So analysieren Sie A/B-Testergebnisse mit der A/B-Testanalyse

Das Letzte, was jemand will, ist ein falsch positives Ergebnis – egal bei welchem ​​Test! Bei der Conversion-Rate-Optimierung (CRO) könnte ein falsch positives Ergebnis in eine Sackgasse führen.

Wenn Sie einen A/B-Test durchführen , möchten Sie wissen, ob Ihre Testseite (B) Ihre Kontrollseite (A) wirklich übertroffen hat, bevor Sie Zeit damit verbringen, Formulare, Seiten oder andere Aspekte Ihrer Website zu optimieren.

Eine Analysetechnik für A/B-Tests hilft festzustellen, ob Ihr Test statistisch signifikant war und ob Sie über einen gewinnbringenden Datensatz verfügen.

Woher wissen Sie, ob Ihr A/B-Test statistisch signifikant war?

Statistische Signifikanz bedeutet, dass Sie den Test wiederholen können und durchweg dieselben – oder ähnliche – Ergebnisse erhalten.

Angenommen, Sie haben die Platzierung einer Call-to-Action - Schaltfläche (CTA) geändert. Früher befand sich die Schaltfläche unter dem Inhalt Ihrer Zielseite, aber Sie gingen davon aus, dass Sie mehr Leads erhalten würden, wenn Sie die Schaltfläche vorne und in der Mitte platzieren würden. Sie haben also die Seite optimiert und die Schaltfläche über Ihrer Hauptüberschrift platziert.

Als Nächstes haben Sie die frühere Zielseite – die Kontrollseite – mit 1000 Besuchern getestet. Von dort aus haben Sie die optimierte Seite mit weiteren 1000 Besuchern getestet. Nachdem Sie Ihre Ergebnisse mit einem A/B-Testrechner gemessen haben, zeigte dieser eine 25%ige Steigerung der Klicks auf Ihren CTA-Button, nachdem Sie ihn auf der Seite nach oben verschoben hatten.

Wenn Sie den Test mehr als einmal wiederholen und weiterhin etwa 25 % mehr Klicks erzielen, können Sie davon ausgehen, dass Ihre Ergebnisse statistisch signifikant sind. Sie können auch davon ausgehen, dass die geänderte Platzierung des CTA-Buttons die Ursache für die Änderung war.

Wie analysieren Sie Ihren A/B-Test?

A/B-Rechner sind zwar nicht das A und O der A/B-Testanalyse, aber sie helfen Ihnen, die von Ihnen gesammelten Daten zu verstehen.

Angenommen, Sie besitzen ein kleines Unternehmen. Ihre durchschnittliche Anzahl an Website - Besuchern liegt zwischen 100 und 500 Benutzern pro Woche. Sie haben einen ähnlichen A/B-Test für die CTA-Schaltfläche Ihrer Zielseite durchgeführt – aber mit einer Stichprobengröße von 100 statt 1000 Personen.

Ihre Ergebnisse zeigen, dass 50 von 100 Personen auf Ihre CTA-Schaltfläche für die ursprüngliche Seite geklickt haben. Auf der Testseite haben 58 Personen auf den Button geklickt. Während dieser Anstieg für die Stichprobengröße erheblich erscheinen mag, handelt es sich laut A/B-Rechner um lediglich 16 %.

Was sollten Sie tun, bevor Sie einen A/B-Test durchführen?

Bevor wir mit unserem Beispielszenario beginnen, finden Sie hier einen Überblick darüber, was Sie tun sollten, bevor Sie Daten sammeln.

1. Kennen Sie Ihre Ziele

Was sind Ihre Key Performance Indicators (KPIs)? Mit anderen Worten, welche Gespräche führen zu den wichtigsten Ergebnissen für Ihr Unternehmen? Diese Indikatoren können alles sein, vom Verkaufsvolumen bis zur Kundenbindung. Wenn Sie sich auf Änderungen konzentrieren, die auf Ihre KPIs ausgerichtet sind, erzielen Sie die besten Ergebnisse.

2. Wissen, wo Sie sind – und wohin Sie wollen

Wenn Sie wissen, was Sie messen möchten, finden Sie heraus, wo Sie gerade stehen. Möglicherweise haben Sie bereits eine allgemeine Vorstellung davon, ob Sie Anzeigenklicks, die Anzahl der geöffneten E-Mails oder die Anzahl der Leads gemessen haben, die Ihr Kontaktformular pro Monat ausfüllen.

Werfen Sie einen Blick auf Ihr CRM und Google Analytics , um die Daten so zu messen, wie sie sind. Aktuelle Daten sollen Ihnen eine Vorstellung davon geben, welche Verbesserungen notwendig und realistisch sind.

