A/B Testhypothesen – Definition, Tipps und Best Practices

Wenn man das Wörterbuch nach einer Definition für Hypothese überprüfen würde, würde man sicherlich etwas in dieser Richtung finden:

Das scheint einfach zu sein. Und doch sind irrelevante, unvollständige oder schlecht formulierte A/B-Testhypothesen die Ursache für so manchen neutralen oder negativen Test. Im folgenden Artikel werden wir kurz und knapp erklären, wie man eine effektive Hypothese für Conversion Rate Optimierungs (CRO)-Tests aufstellt.

---

Oftmals stellen wir uns vor, dass die Durchführung von A/B-Tests zur Verbesserung der Leistung Ihrer E-Commerce-Seite beispielsweise eine schnelle Änderung der Farbe Ihres „Kaufen“-Buttons bedeutet. Wir denken dann, zu Recht (manchmal!) oder zu Unrecht, dass die Änderung dieses Symbols von Rot auf Grün unsere Conversion Rate drastisch erhöhen wird.

Viel zu wenige Menschen hinterfragen die wahre Ursache des Erfolgs (oder Misserfolgs!) der Veränderungen, die sie vorgenommen haben, um ihre Conversion Rate (oder andere Messdaten) zu verbessern, und es ist wichtig zu wissen, wie man sowohl das Problem als auch die Hypothesen bestimmt, die es Ihnen ermöglichen, die besten Ergebnisse zu erzielen, indem Sie langfristig bestehen, denn Sie können Ihre Ergebnisse oft verdoppeln!

Anstatt also mit dem Kopf voraus zu gehen und eine “DIY”-Lösung zu finden, ist es oftmals besser, einen Schritt zurück zu gehen:

1. Identifizieren Sie das reale Problem am Ursprung der schlechten Leistung (z.B. eine hohe Bounce-Rate auf Ihrer Landingpage oder eine hohe Bounce Rate auf der Bestellbestätigungsseite Ihrer Website).
2. Eine Hypothese aufstellen, die die Ursache des Problems wiedergeben könnte (z.B. „unsere Kunden verstehen die Eigenschaften unserer Produkte nicht sofort, wenn sie die Seiten auf unserer E-Commerce-Seite lesen“).

Dieser zweite Schritt, der schwierig erscheint, da er die Fähigkeit zur Selbstbeobachtung und einen kritischen Blick auf die bestehende Seite erfordert, ist nichtsdestotrotz unumgänglich für jeden, der seine KPIs drastisch verbessern möchte!

Also, die Fragen, die wir hier beantworten werden, lauten:

• Was ist eine A/B-Testhypothese für eine E-Commerce Seite?
• A/B-Testhypothesen: wie sieht die ideale Startformel aus?
• Welche Elemente muss man bedenken, um sicherzustellen, dass die Hypothesen die Richtigen sind und die besten Ergebnisse hervorbringen?

Was ist eine A/B-Test Hypothese?

Wie bereits erwähnt, hat das Wort “Hypothese” eine sehr einfache Definition, wenn wir ins Wörterbuch schauen:  

Der erste interessante Punkt, der in dieser Definition angesprochen wird, betrifft „den zu erklärenden Sachverhalt“: Eine A/B-Testhypothese muss immer mit einem klar definierten Problem beginnen. A/B-Tests sollten nicht zufällig durchgeführt werden, da Sie sonst Gefahr laufen, Zeit zu verschwenden.

Es gibt viele Informationsquellen, um diese Probleme zu identifizieren:

