Zur Übersicht Startseite / Blog / Wie du mit A/B-Tests im E-Commerce deine Conversion Rate erhöhen kannst

Wie du mit A/B-Tests im E-Commerce deine Conversion Rate erhöhen kannst

04. Mär 2022 06:00 | Datenmanagement

Was mag deine Zielgruppe wirklich? Welche Elemente sind Klickgaranten? A/B-Tests sind dein Schlüssel dazu, genau das herauszufinden. Mithilfe von Tools kannst du ganz leicht zwei Varianten einer Landingpage auf deiner Website oder einer E-Mail gegeneinander testen und dich so schrittweise an die perfekte Landingpage oder E-Mail herantasten. Hier erfährst du, wie A/B-Tests im E-Commerce funktionieren und worauf du achten musst, um aussagekräftige Ergebnisse zu erhalten.

 

Diese Inhalte erwarten dich in diesem Blogartikel:

Was ist A/B-Testing?

Warum eignen sich A/B-Tests in der E-Commerce-Branche?

Welche Vorteile bieten dir A/B-Tests?

Was kannst du mit A/B-Tests überprüfen?

Welcher statistische Ansatz eignet sich für die Durchführung eines A/B-Tests?

Wie führst du einen A/B-Test durch?
1. Conversion-Bremsen und Chancen identifizieren
2. Geeignete Hypothese formulieren
3. Hypothese umsetzen und Testlauf ausspielen
4. Daten sammeln und Tests dokumentieren
5. Daten analysieren

Diese 4 häufigen Fehler solltest du bei A/B-Tests vermeiden
1. Zu viele Änderungen zeitgleich
2. Stichprobengröße zu klein
3. Verwirrung der Bestandskunden
4. Zu kurzer Testzeitraum

Was sind die Herausforderungen beim A/B-Testing?

Welche A/B-Testing Tools gibt es?

Fazit: A/B-Tests sind der Schlüssel zu effizientem Marketing im E-Commerce

 

Was ist A/B-Testing?

Beim A/B-Testing im E-Commerce vergleichst du zwei Versionen einer Landingpage auf deiner Website oder einer E-Mail miteinander, um herauszufinden, welche Variante bei deiner Zielgruppe besser ankommt. Du spielst also einem Teil der Besucher die Originalvariante aus und einem anderen Teil zeigst du eine leicht abgeänderte Version. Dann vergleichst du, welche Variante die besseren KPIs hat. So kannst du beispielsweise Landingpages oder E-Mails immer weiter optimieren und ihre Conversion Rate steigern.

Schaubild eines A/B-Tests mit gleichgroßen Gruppen
Grafische Darstellung eines A/B-Tests inklusive Ergebnis, bei dem Gruppe B deutlich besser abschneidet.

Warum eignen sich A/B-Tests in der E-Commerce-Branche?

A/B-Tests sind für Online Shops optimal geeignet und sollten unbedingt einen festen Platz im Werkzeugkoffer des Marketingteams haben. Denn sie ermöglichen es mit vergleichsweise wenig Aufwand den Ertrag aus vielen Online-Marketing-Kampagnen im E-Commerce deutlich zu steigern. Welche Formulierung überzeugt Neukunden auf der Landingpage? Wie sollte die Seite strukturiert sein? Mit welchen kleinen Änderungen im Design kann der Newsletter die Zielgruppe noch besser abholen? All das sind Fragen, bei denen A/B-Tests fundierte Antworten liefern.

Welche Vorteile bieten dir A/B-Tests?

A/B-Tests können die Effizienz deiner Marketing-Kampagnen deutlich erhöhen. Die größte Stärke eines gut geplanten A/B-Tests ist seine Objektivität. Du kannst auf Grundlage von Daten argumentieren und Elemente optimieren. Oft kannst du so falsche Vorannahmen identifizieren und verwerfen.


Bleibe up to date in Sachen Personalisierung: Melde dich zum epoq Newsletter an. Jetzt anmelden!


Wenn du weißt, wie du deine Zielgruppe so ansprichst, dass sie positiv reagiert, hast du einen Wettbewerbsvorteil im E-Commerce. Deine Werbekampagnen rentieren sich schneller und du kannst die Kundenbindung stärken. Die technische Umsetzung ist durch diverse Tools zudem leicht und kostengünstig.

