Einsatz und Nutzen von Testing Tools für die Conversion Optimierung

| 1 Kommentar

Die Conversion Optimierung ist ein wichtiger Bestandteil eines E-Commerce Unternehmens. Oft sind es nur Kleinigkeiten, welche einen User von einem Kauf abhalten oder zu einem Kauf bewegen. Um herauszufinden, wie die Seite aufgebaut sein muss, damit die Kaufwahrscheinlichkeit des Kunden am Größten ist, empfehlen sich A/B oder Multivariate Tests. Erstere kann man sowohl mit als auch ohne externes Programm aufsetzen, für Multivariate Tests sollte man ein dafür geeignetes Tool nutzen. Sowohl bei der Aussteuerung als auch bei der Auswertung der Tests gilt es einige wichtige Punkte zu beachten. Tut man dies nicht, kann es zu Verzerrungen oder Fehlinterpretationen kommen. Die Konsequenz wäre eine Entscheidung für die schlechtere Variante und somit weniger Umsatz für das Unternehmen.

A/B und multivariates Testen

Der Unterschied zwischen A/B und Multivariater Tests liegt zum Einem in dessen Komplexität und zum Anderen in dessen Möglichkeiten.

Beispiel eines A/B Tests

Abbildung 1: Beispiel eines A/B Tests
Quelle: Eigene Erstellung

Bei einem A/B Test wird meist die Default Variante -der Status Quo- gegen eine neue Variante, mit nur einer Änderung zum Default, getestet (Es sind auch A/B/C, etc. Tests möglich). Die eine Hälfte der User sieht nur die Default Variante die andere Hälfte nur die Test Variante. So kann die Performance der jeweiligen Seiten direkt miteinander verglichen werden.

Bei einem Multivariaten Test werden verschiedene Varianten mit mehreren Änderung gleichzeitig getestet. Es entsteht eine Matrix in der jede Anpassung autark oder in Kombination mit einer oder mehreren anderen Veränderungen ausgewertet werden kann. So ist es möglich jeden Effekt einzeln zu bewerten und nach dem Test optimal zu justieren.

Abbildung 2: Beispiel eines Multivariaten Tests Quelle: Eigene Erstellung

Abbildung 2: Beispiel eines Multivariaten Tests
Quelle: Eigene Erstellung

Ändert man bei einem A/B Test hingehen mehrere Punkte gleichzeitig, so ist eine separate Auswertung nicht möglich. Der Effekt kann nur als Resultat der gesamten Veränderungen interpretiert werden.

Wichtige Hinweise

Zufällige Aussteuerung: Bei der Aufsetzung und Auswertung von Tests sind mehrere, wichtige Dinge zu beachten. So ist es beispielsweise sehr wichtig, dass die Aufteilung der User in Gruppen zufällig geschieht damit der Test nicht verzerrt wird. Ist dies nicht der Fall ist die mögliche Konsequenz, dass eine andere Einflussvariable (z.B. Tageszeit, Geschlecht, etc.) nicht auf alle Gruppen gleichverteilt ist und das Ergebnis falsch interpretiert wird. So wird gegebenenfalls die schlechter performende Seite life geschaltet.

Hohe Signifikanz muss gegeben sein: Ein weiterer, wichtiger Aspekt ist die Fallzahl des Tests (Anzahl der User, welche in den Test laufen). Diese muss groß genug sein, um ein signifikantes Ergebnis zu erzielen. Ist die Fallzahl, zu dem Zeitpunkt des Abschaltens des Tests, zu klein kann dies zu Missinterpretationen führen. Ein positiver Lift, welcher rein mit der normalen Streuung zusammenhängt, wird so ggf. falsch bewertet und die Testvariante wird irrtümlich zum Sieger erkoren. Die Testing Tools geben in der Regel das Signifikanzniveu – in wie weit sich die Gruppen voneinander unterscheiden – an. Ab ca. 90% kann man davon sprechen, dass sich die Gruppen signifikant voneinander unterscheiden und dass der Lift tatsächlich aus der Anpassung der Seite resultiert.

Steigerung einer CR führt nicht zwingend zur selben Kaufsteigerung: Möchte man eine Conversion Rate (CR) optimieren, welche nicht in direkter Verbindung mit dem Kauf steht, sich also noch am Anfang des Kaufprozesses befindet, z.B.: den Schritt zwischen der Eingabe der Zahlungsdaten und der Eingabe der Adressdaten, so sollte man bei der Auswertung der CR immer bedenken, dass auch nur dieser Schritt ausgewertet werden kann. Angenommen die CR erhöht sich um 5%, so ist es durchaus möglich, dass diese 5% mehr User in den darauffolgenden Schritten schlechter konvertieren als der Rest. Die Käuferquote und auch der Umsatz erhöhen sich daher um weniger als 5%. Gibt es mehr als eine Testgruppe, so wird auch hier ggf. nicht die beste Gruppe life geschaltet. Um diese Ungenauigkeit zu vermeiden, sollte man beim Testen den gesamten Kaufprozess durchlaufen und die Auswertung erst nach dem letzten Schritt durchführen. Der Nachteil an dieser Methode liegt darin, dass zur selben Zeit, kein weiterer Test auf nachfolgenden Conversion Steps durchgeführt werden kann, da dieser den anderen Test verzerren würde.[1]