• Web Analytics Daten. Diese Daten erklären zwar nicht das Verhalten der Internetnutzer, aber sie können auf Conversionprobleme hinweisen (z.B. die Identifizierung von Warenkorbabbrüchen). Sie helfen auch, die zu testenden Seiten zu priorisieren.
• Heuristische Bewertung und ergonomische Prüfung. Diese Analysen ermöglichen es Ihnen, die Benutzerfreundlichkeit der Website mit Hilfe einer Analysetabelle kostengünstiger zu bewerten.
• User Test. Diese qualitativen Daten sind begrenzt durch die Stichprobengröße, können jedoch einen großen Informationsgehalt bringen, der mit quantitativen Methoden nicht erfasst worden wären. Sie zeigen oft Probleme beim Verständnis des Angebots oder der Ergonomie der Website. Auch wenn die Erfahrung angesichts des Potenzials für negative Bemerkungen schmerzhaft sein kann, ermöglicht sie es Ihnen, qualifizierte Daten mit detaillierten Erkenntnissen zu sammeln.
• Eye Tracking oder Heatmaps. Diese Methoden bieten einen Überblick darüber, wie Personen mit Elementen innerhalb einer Seite interagieren, nicht nur zwischen den Seiten.
• Customer Feedback. Unternehmen sammeln bereits eine Menge an Feedback von Ihren Kunden (gepostete Kommentare und Meinungen auf der Seite, gestellte Fragen beim Kundenservice, etc.). Neben der Analyse können Sie Tools wie Kundenbefragungen oder Live-Chats einsetzen, um weitere Informationen zu sammeln.

Diese Tools werden Ihnen helfen, die wahren Probleme aufzuzeigen, die sich auf die Leistungen Ihrer Seite auswirken und langfristig Zeit und Geld sparen!

Bevor wir näher auf das Thema eingehen, beginnen wir mit dem, was die Grundlage für die Hypothese eines A/B-Tests bildet!

A/B Test Hypothese: die Startformel

Zunächst mag es fast einfach erscheinen, A/B-Testhypothesen zu erstellen. Es geht vor allem um eine Veränderung und die Wirkung, die sie hervorruft:

An diesem Punkt ist die Formel nur eine theoretische Annahmen, die bewiesen oder widerlegt werden muss, aber sie wird Sie bei der Lösung des Problems leiten.

Ein wichtiger Punkt ist jedoch, dass die Auswirkungen der von Ihnen gewünschten Veränderung immer messbar und quantifizierbar sein müssen (Conversion Rate, Bounce Rate, Abbruchrate, etc.).

Hier sind einige Beispiele für Hypothesen, die nach der oben erläuterten Formel formuliert wurden und die für den E-Commerce gelten können:

Beispiel #1

“Die Änderung unseres Call-to-Actions von “KAUFEN SIE IHR TICKET JETZT!” zu “DIE TICKETS VERKAUFEN SICH SCHNELL – NUR NOCH 50 STÜCK VERFÜGBAR!” wird unseren Umsatz auf unserer E-Commerce Seite verbessern.

Beispiel #2
“Wenn Sie das Formular verkürzen, indem Sie optionale Felder wie Telefon und Postanschrift löschen, wird die Anzahl der gesammelten Kontakte erhöht.”

Wenn Sie darüber hinaus über die Lösung nachdenken, die Sie implementieren möchten, nehmen Sie die „Psychologie“ des Interessenten auf, indem Sie sich Folgendes fragen:

“Welche psychologischen Effekte könnte das Problem im Kopf des Kunden auslösen?”

Wenn Ihr Problem zum Beispiel ist: “es besteht ein Mangel an Klarheit im Registrierungsprozess der Website, der sich auf die Conversions, etwas zu kaufen auswirkt“, dann könnte ein psychologischer Effekt sein, dass Ihr Interessent irritiert ist, wenn er die Informationen liest. Vor diesem Hintergrund können Sie beginnen, konkret über die Lösung nachzudenken, um dieses Gefühl auf der „Kundenseite“ zu korrigieren. In diesem Fall können wir uns vorstellen, „einen Fortschrittsbalken einzubauen, der die verschiedenen Phasen der Registrierung anzeigt.“

Seien Sie jedoch vorsichtig: dieser “psychologische” Aspekt sollte nicht berücksichtigt werden, wenn Sie Ihre Testhypothese formulieren. Sie müssen immer das folgende Format beachten: “Wenn ich das ändere, wird es diesen Effekt hervorrufen.” Sobald Sie die Ergebnisse haben, sollten Sie in der Lage sein zu sagen: “es ist wahr”/ “es ist falsch.” Deshalb müssen wir darauf achten, dass wir uns auf konkrete und greifbare Annahmen stützen.

