A/B-Testing für Ihre Website: Der ultimative Leitfaden

• Juli 25 2025
• von Ilona K.

Was bringt Menschen dazu, Ihren E-Mail-Newsletter zu abonnieren? Ihre Artikel zu lesen? Ihr Produkt zu kaufen oder Ihre Online-Dienste in Anspruch zu nehmen? Auf Ihrer Website wirken viele Elemente zusammen. Sie müssen verstehen, was Nutzer konkret anspricht und sie zu Kunden macht. Dabei sollten Sie nicht nach dem Zufallsprinzip vorgehen. Um eine Website effektiv zu optimieren, müssen praktikable Ideen von weniger sinnvollen Funktionen getrennt werden. Genau dafür ist A/B-Testing da.

Was A/B-Testing ist und warum Sie es brauchen

A/B-Testing, auch Split-Testing genannt, ist eine Methode der Nutzerforschung, bei der die Wirksamkeit zweier Varianten eines digitalen Angebots miteinander verglichen wird. So können Sie zum Beispiel zwei Versionen derselben Webseite unterschiedlichen Nutzersegmenten anzeigen und analysieren, welche Version die besseren Konversionsraten erzielt. 

A/B-Testing hilft dabei:

• Neue Funktionen einzuführen. Bevor Sie Änderungen an einer Website oder einem anderen digitalen Angebot vornehmen, ist es sinnvoll, diese zunächst zu testen. So vermeiden Sie Anpassungen, die die Leistung verschlechtern könnten. Auf diese Weise erkennen Sie, welche Elemente Nutzer ansprechen und welche sie eher abschrecken. Außerdem können Sie prüfen, ob die geplanten Änderungen das gewünschte Ergebnis bringen.
• Das Nutzererlebnis zu verbessern. Dazu gehört das Testen von Optionen für Bestellformular, Navigation, Layout und Design. Tests zeigen, welche Variante der Benutzeroberfläche für Menschen am bequemsten ist.
• Mehr Nutzer zu Aktionen zu bewegen. Tests können zeigen, welcher Text, welches Bild oder welches Design die Zielgruppe am besten motiviert, einen Kauf zu tätigen oder eine Anfrage zu hinterlassen. 

A/B-Testing hat viele Einsatzmöglichkeiten, ist aber nicht für alle Szenarien geeignet. In diesen Fällen funktioniert es nicht:

• Wenn Sie keine fundierte Marketinghypothese haben, also keine Annahme dazu, wie genau sich ein Element verbessern lässt. 
• Wenn Ihre Website nur wenig Traffic hat. Um statistisch signifikante Ergebnisse zu erhalten, müssen Sie eine ausreichend große Zielgruppe für den Test erreichen.
• Wenn Sie schnell statistisch signifikante Ergebnisse benötigen (die statistische Analyse zeigt Ergebnisse, die mit hoher Wahrscheinlichkeit nicht zufällig sind und auf eine konkrete Ursache hindeuten) und keine Zeit zum Warten haben. 
• Wenn Sie damit rechnen, dass sich die Bedingungen des Experiments während der Durchführung ändern. Um genaue Ergebnisse zu erhalten, muss alles unverändert bleiben – außer der Variablen, die Sie testen.

So führen Sie A/B-Tests durch

A/B-Testing ist ein schrittweiser Prozess. Schauen wir uns die einzelnen Schritte am Beispiel eines A/B-Tests an, mit dem die „Abonnieren“-Schaltfläche für den Blog eines IT-Start-ups optimiert werden soll:

1. Ziel definieren, Testobjekt auswählen und Hypothese formulieren

Zunächst brauchen Sie ein klares Verständnis der Ziele, die Sie erreichen möchten – ob Sie die Konversionen steigern, die Verweildauer erhöhen oder bestimmte Aktionen auslösen wollen, etwa die Anmeldung zu einem Newsletter. 

Wählen Sie dann ein Element aus, das Sie testen möchten. Das kann eine Überschrift, eine Schaltfläche oder ein Anmeldeformular sein – alles, was relevant ist. Testen Sie mehrere Elemente gleichzeitig, können Sie nicht feststellen, welche konkrete Änderung ein Ergebnis verbessert hat.

