Blogartikel

9min. Lesezeit

Verlieren Sie keine Conversions während Ihrer A/B Tests mit Dynamic Allocation

Bei einer Experimentkampagne kann es frustrierend sein, wenn Sie Ihren Besuchern eine Variante zeigen, die während der gesamten Testdauer nicht sonderlich gut konvertiert und andere Varianten bessere Ergebnisse erzielen. Wir bei AB Tasty kennen diesen Pain Point. Deshalb helfen wir unseren Kunden, „verschwendeten Traffic“ zu minimieren, der bei einem Test unweigerlich entsteht. Und das mit unserem beliebten Dynamic Traffic Allocation Feature, das auf dem Thompson Sampling-Algorithmus und dem Bayesschen Statistikmodell in Form eines Algorithmus beruht.

Die Bayessche Statistik löst das schwierige Problem des „Mehrarmigen Banditen“: Sie findet die Balance zwischen „Exploitation“ und „Exploration“ der Daten, um die Experimente fortlaufend – und schnell! – zu optimieren. Wir bieten weit mehr als nur eine Entscheidungshilfe für unsere Kunden, wie es nach einem A/B-Test weitergehen soll. Will heißen: Wir halten eine automatisierte Lösung bereit, die ideal ist, wenn fortlaufend Entscheidungen getroffen werden müssen und die Zeit knapp ist, oder wenn Sie in einer Umgebung arbeiten, die sich ständig ändert.

Stellen Sie sich vor, Sie starten während der Festtage eine einwöchige Werbekampagne. Obwohl Sie mehrere Varianten testen möchten, lautet das Ziel, den Umsatz zu optimieren, und nicht zwangsläufig statistische Relevanz zu erreichen. Angenommen, eine weltweite Pandemie wirkt sich auf Ihre Geschäftsergebnisse aus und zwingt Sie, auf neue Art zu kommunizieren. Obwohl Sie mehrere Varianten testen möchten, lautet das Ziel, möglichst schnell die Kommunikation zu optimieren und nicht zwangsläufig einen klassischen A/B-Test durchzuführen.

AB Tasty bietet schon seit längerem Dynamic Alllocation an. Vor Kurzem haben wir jedoch den gesamten Prozess gestrafft. Er wird insgesamt kohärenter und lässt sich leichter aktivieren, wenn Sie eine Kampagne erstellen.

Was ist Dynamic Traffic Allocation?

Bei der Dynamic Traffic Allocation wird mit einem Algorithmus das Trafficvolumen angepasst, das den einzelnen Live-Test-Varianten zugeteilt wird.

Der Dynamic Traffic Allocation Algorithmus ermittelt die Variante mit der höchsten Performance und teilt dieser Version mehr Traffic zu.

Warum ist es nützlich?

Dynamic Allocation hilft, den Verlust von Conversions während eines Tests (den sogenannten „Regret“) zu begrenzen. Dazu kann es kommen, wenn ein Teil Ihres Website Traffics an eine Variante gesendet wird, die letztlich nicht die Gewinnervariante ist.

Werfen wir einen Blick auf folgenden A/B-Test: ConversionRateA = 1 %, ConversionRateB = 1,5 %, der Test wurde mit einem gleichbleibenden Traffic von 10.000 Besuchern pro Variante durchgeführt.

Der „Regret“ dieses Tests: r = 10.000 * (0,015-0,01) = 50 verlorene Conversions. Während des Testzeitraums hätten wir im Idealfall 300 Conversions erzielen können (20.000*0,015), doch mit dem Test haben wir 50 Conversions verloren.  Während dieser Zeit wären also nur 250 Conversions erzielt worden.

Selbstverständlich können wir solche Berechnungen erst anstellen, wenn der Test abgeschlossen ist und wir die genauen Zahlen für die Conversion Rate kennen. Das bedeutet aber nicht, dass nichts gegen „verschwendeten“ Traffic während eines Tests unternommen werden kann …

Wie funktioniert die Dynamic Traffic Allocation?

Das oben genannte Problem lässt sich lösen, indem die Traffic Allocation des Tests geändert wird, damit weniger Besucher zu den „schlechten“ Varianten und mehr Besucher zu den „guten“ Varianten geschickt werden.

Aber Achtung: Solche Änderungen manuell vorzunehmen, ist sehr riskant, da die Ergebnisse verfälscht werden können. Es gibt jedoch Algorithmen, die den Traffic so kanalisieren, dass der Regret eines Tests auf ein Minimum reduziert werden kann während die erfolgreichste Variante identifiziert wird.

