A/B-Testing und -Optimierung: So gehen Sie richtig vor

Viele Onlineshopbetreiber haben keinen strategischen CRO Prozess und legen den Fokus beim Testen nur auf einzelne Landingpages wie zum Beispiel die Produktdetailseite oder eine Kategorieseite oder sie konzentrieren sich lediglich darauf, die Conversion Rate im Checkout-Prozess zu optimieren. Dabei verlassen sie sich meist auf das Bauchgefühl oder testen das, was die Branche ihnen vorgibt.

Wir stellen einen Leitfaden vor, wie Shopbetreiber mit A/B-Testing und -Optimierung richtig vorgehen.

Conversion Optimierung versus A/B-Testing

Ziel der Conversion Optimierung (CRO) ist es in erster Linie, ein besseres Verständnis für den Kunden zu bekommen, ein besseres Erlebnis zu kreieren, damit der Kunde einfacher und schneller seine Ziele erreicht. Denn je besser die Kundenerfahrung, desto höher die Kundenbindung. Die CRO streckt sich somit über die gesamte Customer Journey und berücksichtigt alle Phasen, von der Awareness Phase bis hin zur Advocacy Phase, sowohl Online als auch Offline.

Die Unterscheidung zwischen CRO und A/B-Testing ist simpel und einfach. CRO beantwortet immer die Frage nach dem Warum und steht in direkter Verbindung zu den jeweiligen Zielen des Unternehmens. Das A/B-Testing beantwortet lediglich die Frage nach dem Wie und ist ein Baustein der Conversion Optimierung.

Die Herausforderungen

Die größte Herausforderung bei der Conversion Optimierung aus Unternehmersicht liegt in der Datenqualität sowie bei den internen Prozessen.



Obwohl Statista   zufolge rund 75 Prozent der befragten Unternehmen angaben, dass bis zu zehn Prozent ihres Marketingbudgets im Jahr 2020 auf den Bereich Conversion Optimization entfallen werden, führt nur ein Prozent der Unternehmen Optimierungen regelmäßig durch, so eine Untersuchung der Agentur Performanceliebe   .



Nach wie vor gibt es immer noch große Schwierigkeiten im Bereich der Conversion Optimierung. Dies zeigen unter anderem folgende Statistiken:

• Nur 22 Prozent aller Unternehmen sind mit ihren Konversionsraten zufrieden. Bedeutet im Umkehrschluss, dass 78 Prozent nicht zufrieden sind. (Econsultancy  )
  
• Fast zwei Drittel (63 Prozent) der Unternehmen fehlt ein strukturierter Optimierungsansatz. (Econsultancy  )
  
• Mehr als vier von zehn (41 Prozent) der befragten Unternehmen geben an, dass sie keine klaren und definierten Metriken für ihre Optimierungsstrategie haben. (Econsultancy  )
  
• Weitere 29 Prozent haben zwar klare und definierte KPI, diese stehen jedoch nicht in Zusammenhang mit den Unternehmenszielen. (Econsultancy  )
  
• Pro 92 US-Dollar, die in die Kundengewinnung investiert werden, wird nur ein Dollar für die Kunden Conversion ausgegeben. (Hubspot  )
  
• Nur 52 Prozent der Unternehmen und Agenturen, die Zielseiten verwenden, testen sie auch, um Möglichkeiten zur Verbesserung der Conversions zu finden. (Wordstream  , 2017)
  
• 42 Prozent der Unternehmen gaben an, dass die Interpretation der Ergebnisse die größte Herausforderung bei der Conversion Optimierung darstellt. (Fireclick  / MarketingSherpa  /com, 2014)

Hypothese entwickeln

Jeder A/B-Test beginnt mit der Formulierung einer Hypothese. "Wir wollen die Conversion Rate erhöhen" mag zwar eine nette Idee sein, aber es ist keine Hypothese. Ebenso sind Formulierungen wie "Ein blauer Kaufen-Button erhöht unsere Conversion Rate" oder "Lass uns verschiedene Versandzeiten fürs E-Mail Marketing testen" nicht wirklich hilfreich.

Eine gute Hypothese besteht immer aus mehreren Komponenten.

• Eine Wenn-Dann-Formel mit einer unabhängigen und abhängigen Variablen beruht immer auf Forschung beziehungsweise vorhandene Daten zu einem Thema.
  
• Jede Hypothese sollte von qualitativen Daten unterstützt werden, denn diese bilden die Basis.
  
• Als zusätzliche Komponente kann die KPI, anhand dessen der Erfolg der Maßnahme gemessen wird, hinzugenommen werden.

