A/B-Tests und multivariate Tests: So optimiert ihr eure Conversions
Welche Farben und Formen des Buttons führen zu mehr Klicks? Welche Newsletter-Betreffzeile lässt mehr Empfänger das Mailing öffnen? Und welche Kombination aus Buttons, Schriftarten und Bildmotiven führt zu mehr Leads über eure Webseiten-Formulare? Diese Fragen beantworten A/B-Tests und multivariate Tests. Hier kommen die spannenden Details.
 |
| Dieses Bild erstellte das KI-Tool "neuroflash". |
Was ist ein A/B-Test?
Bei einem A/B-Test vergleicht ihr zwei Varianten (A und B) eines einzelnen Webseiten- oder Newsletter-Elements. Zum Beispiel Buttons, Felder, Bilder oder Schriftarten – aber immer nur einzeln.
Die zu beantwortende Frage: Welche Variante eines Elements lässt mehr User konvertieren, also die gewünschte Handlung ausführen (zum Beispiel klicken, Kontaktdaten abgeben, Content downloaden, Newsletter öffnen, etc.)?
Ihr teilt dabei die Website-Besucher bzw. Newsletter-Empfänger in zwei gleich große, vergleichbare Gruppen auf. Gruppe 1 bekommt Variante A ausgespielt, Gruppe 2 die Variante B.
Dann messt ihr mithilfe dieses A/B-Tests zum Beispiel,
➤ ob der graue oder der gelbe Call-to-Action-Button mehr Klicks brachte,
➤ ob Betreffzeilen-Variante A oder B mehr Newsletter-Öffnungen brachte,
➤ ob Bildmotiv A oder B im Header-Bereich der Landingpage zu mehr Kontaktdaten-Abgaben führte.
Zuvor stellt ihr eine Hypothese auf, ihr arbeitet mit einer Annahme, zum Beispiel:
"Wenn wir den Call-to-Action-Button gelb statt grau gestalten, wird dies mehr Klicks zur Folge haben."
Diese Hypothese überprüft ihr dann mittels des A/B-Tests ("Variante Gelb" gegen "Variante Grau"). Erweist sich eure Hypothese als statistisch signifikant, bedeutet das: "Variante Gelb" wurde deutlich öfter geklickt als die "Variante Grau", sodass ein Zufall ausgeschlossen ist. Die Test-Ergebnisse lassen sich bezogen auf die Grundgesamtheit verallgemeinern. Damit hätte sich eure Hypothese bewahrheitet.
Ist das nicht der Fall, stellt ihr eine neue Hypothese auf (ihr versucht es zum Beispiel mit einer Button-Variante in Blau und lasst auch diese gegen die "Variante Grau" antreten).
Vorteile von A/B-Tests:
- Bereits mit überschaubaren User-Zahlen bekommt ihr aussagekräftige Ergebnisse.
- Ihr könnt A/B-Tests schnell und einfach umsetzen.
Nachteile von A/B-Tests:
- Lasst ihr einen A/B-Test zu kurz laufen oder nutzt Vergleichsgruppen, die zu unterschiedlich sind, kann dies die Ergebnisse verzerren.
Wichtig bei A/B-Tests: Ihr vergleicht immer nur ein einzelnes Element (z. B. die Farbe des Call-to-Action-Buttons), nie das Zusammenspiel mehrerer Elemente (z. B. die Button-Farbe und zusätzlich die Button-Position). Letzteres ist die Aufgabe von multivariaten Tests.
Was sind multivariate Tests?
"Multivariat" bedeutet "mehrere Variablen betreffend".
Wie das A/B-Testing arbeiten auch multivariate Tests mit einem Vergleich. Der Unterschied: Während A/B-Tests nur ein Element vergleichen, untersuchen multivariate Tests mehrere Elemente parallel.
Auch multivariate Tests arbeiten mit Hypothesen, zum Beispiel:
"Wenn wir den Call-to-Action-Button gelb statt grau gestalten, ihn gleichzeitig links statt rechts platzieren und im Header-Bildmotiv mehr Menschen zeigen, wird dies mehr Klicks zur Folge haben."
So will man herausfinden, wie mehrere Variablen miteinander interagieren und welche Kombinationen sich wie stark auf die Conversion auswirken.
Nachteile von multivariaten Tests: Sie sind sehr komplex und es braucht sehr viele Website-Besucher bzw. Newsletter-Empfänger sowie lange Laufzeiten, um statistisch signifikante Ergebnisse zu bekommen.
Wahl der Methode: A/B-Tests oder multivariate Tests?
Welche Methode für eure Website oder euren Newsletter geeignet ist, hängt von folgenden Faktoren ab:
- die Anzahl eurer Website-Besucher bzw. Newsletter-Empfänger
- die vorhandenen Ressourcen (Personal, Budget)
- die eingesetzte Software
Als Faustregel gilt: A/B-Tests sind schnell umgesetzt, kostenschonend und zeitnah aussagekräftig. Multivariate Tests können noch aussagekräftiger sein – sind aber sehr komplex und benötigen hohe Website-Besucherzahlen bzw. viele Newsletter-Empfänger.
A/B-Tests und multivariate Tests: Welche Software-Tools gibt es?
Für Website-Tests seien die folgenden drei Anbieter genannt (in alphabetischer Reihenfolge):
Im Newsletter-Bereich bieten hochwertige E-Mail-Marketing-Tools das A/B-Testing im Standard an. Meine Empfehlungen (in alphabetischer Reihenfolge):
Ich wünsche euch viel Erfolg beim Testen – und allzeit gute Conversions. :-)
Link-Tipps:
Kommentare