Wie du einen A/B Test mit Google Optimize anlegst

Vielleicht hast du gerade das Google Optimize Tutorial durchlaufen oder Google Optimize ist bereits seit längerer Zeit auf deiner Webseite ausgerollt. Aber so richtig konntest du noch nicht mit dem A/B Testing anfangen, da du noch nicht ganz weißt, wie man einen A/B Test bei Google Optimize anlegt?

Dann zeige ich dir in diesem Artikel, wie du einen A/B Test mit Google Optimize anlegen kannst.

Wieso sollte ich A/B Testing betreiben?

Stell dir folgendes fiktives (oder nicht?) Szenario vor:

Du generierst sehr viel Traffic für deine Webseite oder deinen Onlineshop durch unterschiedliche Kanäle: Facebook, Google, Pinterest, YouTube. Egal ob bezahlt oder organisch. Doch der ganze einkommende Traffic konvertiert einfach nicht so stark. Dabei ist mit Konvertieren nicht unbedingt ein Kauf im Onlineshop gemeint. Auch eine Newsletter-Anmeldung oder der Download eines eBooks zählen dazu (Weitere Beispiele findest du hier).

Aber wieso ist das so?

Eine schlechte Conversion Rate kann verschiedene Gründe haben: Von einer schlechten Usability oder User Experience deiner Seite bis zu psychologisch bedingten Problemen sind etliche Gründe eine potenzielle Antwort auf die Frage.

Und genau da setzt A/B Testing an. Mit Hilfe von A/B Tests (oder manchmal auch Split-Tests genannt) kannst du systematisch Probleme deiner Webseite bzw. deines Onlineshops ausmerzen. Dabei ist das Prinzip denkbar einfach: Neben deiner originalen Version deiner Seite baust du einen A/B Test mit Google Optimize (oder einem anderen Tool) und lässt den Traffic auf beide Versionen vom Tool aufteilen. Das folgende Bild veranschaulicht das Vorgehen etwas:

Grundvoraussetzungen für erfolgreiches A/B Testing

Um deinen ersten A/B Test zu starten und deine Webseite zu optimieren, musst du lediglich einige technische und nicht-technische Grundvoraussetzungen erfüllen:

  • Eine zu testende Webseite
  • Ein Optimierungstool (zum Beispiel Google Optimize. Wie du das Tool auf deiner Seite bereitstellst, kannst du im Google Optimize Tutorial nachlesen)
  • Ein Analytics Tool (für die Arbeit mit Google Optimize solltest du Google Analytics verwenden)

Das sind zumindest die technischen Voraussetzungen. Darüber hinaus solltest du aber noch zwei – meiner Meinung nach – essenzielle Fähigkeiten besitzen:

  • Eine große Portion Neugierde und
  • die Überzeugung, dass der Status Quo immer optimierbar ist und nie die Spitze des Eisberges

Theoretische Vorgehensweise bei A/B Tests

Du konntest bei den technischen und nicht-technischen Voraussetzungen nicken? Super, dann beantworte ich dir jetzt die Frage: Wie entwickelt man eigentlich einen A/B Test?

In der Theorie benötigt es dafür 4 Schritte:

  • Die Identifizierung von Problemen auf deiner Webseite
  • Die Definition einer angemessenen Hypothese
  • Die Überlegung, welche Ziele der A/B Test verfolgen soll und
  • Die Erstellung der zu testenden Variante(n)

Identifizierung von Problemen auf deiner Webseite

Die Basis für einen A/B Test bildet eigentlich immer ein existentes Problem der Webseite. Das kann, wie Anfangs bereits kurz angerissen, ein Problem mit der Usability oder User Experience sein.

Manchmal sind Probleme mit der Usability auch no-brainer. Wenn die Navigation auf mobilen Geräten beispielsweise nicht funktioniert, musst du das nicht extra in einem A/B Test ausprobieren. So etwas solltest du natürlich sofort beheben.

Mit psychologischen „Problemen“ meine ich, dass Menschen auf Signale wie Farben, vertrauensbildende Elemente, Bildsprache etc. unterschiedlich reagieren. Wirf dazu doch einen Blick in den Beitrag zu den 5 Behavior Patterns, die du im Marketing kennen solltest.