Beispiel Formulierung: "Wenn (diese Änderungen an einer bestimmten unabhängigen Variablen vorgenommen werden), dann werden wir (eine Änderung in einer bestimmten abhängigen Variablen) beobachten. Die KPI ändert sich um x Prozent."
Praxisbeispiel: "Wenn wir ein Exit-Intent-Popup mit einem 5 Euro Rabatt-Gutschein im Warenkorb einblenden, dann beobachten wir eine Reduzierung von Warenkorb-Abbrüchen in Höhe von 5 Prozent.
Optimalerweise wird vor der Hypothese ein Problem der Kunden vorgeschaltet. Jede Hypothese sollte darauf abzielen, ein besseres und tieferes Verständnis für den Kunden zu erhalten.

A/B-Tests messen zwar die Veränderung auf der Website, doch in Wirklichkeit wird immer das Nutzerverhalten gemessen. Deswegen sollten die Testvarianten auch stark genug sein, denn nur so kann das Verhalten der Nutzer wirklich beeinflusst werden.

Hypothesen priorisieren

Schnell können Hunderte von Ideen gesammelt werden. Doch nicht jede Idee ist es wert, getestet zu werden. Wenn ein durchschnittlicher Test vier bis sechs Wochen dauert, so würde es drei bis sechs Jahre benötigen, um lediglich 50 Tests durchzuführen.

Um die richtige Auswahl zu treffen, werden bei der Priorisierung der Hypothesen verschiedene Frameworks genutzt, wie zum Beispiel das ICE- oder PIE-Scoring-Modell.

Bei beiden Modellen wird eine Hypothese nach drei Kriterien beurteilt. ICE steht für:
Impact - Welche Wirkung hat die Idee auf Ihr Ziel?
Confidence - Wie sicher sind Sie, dass es funktioniert?
Ease - Wie leicht fällt es Ihnen dies umzusetzen?

Beim PIE-Scoring-Modell steht PIE für Potential, Importance, Ease.

Es wird für jeden Faktor eine Schätzung von eins bis zehn angegeben. Der Durchschnitt wird ermittelt und so den Gesamtscore errechnet, damit anschließend die Priorisierung erleichtert werden kann.

Da bei der Bewertung oft nach Bauchgefühl entschieden wird, macht es Sinn, die Bewertung von den beteiligten Mitarbeitern einzeln oder gemeinsam in einer Gruppendiskussion durchzuführen. Oft stellt sich heraus, dass die Hypothese noch besser beziehungsweise weiter verfeinert werden kann. Zusätzlich kann beim Scoring der Faktor Kosten ergänzt werden, oder die Bewertungsskala wird auf zwei oder fünf Bewertungsstufen komprimiert.

Weitere Tools zur Priorisierung von Hypothesen sind das TIR Framework von Bryan Eisenberg  , das PXL Framework vom CXL Institute   sowie Iridion   von Konversionkraft. Beim Letzten ist geplant, die Datenbank zusätzlich noch mit Behavior Patterns auszustatten.

Verschiedene Testmethoden

Zum Testen stehen folgende Methoden zur Verfügung:

• A/B-Testing: Beim klassischen A/B-Testing werden zwei Varianten gegeneinander getestet mit ein und derselben URL.
  
• A/B-Split-Testing: Hier wird der Website-Traffic an eine andere oder mehrere andere URLs weitergeleitet.
  
• A/B/n Testing: Auch MVT, multivariabler Test genannt. Hier werden mehrere veränderte Elemente auf ein und derselben Seite getestet.
  
• A/A-Testing: Dieser Test ist weniger bekannt und es gibt ihn zusätzlich noch in folgenden Ausführungen: A/A50/50, A/A/B/B25 und A/B/A. Hier werden zwei oder mehrere exakt gleiche Varianten einer Webseite gegeneinander getestet um zu prüfen, ob das eingesetzte Testing-Tool datenbasierte Entscheidungen auch wirklich zuverlässig durchführt. Bitte bedenken Sie, dass Sie beim A/A-Testing kaum bis nichts über den Kunden lernen. Zudem kostet A/A-Testing Zeit. Diese Zeit könnte eventuell besser für eine der anderen genannten Testmethoden genutzt werden.

Fehler vermeiden

Zu kurz, zu lange getestet, nicht parallel getestet, in laufenden Tests eingegriffen, zu viele Tests auf einmal, zu viele oder zu wenige Varianten, die verkehrten KPI oder zu viele KPI gewählt, zum falschen Zeitpunkt oder einfach ganz ohne Plan getestet.

Die Liste der Fehler, die beim Testen vermieden werden sollten, ist lang. Fehlerhaftes Testen kostet Zeit, verschwendet Geld und im schlimmsten Fall werden falsche Entscheidungen getroffen, die eigentlich hätten vermieden werden können.

Auch macht es nicht immer Sinn zu testen. Vor allem dann nicht, wenn es einfach zu wenig Traffic auf der Seite gibt. Bis brauchbare und statistisch relevante Ergebnisse vorliegen, dauert ein Test mit wenig Traffic viel zu lange.

