[Gastartikel] Was soll ich bloß testen?




Jeder weiß, dass A/B-Tests ein starkes Werkzeug sind, um mehr Conversions zu generieren. Aber: Was testet man? Und was macht man, wenn man einfach nicht genug Traffic zum Testen hat? Ganz einfach: Man muss dort testen, wo das meiste Potenzial ist! Aber: Das Aufspüren der Potenziale ist gar nicht immer so einfach.

Für aussagekräftige Testergebnisse muss man zunächst gar nicht viele Dinge beachten. Es geht ganz zu Anfang gar nicht um toll konzipierte Hypothesen oder perfekt durchdachte Testvarianten. Im ersten Schritt sind ganz andere Dinge relevant – und erst im nächsten Schritt kann man darauf aufbauen und noch mehr aus den Tests herausholen.

Wie man Seiten mit hohem Optimierungspotenzial ausfindig macht

Diese ersten Faktoren sind zusammengenommen ganz einfach zu beschreiben: es muss das getestet werden, was das meiste Potenzial hat, die Conversion-Rate auch tatsächlich zu verändern. Dann kommen die aussagekräftigen Testergebnisse fast schon von allein. In der Praxis sieht man allerdings, dass dies oft schief geht, und diese Priorisierung nicht vorgenommen wird. Statt auf Seiten zu testen, die viel Traffic und hohen Einfluss auf die Conversion-Rate haben, wird vorsichtig auf wenig relevanten Unterseiten getestet. “Ich will erstmal ausprobieren, wie das funktioniert”, ist ein häufiges Argument für diese Vorgehensweise. Nur: Genau so funktioniert es halt nicht. Kleine Änderungen auf irrelevanten Seiten bringen keine “Aha-Momente”, sondern nur viel Arbeit bei Konzeption und Umsetzung des Tests und teilweise die Schlussfolgerung, dass Testing den Umsatz nicht stark beeinflusst. Dabei hat man häufig irrelevante Seiten und Elemente optimiert. 

Wo also anfangen? Im Prinzip ist das ganz einfach: Das Webanalyse-Tool verrät schnell, welche Unterseiten die meisten Besucher und welche Seiten die höchsten Bounce-Rates haben. Viele Besucher und hohe Bounce-Rate? Großes Potenzial! Allerdings sollte man auch hier ein wenig genauer hinschauen: Hat man viele Seiten mit dem gleichen Template, sollte man nicht den Traffic auf der einzelnen URL betrachten, sondern den Traffic auf dem jeweiligen Seiten-Template, beispielsweise der Produktdetailseite. Auch wenn es vielleicht keine einzelne Produktdetailseite in die Top 10 der meistaufgerufenen Seiten schafft: Das Template “Produktdetailseite” (also alle Produktdetailseiten zusammengenommen) ist bei Shops oft das Template mit den meisten Seitenaufrufen. Also liegt dort das größte Potenzial!

Beispielhafte Auswertung nach Traffic auf der individuellen Seite (rechts) und den verschiedenen Seitentypen (links).

Beispielhafte Auswertung nach Traffic auf der individuellen Seite (rechts) und den verschiedenen Seitentypen (links).

Wie Sie die wichtigsten Seitenelemente optimieren

Aber nur die richtigen Seiten (bzw. den richtigen Seitentyp) zu kennen, ist nicht ausreichend für aussagekräftige Testergebnisse. Wir müssen auch wissen, welche Elemente der Seite am meisten Potenzial versprechen. Dies ist nicht mehr ganz so einfach. Klassische Webanalyse verrät uns fast gar nichts darüber, wie die Besucher mit der Seite interagieren und welche Elemente sie anklicken. Mit Tools für In-Page-Analyse (z.B. Mouse-Tracking-Heatmaps von Overheat, Clicktale & Co.) kann man zwar einen tieferen Einblick in das Besucherverhalten erhalten – braucht aber auch einen Experten, der solche Ergebnisse auswertet und daraus Handlungsempfehlungen ableitet. Denn welche Elemente wirklich wichtig für den Besucher sind, kann häufig am besten durch erprobte Heuristiken und jahrelange Erfahrung erkannt werden.

