2. Grundlage des A/B-Testing: Hypothesenaufstellung

2. Grundlage des A/B-Testing: Hypothesen aufstellen

Willkommen zurück zur Reihe „Grundlagen des A/B-Testing“. Nachdem wir in der letzten Woche das Festsetzen eines Ziels behandelt haben, gehen wir heute einen Schritt weiter: Hypothesen aufstellen. Warum das ein wichtiger Kern des A/B-Testing ist, lest ihr hier.

Hypothesen als Grundlage des A/B-Testing

Der Duden erklärt das Wort „Hypothese“ mit „unbewiesene Annahme“, eine recht passende Erklärung. Mit einer Hypothese beim A/B-Testing sollen Grundlagen für das weitere Testen gesetzt werden. Dabei arbeitet man mit zwei Arten von Hypothesen:

  • Hypothesen, die aussagen, dass ein bestehendes Element das Ziel fördert
  • Hypothesen, die noch nicht umgesetzt und nicht mit Zahlen belegt wurden, aber (scheinbar) logisch sind

Zum ersten Punkt kann eine Produktseite gehören, wo Besucher zwischen drei Bildern ein Produkt ansehen können. Die Hypothese: Mehr Bilder fördern den Klick auf den Kaufen-Button. Der Test: Zwei Bilder entfernen, um die Annahme zu prüfen.

Zum zweitem Punkt kann die Annahme gehören, dass ein grüner Button eher zum Kauf animiert als ein grauer – es liegt jedoch kein Beweis in Fakten vor. Der Test: Der Button wird auf Grün geändert, um die Annahme zu prüfen.

In beiden Beispielen könntet ihr die Hypothese mit einem A/B-Test unter die Lupe nehmen. Das Ergebnis wäre dann eine wichtige Grundlage, um die Webseite zielorientierter zu gestalten.

Gezielt Hypothesen aufstellen

Wie aber nun kommt ihr zu einer Hypothese? Ich empfehle euch, für den Start mit euren Zielen zu arbeiten. Wie im letzten Artikel erklärt, können sich Ziele unter anderem auf die Conversionrate beziehen.

Soll die Conversionrate – sprich, der Klick auf den Kaufen-Button – gefördert werden, habt ihr schnell einige Hypothesen dazu gefunden. Diese können wie folgt lauten:

  • Ein gelber Kaufen-Button fördert die Conversion-Rate
  • Ein 360-Grad-Artikelbild fördert die Conversion-Rate
  • Eine Artikelüberschrift mit langer Artikelnummer senkt die Conversion-Rate
  • Eine Box mit Informationen zu „Made in Germany“ erhöht die Conversion-Rate
  • Kundenbewertungen erhöhen bei guten und senken bei schlechten Produkten die Conversion-Rate
  • Ein sichtbares Trusted-Shops-Siegel erhöht die Conversion-Rate

Soweit unsere Hypothesen. Basierend auf diesen könnt ihr nun mit einem Anbieter wie Optimizely Schritt für Schritt einzelne Anpassungen durchführen und damit Hypothesen mit Fakten beweisen oder widerlegen.

Das solltet ihr beim Arbeiten mit Hypothesen beachten

Hypothesen in einen A/B-Test zu integrieren, erfordert etwas Feingefühl. Ich empfehle euch, immer nur eine Hypothese pro Test zu untersuchen. Denn testet ihr an einer Seite gleichzeitig zwei Annahmen, könnt ihr die damit entstandenen Auswirkungen nicht genau zuordnen. Ist die Conversion-Rate nun aufgrund des 360-Grad-Bildes gestiegen? Oder aufgrund des Trusted-Shop-Siegels? Oder hat vielleicht sogar die Kombination aus beiden Elementen den Vorteil geschaffen? Um also ein klares Ergebnis zu erhalten, testet Hypothesen immer einzeln.

A/B-Tests werden leider nicht immer positive Effekte mit sich bringen. Führt ihr eine Anpassung durch und die Conversion-Rate sinkt um 30 Prozent, ist das ein ernsthaftes Problem. Anbieter wie Optimizely erlauben es daher, den Traffic zu splitten und nur einen Teil auf Test-Seiten zu lenken. Wird der Test nur auf 10 Prozent der Besucher angewandt, hat auch eine im Test abnehmende Conversion-Rate um 50 Prozent lediglich Auswirkungen auf fünf Prozent der Besucher. A/B-Tests sollten sich daher nur auf eine überschaubare Besuchergruppe beziehen.

Ab einem bestimmten Punkt könnte die Neugier siegen und jedes Element einer Seite will getestet werden. Jeder A/B-Test sorgt für Kosten und Aufwand, weswegen nur die Hypothesen untersucht werden sollten, die Sinn machen. So ist es selbstverständlich, dass ein Artikelbild den Verkauf fördert, ebenso eine Seite mit mehr Inhalt die Aufenthaltsdauer erhöht. Überlegt gut, welche Hypothesen es Wert sind, unter die Lupe genommen zu werden.

Wo mit A/B-Tests anfangen?

Jede Anpassung an einer Seite birgt gewisse Risiken. Ich empfehle euch daher, beim Start mit Hypothesen verbundenen A/B-Tests auf weniger wichtigen Seiten zu arbeiten und damit Erfahrung im Umgang mit den Prozessen zu sammeln. Sollte es hierbei Probleme geben, wären die Konsequenzen überschaubar.

Viel Erfolg beim Testen!

Kommentar hinzufügen