Um ein Element auszuwählen, müssen Sie den aktuellen Funnel analysieren und verstehen, an welcher Stelle potenzielle Abonnenten verloren gehen. Sobald Sie eine Annahme haben, formulieren Sie eine fundierte Hypothese.

Eine fundierte Marketinghypothese ist eine konkrete, testbare Annahme dazu, wie sich eine bestimmte Maßnahme auf das Ergebnis eines Unternehmens auswirkt.

Eine Hypothese enthält drei Elemente:

1. Eine klare Änderung. Was wird wo und wie umgesetzt? Zum Beispiel könnte ein Anmeldeformular in einem Blog ergänzt werden.
2. Ein erwartetes Ergebnis. Was genau möchten Sie erreichen? Das Ergebnis sollte messbar und an eine Zahl geknüpft sein, etwa eine Steigerung der Konversion, eine Senkung der Kosten pro Lead oder eine längere Verweildauer. Zum Beispiel ein Wachstum der Newsletter-Abonnentenbasis um 20 Prozent innerhalb eines Monats.
3. Die Begründung dafür, warum die Änderung funktionieren sollte. Im obigen Beispiel könnte das Hinzufügen eines Formulars die Newsletter-Abonnentenbasis erhöhen, weil es direkt nach dem Öffnen der Blogseite erscheint, die Aufmerksamkeit der Nutzer auf sich zieht und sie zum Abonnieren motiviert.

Beispiel

Ziel: Die Anmelde-Konversionsrate im Blog des IT-Start-ups erhöhen.

Testobjekt: Eine „Abonnieren“-Schaltfläche.

Hypothese: Wenn Farbe, Text und Platzierung der „Abonnieren“-Schaltfläche geändert werden, wird sie auffälliger und ansprechender, was die Klickrate und die Zahl der Abonnements insgesamt erhöht.

2. Metriken auswählen

Metriken für A/B-Tests sind Kennzahlen, mit denen die Wirksamkeit zweier Versionen desselben Elements bewertet wird. Sie helfen Ihnen zu verstehen, welche Änderungen am Produkt tatsächlich Einfluss auf seine Leistung haben – und Entscheidungen auf Basis von Daten statt Vermutungen zu treffen.

Metriken, auf die Sie achten sollten:

• Konversion ist das Verhältnis der Anzahl der Website-Besucher, die eine gewünschte Zielaktion ausführen (z. B. Kauf, Registrierung, Abonnement, Besuch einer bestimmten Unterseite oder Klick auf einen Werbelink), zur Gesamtzahl der Besucher, ausgedrückt in Prozent.
• Absprungrate ist der prozentuale Anteil der Besucher, die die Website nach dem Aufruf nur einer Seite wieder verlassen.
• Durchschnittliche Verweildauer auf der Seite ist eine Kennzahl, die angibt, wie viel Zeit Nutzer im Durchschnitt auf der Website verbringen und mit den Inhalten interagieren.
• CTR (Click-Through-Rate) ist eine Kennzahl, die zeigt, wie effektiv ein Werbe- oder Informationsblock ist. Sie wird als Verhältnis der Anzahl der Klicks zur Anzahl der Einblendungen gemessen.
• Durchschnittlicher Bestellwert (für Onlineshops) ist der durchschnittliche Betrag, den ein Käufer während eines Besuchs ausgibt. Zur Berechnung teilen Sie den Wert der Gesamtumsätze in einem bestimmten Zeitraum durch die Anzahl der Käufer. Die Formel lautet: AOV = Umsatz / Konversionen.
• Scrolltiefe ist eine Kennzahl, die misst, wie weit ein Nutzer während eines Besuchs auf einer Seite scrollt. Sie wird in Prozent angegeben und hilft zu verstehen, wie viel Inhalt Nutzer konsumieren, bevor sie die Seite verlassen.

Sie müssen die Schlüsselmetrik auswählen, die die Gültigkeit Ihrer Hypothese belegt. Wenn Sie beispielsweise ein Newsletter-Anmeldeformular testen, ist das die Anzahl der Anmeldungen. Sobald diese feststeht, definieren Sie zusätzliche Kennzahlen für eine detailliertere Analyse. Bei einem Anmeldeformular können das die Anzahl vollständig ausgefüllter Formulare, die Zeit, die Nutzer im Formular verbringen, und die Sinnhaftigkeit einzelner Felder sein.