Wir haben den zuverlässigsten Algorithmus für diese Aufgabe auf folgender Basis ausgewählt: Wir verwenden die Messunsicherheiten der Conversion Rate, um einen Kompromiss zwischen „Exploration und Exploitation“ zu erzielen. Bei der Exploration senden wir Traffic an eine Variante, selbst wenn sie nach den ersten Messwerten nicht als Gewinnervariante hervorgeht – wir wissen ja, dass die ersten Schlussfolgerungen nicht zuverlässig sind. Bei der Exploitation senden wir Traffic an eine Variante, die angesichts der bereits gesammelten Zahlen als Gewinnervariante gilt. So vermeiden wir, zu viele Conversions zu verlieren (vorausgesetzt, die betreffende Variante ist tatsächlich die Gewinnervariante).

Diese beiden Ziele stehen natürlich im Widerspruch zueinander.  Exploration bedeutet, Conversions zu verlieren, Exploitation bedeutet, ein Risiko einzugehen, wenn nicht die erfolgreichste Variante ausgewählt wird! Deshalb ist es entscheidend, die Messunsicherheit genau zu modellieren und dann den richtigen Kompromiss zwischen „Exploration und Exploitation“ zu finden.

Mit der Wahrscheinlichkeitsverteilung können wir für jede Variante die Messunsicherheit der Conversion Rate berücksichtigen. Diese Grafiken zeigen, wo der wahre Conversion Rate-Wert am ehesten zu finden ist. Je höher der Wert auf der Y-Achse der Kurve, desto größer die Chance, dass der entsprechende X-Wert dem wahren Wert entspricht.

Hier ist ein Beispiel:

ne-perdez-plus-de-conversions

Variante A verzeichnet 7 Erfolge bei 600 Besuchen (schwarze Kurve), Variante B verzeichnet 27 Erfolge bei 600 Besuchen (rote Kurve). Die Situation ist eindeutig: Die Conversion Rate der Variante A liegt wahrscheinlich zwischen 0 % und 0,2 %, die der Variante B wahrscheinlich zwischen 0,25 % und 0,7 %. Da es sich um zwei getrennte Intervalle handelt, können wir mit ziemlicher Sicherheit behaupten, dass B die Gewinnervariante ist, selbst wenn wir nicht sicher sein können, dass die Messwerte stimmen. Es besteht praktisch kein Zweifel daran, dass B die Gewinnervariante ist, da sich die Kurven nicht überschneiden.

Hier ein weiteres Beispiel:

ne-perdez-plus-de-conversions

Variante A verzeichnet 7 Erfolge bei 300 Besuchen (schwarze Kurve), Variante B verzeichnet 14 Erfolge bei 400 Besuchen (rote Kurve). Die einfache Berechnung der Conversion Rate ergibt ConversionRateA = 2,39 %, ConversionRateB = 3,63 %. Augenscheinlich besteht ein Unterschied in der Conversion Rate, sodass wir versucht sind, Variante B als Gewinner zu betrachten, doch das ist falsch … Wenn wir die Wahrscheinlichkeitsverteilung näher betrachten, lässt sich die Messunsicherheit besser erkennen. Da sich die beiden Kurven überschneiden, zeigt sich, dass noch Zweifel bestehen können.

Der Kompromiss zwischen „Exploration und Exploitation“

Sehen wir uns das letzte Beispiel noch einmal genauer an. Genauso wahrscheinlich ist, dass die ConversionRateA bei 3 % und die ConversionRateB ebenfalls bei 3 % liegt (Schnittpunkt der beiden Kurven). Mit diesem Ansatz können wir die Wahrscheinlichkeit berechnen, dass A die Gewinnervariante ist, selbst wenn B im Moment besser zu sein scheint. Wir verwenden diese Art von Berechnungen, um die richtige Balance zwischen „Exploration und Exploitation“ zu finden. Mithilfe eines Algorithmus wie Thompson Sampling können wir den Nutzen der Exploration und das mit der Exploitation verbundene Risiko einschätzen.

Dieser Algorithmus:

  • findet im Laufe der Zeit mit Sicherheit die Gewinnervariante
  • verliert garantiert weniger Conversions als ein stabiler Traffic
  • findet die Gewinnervariante schneller (falls mehr als 2 Varianten getestet werden) als das bei einem stabilen Traffic der Fall wäre. Je mehr Varianten, desto größer die Wahrscheinlichkeit, dass ein paar (sehr) schlechte Varianten dabei sind. Die erfolgloseren Varianten werden schnell identifiziert und erhalten weniger Traffic als Varianten, die besser performen. Bei einer stabilen Traffic Allocation würden diese (sehr) schlecht abschneidenden Varianten auch weiterhin ein nicht unerhebliches Trafficvolumen verlieren.