Nutzen eines Testing Tools für das Unternehmen

A/B Tests sind relativ leicht, und auch ohne Tool, aufzusetzen. Ist das eigene Backoffice flexibel genug um die User zufällig in unterschiedliche Gruppen einzuteilen, so ist dies eine kostenlose und sinnvolle Möglichkeit. Wichtig ist nur, dass es jemanden mit genügend statistischem Wissen gibt, der den Test richtig auswerten kann. Ein Testing Tool kann jedoch in vielen Fällen, insbesondere bei multivariaten Tests nützlich sein und erheblichen Mehrwert schaffen. Insbesondere wenn viele verschiedene Varianten getestet werden, erleichtert einem ein Tool die Arbeit beim Aufsetzen des Tests. Die Auswahl erfolgt über Filter und die Kombinationen der verschiedenen Varianten werden automatisch erstellt. Zudem gibt es über die Testing Tools (abhängig vom Programm) verschiedene Möglichkeiten ohne IT Aufwand Anpassungen vorzunehmen. Bei dem Programm Test&Target von Adobe, wird beispielsweise mit Marketing Boxen (M-Boxen) gearbeitet. Das veränderte Detail wird als M-Box auf der Seite platziert und wirkt, als ob es integriert sei. Für einen Test ist dies absolut ausreichend und die IT wird erst bei der Umsetzung, sollte die neue Variante life geschalten werden, benötigt.

Ein Tool bietet außerdem Unterstützung bei der Auswertung durch das automatisch berechnete Signifikanzniveau. Für jede mögliche Kombination ist ersichtlich wie stark sie sich von der Default Gruppe unterscheidet.

Ein weiterer Vorteil von Testing Tools besteht in dem Angebot externen Support vom Anbieter zu erhalten. Abhängig vom jeweiligen Tool ist der Service recht stark ausgeprägt und bietet sowohl technische Beratung als auch Unterstützung in der Analyse an.

Günstige Testing Tools können schon ab 15 € erworben werden. Die Programme Optimzely und Visual Website Optimizer bieten für eine recht geringe Lizenzgebühr beispielsweise schon recht viel.

Überblick einiger Testing Tools

Abbildung 3: Übersicht einiger Testing Tools: Quelle: Eigene Erstellung

Benötigt man allerdings mehr Features, sollte man etwas teurere Programme nutzen. Das Tool Test&Target von Adobe bietet neben dem Testing auch Targeting an und ist daher besonders für Kampagnentest geeignet. Das Programm Maxymiser bieten einen Fullservice an. So unterstützt dessen Team beispielsweise bei der Konzeption der Tests, beim Design und der Programmierung. Sie bieten Beratung bei der Analyse und der Auswertung und bieten technischen Support. Eine umfangreichere Gegenüberstellung der verschiedenen Testing Tools finden Sie in dem Artikel „Welches Testingtool? 10 Conversion Testingtools im Vergleich“ von Manuel Brückmann.

Fazit

Egal ob groß oder klein, Testen ist für jedes Unternehmen sinnvoll, da auf eine recht einfach Art und Weise die Umsätze gesteigert werden können. Ist das Unternehmen noch recht jung mit geringen Umsätzen, empfiehlt es sich entweder ein günstiges Tool zu nutzen, oder A/B Test ohne externe Unterstützung aufzusetzen. Ist das Unternehmen jedoch schon größer und möchte oft und viel Testen und ggf. noch andere Optimierungen wie Targeting durchführen, ist ein etwas besseren Tool sinnvoll. In jedem Fall sollten die oben genannten Hinweise beachtet und die Ergebnisse kritisch hinterfragt werden.

Andra Plückthun

Autor: Andra Plückthun

Andra Plückthun studiert im Master "E-Commerce" an der FH-Wedel. Nebenbei arbeitet sie im Controlling und Analysebereich bei dem Online Unternehmen ElitePartner. Dort ist sie seit 2010 in Festanstellung tätig. Zuvor absolvierte sie an der Universität Maastricht den Bachelor "International Economics".

Ein Kommentar

  1. Ich sehe das Testen auch als einen der wichtigsten Faktoren an. Ich habe sehr viele Splittest durchgeführt, angefangen vom einfachen A/B Test bis zu komplexeren. Auch wenn der Aufwand teilweise in der Umsetzung und Analyse hoch ist, lohnt es sich doch sehr. Steigerungen um einige Prozent können in der Masse ein kleines Vermögen bedeuten.

Schreibe einen Kommentar

Pflichtfelder sind mit * markiert.