Doch auch Probleme der User Experience oder das bestimmte Elemente für deine Webseitenbesucher nicht sichtbar oder klar sind, eigenen sich für eine Hypothese und einen anschließenden A/B Test.

Probleme auf der Webseite lassen sich mit unterschiedlichen Methoden oder Tools identifizieren. Die folgende Liste ist nur ein wirklich kleiner Auszug und soll für dich als Gedankenanstoß dienen:

  • Web-Analytics-Daten (Google Analytics, PIWIK, …)
  • Heatmaps (Hotjar, Mouseflow, …)
  • Screen- & Session-Recordings (Hotjar, Mouseflow, …)
  • Onsite-Umfragen (Hotjar)
  • Persönliche Interviews/Umfragen (Qualitativ, Quantitativ)

Definieren einer Hypothese

Nehmen wir einmal folgendes an:

Als du deine Webseite erstellt hast, fand der Designer oder die Agentur Textlinks anstelle von Buttons, weil diese besser zum Designs passen würden (und der Designer vielleicht gerade total auf Textlinks mit einem Pfeil steht ?).

Du hast auf deiner Webseite wirklich gar nicht so wenig (guten!) Traffic, nur irgendwie meldet sich kaum jemand für den Newsletter an oder kauft die Produkte aus deinem Onlineshop.

Nachdem du dir also das Event-Tracking in Google Analytics angeschaut hast: Es klicken einfach nicht wirklich viele Leute auf deine Call-to-Actions. Auch die Click- und Move-Heatmap belegt das.

Das Problem würdest du jetzt gerne beheben und dafür einen A/B Test anlegen, also lass uns mal zusammen eine Hypothese aufstellen:

Wenn du die Darstellung deiner Call-to-Actions prominenter gestaltest, dann erhöht sich die Clickrate, weil Nutzer durch den höheren Kontrast und die prominentere Gestaltung den Call-to-Action besser wahrnehmen.

Das wäre schon eine ganz gut formulierte Hypothese. Als Leitfaden kannst du dir das WENN-DANN-WEIL Muster merken:

  • WENN… ich Veränderung XY durchführe
  • DANN… verändert sich folgende Metrik
  • WEIL… der Benefit für den Nutzer YZ ist

Das schöne an diesem Framework ist, dass du alle relevanten Bausteine einer guten Hypothese abdeckst: Du gehst auf das Problem und die Lösung ein. Außerdem definierst du direkt eine Zielmetrik!

Ziel des A/B Tests überlegen

Wie du gerade schon gesehen hast: Durch das Anwenden des WENN-DANN-WEIL Frameworks bist du bereits gezwungen, dir eine sinnvolle Zielmetrik zu überlegen. Denn deine Zielmetrik, also der Wert, der sich (im Idealfall zum positiven) verändern soll, steckt in der WEIL Begründung.

Außerdem macht es manchmal Sinn, nicht in Makro-Conversions (also bspw. dem Kauf) zu denken, sondern sich auf Mikro-Conversions zu konzentrieren. Die Unterteilung in Mikro- und Makro-Conversions macht bei den meisten Tests durchaus Sinn, weil nicht jeder Test direkt zu mehr Käufen führt. Ein Add-to-Cart wäre für viele E-Commerce Unternehmen zum Beispiel, auf Grund von gut genutztem Retargeting, eine lohnenswerte Mikro-Conversion.

Eine Variante erstellen

Jetzt fehlt dir nur noch eine Variante, die dein identifiziertes Problem löst und im Anschluss als A/B Test gegen die bestehende Webseite ausgespielt werden kann. Dafür lohnt es sich gerade am Anfang, sich auf anderen Seiten inspirieren zu lassen und seine ersten Lösungsansätze zu skizzieren.

Das kannst du mit Papier und Stift, in Wireframing-Tools oder von einem Designer als Mockup bauen lassen. Je nachdem wie komplex die Variante ist und wie weit sie vom Original abweicht, macht eine eventuell reellere Ausgestaltung mehr Sinn. Aber das ist immer vom Kontext abhängig.

Auswertung des Tests

Die Auswertung eines A/B Tests erfordert in jedem Fall ein Grundverständnis von Statistik.

