AB Testing

Aus Wiki
Wechseln zu: Navigation, Suche

Definition

Abbildung: AB Testing - Autor: Seobility - Lizenz: CC BY-SA 4.0

A/B-Tests (manchmal auch als Split Test bezeichnet) vergleichen zwei Versionen einer Webseite, um festzustellen, welche Version für die Erreichung eines definierten Zieles besser geeignet ist. Ein solches Ziel kann zum Beispiel die Steigerung der Conversion Rate oder die Verbesserung andere Leistungsindikatoren (KPIs) sein. Ein A/B Test vergleicht zwei Website Versionen, indem die Besucher zufällig auf eine der beiden Varianten geleitet werden und das Nutzerverhalten erfasst wird. Dadurch können Webmaster und Unternehmen testen, wie stark das Verhalten der Besucher durch die Änderung einer bestimmten Variablen beeinflusst wird.

Das Ziel von A/B-Tests

Das Ziel von A/B-Tests besteht darin, die bestmögliche Website Version zur Erreichung eines bestimmten Ziels zu finden und zu lernen, mit welchen Änderungen mehr Besucher einer Website zu einer gewünschten Handlung bewegt werden können.

Im Vergleich zu den Kosten für bezahlten Traffic sind die Kosten für die Erhöhung der Conversion Rate mithilfe von A/B Tests minimal. Der Return-on-Investment von A/B-Tests kann sehr hoch sein, da bereits kleine Änderungen an einer Website zu erheblichen Steigerungen bei den generierten Leads und Verkäufen führen können.

Funktionsweise von A/B Tests

In einem A/B Test wird eine zweite Version einer Webseite erstellt, bei der ein bestimmtes Element, das optimiert werden soll, verändert wird. Diese Änderung kann beispielsweise eine Überschrift, eine Schaltfläche, Bilder oder Farben betreffen. Nur selten umfasst die Änderung eine vollständige Neugestaltung der Seite.

Im nächsten Schritt wird die Hälfte der Besucher auf die ursprüngliche Version der Seite, welche zur Kontrolle dient, und die andere Hälfte auf die geänderte Version der Seite geleitet. Das Verhalten der Besucher wird auf beiden Seiten gemessen und analysiert. Auf diese Weise kann festgestellt werden, ob die Änderung einen positiven, negativen oder keinen Einfluss auf das Besucherverhalten (beispielsweise im Hinblick auf die Conversion Rate) hatte.

Anwendungsbeispiele für A/B Tests

Anwendungsbeispiele für A/B Testing sind die Optimierung von Landing-Pages, Mails oder E-Commerce Seiten im Hinblick auf Conversion Rate, Leads, Anmeldungen etc. Dabei können u.a. folgende Elemente verändert und untersucht werden:

  • CTA-Buttons: Größe, Form, Text, Farbe und Platzierung
  • CTA-Texte: Länge, Inhalt und Formatierung
  • Überschriften: Inhalt, Länge, Schriftgröße, Typografie
  • Texte: Länge und Inhalt
  • Bilder: statisch oder Karussell, Größe und Platzierung

Vor- und Nachteile von A/B Tests

A/B Testing eignet sich sehr gut, um neue Ideen zu testen und zu ermitteln, ob diese beispielsweise zu einer Verbesserung der Conversion Rate, Verringerung der Bounce Rate oder Erhöhung der Verweildauer führen. Mögliche Änderungen können hierbei schrittweise überprüft und auf einer Seite getestet werden. Somit kann auf nachvollziehbare Weise überprüft werden, ob verschiedene Farben, Schaltflächen, Layouts oder Bilder das Verhalten der Besucher beeinflussen.

Ein Nachteil von A/B Tests ist allerdings der u.U. hohe Zeitaufwand für das Vorbereiten und Einrichten zweier verschiedener Versionen einer Website.

Für Websites mit wenig Traffic müssen die Tests zudem eventuell über mehrere Wochen oder Monate hinweg durchgeführt werden, um eine ausreichend große Datenbasis für aussagekräftige Ergebnisse zu erhalten.