Wie können Sie die Dynamic Traffic Allocation verwenden?

Mit AB Tasty ist die Dynamic Traffic Allocation besonders einfach zu bewerkstelligen: Sie müssen nur auf die Schaltfläche „Change to Dynamic allocation“ klicken und den primären KPI auswählen, der optimiert werden soll. Anfangs wird der Traffic noch gleichmäßig verteilt. Im Laufe des Tests wird er angepasst und automatisch so verteilt, dass die Gewinnervariante identifiziert und der Conversion-Gewinn maximiert werden kann.

Nach dem Teststart verläuft alles wie bei einem herkömmlichen Test (mit gleichmäßiger Traffic-Verteilung). Selbstverständlich berücksichtigen alle statistischen Messungen die Dynamic Allocation. Die Testergebnisse können deshalb genau gleich interpretiert werden.

New Dynamic Traffic Allocation interface by AB Tasty

Warum Dynamic Allocation?

Wenn die Zeit knapp ist, haben User dank der Dynamic Allocation die Möglichkeit, den Traffic direkt auf die beste Variante zu leiten, ohne in die Kampagne einzugreifen. Das sorgt für schnellere Ergebnisse und einen besseren ROI!

Dynamic Allocation kann in folgenden Fällen äußerst nützlich sein:

  • Wenn Benutzer Mikro-Conversions optimieren möchten, die in einem kurzen Zeitraum erwartet werden, nachdem der User einer Variation ausgesetzt war. Auf E-Commerce-Websites bevorzugen einige Kunden z. B. den „In den Warenkorb“-CTA gegenüber dem Transaktionsereignis als primäres Ziel.
  • Wenn User nur eine kurze Zeit zur Verfügung haben, einen Test laufen zu lassen.
  • Bei speziellen Werbeangeboten in der Weihnachtszeit mit einigen Varianten und dem Ziel, in diesem kurzen Zeitraum den Umsatz zu maximieren.
  • Während der Corona-Krise muss ein Unternehmen möglicherweise schnell mit Kunden kommunizieren. Das Unternehmen möchte möglichst rasch die Gewinnervariante verwenden.
  • Wenn die zu testende Seite ein sehr geringes Trafficvolumen verzeichnet. Bei einem niedrigen Traffic kann es schwierig sein, wahre statistische Signifikanz zu erreichen, doch das hindert Sie nicht daran, die Customer Experience zu optimieren. Die Dynamic Allocation wäre die logische Wahl.
  • Wenn viele Varianten zu testen sind, d. h. mehr als 6 Varianten, bietet die Dynamic Allocation Usern die Möglichkeit, schlecht funktionierende Varianten schnell zu identifizieren, um den Test nur für die relevantesten Varianten durchzuführen.

Sie möchten mehr über AB Tasty, Dynamic Allocation und andere KI-gestützte Funktionen wie Engagement Level und Content Interest erfahren, um Ihre Marken- und Produkterlebnisse zu optimieren? Wir zeigen sie Ihnen live in einer persönlichen Demo.

Abonniere
unseren Newsletter

bloc Newsletter DE

Wir verarbeiten und speichern deine persönlichen Daten, um deine Anfrage zu beantworten. Siehe dir unsere Datenschutzerklärung an.

Blogartikel

7min. Lesezeit

Conversion Rate Definition: Alles, was Sie wissen müssen

Nehmen wir uns doch 10 Minuten Zeit und kehren wir zu den Basics einer Conversion Rate zurück: Was ist die Definition von einer Conversion Rate? Wie wird sie gemessen? Wie kann sie verbessert werden? Und wie kann sichergestellt werden, dass Sie sich dabei nicht selbst im Weg stehen? Sind Sie bereit? Dann los!

Definition: Eine Conversion kann sich auf nahezu alles beziehen. Nicht nur auf eine bestimmte Aktion, sondern auf jede Aktion, die ein Unternehmen für nützlich hält. Conversions können Klicks, Käufe, ein Wischen über das Display, eine Registrierung, ein Download und vieles mehr sein. Im Prinzip wird jede vom Unternehmen gewünschte Aktion eines Users (auch Event genannt) als Conversion betrachtet.

Und die Conversion „Rate“? Was ist damit? Hier handelt es sich lediglich um die Anzahl der Conversions, die verglichen zur Gesamtanzahl der möglichen Conversions in einem bestimmten Zeitrahmen tatsächlich erzielt werden. Dazu später mehr.