Was kannst du mit A/B-Tests überprüfen?

A/B-Tests lassen sich prinzipiell auf sämtliche Elemente einer Website, einer E-Mail oder auch Werbeanzeige durchführen. Elemente, bei denen schon kleine Änderungen deutliche Auswirkungen haben können sind:

  • Bilder
  • Call-to-Actions
  • Buttons
  • Überschriften
  • Formulare
  • Nutzerführung
  • Produktdarstellungen
  • Grafische Aufbereitung von Preisen
  • Produktempfehlungen

Bei A/B-Tests werden oft die folgenden Varianten unterschieden:

  • Klassischer A/B-Test (Split-Test): Zwei Varianten der gleichen Seite auf der gleichen URL.
  • Multivariater Test: Test von mehr als zwei Veränderungen auf der gleichen Seite.

Welcher statistische Ansatz eignet sich für die Durchführung eines A/B-Tests?

Grundsätzlich kommen alle Zwei-Stichproben-Hypothesentests in Frage. Welcher am besten geeignet ist, hängt dabei vom konkreten Anwendungsfall ab. Die meisten Tools integrieren statistische Tests auf unterschiedlicher Grundlage und bewerten sie so automatisiert auf eine Weise, die auch Laien verstehen können.

Einer der Tests, die am häufigsten zum Einsatz kommen, ist der Chi-Quadrat-Test. Hiermit kannst du prüfen, ob die Änderung zu statistisch signifikant besseren Ergebnissen führt. In der Regel nutzen Wissenschaftler ein Signifikanzniveau von 5 %. Dadurch verhinderst du, dass du Hypothesen als wahr ansiehst, obwohl die Änderung vermutlich keinen wirklichen Einfluss auf deinen Erfolg hat.

Eine weitere Möglichkeit ist der Bayessche Test, der allerdings deduktiv ist und dementsprechend das Ergebnis mit Wahrscheinlichkeiten hochrechnet. Ein Vorteil ist, dass er es ermöglicht, schlechte Varianten schnell auszusortieren. Fehlschlüsse werden dadurch jedoch wahrscheinlicher.

Wie führst du einen A/B-Test durch?

Mit diesen fünf Schritten gelingt auch dir dein erster A/B-Test:

1. Conversion-Bremsen und Chancen identifizieren

Eine zu geringe Klickrate, eine hohe Bounce Rate oder andere KPIs aus dem Online Marketing sind ein guter Indikator für Verbesserungspotenzial. Es ist hilfreich, wenn du dir Hintergrundwissen aus der Verkaufspsychologie aneignest. Dadurch findest du schneller Elemente, bei denen sich eine Verbesserung lohnen könnte und weißt auch schon, in welche Richtung du das Element optimieren kannst.

2. Geeignete Hypothese formulieren

Eine Hypothese hat immer die folgenden Eigenschaften: Sie ist potenziell falsifizierbar, überprüfbar und sie besteht inhaltlich aus einem Konditionalsatz – vor allem der Wenn-Dann-Satz hat sich im Marketing bewährt. Ein Beispiel wäre also „Ein Bild mit einer blonden Frau führt zu einer besseren Conversion Rate als ein Bild mit einem dunkelhaarigen Mann“.

3. Hypothese umsetzen und Testlauf ausspielen

Wenn deine Hypothese steht, kannst du loslegen und die Änderung implementieren. Hier erweisen sich A/B-Test-Tools oft als große Hilfe, da sie häufig mit WYSIWYG-Editoren („What you see is what you get”) arbeiten. Du kannst dir die Änderungen also vorher ansehen und so sicherstellen, dass die Darstellung funktioniert. So oder so hilft ein kleiner Testlauf dabei, dass du nicht versehentlich falsche Seiten oder Änderungen ausspielst und sich deine Besucher wie gewünscht auf den beiden Varianten verteilen.

Tipp: Wenn es sinnvoll ist, solltest du Änderungen immer auf einer Seite mit viel Traffic testen. Dort erhältst du am schnellsten die beste Datenqualität.