Um die richtigen Metriken auszuwählen, sollten Sie:

• Ihre Geschäftsziele berücksichtigen. Legen Sie fest, was Sie mit dem Test erreichen möchten, und welche Kennzahlen zuverlässig anzeigen, ob dieses Ziel erreicht wurde. Wenn das Ziel zum Beispiel eine höhere Konversion ist, ist die wichtigste Kennzahl die Anzahl der ausgeführten Aktionen (wie Käufe oder Newsletter-Anmeldungen).
• Den Kontext berücksichtigen. Änderungen an einer Seite können Ergebnisse nur in bestimmten Situationen beeinflussen. So kann das Ändern der Farbe einer „Kaufen“-Schaltfläche die Verkäufe möglicherweise nicht spürbar erhöhen – während eine Textänderung auf der Seite die Konversion deutlich beeinflussen kann.

Beispiel

Primäre Metrik: Prozentsatz der Nutzer, die nach dem Aufruf eines Blogbeitrags erfolgreich abonnieren.

Sekundäre Metriken:

• CTR der „Abonnieren“-Schaltfläche.
• Scrolltiefe (Indikator für Engagement)
• Absprungrate auf der Blogbeitragsseite.

3. Zielgruppe erstellen

Richten Sie eine Kontrollgruppe und eine Experimentalgruppe ein, um Daten zu zwei Versionen des ausgewählten Elements zu sammeln. Falls nötig, teilen Sie die Zielgruppe nach unterschiedlichen Kriterien in Segmente, etwa nach Geschlecht, Alter, Interessen usw. Wichtig ist, dass die Stichprobe dieselben Merkmale hat wie die Nutzer, die normalerweise mit Ihrer Website interagieren. Vergessen Sie dabei nicht, die genutzten Geräte zu berücksichtigen. Während des Experiments sollten sie gleichmäßig auf die Nutzergruppen verteilt sein.

Wenn Sie Untersuchungen auf speziellen Plattformen durchführen, erstellt das System die Gruppen automatisch. In der Regel sind sie gleich groß. Sie müssen lediglich die Gesamtgröße der Zielgruppe festlegen.

Beispiel

Zielgruppe: Alle Nutzer, die auf einem beliebigen Blogbeitrag landen.

Segmente zur Analyse nach dem Test:

• Neue vs. wiederkehrende Besucher (wiederkehrende Nutzer sind möglicherweise vertrauensvoller oder eher bereit zu abonnieren).
• Gerätetyp (mobil vs. Desktop, um zu bewerten, wie Sichtbarkeit/Platzierung der Schaltfläche das Verhalten beeinflusst).
• Traffic-Quelle (organisch (SEO), bezahlt (Anzeigen), direkt und Social Media, um kontextabhängige Performance zu verstehen)

4. Tools auswählen

Für A/B-Tests einer Website nutzen Sie spezialisierte Dienste, mit denen Sie passende Metriken auswählen, den Traffic auf die getesteten Varianten aufteilen und die Ergebnisse analysieren können. Es gibt viele solcher Dienste – welche sich eignen, hängt von Ihren Zielen ab. 

Google Analytics

Kosten: kostenlos

Der Dienst ermöglicht mithilfe des Tools „Experiments“ standardmäßige A/B-Tests von Website-Seiten, wobei der Traffic gleichmäßig auf zwei Versionen der Landingpage verteilt wird. Nach dem Test erstellt er einen Bericht, der zeigt, welche Version besser funktioniert hat.

Google Analytics bietet außerdem eine detaillierte Analyse des Nutzerverhaltens auf der Website, erstellt ausführliche Berichte, kann in ein CRM integriert werden und ermittelt automatisch, welche Nutzer am profitabelsten sein können.

Optimizely

Kosten: Preis auf Anfrage

Der Dienst führt schnell Split-Tests von Seitenelementen wie Überschriften, Handlungsaufforderungen, Bildern und Formularen durch. Außerdem können Sie unterschiedlichen Besuchern personalisierte Angebote senden – je nachdem, welche Seiten sie öffnen oder welche Aktionen sie zuvor durchgeführt haben.