Und schließlich, da es schade wäre, jetzt aufzuhören, ist das Endziel der A/B-Testhypothesen, schnell zu identifizieren, was Ihrem Unternehmen am meisten helfen wird.

Optimierung von effektiven A/B-Testhypothesen im E-Commerce

Es gibt viele Elemente, die es Ihnen ermöglichen, eine effektive A/B Testhypothese zu erstellen. Hier sind fünf, um anzufangen (und Sie zu inspirieren)! Diese Best Practices ermöglichen es Ihnen, Ihre Hypothesen zu erstellen, indem Sie Ihre aktuelle Website mit den unten stehenden Vorschlägen vergleichen und die Conversion Rate direkt beeinflussen.

AUF DER HOMEPAGE

• Der Titel/Hauptbanner, der die angebotenen Produkte/Dienstleistungen erklärt, kann die Neugier der Kunden wecken und ihre Besuchszeit auf der Website verlängern.
• Ein direkt bei der Ankunft sichtbarer Call-to-Action erhöht die Wahrscheinlichkeit, dass Besucher auf diesen klicken.
• Ein gut sichtbarer „Über“-Bereich baut das Vertrauen der Interessenten in die Marke auf, wenn sie auf der Website ankommen.

IM PRODUKTBEREICH

• Filter sparen dem Kunden eine Menge Zeit. Sie finden schnell das, wonach sie suchen.
• Die Hervorhebung einer Auswahl der beliebtesten Produkte am oberen Rand der Abschnitte ist ein ausgezeichneter Ausgangspunkt für die Umsatzrealisierung.
• Ein „Mehr erfahren“-Button oder ein Link unter jedem Produkt wird die Benutzer ermutigen.. mehr erfahren zu wollen!

IN DEN PRODUKTSEITEN

• Produktempfehlungen schaffen eine persönlichere Erfahrung für den User und helfen, den durchschnittlichen Warenkorbwert zu steigern.
• Wenn der “zum Warenkorb hinzufügen”-Button das sichtbarste Element der Produktauflistung ist, wird es die Aufmerksamkeit des Interessenten wecken und die Klickrate erhöhen.
• Ein “Zum Warenkorb hinzufügen & bezahlen”-Button spart dem Kunden Zeit, da die meisten Kunden durchschnittlich eine Transaktion auf einmal bezahlen.
• Das Hinzufügen von Social Media “Teilen”-Buttons ist eine effektive Möglichkeit, das Produktangebot in virale Inhalte zu verwandeln.

IM WARENKORB

• Das Vorhandensein von Logos wie „Visa zertifiziert“ stärkt das Vertrauen der Kunden in die Website
• Ein sehr sichtbarer Button/Link für “mit Bezahlvorgang fortsetzen” ermutigt die User zu klicken

BEZAHLUNG

• Eine einzige Bezahlseite reduziert die Ladezeit zwischen zwei Seiten und sorgt für die Aufmerksamkeit des Kunden.
• Die Bezahlung einer Bestellung ohne Registrierung wird von neuen Interessenten sehr geschätzt, die nicht unbedingt geneigt sind, ihre persönlichen Daten beim ersten Besuch der Website weiterzugeben.
• Wenn der Benutzer die verschiedenen Zahlungsstufen sehen kann, hat er eine Übersicht über den Rest des Prozesses. Dies gibt ihnen Sicherheit und wird ihnen helfen, ihren Kauf abzuschließen.

Abschließend sei vermerkt, dass die Definition von A/B-Testhypothesen komplex und methodisch erscheinen kann, denken Sie jedoch an all die Vorteile, die diese Phase für Ihre E-Commerce-Website haben kann. Wenn Sie also das nächste Mal Ihre Leistung optimieren wollen, denken Sie „Analyse und Daten“ vor „Design und Grafik“; es ist ein guter Anfang für die Umsetzung effektiver Hypothesen.