4. Daten sammeln und Tests dokumentieren

Nun heißt es abwarten und Daten sammeln. Eine fünfstellige Anzahl an Datenpunkten sollte bei beiden Varianten zusammenkommen, damit dein Ergebnis aussagekräftig ist. Die Anzahl an Conversions sollte je Version um die 100 betragen. Viele Tools werfen dir eine Zuverlässigkeitsrate aus. Sie sollte mindestens 95 % betragen, bevor du den Test beendest. Eine Ausnahme gibt es: Nach einem angemessenen Zeitraum zeigt sich kein Unterschied. Dann ist die Änderung nicht wesentlich besser oder schlechter und du solltest einen anderen Test durchführen.

Außerdem solltest du genau festhalten, was du wie geändert hast und aus welchen Zeiträumen die Datenpunkte stammen. So kannst du später überprüfen, ob es zeitliche Zusammenhänge gibt.

5.  Daten analysieren

Wenn du genug Daten hast, wird es Zeit, deine Hypothese zu bestätigen oder zu verwerfen. Bei den meisten statistischen Tests muss der getestete KPI bei einer Variante um mindestens 5 % besser abschneiden als bei der anderen Version. Ist dies nicht der Fall, muss die Hypothese, also die neue Variante, verworfen werden.

Diese 4 häufigen Fehler solltest du bei A/B-Tests vermeiden

Vermeide unbedingt die folgenden Fehler bei der Durchführung von A/B-Testing im E-Commerce.

1.  Zu viele Änderungen zeitgleich

Wenn du zu viel auf einmal änderst, weißt du nicht mehr, welche Elemente deinen Erfolg vergrößern. Konzentriere dich deshalb in jedem Test auf nur wenige Veränderungen.

2. Stichprobengröße zu klein

Wenn du nur eine Kleinigkeit änderst, muss deine Datenmenge groß genug sein, um überhaupt aussagekräftig zu sein. Wie groß die Stichprobenmenge ist, hängt von verschiedenen Faktoren ab. Grundsätzlich gilt ein solcher Test jedoch erst ab 10.000 Datenpunkten als ausreichend aussagekräftig. Mit Berechnungstools, wie z. B. Optimizely, findest du ganz leicht heraus, wie viele Datenpunkte du genau benötigst.

3. Verwirrung der Bestandskunden

Wenn du zu viel testest, verwirrst du deine Bestandskunden, weil du deinen Wiedererkennungswert senkst. Das kannst du verhindern, indem du bedeutendere Änderungen erst einmal nur neuen Besuchern oder E-Mail-Abonnenten ausspielst.

4. Zu kurzer Testzeitraum

Ein ausreichend langer Zeitraum ist wichtig, um verlässliche Daten zu erhalten. Unterschiedliche Zeitpunkte und Wochentage wirken sich oft auch auf die Conversions aus. Als Faustregel gilt, dass du eine Landingpage rund zwei Wochen testen solltest.

Graph des Warenkorbwerts über 30 Tage
Wer kurz misst, kann die bessere Variante manchmal nicht erkennen. Hier kristallisiert sie sich erst nach Tag 7 heraus.

Was sind die Herausforderungen beim A/B-Testing?

Es gibt zwei große Herausforderungen bei A/B-Tests: Zum einen das Aufstellen einer sinnvollen Hypothese. Sie muss überprüfbar sein und die angestrebte Änderung sollte zudem gute Chancen haben, besser zu sein als die Originalversion. Es kann zwar mitunter auch überraschende Erkenntnisse bringen, Elemente in einer nicht naheliegenden Art zu ändern, doch Zielgerichtetheit führt zu effizienterer Optimierung.

Zum anderen ist die Auswertung der Tests und das Interpretieren der Daten wie der Umsatzzahlen mitunter kompliziert und kann zu Fehlschlüssen führen. Das gilt auch deswegen, weil einzelne Elemente möglicherweise in einem Kontext eine Verbesserung erzielen, jedoch nicht unbedingt in einem anderen. Das Ganze ist schließlich mehr als die Summe der Teile. Eine bestimmte Headline spricht in Kombination mit einem bestimmten Bild und einem CTA die Zielgruppe möglicherweise besonders gut an. Ein CTA, der in einem länger zurückliegenden Test nachweislich besser konvertiert, funktioniert deswegen an dieser Stelle nicht automatisch besser.