Sie können Experimente geräteübergreifend erstellen und verwalten.

Darüber hinaus segmentiert Optimizely den Traffic nach Cookies, Geräten, Geolokation, Browsern und weiteren Parametern. Außerdem können Sie Traffic aus zuvor gestarteten Werbekampagnen erkennen.

VWO

Kosten: Es gibt mehrere Tarife für unterschiedliche Zwecke sowie eine 7-tägige Testphase

Der Dienst hilft Unternehmen, das Verhalten von Website-Besuchern zu verstehen, zielgerichtete Kampagnen und Konversionen zu erstellen und Informationen darüber zu erhalten, wie Besucher mit Webseiten interagieren.

Das Tool optimiert die Konversion, erfasst Kennzahlen aus verschiedenen Quellen, ermöglicht das Nachverfolgen von Besucheraktionen und unterstützt bei der Entwicklung personalisierter Inhalte.

VWO erstellt Berichte in Echtzeit und zeigt, was funktioniert und welche Änderungen Sie besser zurücknehmen sollten.

AB Tasty

Kosten: Preis auf Anfrage

Der Dienst segmentiert den Traffic nach Standort, URL, Geräten und weiteren Parametern. Sie können Ihre Datenmanagement-Plattform anbinden, um eine feingranulare Segmentierung einzurichten.

AB Tasty bietet Echtzeitberichte und zeigt sofort Daten zu bestimmten Metriken.

Sie können den Dienst mit Plattformen von Drittanbietern und CMS integrieren, darunter WordPress, Google Analytics, PrestaShop und Drupal.

5. Experiment durchführen

Eine Möglichkeit ist, eine veränderte Version des Elements vorzubereiten und ein Experiment zu starten. Der Test läuft bis zur statistischen Signifikanz. Um für sich selbst den optimalen Zeitraum zu ermitteln, teilen Sie die gesamte Stichprobe durch den täglichen Traffic. So erhalten Sie die benötigte Anzahl an Tagen.

Am besten führen Sie Tests in ruhigen Zeiträumen durch, wenn es keine Aktionen, saisonalen Effekte oder besonderen Rahmenbedingungen gibt. 

Unabhängig vom Ergebnis sollten Sie das Experiment nicht vorzeitig beenden. Die Metrik kann in der Anfangsphase zwar die Gültigkeit der Hypothese nahelegen – gegen Ende der Untersuchung können die Ergebnisse jedoch deutlich anders ausfallen. 

Beispiel

Varianten:

Traffic-Aufteilung: Gleichmäßige Verteilung, sodass 50 % der infrage kommenden Nutzer Variante (A) und 50 % Variante (B) sehen.

Statistische Signifikanz:

• Aktuelle Konversion: 2 %.
• Nachweisbarer Lift: +25 %.

Ungefähr benötigte Nutzer pro Variante: ~5.000.

Dauer: Bis jede Variante die Schwelle für die Stichprobengröße erreicht.

6. Ergebnisse analysieren

Untersuchen Sie zusätzlich zur Schlüsselmetrik weitere Kennzahlen sowie das Verhalten der Zielgruppe nach Segmenten. So sehen Sie das Gesamtbild, denn selbst wenn Sie die Hypothese bestätigt und das gewünschte Ergebnis bei der Hauptmetrik erzielt haben, können andere, verwandte Kennzahlen – etwa die Verweildauer auf der Website – negativ beeinflusst worden sein.

Typische Fehler beim A/B-Testing

Tests können spannend sein – vermeiden Sie jedoch diese Fallstricke:

1. Mehrere Elemente gleichzeitig testen. Die wichtigste Regel beim A/B-Testing lautet: Testen Sie immer nur ein Element zur gleichen Zeit. Andernfalls können Sie nicht erkennen, welche Änderung zum Ziel geführt hat. Wenn Sie fünf Elemente gleichzeitig verändern, lässt sich nicht sagen, was genau die Verbesserung oder Verschlechterung verursacht hat. Am Ende bleiben nur Vermutungen. 

