A/B-Test: Definition, Ablauf & Beispiel

A/B-Test – was bedeutet dieser Begriff?

Anzeigen, eine Landingpage oder einfach ein CTA – oft hat man mehrere Ideen und Herangehensweisen, ganz zu schweigen von Zielgruppen, die eine unterschiedliche Ansprache erwarten. Welche davon am besten funktioniert, lässt sich durch einen A/B-Test evaluieren, nämlich indem man zwei oder sogar mehrere Varianten ausprobiert.

Beispielsweise werden Besucher einer Webseite nach dem Zufallsprinzip auf Variante A oder Variante B geleitet. Dabei wird das im Vorhinein definierte Ziel – mehr Anfragen, mehr Käufe, mehr Anmeldungen – gemessen. Welche Variante die bessere Metrik erreicht, ist der klare Gewinner des A/B-Tests.

Damit das Ergebnis belastbar ist, gelten zwei Grundregeln:

Pro Test wird nur eine Sache verändert, sonst weiß niemand, welche Änderung was bewirkt hat.

Der Test läuft so lange, bis eindeutige Daten vorliegen. Ein Vorsprung nach zwei Tagen kann einfach Zufall sein, nach zwei Monaten hingegen ein deutliches Ergebnis. Fachlich spricht man von statistischer Signifikanz.

Getestet werden kann nahezu alles, was Besucher sehen oder womit sie interagieren können, unter anderem:

Überschriften
Bilder
Call-to-Action
Formulare
Reihenfolgen von Argumenten
Betreffzeilen einer E-Mail

Selbst die Farbe der Webseite oder die Webseitenstruktur können auf den Prüfstand kommen, denn es gibt immer etwas zu optimieren.

Wo hat der A/B-Test seinen Ursprung?

Das Prinzip hat sich bereits lange vor dem Internet bewährt. Schon beim Schnippen von Steinen über einen See fand man schnell heraus, welche Art von Steinen besser flutschte. Bereits Höhlenmenschen erkannten, was gegen Regen hilft: unter einem Baum oder in einer Höhle zu stehen statt unter freiem Himmel. Das Prinzip ist logisch, für das Marketing wurde es jedoch erst seit dem 20. Jahrhundert intensiv genutzt.

Im Direktmarketing verschickten Unternehmen zum Beispiel zwei Versionen eines Werbebriefes an getrennte Empfängergruppen und zählten die Rückläufer. Solche Split-Run-Tests gab es unter anderem auch für Zeitungsanzeigen. Online wurde das Verfahren ab den 2000er-Jahren zum Standard, da sich Varianten ohne zusätzliche Druckkosten ausspielen ließen und Ergebnisse in Echtzeit gemessen werden konnten. Besondere Aufmerksamkeit wurde dem Prinzip durch einen Fall bei Google zuteil. Die Suchmaschine testete einst 41 verschiedene Blautöne für Links gegeneinander, statt die Farbe in einem Meeting zu entscheiden.

Warum ist der A/B-Test wichtig?

Der A/B-Test ersetzt Meinungen durch Messung. Welche Headline, welches Bild oder welches Formular besser funktioniert, ist Geschmackssache der Geschäftsführung oder desjenigen, der am lautesten schreit. Der A/B-Test macht solche Entscheidungen überprüfbar und senkt das Risiko von Änderungen. Statt etwas auf Verdacht umzubauen, wird die Änderung erst im kleinen Rahmen belegt.

Der Nutzen liegt in der Summe: Mehrere kleine, durch Tests belegte Verbesserungen ergeben zusammen einen deutlichen Zuwachs im Sinne des definierten Ziels bei gleichem Besucherstrom.

Vorteile des A/B-Tests

Entscheidungen bekommen eine objektive Grundlage.
Interne Geschmacksdebatten verlieren an Gewicht.
Das Risiko ist gering, da Änderungen erst im Kleinen getestet und nur bei sichtbarem Erfolg im Großen ausgerollt werden.
Test für Test wächst das Wissen darüber, was die eigene Zielgruppe überzeugt.

Herausforderungen eines A/B-Tests

Nur eine Variabel pro Test und nicht beim ersten Zwischenstand abbrechen. Zudem braucht das verfahren Besuchermengen. Bei wenigen hundert Besuchern pro Monat dauert es länger, bis ein Ergebnis statistisch belastbar ist.

Hinzu kommt noch die Interpretation: Ein Ergebnis gilt nur für die getestete Seite und Zielgruppe und nicht automatisch für alles andere. Wer aus dem test eine Universalregel ableitet, Test beim nächsten Mal an der Realität vorbei.

Beispiel eines A/B-Tests

Ein Maschinenbauer testet einen CTA auf seiner Leistungsseite. Manche Besucher sehen „Angebot anfordern“ auf der Schaltfläche, andere sehen „Unverbindlich beraten lassen“. Vier Wochen später zeigt sich, dass Variante B 40 % mehr Anfragen generiert. Die unverbindliche Formulierung senkt offenbar die Hemmschwelle der Interessenten. Eine Erkenntnis, die man vermuten könnte, die nun aber belegt ist.