Was ist A/B-Testing?

A/B-Testing bedeutet: Du erstellst zwei Varianten einer Seite, Anzeige oder E-Mail und spielst sie gleichzeitig verschiedenen Nutzergruppen aus. Die Hälfte der Besucher sieht Variante A, die andere Hälfte Variante B. Dann misst du, welche Variante besser performt.

Das Ergebnis: datenbasierte Entscheidungen statt Meinung.

Was man testen kann

Fast alles. Der auffälligste Hebel ist die Überschrift. In einem bekannten Experiment änderte ein SaaS-Unternehmen nur die Headline auf seiner Landingpage und steigerte damit die Conversion Rate um 40 Prozent. Kein neues Design, keine neuen Features, nur andere Worte.

CTA-Texte sind ein weiteres häufiges Testobjekt. “Jetzt anfragen” gegen “Kostenlos beraten lassen” gegen “In 30 Sekunden starten”. Welche Version mehr Klicks bekommt, lässt sich oft nicht vorhersagen, man muss es testen.

Weitere Testkandidaten: Seitenstruktur, Bildauswahl, Formularlänge, Preisgefühl durch unterschiedliche Angebotsdarstellung.

Was A/B-Testing nicht kann

Ein A/B-Test braucht ausreichend Datenvolumen. Bei einer Seite mit 50 Besuchern pro Monat dauert es sehr lange, bis ein statistisch signifikantes Ergebnis vorliegt. Bei zu wenig Daten sieht das Ergebnis zufällig aus, auch wenn es keines ist.

Außerdem kann ein A/B-Test nur sagen, welche Variante besser funktioniert, nicht warum. Für das Warum braucht man qualitative Methoden: Nutzer-Interviews, Heatmaps, Session-Recordings.

Bei unserer Marketing-Arbeit und Webdesign setzen wir A/B-Tests dort ein, wo das Datenvolumen es sinnvoll macht. Für Seiten mit hohem Traffic ist es ein direkter Hebel für bessere Conversion Rates ohne zusätzliche Werbeausgaben.

Wie viel Traffic braucht ein A/B-Test?

Faustregel: Pro Variante etwa 200 Conversions, um statistisch belastbare Aussagen zu erhalten. Bei einer Conversion-Rate von 2 Prozent bedeutet das 10.000 Besucher pro Variante, also 20.000 Besucher insgesamt. Ein Shop mit 5.000 monatlichen Besuchern braucht entsprechend mehrere Monate für ein einzelnes Testergebnis. Wer weniger Traffic hat, sollte größere Veränderungen testen (radikal andere Seite statt geänderter Button-Farbe), damit der Effekt überhaupt messbar ist.

Werkzeuge in der Praxis

Google Optimize wurde 2023 eingestellt, der Markt hat sich seitdem aufgeteilt. Für KMU sind VWO, Convert oder das deutlich günstigere AB Tasty gute Optionen. Wer auf Shopify oder Shopware aufbaut, findet zusätzlich native Test-Plugins. Wichtig: Das Tool sollte serverseitige Tests beherrschen, nicht nur Client-Side, denn Letzteres kann CLS-Probleme erzeugen und die Core Web Vitals verschlechtern.

Risiken und Pitfalls

Wer mehrere Varianten gleichzeitig testet, ohne genug Daten zu haben, riskiert “Sample Pollution”: Ein scheinbar besserer A/B-Test-Effekt könnte rein zufällig sein. Auch wichtig: Tests sollten mindestens einen vollständigen Wochenzyklus laufen, weil Wochenende-Traffic anders konvertiert als Werktage. Wer nach drei Tagen abbricht, weil eine Variante “gewinnt”, trifft oft Fehlentscheidungen.

Du willst anfangen datenbasiert zu optimieren statt nach Gefühl zu entscheiden? Lass uns das einrichten.