fragen (FAQ)

Es ist nützlich, wenn Sie jedem A/B Test konkrete Ziele zuweisen. Hilfreich kann die sogenannte SMART-Methode sein, die die Ziele messbar und erreichbar macht, sie spezifiziert und realistisch darstellt. Die Smart-Regel kann auf jedes beliebige Ziel im A/B Testing angewendet werden. Sind diese Faktoren gegeben, lässt sich das Ergebnis des A/B Tests einfach zuordnen.
Etwa 1.000 Kontakte sollten es sein, um einen aussagekräftigen Test durchzuführen. Sind es mehr als 10.000 Kontakte, lohnt es sich, mehrere A/B-Tests durchzuführen. Unter 1.000 Kontakten ist es schwieriger, ein aussagekräftiges Ergebnis zu erhalten, da die Gruppe der Personen zu klein ist und Entscheidungen nicht auf die breite Masse umgelegt werden können.
Was macht A/B? Bei einem A/B Test wird die Zielgruppe nach dem Zufallsprinzip in zwei verschiedene Gruppen, A und B, eingeteilt. Im Anschluss wird die bisherige Option (zum Beispiel die aktuelle Landingpage) mit der neuen Version gegenübergestellt und anhand der Reaktion der Nutzer neue Strategien zur Optimierung der Conversionrate (zum Beispiel eine neue Buttonfarbe oder ein neuer Kaufhinweis) erstellt.
Intelligente Suche mit Elasticsearch
Elastic Content Search
Detailseiten-Slider
Newsletter Promotion-Glücksrad
Omnichannel Sales generischer Produktexport
PDF Flipbook für Erlebniswelten Plugin fuer Shopware 6
Blog Allrounder

Lorem Ipsum dolor sit amet

Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.

Biljana
Biljana Huerta Barroso
b.huerta@signundsinn.de