Wie Sie feststellen, ob Ihr Test statistisch signifikant ist (ohne einen A/B-Rechner zu verwenden)

Nun zum lustigen Teil – der A/B-Testanalyse. Nachdem Sie die obigen Schritte befolgt haben, können Sie nicht nur Ihre Tests durchführen und Ihre Daten sammeln, sondern auch feststellen, ob Ihre Ergebnisse aussagekräftig genug sind, um Änderungen vorzunehmen.

Die gute Nachricht ist, dass Sie immer noch einen A/B-Rechner als Ausgangspunkt verwenden können. Von den 100 Website-Besuchern für das kleine Unternehmen, über das wir zuvor gesprochen haben, gab es einen Anstieg der Klicks um 16 %, weil die Platzierung des CTA-Buttons angeblich verschoben wurde. Nun, woher wissen wir, ob das wahr ist?

1. Führen Sie den Test erneut aus

Wann immer Sie einen A/B-Test durchführen und die Änderung nicht signifikant ist, sollten Sie den Test erneut ausführen – zum Beispiel, wenn die Ergebnisse weniger als 36 % Unterschied im Ergebnis ausmachen.

Im Allgemeinen ist es am besten, A/B-Tests erneut durchzuführen, damit Sie über genügend Daten verfügen, um zu dem Schluss zu kommen, dass das Ergebnis das direkte Ergebnis der von Ihnen vorgenommenen Änderung war.

2. Analysieren Sie die Daten erneut

Nehmen wir an, dass nach dieser Wiederholung das Ergebnis war, dass 60 von 100 Personen auf die CTA-Schaltfläche der Testseite und 52 auf die Originalseite geklickt haben. Das ist laut Rechner eine Steigerung von 15,38 %.

3. Führen Sie Ihren Test noch einmal durch (und analysieren Sie die Ergebnisse)

Dieses Ergebnis ist ähnlich wie die 15 – 16 % Veränderung beim dritten Mal. Bevor Sie jedoch mit der Implementierung der Änderungen beginnen, testen Sie Ihre Ergebnisse noch einmal.

Wenn Sie mit einer kleineren Stichprobengröße arbeiten, ist es schwierig zu wissen, ob die konsistente Änderung ein Zufall ist oder nicht. Je größer der Stichprobenumfang, desto mehr statistische Aussagekraft haben Sie in der Regel.

4. Führen Sie einen weiteren A/B-Test durch – testen Sie Ihre Kontrollseite gegen sich selbst

Technisch würde eine Bewertung wie diese als A/A-Test betrachtet werden. Testen Sie Ihre Kontrollseite mit einer Gruppe von 100 Besuchern und testen Sie dieselbe Seite mit einer anderen Gruppe von 100 Besuchern. Sie können dies vor oder nach dem Testen einer Änderung tun.

Die natürliche Varianz der Klicks auf Ihren CTA ohne implementierte Änderungen sollte eine Differenz von 2 % nicht überschreiten. Dieser Bereich berücksichtigt die natürliche Schwankung der Klicks, die Ihre Seite erhält. Alle Änderungen, die diesen Bereich überschreiten, können vernünftigerweise als signifikant angenommen werden.

Nachdem Sie nun über genügend Daten verfügen, ist es an der Zeit zu prüfen, ob drei Kästchen aktiviert sind. Bestimmen Sie, ob die Daten:

• Ausreichend: Ja, wir haben den Test dreimal durchgeführt.
• Konsequent: Ja, wir haben dreimal ein ähnliches Ergebnis erhalten.
• Differenziert: Ja, wir haben unsere Kontrollseite mit sich selbst getestet und festgestellt, dass die natürlichen Änderungen zwischen -2 und 2 % lagen – was bedeutet, dass unsere beständige Steigerung der Klicks um 15 % für unsere Testseite signifikant war.

Basierend auf diesen Ergebnissen können wir feststellen, dass die Daten statistisch signifikant sind. Wir können auch davon ausgehen, dass die geänderte Platzierung des CTA-Buttons die Ursache für die Zunahme der Klicks war.

WebFX ist ein Vertrauenspartner für Unternehmen.

Hören Sie von HydroWorx, der einen Anstieg der organischen Sitzungen um 236 % mit WebFX-Diensten verzeichnete.

Sehen Sie sich das Video-Testimonial an

Arbeiten Sie mit WebFX für A/B-Testanalysen zusammen

Wie Sie sehen können, kann die Analyse von A/B-Tests eine entmutigende Aufgabe sein, insbesondere wenn Sie nicht sicher sind, welche Änderungen die besten Ergebnisse erzielen. Unser Team von über 500 Fachexperten bei WebFX verwendet datengesteuerte SEO-Strategien, um mit unseren A/B-Testdiensten wirkungsvolle Zielseiten zu erstellen. Wir haben für unsere Kunden einen Umsatz von mehr als 3 Milliarden US-Dollar erzielt und sind bereit, Ihre Zielseite auf die nächste Stufe zu heben.

Kontaktieren Sie uns online oder rufen Sie uns unter 888-601-5359 an, um noch heute mit einem Strategen zu sprechen!