Alles was Sie über Conversion Rate wissen müssen – eine Definition

Am einfachsten lässt sich die Conversion Rate Definition im Kontext von E-Commerce erklären. Die Conversion Rate wird von E-Commerce-Websites oft mit dem Ziel verwendet, die Besucher (in Prozenten) zu messen, die schlussendlich Produkte kaufen. Mit anderen Worten, wie viele User den gesamten Conversion Funnel durchlaufen. Wenn Sie ein E-Commerce-Unternehmen sind, wird Ihr Ziel lauten, Ihre Conversion Rate zu optimieren, wodurch Ihre Ergebnisse steigen sollten. Über jede Web Analytics-Plattform wie Google Analytics, Adobe Analytics oder Mixpanel kann für jeden beliebigen Zeitraum die Technik des Conversion Trackings genutzt werden.

conversion rate definition
Quelle

Wie wird eine Conversion Rate gemessen?

Also, wie sollten Sie die Conversion Rate messen? Es ist relativ einfach: Sie müssen nur die Anzahl der abgeschlossenen Aktionen in einem bestimmten Zeitraum durch die Gesamtanzahl der Besucher Ihrer Website teilen und anschließend das Ergebnis mit 100 multiplizieren. Mit anderen Worten:

 Conversion Rate = (Conversions oder erreichte Ziele / Gesamtanzahl der Besucher) * 100

Stellen Sie sich vor, Ihre E-Commerce-Website hat in einem bestimmten Zeitraum 25.746 Besucher. Von diesen 25.746 Besuchern haben 4.832 eine Transaktion abgeschlossen. Dann liegt Ihre Conversion Rate bei 18,76 %. Ziemlich gut!

Je nachdem, was Sie messen möchten, können Sie Conversion Rates auch wie folgt berechnen:

Conversion Rate = (Gesamtanzahl der Conversions/Gesamtanzahl der Sitzungen) * 100

ODER

Conversion Rate = (Gesamtanzahl der Conversions/Gesamtanzahl der Leads) * 100

Wenn Sie keine eigene Rechnung aufstellen möchten, können Sie für die präzise Berechnung der Conversion Rate Ihrer Website auch einen automatischen Conversion Rate-Rechner verwenden.

Was ist eine gute Conversion Rate?

Wenn es um einen Vergleich oder Maßstab für Conversion Rates geht, dann gibt es keine Einheitsgröße. Die Conversion Rate einer E-Commerce-Website für Alltagsprodukte (FMCG) mit der einer Kfz-Versicherung zu vergleichen, würde bedeuten, Äpfel mit Birnen zu vergleichen. Es wird Ihnen nicht helfen herauszufinden, ob Ihre Website gute Conversion Rates erzielt. Das vorausgeschickt – und mit Vorsicht zu genießen – hier einige Richtwerte:

Diese Kennzahlen stammen aus dem E-Commerce 2020 KPI Report von Wolfgang Digital.  Die Daten wurden zwischen November 2018 und Oktober 2019 von den Kunden des Unternehmens in den USA und Europa erhoben.

A Conversion Rate Benchmark from Wolfgang Digital
Quelle

Und im Kontext von SEM erhalten wir einige interessante Daten über die Click-Through-Rates von Google Adwords:

A CTR Benchmark on mobile by Google Adwords
Quelle

 

Was ist CRO? (und wie Sie damit mehr Geschäft machen)

Ob Sie sich mit einer Website für B2B-Software beschäftigen oder mit einer E-Commerce-Website für Fashion … Sie werden immer mehr Umsatz generieren wollen. Häufig neigen Marketer zu Kurzschlussreaktionen und geben mehr Geld für Werbung aus, um mehr Traffic zu generieren, und – wie sie hoffen – auch mehr Umsatz.

Aber das ist das Gute an Conversion Rate Optimierung: Statt Geld auszugeben, um mehr Traffic zu erhalten, können Sie begründete, datenbasierte Anpassungen an Ihrer Website vornehmen, damit der bereits gewonnene Traffic besser konvertiert.

Sie könnten den Fokus auf Micro-Conversions legen – auf ausgefüllte Formulare oder Klicks auf wichtige CTAs – die Ihnen Macro Conversions verschaffen wie zum Beispiel bestätigte Käufe. Aber um sicher zu sein, dass die Änderungen an Ihrer Website tatsächlich die gewünschte Wirkung erzielen, müssen Sie ein paar statistisch valide Experimente durchführen. Lassen Sie uns eine dieser Techniken genauer betrachten: A/B-Testing.