Die beiden wichtigsten Begriffe dabei sind Konfidenzniveau und Signifikanzniveau.

Das Konfidenzniveau gibt an, mit welcher Wahrscheinlichkeit die ermittelten Werte der Stichprobe auch für die Grundgesamtheit gelten. Konkret bedeutet das: Dein Test erhebt Daten einer Stichprobe (die Besucher in dem A/B Test). Aber nur weil bestimmte Werte für die Stichprobe vorliegen, bedeutet das ja noch nicht, dass diese Werte allgemein für „alle“ deine Webseitenbesucher gelten. Im Regelfall geht man von einem Konfidenzniveau von 95% aus.

Das Signifikanzlevel hingegen beschreibt eine Irrtumswahrscheinlichkeit. Geht man von einem Konfidenzniveau von 95% aus, liegt die Irrtumswahrscheinlichkeit bei 5% (100% – 95%). Das bedeutet: Wir akzeptieren mit einer Wahrscheinlichkeit von 5%, dass die Ergebnisse aus dem A/B Test falsch sind und die Variante evtl. nicht die bessere ist.

Diese Werte für das Konfidenzniveau und Signifikanzniveau sind in der Statistik und Forschung gängig. Das ist auch der Grund, wieso wir auch von diesen Werten ausgehen.

Ein A/B Test mit Google Optimize

Nachdem wir uns also mit der Theorie beschäftigt haben, kommen wir jetzt zur operativen Umsetzung eines A/B Test mit Google Optimize.

Für einen unkomplizierten Test und um dir ein gutes Verständnis von A/B Tests mit Google Optimize zu geben, beziehe ich mich im weiteren Verlauf auf das Beispiel mit den Textlinks.

Anlegen eines A/B Tests

Im ersten Schritt, nachdem du Google Optimize installiert hast, kannst du auf dem Startbildschirm von Google Optimize einen neuen Test anlegen.

Dafür erstelle ich den Test „Textlink vs. Button – All devices“ und gebe als Editorseite die URL ein, auf welcher ich den visuellen Editor von Google Optimize nutzen möchte. Als Testart wähle ich den „klassischen“ A/B Test aus, da für unseren Anwendungsfall keine der anderen Testarten Sinn macht.

Hast du das gemacht, kannst du mit dem Button „Erstellen“ weiter machen.

Pro-Tipp: Schreib in den Testnamen die Gerätekategorie mit rein. So siehst du später im Dashboard direkt, um was für einen Test auf welchem Gerät es sich handelt!

Variante mit Google Optimize erstellen

Als nächstes kannst du einfach in dem gerade geladenen Fenster eine neue Variante erstellen.

Auch wenn es A/B Test heißt, kannst du mehrere Varianten anlegen um unterschiedliche Versionen des veränderten Call-to-Actions (CTAs) zu testen. Je mehr Varianten du anlegst, desto mehr Traffic sollte im Umkehrschluss durch den gesamten Test laufen.

Wenn du jetzt auf „Bearbeiten“ in der neu erstellten Zeile gehst, öffnet sich der WYSIWYG Editor von Google Optimize.

Mit dem WYSIWYG Editor kannst du dir jetzt die Elemente raussuchen, welche du gerne bearbeiten möchtest innerhalb deiner Test-Variante.

Mit dem Layer auf der rechten Seite kannst du jetzt die Stylings des ausgewählten Elementes anpassen. Dabei sind die unterschiedlichen Kategorien wie Typografie, Hintergrund, Rahmen und Design durch Überschriften voneinander getrennt.

Aber Achtung: Die Änderungen über den Layer gelten immer nur für das im Editor ausgewählte Element selbst.

Aus diesem Grund nutze ich lieber die Möglichkeit, CSS direkt in die Variante schreiben zu können. Dafür kannst du einfach das <> Symbol in der oberen rechten Ecke (unter dem Speichern/Fertig Button) auswählen, und im Kontextmenü dann CSS auswählen. In dem sich dann öffnenden Fenster kannst du beliebig CSS Code einbauen, sodass deine Änderungen für alle Elemente mit der Klasse (oder in dem Fall nur das eine Element mit der CSS ID) ändern.

