cleverstats_dynamischestatistiken-600x382
Dank Clever Stats können Sie schneller handeln – ohne statistische Einschränkungen in Kauf nehmen zu müssen.

AB Tastys Mission ist es, A/B-Tests und Content-Personalisierung so vielen Menschen wie möglich zugänglich zu machen. Das Feature, das dieses Vorhaben am besten widerspiegelt, ist zweifellos unser visueller Editor. Dieser erlaubt es Ihnen die Seiten Ihrer Website direkt zu verändern, auch wenn Sie begrenzte technische Kenntnisse besitzen.

Eigene Ideen zum Leben zu erwecken ist lediglich der erste Schritt für Ihre Test-Kampagne: Danach müssen Sie die Daten auswerten und die Ergebnisse nutzen, um ihre Website zu verbessern.

Im Geiste unserer Mission haben wir bei AB Tasty kürzlich das neue Feature Clever Stats veröffentlicht. Diese neue Berechnungsmethode ist das Ergebnis von zwölf Monaten Entwicklungszeit und bietet Ihnen mehr verlässliche Anhaltspunkte für eine schnellere Entscheidungsfindung. Gleichzeitig sinkt das Risiko, Webseiten-Versionen fälschlicherweise als leistungsstark einzustufen. AB Tasty ist die erste Testlösung, die auf Bayes-Statistik basiert und Ihnen diese Flexibilität bietet.

Wir gehen mit unserem Einfachheitsversprechen noch weiter. Wir haben Marketing-Teams von den technischen Beschränkungen bei der Modifizierung ihrer Seiten und Kundenerfahrung befreit. Nun befreien wir sie von statistischen Beschränkungen und machen es einfacher, die gesammelten Daten effektiv zu nutzen.

Remi Aubert, Mitbegründer von AB Tasty

Sehen Sie nicht bloß zu – handeln Sie jetzt!

Um zu verstehen, was uns zur Entwicklung der neuen Methodik veranlasst hat, muss man folgendes wissen.  Ein Großteil der existierenden Testlösungen basieren auf statistischen Methoden wie dem t-Test oder dem z-Test.

All diesen Methoden gemeinsam ist ein fixer Zeithorizont, mit im Vorhinein festgelegten Stichprobenumfang. Ein statistisch verlässliches Ergebnis erhält man nur nach Beendigung des vorher definierten Zeitraums und Stichprobenumfangs. Marketing Teams dürfen während des Testzeitraumes keine voreiligen Schlüsse aus den Daten ziehen. Diese Testmethoden eignen sich für bestimmte Branchen (pharmazeutische Industrie, Agrarindustrie) nicht für Webseiten oder mobile Apps, bei denen Daten kontinuierlich eintreffen und in Echtzeit zugänglich sind.

Wenn man diese alten Methoden bei A/B-Tests für Webseiten, mobile Webseiten oder native Anwendungen einsetzt, ist der Handlungsspielraum unnötig beschränkt. DViele Vermarkter, E-Commerce Verantwortliche und Geschäftsführer benötigen Zugang zu Informationen in Echtzeit. Daher ist es unvorstellbar, sie zu zwingen, eine Stichprobengröße im Voraus festzulegen und vor Erreichen dieses Limits nicht auf die Ergebnisse zu schauen. Außerdem erfordert die Berechnung der Stichprobengröße subjektive Informationen (kleinster messbarer Effekt). Diese werden in der Regel willkürlich festgelegt.

Unternehmen müssen heute in der Lage sein, ihre Daten schnell auszuwerten und rasch auf vielversprechende Trends zu reagieren.

