Was ist A/B Testing und was gibt es zu beachten?
Während der Erstellung von Landing Pages, Webseiten oder Funnels hast du sicherlich bereits von A/B Tests gehört. A/B Testing ist ein bekanntes Analyse-Verfahren, bei dem 2 Varianten eines Elements über einen gewählten Zeitraum gegeneinander getestet werden, um herauszufinden, welche Variante des Elements zu besseren Ergebnissen führt.
Möchtest du also wissen, ob deine Zielgruppe bei einem roten oder einem weißen Hintergrund deines Funnels eher zu einer bestimmten Aktion bereit ist, dann lässt du Variante Rot gegen Variante Weiß antreten. Dabei wird über einen gewählten Zeitraum 50% des Traffics auf Variante Rot und die anderen 50% auf Variante Weiß geschickt. Da sich dein Funnel nur im Testpunkt "Hintergrund" unterscheidet, kannst du in der späteren Analyse deines A/B Tests feststellen, welche Hintergrundfarbe bessere Ergebnisse bringt.
👉 Mehr zum Feature samt Tutorial erfährst du unten im Video von Michael Bogner!
Welche Vorteile bietet ein A/B Test?
Die Einsatzbereiche des A/B Tests sind tatsächlich sehr vielfältig und deiner Kreativität, was man alles Testen kann, sind hier keine Grenzen gesetzt. Egal ob Anzeige, Ad Copy, Ad Creative, Funnel, Funnelseiten oder gar Formularbausteine, du kannst (und solltest) alles testen.
Besonders spannend sind A/B Tests für dich als Marketer, da du dich nicht auf deine subjektiven Ansichten verlässt - also dein Bauchgefühl außen vor lässt - und statistisch relevante Daten hast, die deine Testergebnisse validieren. So sind deine Ergebnisse eindeutig und du kannst Optimierung nach Optimierung vornehmen, ohne nur nach Gefühl zu hantieren.
Wie funktioniert A/B Testing mit Perspective?
Du öffnest deinen Perspective Funnel in deinem Account und erstellst im Editor eine zweite Startseite für deinen Funnel. Dort nimmst du Veränderungen vor. Nach dem Publizieren werden Besucher automatisch auf eine der beiden Startseiten verteilt. Über den Verlauf der Zeit erkennst du im Analyse Bereich, welche Variante zu einer höheren Konvertierung führt. So kannst du immer neue Thesen ausprobieren, um die Leistung deines Funnel kontinuierlich zu optimieren.
💙 Woher weiß ich, was ich testen sollte?
Ein Beispiel: Die Konvertierungsrate deines Funnels liegt bei 2%. Du möchtest diese Prozentzahl deutlich steigern, bist dir aber nicht sicher, welche Änderungen es braucht, um die Steigerung zu erzeugen. Du startest einen A/B Test und änderst das Wertversprechen auf der Variante. Somit hast du nun 2 verschiedene Wertversprechen, die du gegeneinander testest. Nach 200 Besuchern auf Original und Variante über den Zeitraum von 2 Wochen siehst du dann, dass das zweite Wertversprechen viel mehr Besucher überzeugt hat und die Konvertierungsrate bei dieser Seite von 2 auf 6% gewachsen ist. Du beendest den Test, indem du die Variante als Gewinner kürst und fortan arbeitest du mit der Version weiter, die zur Steigerung der Konvertierungsrate geführt hat.
Wie werte ich meinen A/B Test in Perspective aus?
Sobald du eine Variante erstellt und den Funnel publiziert hast, kannst du im Analyse Bereich deines Funnels nicht nur die Seitenaufrufe und Konvertierungsrate des Funnels gesamt sehen, sondern auch eine gesonderte Auswertung für das Original und eine gesonderte Auswertung für die Variante.
Du erkennst somit schnell, welchen Unterschied die jeweilige Version auf die Seitenaufrufe und die Konvertierungsrate hat. Sobald du mit den Ergebnissen zufrieden bist, sich ein klarer Gewinner abzeichnet, kannst du den Test beenden und die Gewinner Version behalten.
Pro-Tipp bevor du loslegst:
Wichtig ist, dass du die Variante nicht zu stark zum Original abwandelst, damit du ein aussagekräftiges Testergebnis bekommst. Es reicht bereits völlig aus, wenn du beispielsweise die Button-Farbe änderst und testest, welche Button-Farbe nun zu besseren Ergebnissen führt. Wenn du die Variante zu stark abwandelst, ggf. mehrere Blöcke austauscht, Inhalte änderst, Design und co., kannst du beim Auswerten des Tests nicht mehr nachvollziehen, durch welche Änderungen die Ergebnisse entstanden sind. Außerdem geht es auch um die Signifikanz deines Tests.
Was ist Signifikanz von A/B Tests?
Im Zusammenhang mit A/B-Tests gibt die statistische Signifikanz an, wie wahrscheinlich es ist, dass der Unterschied zwischen der Original Version und der Variante deines Experiments nicht auf einen Fehler oder Zufall zurückzuführen ist. Wenn du beispielsweise einen Test mit einem Signifikanzniveau von 95 % durchführst, kannst du zu 95 % sicher sein, dass die Unterschiede tatsächlich vorhanden sind.
Das ist vor allem deshalb wichtig, weil es beim Testen schnell zu voreiligen Schlüssen kommen kann, ein gutes Beispiel für solch eine Misinterpretation ist ein A/A Test, bei dem keine Änderungen zwischen Original und Variante vorgenommen wurde, die Konvertierungsrate dennoch deutlich unterschiedlich zwischen den beiden Versionen ist. Nicht zuletzt, weil neben den Änderungen auf den Seiten viele andere Faktoren eine Rolle spielen, zB. die Persona Typen von Besuchern, die Quelle der Besucher, die Laufzeit des Tests, die Gesamtzahl der Besucher uvm. Einen lesenswerten Artikel zu diesem Thema findest du hier von Tomi Mester.
Wo finde ich mehr Informationen?
👉 Du findest den Hilfe-Artikel mit noch mehr Erklärungen hier in unserem Helpcenter!
Beginne noch heute mit A/B-Tests!
Mit A/B-Tests kannst du herausfinden, welche Inhalte und welches Elemente deine Zielpersona zur Handlung bringen. Viel Spaß!