Hast du alle Änderungen gemacht? Super! Dann geh auf Speichern und der Button wird in Fertig umbenannt.

Testing deines A/B Tests

Wenn du mit deiner Variante zufrieden bist, solltest du diese natürlich noch für die verschiedenen Geräte testen. Dafür gibt es mehrere Möglichkeiten:

  • Testfunktion im WYSIWYG Editor
  • Vorschaufunktion
  • Vorschaufunktion und Google Chrome Inspector

Mit der Testfunktion im WYSIWYG Editor kannst du recht simpel die verschiedenen Gerätetypen und -größen emulieren. Neben vordefinierten Geräten kannst du über Responsiv auch selbstdefinierte Bildschirmgrößen eingeben.

Alternativ kannst du in der Testübersicht auch den Vorschaumodus nutzen, der allerdings auf drei Gerätetypen (Desktop, Tablet, Smartphone) begrenzt ist.

Ich persönlich nutze immer den Desktop-Vorschaumodus und emuliere die verschiedenen Geräte dann über den Google Chrome Inspector. Der große Vorteil dabei ist, dass man den Inspector auch direkt für weiteres Debugging oder beheben von CSS Problemen nutzen kann.

Ausrichtungsoptionen des A/B Tests festlegen

Die Variante sieht auf den entsprechenden Geräten gut aus? Perfekt! Dann legen wir noch die Ausrichtungsoptionen fest.

Du kannst den Test auf verschiedene Seiten ausrichten und/oder auf Zielgruppen. Auch eine Kombination von beidem ist möglich.

Bei der Ausrichtung auf Seiten kannst du die folgenden Möglichkeiten nutzen und kombinieren:

  • URL
  • Host
  • Pfad
  • URL-Fragment

und

  • stimmt überein mit
  • stimmt nicht überein mit
  • ist gleich
  • enthält
  • beginnt mit
  • endet mit
  • stimmt mit dem Regex überein
  • stimmt mit dem Regex überein (Groß-/Kleinschreibung ignorieren)
  • ist nicht gleich
  • enthält nicht
  • beginnt nicht mit
  • endet nicht mit
  • stimmt nicht mit regulärem Ausdruck überein
  • stimmt nicht mit regulärem Ausdruck überein (Groß-/Kleinschreibung ignorieren)

Bei der Ausrichtung auf Zielgruppen kannst du verschiedene Regeltypen auswählen und kombinieren.

In unserem Beispiel wollen wir den Text-CTA überall ändern.

Also habe ich mich nur für eine Ausrichtung auf Seiten mit URL enthält growganic.de entschieden.

Zielmetriken festlegen

Du hast bei Google Optimize zwei Möglichkeiten, um die Zielmetriken eines A/B Tests festzulegen:

  1. Aus einer Liste
  2. Benutzerdefiniertes Ziel

Die Ziele aus einer Liste sind deine Google Analytics Zielvorhaben (aus den Einstellungen der Datenansicht) oder Ziele „aus dem System“ wie beispielsweise Seitenaufrufe oder die Sitzungsdauer.

Hast du Enhanced Ecommerce in deinen Analytics Einstellungen aktiviert, kannst du zusätzlich auf die Ziele Umsatz und Transaktionen zurückgreifen.

Die benutzerdefinierten Ziele sind etwas spannender. Hier kannst du zwischen Seitenaufrufen (also der Anzahl an Aufrufen einer bestimmten Seite) und Ereignissen wählen. Seitenaufrufe wäre bei einem A/B Test denkbar, wo es beispielsweise eine Danke-Seite gibt – wie bei Newsletteranmeldungen oder Downloads.

Ereignisse sind aber noch viel spannender! Und das aus dem einfachen Grund, weil hiermit Google Analytics Ereignisse (Events) gemeint sind. Wenn du also wie am Anfang kurz angesprochen bereits Event-Tracking benutzt, kannst du genau diese Events als Ziel definieren.

Du kannst also deine Eventkategorien, -aktionen und -labels wiederverwenden und erhältst on top noch eine Validierung von Google Optimize, in wie vielen Sitzungen diese Kombination und das benutzerdefinierte Ziel vorgekommen ist.

