Split-Test

Was ist ein Split-Test?

Bei einem Split-Test (auch A/B-Test genannt) erstellen Sie zwei Versionen von etwas - zum Beispiel eine Produktseite, eine Anzeige oder eine E-Mail. Die Hälfte Ihrer Besucher sieht Version A und die andere Hälfte sieht Version B. Indem Sie messen, welche Version zu mehr Konversionen führt, können Sie datengestützte Entscheidungen treffen, anstatt zu raten.

Was können Sie in einem Split-Test testen?

• Überschriften und Produkttitel: Testen Sie unterschiedliche Formulierungen - z. B. "Ergonomischer Bürostuhl" gegenüber "Bürostuhl mit Lendenwirbelstütze".
• Produktbilder: Testen Sie Lifestyle-Bilder im Vergleich zu Produktbildern auf weißem Hintergrund oder eine Zoomansicht im Vergleich zu einer Vollansicht.
• Preise und Angebote: Testen Sie verschiedene Preisstrategien (z. B. "499 kr inkl. Versand" vs. "459 kr + 40 kr Versand").
• CTA-Schaltflächen: Testen Sie Farbe, Text und Platzierung der Schaltfläche "Jetzt kaufen".
• Checkout-Flow: Testen Sie die Anzahl der Schritte, Formularfelder und Zahlungsoptionen.
• E-Mails: Testen Sie Betreffzeilen, Sendezeit, Inhalt und Design.
• Anzeigen: Testen Sie Anzeigenmotive, Texte und Zielgruppen in Google Ads oder sozialen Medien.
• Versandoptionen: Testen Sie den kostenlosen Versand im Vergleich zu einer niedrigen Bestellschwelle für den kostenlosen Versand.

So führen Sie einen Split-Test durch

1. Formulieren Sie eine Hypothese: "Ich glaube, dass [Änderung X] zu [Ergebnis Y] führen wird, weil [Grund Z]".
2. Erstellen Sie zwei Varianten: Version A (die Kontrolle) und Version B (die Variante mit der Änderung).
3. Verteilen Sie den Traffic: Schicken Sie 50 % der Besucher an jede Version, nach dem Zufallsprinzip verteilt.
4. Messen Sie das Ergebnis: Definieren Sie eine primäre Kennzahl (z. B. Konversionsrate, durchschnittlicher Bestellwert).
5. Warten Sie auf Signifikanz: Lassen Sie den Test so lange laufen, bis Sie genügend Daten für eine zuverlässige Schlussfolgerung haben.
6. Implementieren Sie den Gewinner: Führen Sie die Gewinnervariante für alle Besucher ein.

Statistische Signifikanz

Es ist wichtig, den Test lange genug laufen zu lassen, um statistische Signifikanz zu erreichen - in der Regel mindestens 95 % Konfidenz. Das bedeutet, dass die Wahrscheinlichkeit, dass das Ergebnis zufällig ist, weniger als 5 % beträgt.

Faktoren, die beeinflussen, wie lange der Test laufen sollte:

• Verkehrsaufkommen: Mehr Verkehr führt zu schnelleren Ergebnissen.
• Konversionsrate: Eine niedrigere Konversionsrate erfordert mehr Datenverkehr.
• Größe des Unterschieds: Große Unterschiede erfordern weniger Daten als kleine Unterschiede.

Häufige Fehler bei Split-Tests

• Zu früh aufhören: Schlussfolgerungen aus Daten ziehen, die noch nicht statistisch signifikant sind. Frühe Ergebnisse können sich umkehren.
• Zu viele Änderungen: Testen Sie immer nur eine Sache auf einmal, sonst wissen Sie nicht, was den Unterschied verursacht hat (multivariate Tests sind die Ausnahme).
• Zu wenig Traffic: Bei sehr geringem Traffic kann es Wochen oder Monate dauern, bis eine Signifikanz erreicht wird.
• Saisonabhängigkeit: Führen Sie keine Tests in Zeiträumen mit ungewöhnlich hohem Traffic durch (z. B. Black Friday), es sei denn, Sie beabsichtigen dies.
• Betrachtung der falschen Metrik: Eine höhere Klickrate ist nicht unbedingt besser, wenn die Konversionsrate sinkt.

Tools für Split-Tests

Es gibt spezielle Tools für Split-Tests von Websites:

• VWO (Visual Website Optimiser): Beliebtes Tool mit visuellem Editor.
• Optimizely: Unternehmenslösung mit erweiterten Funktionen.
• AB Tasty: Einfach zu bedienendes Tool mit Personalisierung.
• Convert: Datenschutzfreundliche Alternative zu den großen Tools.

Split-Tests bei Shoporama

Das Newsletter-System von Shoporama verfügt über eine integrierte A/B-Testing-Funktion. Sie können zwei Varianten eines Newsletters testen - zum Beispiel unterschiedliche Betreffzeilen, Inhalte oder Designs - und die siegreiche Variante an den Rest der Liste senden. So können Sie Ihre Newsletter datengesteuert und ohne externe Tools optimieren.