A/B Testing

A/B-Testing ist eine weit verbreitete CRO-Technik, mit der ein Aspekt Ihrer Website geändert wird, wie die Farbe eines CTA, die Länge eines Formulars etc. Ziel ist, zu sehen, ob sich diese Änderung positiv oder negativ auf Ihre KPIs auswirkt. Wenn Ihre Variante bessere Ergebnisse erzielt, können Sie sie in Ihrer Website hartcodieren.

An illustration of A/B Testing
Quelle

Angenommen, Sie sind ein Kunde von AB Tasty und möchten, dass sich auf Ihrer Warenkorbseite die Anzahl der Klicks auf den CTA „Kauf bestätigen“ erhöht. Mit Ihrem WYSIWYG-Editor können Sie testen, ob hier die Änderung der CTA-Farbe von Blau auf Grün hilft. Da Sie das AB Tasty-Tag in Ihre Seite bereits eingebunden haben, kann dieser Test in kürzester Zeit eingerichtet und durchgeführt werden.

Ohne es zu wissen, sieht der Shopper auf Ihrer Website die Originalversion oder aber die Variante. Dieser Prozess wird nach dem Zufallsprinzip durchgeführt, sodass der Pool, der die Version A sieht, mehr oder weniger mit den Usern identisch ist, denen die Version B angezeigt wird. Da die KPIs für den Test auf „Klicks auf CTA“ eingestellt sind, können Sie aus dem Report entnehmen, welche Variation am besten abgeschnitten hat, nachdem der Test bei genügend Besuchern durchgeführt wurde, um statistisch relevant zu sein.

A/B-Testing ist ein leistungsfähiges Tool für die Optimierung Ihrer Conversion Rate, da Sie in Ihren Conversion Funnel jegliche Blockaden beseitigen und somit sicherstellen können, dass zunehmend mehr User konvertieren, ohne Ihre Akquisitionskosten erhöhen zu müssen. Sie können Insight-Techniken wie Heatmaps und NPS-Umfragen ausprobieren, um herauszufinden, wo sich Reibungspunkte „verstecken“ könnten.

Conversion Killer (und wie Sie sie verhindern können)

Reibungspunkte in Ihrem Funnel beseitigen, ist gut. Sie aber von vornherein zu vermeiden, ist noch besser! Hier eine kurze Liste von „Conversion Killern“, die wir häufig antreffen und die Sie bei der Optimierung Ihrer Website direkt ansteuern können:

  • Zu viel Ablenkung: Zu viel Schnickschnack steht nur im Weg. Besucher sollten leicht das finden können, was sie suchen. Vermeiden Sie überladene Seiten und Entscheidungsmüdigkeit. Verwenden Sie stattdessen klare, intuitive und organisierte Optionen.
  • Eine langsame Website. Besucher sind es gewohnt, dass Websites in Lichtgeschwindigkeit laden – langsame Websites sind dann nicht nur hinsichtlich SEO benachteiligt, sondern sind auch in puncto Conversions kontraproduktiv.
  • Unübersichtliche Navigation. Das Stichwort hier lautet: intuitiv. Wenn User zu lange überlegen müssen, wie sie auf Ihrer Website zu einem bestimmten Abschnitt gelangen, dann ist die UX nicht benutzerfreundlich. Viele Besucher werden dann abspringen.
  • Extrem lange Formulare. Ja, die Länge von Formularen festzulegen, ist immer ein Spagat zwischen dem Nutzen, mehr Informationen zu sammeln, und der Gefahr, dass User abspringen. Aber die Faustregel heißt: Je kürzer, desto besser.
  • Erzwungene Erstellung eines Accounts. In der Regel ist es am besten, wenn der User die Möglichkeit hat, als „Gast“ zu zahlen, und ihn nicht mit der Einrichtung eines Kontos in die Enge zu treiben.

Fazit

Die Conversion Rate ist ein äußerst wichtiger KPI, den Sie immer im Auge behalten sollten; denn eine gute Conversion Rate ist gleichbedeutend mit einem florierenden Unternehmen und ermöglicht Ihnen, Ihr Akquisitionsbudget in Schach zu halten. Versuchen Sie es mit User Insight-Techniken, um herauszufinden, wo Schwachstellen liegen. Führen Sie Experimente durch, um Probleme zu beheben, und sorgen Sie für einen reibungslosen Conversion Funnel. Vergessen Sie nicht, CRO ist keine Strategie nach dem Motto „Einmal eingestellt, läuft immer“. Sie sollten Ihre Website kontinuierlich optimieren, um agil zu bleiben und der Konkurrenz einen Schritt voraus zu sein. Ihre Ergebnisse – und Ihre Kunden – werden es Ihnen danken.