A/B-Testing in fünf Schritten aufsetzen – David Kuruc

0

Für das Fein-Tuning einer Website eignet sich A/B-Testing: Für zu optimierende Elemente einer Website werden zwei verschiedene Varianten aufgeschaltet. Der Nutzergruppe „A“ wird die eine Version gezeigt, der Nutzergruppe „B“ die andere. Im Analytics-Tool wertet man dann aus, welche der beiden Varianten von den Nutzern besser angenommen wurde und verfolgt dann diese für weitere Optimierungen.

Briefing von David Kuruc von Value Stream am Internet Briefing Webinar.

A/B-Test in 5 Schritten aufsetzen

Folgende fünf Schritte sind für einen aussagekräftigen A/B-Test zu befolgen:

  1. Analyse und Testobjekt identifizieren
  2. Testplan formulieren
  3. Variationen erstellen
  4. Test einrichten
  5. Resultate prüfen

Die Conversion von Webseiten ist im eCommerce Umfeld zentral. Entsprechend können bereits kleine Optimierungen überproportionale Umsatzsprünge bedeuten.

Google Analytics ermöglicht die Visualisierung von Performance-Abweichungen zwischen verschiedenen Landing-Pages.

Tools wie Clicktale, Mouseflow oder Clickmap ermöglichen zusätzliche Analysen über das User-Verhalten: Wo wurde mit dem Mauszeiger geklickt?

Heatmap

Heuristisch gewonnene Kennzahlen zeigen, dass die Value Proposition, also Motivationsfaktoren, die relevanten Verbesserungshebel sind. Sie zu optimieren bringt am schnellsten eine relevante Verbesserung.

Heuristik - Welche Komponenten bergen welches Potential?

Heuristik – Welche Komponenten bergen welches Potential?

Eyequant ist ein Tool für die Aufmerksamkeitsanalyse. Hier wird gemessen, wie lange jemand wo verblieben ist und beim Aufruf der Website hingeschaut hat. Die Value Proposition sollte von Anfang an im sichtbaren Bereich sein, um optimale Werte zu erreichen. Dabei ist eine Value Proposition in wenigen Wörtern erfolgreicher als eine Grafik mit verschiedenen Versprechen. Text ist einfach zu erfassen und kommuniziert sehr fokussiert. Er lenkt auch nicht von der Navigation ab.

Die Testfragen zum A/B-Test sollten vorgängig formuliert werden, damit später nichts in die Resultate hineininterpretiert wird. Zudem muss im Test-Setup geklärt werden, welche Klicks vor der zu testenden Conversion-Page zu tätigen sind.

In Google Analytics wird automatisch vorgegeben, wie lange man die A/B-Tests laufen lassen sollte. Generell gilt eine grobe Minimaldauer von 2 Wochen und maximal 3 Monate. 50 Besucher am Tag sollte die Website mindestens haben, um aus dem A/B-Test aussagekräftige Werte zu erhalten.

In Google Analytics findet man die Tests unter „Content / Tests„. Dort gibt man die URLs der verschiedenen Website-Varianten an. Man definiert, welche Analytics-Ziele zu verfolgen sind (URL-Aufrufe oder Events) und gibt im eigenen HTML-Code den von Google zur Verfügung gestellten Test-Code ein. Im 4. Schritt wird der Test überprüft und aufgeschaltet.

Google Analytics berechnet automatisch, ob die Resultate statistisch signifikant sind und wie hoch die Wahrscheinlichkeit ist (Konfidenzniveau), dass die Testresultate in der Praxis dann auch so eintreffen werden.

Die Stichprobenqualität wird durch Offline-Events wie Messen, Erwähnungen in Medien, Kampagnen oder Gewinnspiele beeinflusst. Dagegen können Kontroll-Limits definiert werden: Dort wird die Ober- und Untergrenze des „Normalfalls“ hinterlegt.

Kontroll-Limit für A/B-Tests in Google Analytics

Kontroll-Limit für A/B-Tests in Google Analytics

Multivariate Tests beeinhalten verschiedene Variationskomponenten. Deshalb ist dort die Aussagekraft etwas kleiner und schwierig auszuwerten.

 

Share.

About Author

Walter Schärer bloggt über neuste Internet-Trends im Online Marketing, Social Media, Blogs, Web Analytics, SEO, Mobile und so.

Leave A Reply