Bleibe up to date in Sachen Personalisierung: Melde dich zum epoq Newsletter an. Jetzt anmelden!


Genau das lässt sich mit multivariaten Tests prüfen: Man variiert Headline und Bild jeweils und testet welche Kombination am besten wirkt.

Welche A/B-Testing Tools gibt es?

Es gibt viele gute Testing Tools, die oft zu erschwinglichen Preisen viel leisten.

Dazu gehören beispielsweise:

  • Google Optimize: Kostenlos in Google Analytics integriert, eher geringer Funktionsumfang.
  • VWO: Tool mit umfangreichen Funktionsumfang und vielen Analysemöglichkeiten.
  • Optimizely: Einfach zu bedienendes Tool mit WYSISYG-Editor.
  • Unbounce: Spezialist für das A/B-Testen von Landingpages.
  • AB Tasty: KI-getriebene Plattform für Experimente.

Hast du bereits A/B-Tests eingesetzt? Schreib uns gerne, was du getestet und welche Erfahrungen du damit gemacht hast.

Fazit: A/B-Tests sind der Schlüssel zu effizientem Marketing im E-Commerce

A/B-Tests sind ein relativ leicht zu verstehendes und dank vieler Tools auch umzusetzendes Mittel, um deine Landingpages oder E-Mails immer besser an die Vorlieben deiner Zielgruppe anzupassen. Dadurch sind sie ein unverzichtbares Tool bei der Optimierung deiner Conversion Rate im Online Marketing.

 

 

Steige noch tiefer in das Thema Personalisierung ein und sei bei unserer anstehenden Online-Konferenz – dem Personalisation Experience Day 2022 – dabei.

Jetzt anmelden!

Online-Konferenz

Personalisation Experience Day – Vol. 3

Datum

27. September 2022

Uhrzeit

09:00 Uhr

Location

Online

Mehr erfahren

Mehr Infos zum Datenmanagement →

Hast du Fragen oder Anregungen? Hinterlasse uns gerne eine Nachricht via Kommentarfunktion!

War dieser Beitrag hilfreich?

Beitrag teilen

Sarah Birk

Online Marketing Manager - Content & SEO

Sarah ist als Online Marketing Manager – Content & SEO bei epoq tätig und damit für den Content-Bereich zuständig. Ihr Tätigkeitsgebiet erstreckt sich von der Content-Planung über die -Konzeption bis hin zur -Analyse und -Optimierung der verschiedenen Content-Formate unter Berücksichtigung wichtiger SEO-Aspekte.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Blogartikel könnten dich auch interessieren
Blogpost

Warum du durch Online Category Management im E-Commerce gewinnst

Durch optimal gestaltete Produktkategorien mehr Umsatz generieren – Online Category Management ermöglicht das. Dabei handelt es sich nicht um eine temporäre Marketingmaßnahme, sondern um eine langfristig angelegte, strategische Herangehensweise. In diesem Beitrag erfährst du, was das Warengruppenmanagement umfasst, welche Ziele es verfolgt und wie ein optimaler Category-Management-Prozess aussieht. Außerdem erfährst du, welche Schnittstellen es zum Online Marketing gibt.

Daniela Ilincic: 28. Nov 2022

Mehr erfahren
Blogpost

Digitale Kundenbindungsprogramme zur Stärkung der Kundenbeziehung

Wiederkehrende Kunden sind äußerst wertvoll für jedes Unternehmen. Eine starke Kundenbindung ist daher ein wichtiger Faktor für deinen Erfolg im E-Commerce. Da die Digitalisierung auch in diesem Bereich immer weiter voranschreitet, ist es für Shopbetreiber essenziell, über Neuigkeiten und Aktionen auf dem Laufenden zu sein. Erfahre, wie du digitale Kundenbindungsprogramme sinnvoll nutzt, um die Bedürfnisse deiner Kunden zu erfüllen und die Bindung damit zu stärken.

Nadine Roth: 18. Nov 2022

Mehr erfahren