A/B Testing kann außerdem nicht messen oder anzeigen, ob Usability-Probleme auf einer Website bestehen, die für eine niedrige Conversion Rate verantwortlich sein können.

Wenn mehrere Variablen gleichzeitig geändert werden, besteht darüber hinaus die Gefahr, dass die Ergebnisse des Tests falsch interpretiert werden.

Tools für A/B-Tests

Im Internet steht eine ganze Reihe von professionellen, teils kostenlosen und teils kostenpflichtigen Tools für das A/B Testing zur Verfügung:

Google Analytics - Experiments

Die "Experimente" von Google Analytics machen das Tool zu einer vollständigen A/B-Testplattform. Benutzer können hier für bis zu 10 Vollversionen einer einzelnen Seite Split-Tests durchführen.

KISSmetrics

KISSmetrics ist eine leistungsstarke Analyseplattform. Die JavaScript-Bibliothek von KISSmetrics bietet eine Funktion, die Benutzer bei der Einrichtung ihres A/B-Tests unterstützt. Benutzer können KISSmetrics auch in ihren internen Testcode oder in eine andere A/B-Testplattform integrieren.

Unbounce

Mit Unbounce können responsive Landing-Pages ohne HTML-Kenntnisse erstellt, veröffentlicht und getestet werden. Unbounce kann in eine Vielzahl anderer Tools integriert werden. Das Tool bietet außerdem die Möglichkeit, Teammitgliedern Rollen zuzuweisen, Leads zu erfassen sowie Videos, soziale Feeds und Widgets einzubinden, um die Conversion Rate einer Website oder Mail zu optimieren.

Optimizely

Optimizely ist eines der beliebtesten WYSIWYG A/B Testing Tools. Optimizely ermöglicht Tests basierend auf Anzeigenkampagne, Geografie oder Cookies, um die Gestaltung und Optimierung personalisierter Inhalte auf der Grundlage von Zielgruppensegmenten zu erleichtern.

A/B Testing im Hinblick auf die Suchmaschinenoptimierung

Google erlaubt und ermutigt Webmaster zu A/B-Tests und hat angegeben, dass die Durchführung eines A/B- oder multivariaten Tests kein inhärentes Risiko für das Ranking einer Website darstellt. Es ist jedoch möglich, das Ranking zu gefährden, wenn A/B-Testwerkzeuge missbraucht werden. Google empfiehlt Webmastern daher folgende Vorgehensweisen, um sicherzustellen, dass dies nicht geschieht:

A/B-Tests sollten grundsätzlich nicht zum Cloaking missbraucht werden. Cloaking bedeutet, dass Suchmaschinen Crawler vorsätzlich auf eine andere Version der Website geleitet werden als User, um die Suchmaschine zu täuschen. Aber auch, wenn Webmaster keine solchen Absichten haben, sollten sie darauf bedacht sein, den Inhalt einer Seite im Rahmen von A/B Tests nicht grundlegend zu verändern. Wenn Google feststellt, dass die Variation einer Seite nicht nur in Bezug auf das Design, sondern auch in Umfang und Inhalt erheblich vom Original abweicht, könnte Google diese Änderung als Cloaking missverstehen und die Website wird möglicherweise mit einer Strafe belegt. Aus diesem Grund sollte ein A/B Test auch nie länger als nötig andauern, da Google dies ebenfalls als Täuschungsversuch wahrnehmen könnte.

Weiterhin sollten bei A/B Tests Canonical Tags genutzt werden, um auf die Ursprungsseite zu verweisen, wenn der A/B Test über mehrere URLs verfügt.

Das Einrichten von 302-Weiterleitungen ist nicht schädlich, solange diese nicht zu unerwarteten oder nicht verknüpften Inhalten weiterleiten. 301-Weiterleitungen sollten hingegen nicht verwendet werden, da sie Google eine bei A/B Tests ungewöhnliche dauerhafte Weiterleitung signalisieren würden.

Weiterführende Links

Ähnliche Artikel