CATEGORY

Digital Marketing Kickoff 2016

Wie du eine smarte A/B-Test-Hypothese aufstellst (und warum das hochwichtig ist)

Wie du eine smarte A/B-Test-Hypothese aufstellst
Was ist eine A/B Test-Hypothese?

Je zielgerichteter und strategischer ein A/B-Test ist, umso wahrscheinlicher wirkt er sich positiv auf die Conversion Rate aus.

Eine zuverlässige Test-Hypothese trägt wesentlich dazu bei, dich in die richtigen Bahnen zu lenken und gewährleistet, dass du wertvolle Marketing-Experimente durchführst, die sowohl Ergebnisse fördern als auch eine Lernkurve darstellen.

In diesem Artikel stelle ich dir eine schnelle und einfache Methode für die Formulierung einer zuverlässigen Test-Hypothese vor.

Lass uns jedoch zuerst einmal überlegen, was eine Test-Hypothese eigentlich ist.

Was ist eine A/B-Test-Hypothese?

Im Wörterbuch finden wir diese Definition einer Hypothese:

“Eine vorläufige Annahme, die vorgenommen wird, um ihre logischen oder empirischen Folgen zu eruieren und zu testen.”

Bei der Landing-Page-Optimierung ist die Test-Hypothese die grundlegende Annahme, auf welcher deine optimierte Test-Variante aufbaut. Sie umfasst sowohl das, was du auf der Landing Page ändern möchtest, als auch die Auswirkung, die du durch die Vornahme dieser Änderung erwartest.

„Ich glaube, dass sich ein Wechsel von einem zum anderen folgendermaßen auswirkt.“

Anhand eines A/B-Tests kannst du untersuchen, inwiefern deine Annahmen richtig sind und ob sie die erwarteten Auswirkungen hatten. Außerdem gewinnst du letztendlich Einsichten über die Verhaltensweisen deiner Zielgruppe.

Die Formulierung einer Hypothese hilft dir, deine Annahmen zu hinterfragen und die Wahrscheinlichkeit abzuschätzen, mit der sie sich tatsächlich in den Entscheidungen und Handlungen deiner Interessenten niederschlagen.

Langfristig kannst du so viel Zeit und Geld sparen und bessere Ergebnisse erzielen.

Warum willst du einen Test durchführen?

Um eine Test-Hypothese zu formulieren, muss du dein Conversion-Ziel kennen und wissen, welches Problem du durch den Test lösen willst.

Bevor du dich also an deine Test-Hypothese setzt, musst du zwei andere Aufgaben erledigen:

  1. Dein Conversion-Ziel festlegen
  2. Ein Problem identifizieren und eine Problem-Statement formulieren

Nur wenn du dein Ziel kennst und deine Vermutung deine Besucher von der Erfüllung dieses Ziel abhält, kannst du im nächsten Schritt mit der Formulierung deiner Test-Hypothese beginnen.

Die 2 wesentlichen Bestandteile einer A/B-Test-Hypothese

Eine Test-Hypothese besteht aus zwei Dingen:

  1. Ein Lösungsvorschlag
  2. Die erwarteten Ergebnisse, die diese Lösung bewirkt

Betrachten wir ein konkretes Beispiel, das zeigt, wie man das alles zusammenfügt.

A/B-Test Hypothese - Ebook
Screenshot: Content Verve

Ich habe ein kostenfreies E-Book, das ich den Lesern meines Blogs anbiete. Da ich nun einmal ein Test-Junkie bin, experimentiere ich ständig mit der E-Book-Landing Page, um Einblicke zu gewinnen und die Conversion Rate anzukurbeln.

In Umfragen und Kundeninterviews erhaltene Daten deuteten darauf hin, dass meine Zielgruppe viel beschäftigt ist und nicht über ein großes Maß an Freizeit verfügt. Der Zeitaufwand, den das Lesen eines E-Books in Anspruch nimmt könnte somit ein Hindernis sein, das sie vom Download abhält.