Statt viele Elemente auf einmal zu testen, erstellen Sie eine Liste von Hypothesen, priorisieren Sie sie und führen Sie mehrere Tests nacheinander durch. So erhalten Sie verlässliche Ergebnisse, die Ihnen helfen, Ihre Website zu optimieren.

2. Mehrere Experimente gleichzeitig durchführen. Wenn mehrere Experimente parallel laufen, besteht das Risiko, dass ein Nutzer im ersten Experiment die Originalversion der Seite sieht, im zweiten die Testversion und im dritten wieder die Originalversion. Solche Überschneidungen verzerren die Ergebnisse und lassen keine zuverlässigen Schlussfolgerungen zu.

Es lohnt sich, die Regel zu befolgen: „ein Experiment nach dem anderen“. Andernfalls überschneiden sich die Zielgruppen mehrerer paralleler Experimente.

3. Tests bei geringem Traffic durchführen. Ist die Stichprobe für das Experiment zu klein, verlangsamt das die Gewinnung der für die Analyse nötigen Daten. Während Sie warten, kann die getestete Hypothese bereits an Relevanz verlieren.

Wenn Sie nicht genügend Traffic für einen Test haben, sollten Sie das Experiment gegebenenfalls abbrechen oder für eine Weile verschieben.

4. Vorgefertigten Beispielen folgen. Jede Website ist individuell – und damit auch jeder A/B-Test. Sie lassen sich nicht nach fertigen Vorlagen durchführen. Jede Website hat ihre eigene Zielgruppe und ihre eigenen Interaktionsmuster. Das bloße Kopieren fremder Ideen ergibt keinen Sinn und führt mitunter sogar zu kontraproduktiven Ergebnissen.

Suchen Sie nicht nach einer fertigen A/B-Testing-Vorlage, auch wenn Sie noch am Anfang stehen. Investieren Sie lieber mehr Zeit und Ressourcen in einen Test, der zu Ihrer Website und Ihrer Zielgruppe passt.  Verlassen Sie sich nicht einfach auf die Erfahrungen anderer. Lernen Sie stattdessen daraus, indem Sie sie analysieren und Erkenntnisse ableiten. Formulieren Sie anschließend eigene Hypothesen und testen Sie sie in der Praxis.

FAQs

Was ist A/B-Testing und warum ist es wichtig?

A/B-Testing, auch Split-Testing, ist eine Methode, die die Wirksamkeit zweier Varianten vergleicht. Es hilft dabei, neue Funktionen einzuführen, das Nutzererlebnis zu verbessern und Zielaktionen zu steigern. Es identifiziert anziehende und abschreckende Elemente einer Website und bewertet zudem die Wirksamkeit von Änderungen.

Wie kann ich A/B-Tests erfolgreich durchführen?

Um A/B-Tests erfolgreich durchzuführen, müssen Sie konsequent sein und die Schritte strikt befolgen: Ziel und Testobjekt definieren, eine Hypothese formulieren, Schlüsselmetriken festlegen, ausreichend Traffic sicherstellen, um statistische Signifikanz zu erreichen, und typische Fehler vermeiden.

Welche Metriken sollten beim A/B-Testing verfolgt werden?

Welche Metrik verfolgt wird, hängt von den Zielen des Tests ab. Häufige Optionen sind Konversion, Absprungrate, CTR, ROI und der durchschnittliche Bestellwert.

Was ist eine fundierte Marketinghypothese?

Das ist eine konkrete, testbare Annahme dazu, wie sich eine bestimmte Maßnahme auf das Geschäftsergebnis auswirkt. Zum Beispiel: Wenn Sie Ihrem Blog ein Anmeldeformular hinzufügen, wächst Ihre Newsletter-Abonnentenbasis innerhalb eines Monats um 20 %.

Möchten Sie mehr über Website-Lösungen für Ihr Unternehmen erfahren? Besuchen Sie den it.com Domains blog und folgen Sie uns in den sozialen Medien.

Dieser Artikel wurde von einer künstlichen Intelligenz übersetzt und kann Ungenauigkeiten enthalten. Siehe das Original auf Englisch.

Beitrag teilen!