Fokussieren Sie sich beim Testen nicht nur auf das Design oder die Usability, sondern mehr auf Tests, wo die Profitoptimierung im Vordergrund steht.

Simple A/B-Test-Kalkulatoren sind beispielsweise der AB+ Test Calculator by CXL   oder AB Tasty Sample size calculator  . Damit kann die Dauer des Tests, die Conversion Rate errechnet und die Stichprobengröße definiert werden sowie die statistische Zuverlässigkeit und der zu messende Mindesteffekt.

Wer die Wirkung einer Veränderung messen will, braucht eine saubere Planung und eine einfach Roadmap, um aussagekräftige Ergebnisse zu erhalten. So sollte jeder Test protokolliert werden und nicht nur detaillierte Informationen zur Hypothese beinhalten. Beschreiben Sie im Vorfeld auch, mit welchem Unternehmensziel und -ergebnis der Test verbunden ist, die Erfolgsmetriken, das Design des Tests und welche Erkenntnisse (Learnings) aus der Datenerhebung und -analyse gewonnen werden können.

Warum testen wichtig ist

Erwartungen und Realität liegen oft weit auseinander, denn das, was der Kunde sich wünscht, stimmt nicht immer mit dem überein, was ihm im Onlineshop angeboten wird. Abbruchquoten von 95 Prozent und mehr bestätigen dies und sind keine Seltenheit.

Heutzutage kann wirklich jeder einen Onlineshop aufsetzen, der schön aussieht, der alle technischen Features besitzt oder einen Newsletter verschicken kann mit ganz tollem Design. Doch Sie werden nie wissen, ob sie das optimale Ergebnis für den Kunden erzielen, wenn keine Daten zum Vergleich vorhanden sind. Ohne Testing werden Sie nicht erfahren, wie die Zielgruppe auf entsprechende Veränderungen reagiert. Deshalb sind Tests ein wichtiger Bestandteil und Erfolgsfaktor für die Weiterentwicklung eines Onlineshops.

A/B-Test sind nichts anderes als eine wissenschaftliche Methode, mit der sich feststellen lässt, ob Sie den besten Weg eingeschlagen haben oder ob Ihre Bemühungen noch effektiver hätten sein können. Mit einer durchschnittlichen Conversion Rate von nur 2,86 Prozent gibt es sicherlich genügend Verbesserungspotenzial für den E-Commerce (Statista  ).

In einem zweiten Teil zeigen wir Ihnen kommende Woche 50-Testmöglichkeiten direkt im Onlineshop.

---

In unserer Studienreihe 'Psychologie im E-Commerce' sind drei Bände von iBusiness-Autorin Diana Versteege erschienen. Sie sind ab sofort im iBusiness-Shop erhältlich:

Studie 'Psychologie im E-Commerce I' - Grundlagen der Kundenführung

Bei dem Einsatz psychologischer Methoden im Onlinehandel geht es nicht nur darum, Menschen dazu zu bringen, eine Entscheidung zu treffen. Sondern erfolgreiche ECommerce-Verantwortliche wissen: Sie müssen vorher die Bedürfnisse ihrer Kunden kennen und wissen, welche Motive zu einer Handlung führen werden.
Die Studie liefert einen Werkzeugkasten der erfolgreichsten Methoden.

Studie 'Psychologie im E-Commerce II' - Die Psychologie der Customer Journey

Einkaufskanäle interagieren immer stärker miteinander und verschmelzen: Alle relevanten Kanäle zu einem ganzheitlichen simultanen Commerce-Angebot zusammenzufassen, um ein geräte- und kanalübergreifendes Einkaufserlebnis zu bieten, heißt die große Herausforderung im Onlinehandel.
Dem veränderten Kaufverhalten (und dem sich innerhalb dieses Kaufverhaltens stets verändernden Kundeninteresse) müssen Händler kontinuierlich Rechnung tragen. Dem Kunden muss über alle Berührungspunkte hinweg das Shoppingerlebnis geboten werden, das er gewohnt ist und erwartet. Anforderung und Ziel heißen daher: das passende Angebot zur richtigen Zeit über den richtigen Kanal an die Kunden zu bringen und auch erwartungsgemäß zu kommunizieren.

Studie 'Psychologie im E-Commerce III' - Storytelling, Content- und Empfehlungsmarketing in Web und E-Mail

Manchmal sind die Produkte die Helden einer Geschichte. ("Die 36 Verwandlungen unserer kenianischen Kaffeebohne.") Manchmal die Hersteller. ("Mpoba und Jesus leben für ihren Kaffee. Und manchmal sogar für Raupen.") Und manchmal Ihre Kunden. ("Als Barista bin ich so etwas wie ein Priester und meine Theke ist der Beichstuhl. Nur es riecht besser als in der Kirche.")
Erzählen Sie spannende, anrührende, bewegende Geschichten rund um Ihre Produkte und die Menschen. Dann kommen die Verkäufe von ganz alleine.

---