  • Conversion-Ziel: E-Book Downloads
  • Problem-Statement: „Meine Zielgruppe ist viel beschäftigt und der Zeitaufwand, den das Lesen eines E-Books in Anspruch nimmt ist ein Hindernis, das sie vom Download abhält.“

Jetzt lag sowohl mein Conversion-Ziel als auch mein Problem-Statement vor und ich konnte mich an die Formulierung einer Hypothese über eine mögliche Lösung des im Problem-Statement dargelegten Problems machen.

Es ist nun so, dass man das ganze Buch in nur 25 Minuten lesen kann und ich habe die Hypothese aufgestellt, dass ich eine größere Anzahl an Besuchern zum Download des E-Books bewegen kann, wenn ich ausdrücklich angebe, dass man es schnell gelesen hat.

Außerdem war aus den Daten der Eye-Tracking-Software ersichtlich, dass die ersten paar Wörter im ersten Stichpunkt auf der Seite sofort die Aufmerksamkeit des Besuchers auf sich ziehen. Weiterhin habe ich also die Hypothese aufgestellt, dass der erste Stichpunkt der beste Ort ist, um das Zeitproblem anzusprechen.

Nun habe ich die vorgeschlagene Lösung und die erwarteten Ergebnisse zusammengeführt und erhielt die folgende Test-Hypothese:

“Wenn ich den Text unter dem ersten Stichpunkt auf eine unmittelbare Ansprache des ‚Zeitproblems‘ optimiere, kann ich eine größere Anzahl an Besuchern zum Download des E-Books bewegen.”

Als das alles erledigt war, habe ich mich dann an die tatsächliche Textbearbeitung für diesen Stichpunkt gesetzt.

A/B-Test Hypothese - Treatment
Screenshot: Content Verve

Man darf dabei nicht vergessen, dass eine Hypothese nichts weiter als eine Hypothese bleibt, bis du sie testest. Du braucht echte, zuverlässige Daten, um die Gültigkeit deiner Hypothese zu belegen oder zu widerlegen.

Um herauszufinden, ob meine Hypothese der Realität standhält, habe ich einen A/B-Test erstellt, bei dem die einzige Variable der Stichpunkt-Text war.

A/B-Test Hypothese - Ergebnis
Screenshot: Content Verve

Die Test-Daten zeigen ganz eindeutig, dass meine Hypothese hieb- und stichfest war und ich konnte das Fazit ziehen, dass die Ansprache des Zeitproblems unter dem ersten Stichpunkt den erwarteten Effekt hat, nämlich dass eine größere Anzahl an Besuchern zum Download des E-Books bewegt wird.

Bessere Daten = bessere A/B-Test-Hypothese

Wenn du mit Test-Hypothesen arbeitest, kannst du auf ein viel zuverlässigeres Optimierungsmodell zugreifen, als wenn du einfach nach Lust und Laune deinen Vermutungen und Ideen folgst.

Vergiss jedoch nicht, dass eine zuverlässige Test-Hypothese eine informationsbasierte Lösung für ein echtes Problem darstellt – und keine willkürliche Vermutung. Je umfangreicher die Recherchen und Daten sind, auf denen deine Hypothese basiert, umso besser wird sie sein.

Google Analytics, Kundeninterviews, Umfragen, Heatmaps und User-Tests sind nur ein paar ausgewählte Beispiele wertvoller Datenquellen, mit deren Hilfe du Einblicke in deine Zielgruppe gewinnen und lernen kannst, wie sie mit deiner Landing Page interagieren und was sie motiviert.

Was waren deine erfolgreichsten oder erfolglosesten A/B-Test-Hypothesen?

Dieser Artikel wurde für den amerikanischen Unbounce Blog von unserem Conversion-Optimierer Michael Aagaard verfasst. Unbouncer Ben Harmanus hat den Beitrag für unseren deutschen Blog angepasst.

Fragen oder Anregungen kannst du wahlweise an Michael (Englisch) oder Ben (Deutsch) richten.

Über Michael Aagaard
Michael ist Conversion-Rate-Optimierer bei Unbounce. Wenn er nicht populärer Speaker auf internationalen Bühnen unterwegs ist, sucht er nach neuen Wegen, um Prozesse zu optimieren und die Conversions zu steigern. Verbinde dich mit ihm auf Google+ und Twitter.
» Mehr Blog Posts von
Kommentare