Conversion Rate Optimierung durch gezieltes A/B-Testing – So geht’s | morefire

By | September 4, 2019


Alle online Werbemaßnahmen haben eine Sache gemeinsam, sie enden auf einer Landingpage. Dementsprechend sollten diese natürlich gut sein. Doch häufig wissen wir überhaupt nicht was “gut” eigentlich bedeutet. Dementsprechend gibt es sehr viele Instrumente und Methoden, um die User Experience einer Landingpage zu optimieren. Eine häufig genutzte davon ist das A/B-Testing. im Folgenden erkläre ich euch die Grundregeln von effektivem und nachhaltigen A/B-Testing und gebe wichtige Hinweise zur Durchführung. A/B-Testing ist keine bloße Aneinanderreihung von Einzeltests, sondern ein kontinuierlicher Prozess. Um eben diesen Prozess zu gewährleisten, orientieren wir uns gern an diesen sechs Testing-Phasen. Wie ein kluger Mann einmal sagte: “Without data you`re just another person with an opinion”. Durch wildes drauflos testen, werdet ihr wenig erreichen. Deshalb sammelt und sichtet alle eure vorhandenen Datenquellen! Wo zeigen sich überdurchschnittlich viele Abbrüche auf der Website? Was verrät euch euere CRM über eure Kunden? Gab es beispielsweise in der Vergangenheit Kundenbefragungen, die Optimierungspotenziale offenlegen? Ist die Vorarbeit erst einmal gemacht solltet ihr auf euren vorhandenen Daten klare Test-Hypothesen bilden. Diese sollten so spezifisch formuliert seien, dass sie eindeutig validiert oder eben auch widerlegt werden können. Dadurch können auch eure Stakeholder nachvollziehen, welche Tests warum durchgeführt wurden. Ein klassisches Beispiel für eine Test Hypothese wäre beispielsweise: “Durch die Färbung des Buttons im komplementär Kontrast zum Rest der Seite, bekommt dieser mehr Aufmerksamkeit und wird häufiger geklickt. Es gibt immer größere und kleinere Baustellen in der Conversion-Rate-Optimierung. Und nicht zuletzt Abhängigkeiten der einzelnen Elemente einer Website untereinander Stellt einen strukturierten Testplan auf! Dieser bildet einen Überblick über alle durchgeführten Tests, Hypothesen und deren Ergebnisse. Wenn Ihr Timings festhaltet, bedenkt genügend Zeit einzuplanen, um valide Ergebnisse zu bekommen. Ist ein Test erst implementiert, solltet ihr die äußeren Einflussfaktoren möglichst konstant halten. Lasst den Test mindestens zwei Wochen laufen, um Störfaktoren, wie zum Beispiel Sonderaktionen, Feiertage oder auch Traffic-Unterschiede zwischen verschiedenen Wochentagen zu minimieren. Wertet euren Test erst final aus, wenn ihr genügend Daten habt. In Anlehnung an die Sozialforschung geht man hier von einem Signifikanzniveau von fünf Prozent aus. Sprich, eure Testhypothese kann mit 95 prozentiger Wahrscheinlichkeit verworfen oder eben validiert werden. Keine Angst, für diese Rechnung gibt es Tools. Weist ein Testergebnis keine Signifikanz auf, lasst den Test weiterlaufen bis ihr valide Ergebnis habt. Sollte das immer noch nicht der Fall sein müsst ihr den Test verwerfen. Auf keinen Fall sollten uneindeutige Tests implementiert werden. Fällt ein Test positiv aus, sollte dieser natürlich umgehend implementiert werden. Erst auf der Basis wird dann weiter getestet. Andernfalls wisst ihr nie wirklich welche Faktoren für einen Up-Lift in der Conversion Rate verantwortlich war. Ihr könnt natürlich auch multivariate Tests fahren. Voraussetzung dafür ist ein noch höheres Traffic- und Conversionvolumen, als beim A/B-Test. A/B-Testing ist ein sehr wertvolles Instrument zur Conversion-Rate-Optimierung, sofern es korrekt durchgeführt wird. Von rein funktionalen Usability-Tests, bis hin zur zielgruppengerechten Ansprache, durch spezifisches Wording oder eine besondere Bildsprache ist als Test erst einmal alles denkbar. Eure Daten zeigen euch die größten Baustellen an denen ihr ansetzen solltet. Also lasst kein Potenzial mehr liegen und testet los. Wenn du fragen oder Anmerkungen hast, hinterlasse uns gerne einen Kommentar! Wenn du in Sachen Online Marketing auf dem Laufenden bleiben willst, dann abonniere doch gern unseren Channel!

Leave a Reply

Your email address will not be published. Required fields are marked *