A/B Test starten oder vorplanen

Wenn du jetzt also die Variante erstellt, die Ausrichtungen definiert und deine Zielmetrik festgelegt hast steht dem Start des A/B Tests nichts mehr im Weg!

Du kannst den Test entweder sofort starten oder zu einem gewissen Zeitpunkt planen.

Ich persönlich plane Tests immer gerne auf den nächsten Tag um 00:01 Uhr vor, damit ich einen gesamten Tag in der Datenerhebung habe und nicht nur einen anteiligen Tag.

Auswertung des A/B Tests

Wenn der Test einmal läuft, solltest du in regelmäßigen Abständen mal reinschauen – zumindest mache ich das immer weil ich extrem Neugierig bin. Sobald der Test die Schwellenwerte für Konfidenz- und Signifikanzniveau erreicht hat, wird man per E-Mail darüber benachrichtigt. Im Google Optimize Dashboard kann man sich die Entwicklung aktiver und die Ergebnisse beendeter Tests anschauen.

Nicht immer werden die Ergebnisse eines A/B Tests bei Google Optimize als signifikant gekennzeichnet. Manche Tests werden auch nie die Schwellenwerte überschreiten und markiert. ABER: Schaut man sich die Daten an, lassen sich trotzdem sehr wertvolle Erkenntnisse sammeln, aus denen sich neue Hypothesen bilden können.

Fazit: Unkompliziert einen A/B Test mit Google Optimize anlegen.

Du siehst, einen A/B Test mit Google Optimize anlegen ist wirklich nicht schwer. Der größte Anteil an Zeit geht in der Regel in die Identifizierung von Problemen und dem entwickeln von Lösungen.

Der hier gebaute Test war natürlich super trivial und vom Setup auch nicht sehr anspruchsvoll – das macht aber nichts!

Irgendwo hat jeder einmal angefangen und übrigens: Ich glaube es gibt viele Webseiten, die mit viel zu unauffälligen Call-to-Actions unterwegs sind.

Wenn du mal über eine davon stolperst, schick ihnen doch gerne den Artikel zu! ??

Share on linkedin
Share on xing
Share on twitter
Share on facebook
Share on whatsapp
Share on email

Geschrieben von

Christoph Böcker

Christoph Böcker

Chris liebt datengetriebenes Marketing und Konsumpsychologie (und als gelernter Mediengestalter auch Design). Er hat lange, auch neben dem Studium "International Marketing" in den Niederlanden, als Freelancer für Agenturen und KMUs gearbeitet. Aktuell arbeitet er als Customer Relationship Manager bei ZWILLING.

Geschrieben von

Christoph Böcker

Christoph Böcker

Chris liebt datengetriebenes Marketing und Konsumpsychologie (und als gelernter Mediengestalter auch Design). Er hat lange, auch neben dem Studium "International Marketing" in den Niederlanden, als Freelancer für Agenturen und KMUs gearbeitet. Aktuell arbeitet er als Customer Relationship Manager bei ZWILLING.
Die besten Beiträge direkt in dein Postfach?

Hiermit willige ich in die Erhebung und Verarbeitung der vorstehenden Daten für das Empfangen des Newsletters per E-Mail ein. Von der Datenschutzerklärung habe ich Kenntnis genommen und bestätige dies mit Absendung des Formulars.

Mehr zum Thema:

Allgemein

Conversion Rate Optimierung: 7 Maßnahmen für deinen Online Shop

Das Conversion Rate Optimierung für mehr Umsatz bei deinem Online Shop sorgen kann, ist dir bewusst. Aber viele Online Shop Betreiber sind sich der Macht von Conversion Rate Optimierung und dem daraus resultierenden, wirtschaftlichen Wachstum nicht bewusst. In dem folgenden Artikel möchte ich dir 7 Maßnahmen vorstellen, die bei vielen

Conversion Optimierung

Google Optimize Installation 2020 – Das ideale Einsteiger-Tutorial

Mit Google Optimize hat Google ein Tool zur Optimierung von Webseiten und für Conversion Rate Optimierung auf den Markt gebracht. Mit Hilfe dieses Tools kannst du deine Webseite oder deinen Onlineshop verbessern und das mit System und wissenschaftlichem Ansatz. In diesem Artikel zeige ich dir das Tool, die Vorteile für