Warum warten, wenn bereits verwertbare Daten zur Verfügung stehen? Die Methode, bei welcher Ergebnisse in regelmäßigen Abständen eingesehen werden, heißt „Data Peeking“. Diese Methode widerspricht den Voraussetzungen von statistischen Methoden nach dem „Fixed Horizon“-Prinzip. Dieses Verhalten führt vor allem zu Missverständnissen und Zweifeln hinsichtlich der Aussagefähigkeit der Tests – etwa dann, wenn Benutzer feststellen, dass die Zuverlässigkeit nicht immer positiv variiert (wenn beispielsweise Ihre Lösung darauf hindeutet, dass die Zuverlässigkeit des Tests zu einem bestimmten Zeitpunkt 95 % beträgt, aber am nächsten Tag nicht mehr). A/B-Testlösungen sollten die Menschen über diese methodologischen Faktoren aufklären. Wir bei AB Tasty glauben, dass nicht die Benutzer sich an diese statistischen Einschränkungen anzupassen haben, sondern, dass die Testlösungen entsprechend innovativ weiterentwickelt werden müssen, um größere Flexibilität in der Anwendung zu gewährleisten.

Schnelle und vernünftige Entscheidungsfindung

Wir haben Clever Stats entwickelt, um den Vermarktern und Online-Unternehmen den sofortigen Zugriff auf Informationen und eine schnelle Entscheidungsfindung zu ermöglichen und dabei die Zuverlässigkeit der Ergebnisse zu gewährleisten. Unser neuer Algorithmus basiert auf der Bayes-Statistik und erlaubt ein schnelles Eingreifen bei gleichzeitiger Risikominimierung für „falsche Positive“ (das bedeutet, eine Variante für besser zu erklären, obwohl sie es nicht ist).

Außerdem haben wir sowohl die alte als auch die neue Methodik in zahlreichen Tests parallel zueinander angewendet, um die Aussagefähigkeit der letzteren zu messen. Also ein A/B-Test für unsere eigenen Algorithmen ;-). Und die Ergebnisse sind unstrittig! Die neue Methodik gewinnt klar und deutlich.

  • Erstens müssen Sie die Stichprobengröße nicht im Voraus festlegen. Sie starten den Test, und sobald ein aussagekräftiges Ergebnis von Clever Stats identifiziert wird, können Sie sich darauf verlassen. In der Praxis wird Ihr Vertrauen in die vorgelegten Zahlen schnell steigen, und Ihre Tests werden weniger Zeit in Anspruch nehmen. Sie können die Ergebnisse zu jedem beliebigen Zeitpunkt einsehen. Zusätzliche Informationen wie das Konfidenzintervall für die Conversion-Raten und der Reingewinn helfen Ihnen dabei, „falsche Positive“ auszuschließen. Sie werden außerdem keine Veränderungen in der statistischen Zuverlässigkeit feststellen.
  • Unser Auswertungen werden ständig aktualisiert und bereichert: zusätzliche Daten werden angezeigt, wie beispielsweise die Mediane und Messintervalle der Conversion-Rate oder das Gewinnintervall nach Variante. Sie werden zudem auf identifizierte Unsicherheiten aufmerksam macht – auch das hilft bei der Entscheidungsfindung. Ausführliche Informationen zur verbesserten Berichterstattung finden Sie im diesbezüglichen Artikel in unserer Online-Hilfe.

Bonus

Die neue statistische Herangehensweise ermöglicht auch eine dynamische Ressourcenverteilung, an deren baldiger Veröffentlichung wir momentan arbeiten. Mit konventionellen statistischen Methoden hat jeder Test seine Kosten: Jedes Mal, wenn man einen Besucher an eine leistungsschwächere Variante weiterleitet, verliert man Conversions. Unsere neue Herangehensweise ermöglicht stattdessen die flexible Implementierung von Algorithmen, die den ineffizientesten Conversions automatisch weniger Traffic zuordnen, was wiederum den Gewinn während Ihrer Experimente maximiert. Auch hierzu erfahren Sie in Kürze mehr!

Neugierig geworden?

Mit AB Tasty können Sie die Optimierung sofort beginnen und schon bald online mehr verkaufen.


KOSTENLOSE DEMO

Hat Ihnen dieser Artikel gefallen?
Dann teilen Sie ihn doch mit Anderen!