Wie “Analyze” bei der Piorisierung von A/B Tests unterstützen kann

Mit dem Tool “Analyze” von ConversionBoosting kann man recht schnell herausfinden, welche Elemente einer Seite das größte Optimierungspotenzial haben und auch direkt konkrete Vorschläge zur Optimierung erhalten. Grundlage dafür ist jahrelange Forschungsarbeit, die das Team von ConversionBoosting investiert hat, um eine optimal strukturierte Datenbank mit funktionierenden Conversion-Heuristiken zu entwickeln. In umfangreicher Form findet man diese Heuristiken und Handlungsempfehlungen bereits seit einiger Zeit in einer Wissensdatenbank – und seit Februar 2016 fein aufgegliedert und personalisiert im Analyze-Tool. Es wird einfach eine URL eingegeben oder ein Screenshot hochgeladen und schon werden auf der Seite die Zonen mit dem größten Optimierungspotenzial erkannt und konkrete Optimierungsvorschläge oder Testideen vorgeschlagen.

Analyze hat ein Elemente mit Potenzial gefunden (links) und macht konkrete Vorschläge zur Optimierung (rechts).

Analyze hat ein Elemente mit Potenzial gefunden (links) und macht konkrete Vorschläge zur Optimierung (rechts).

Das Tool arbeitet halbautomatisch. Nachdem das Tool die Optimierungsvorschläge ermittelt hat, werden diese von einem Experten aus dem ConversionBoosting-Team geprüft und individualisiert. Dadurch sind die Empfehlungen besonders passgenau und hochwertig. Die Ergebnisse einer Analyse liegen gewöhnlich innerhalb von 24 Stunden vor. Jeder Vorschlag kann bewertet werden, damit das Tool lernen und zukünftig noch bessere Vorschläge unterbreiten kann. Man hat so praktisch einen immer verfügbaren “Conversion-Experten in der Box”.

Der Gedanke hinter Analyze ist wie beim A/B-Testing die iterative Optimierung. In bestimmten Intervallen gibt es neue Vorschläge und Testideen. So wird die zu optimierende Seite regelmäßig ein kleines Stück besser. Denn: Wer jeden Monat seine Conversion-Rate um nur 5% steigert, hat innerhalb eines Jahre mehr als 70% mehr Conversions.

Warum große Kontraste im A/B Testing so wichtig sind

Damit Tests gute Ergebnisse bringen, ist neben dem reinen Traffic insbesondere die zu erwartende Conversion-Rate-Steigerung (genauer gesagt: der zu erkennende relative Unterschied in der Conversion-Rate) zwischen Original- und Testvariante entscheidend. Deshalb sollten sich Testvarianten deutlich voneinander unterscheiden. “Apfel gegen Birne” wirkt auf den ersten Blick wie ein großer Unterschied – aber im Grunde sind sich beide sehr ähnlich.
Je massiver der Unterschied zwischen den Testvarianten, desto größer die Chance, auch ein deutlich unterschiedliches Besucherverhalten zu erkennen. Nuancen kann man immer noch testen. In dieser Grafik wäre dies das ‘Refinement’. 

Refinement vs. Exploration

Solche deutlichen Unterschiede helfen auch, wenn nur wenig Traffic zur Verfügung steht. Je deutlicher die Unterschiede im Besucherverhalten, desto weniger Besucher braucht man für aussagekräftige Ergebnisse.

Case Study: A/B Testing von großen Kontrasten

Im englischen Sprachraum ist A/B-Testing auch deshalb so populär, weil selbst kleine Seiten in Summe mehr Besucher haben, als in kleineren Sprachräumen – wie Deutsch. So kommt es in Deutschland (und noch öfter in Österreich, Schweiz, Italien usw.) häufig vor, dass einfach nicht genug Traffic für ordentliche Tests vorhanden ist.

Um trotzdem eine bessere Conversion-Rate zu erhalten, ist der Rückgriff auf fundierte Best-Practices und Experten-Analysen ein gutes Mittel. Denn die Praxis zeigt: bis zu einem gewissen Punkt funktionieren viele Landingpages und Onlineshops sehr ähnlich. So ist die Umsetzung von erprobten und fundierten Experten-Ratschlägen mit wenig Risiko verbunden. Häufig findet man durch die richtige Priorisierung und besonders stark unterschiedliche Testvarianten aber zusätzlich noch Bereiche, wo auch Testing funktionieren kann. Diese Kombination ist dann sehr schlagkräftig und führt eigentlich immer zu einer höheren Conversion-Rate – egal, welche Grundbedingungen vorhanden sind.

Wie finden Sie bisher die Seiten, die das größte Optimierungspotenzial haben? Wir freuen uns auf Ihre Kommentare.