←  Alle Begriffe
A
Analytics & Conversion

A/B-Test

Ein A/B-Test vergleicht zwei Varianten einer Seite oder eines Elements, um die wirksamere Version anhand messbarer Nutzersignale zu bestimmen.

Ein A/B-Test vergleicht zwei Varianten einer Seite oder eines Elements, um die wirksamere Version anhand messbarer Nutzersignale zu bestimmen. Entscheidend sind eine klar definierte Messgröße, eine verlässliche Datengrundlage und eine datenschutzgerechte Auswertung. Eng verbunden ist der Begriff mit Conversion-Rate-Optimierung und Personalisierung.

Weiterlesen

Conversion-Rate-Optimierung

Personalisierung

Landingpage

FAQ

A/B-Test

Welche typischen Fehler passieren bei A/B-Tests?
Häufige Fehler sind zu frühes Beenden, mehrere gleichzeitige Änderungen in einer Variante und eine Hypothese ohne Begründung. Auch Tracking-Lücken verfälschen Ergebnisse. Ein sauberer Test beginnt mit einer Hypothese, einer definierten Metrik und einer Prüfung der Datenerfassung vor dem Start. Die Auswertung sollte zudem vor dem Test festgelegt werden.
Worin unterscheidet sich ein A/B-Test von einem Multivariate-Test?
Ein A/B-Test vergleicht ganze Varianten, ein Multivariate-Test prüft Kombinationen mehrerer Elemente gleichzeitig. Multivariate Tests benötigen deutlich mehr Traffic, weil jede Kombination eine eigene Stichprobe braucht. Für Seiten mit begrenztem Traffic sind aufeinanderfolgende A/B-Tests praktikabler. Wer beides kombiniert, testet zuerst grob per A/B und verfeinert danach einzelne Elemente.
Lohnt sich ein A/B-Test bei wenig Traffic?
Bei geringem Traffic lohnt sich ein A/B-Test selten, weil kleine Effekte statistisch nicht erkennbar werden. Größere Änderungen, qualitative Nutzertests oder Session-Analysen liefern dann schneller Erkenntnisse. Ein Test wird sinnvoll, sobald der Traffic für die erwartete Effektgröße in vertretbarer Zeit ausreicht.
Wie lange sollte ein A/B-Test laufen?
Laufen sollte ein Test, bis genug Besuche für eine belastbare Aussage vorliegen und mindestens volle Wochenzyklen abgedeckt sind. Vorzeitiges Abbrechen bei einem scheinbaren Sieger führt oft zu Zufallsergebnissen. Die nötige Dauer hängt von Traffic, Basis-Conversion und erwartetem Effekt ab und wird vorab geschätzt.
Welche Messgröße eignet sich für einen A/B-Test?
Geeignet ist eine Messgröße, die das Ziel der Änderung direkt abbildet, etwa Formularabschlüsse oder Klicks auf einen Call-to-Action. Reine Klickzahlen ohne Bezug zum Geschäftsziel täuschen leicht. Sinnvoll ist eine Hauptmetrik, die vor dem Start festgelegt wird, ergänzt um wenige Kontrollmetriken wie Absprungrate oder Ladezeit.