Customer Experience Tipps zur Web Experimentation und zum A/B-Testing für die perfekte Customer Journey

Ein Gastbeitrag von Marc Bohnes*

Anbieter zum Thema

Web Experimentation unterstützt Unternehmen dabei, digitale Touchpoints entlang der gesamten Customer Journey zu perfektionieren und gesetzte Geschäftsziele nachhaltig zu erreichen. Wie ein gelungenes A/B-Testing aussieht, erfahren Sie hier.

A/B-Testing ist im Marketing ein gern genutztes Mittel, um vor allem Landingpages zu optimieren. In diesem Beitrag erhalten Sie einige Tipps zur perfekten Web Experimentation.
A/B-Testing ist im Marketing ein gern genutztes Mittel, um vor allem Landingpages zu optimieren. In diesem Beitrag erhalten Sie einige Tipps zur perfekten Web Experimentation.
(Bild: gemeinfrei / Unsplash )

Experimente im Marketing rechnen sich. Und dass auf zweifache Art: Erstens verursachen sie einen verhältnismäßig geringen Zeit- und Kostenaufwand und vermeiden, zweitens, eine übermäßige Etat-Strapazierung. Der Effizienzgewinn ist in vielerlei Hinsicht beachtlich. Durch konsequentes Experimentieren entstehen aussagekräftige Prognosen, auf deren Basis schnelle und datengestützte Entscheidungen getroffen werden können, die langfristig zum Erfolg führen.

Experimentation initiiert Lernprozesse

Am häufigsten experimentieren Marketer mit Websites oder Landingpages. Web Experimentation vereinfacht das Testen von Erfahrungen und Erlebnissen, die Besuchern auf deren Customer Journey an den unterschiedlichen Touchpoints – zum Beispiel einer Website – widerfahren. Die gemessenen Ergebnisse initiieren Lernprozesse, auf deren Grundlage konkrete Maßnahmen ergriffen werden können. Aber was genau bedeutet „von Besucher-Erfahrungen lernen“? A/B-Tests stellen zum Beispiel eine Optimierungsmethode dar, bei der zwei (oder mehrere) Versionen einer Besucher-Erfahrung getestet und verglichen werden. Ziel ist es, zu ermitteln, welche davon effizienter ist, um möglichst viele Conversions zu erreichen.

Experimentation in der Praxis

Als Paradedisziplin im Experimentieren gilt die Optimierung einer Landingpage. Experimentieren unterstützt insofern dabei, sich einer idealen Landing-Page anzunähern. Dies gelingt zum Beispiel mit unterschiedlichen Textlängen. Sie können einem Produkt oder Thema die erforderliche Aufmerksamkeit bringen. Dazu gehören Stilmittel wie zum Beispiel Zwischenüberschriften oder die Ausrichtung von Sprache und Tonalität auf entsprechende Kampagnen.

Weiterer Testmöglichkeiten auf einer Landingpage: die Lead Generierung. Dabei sollten Marketer mit verschiedenen Textformaten und Darstellungsformen, mit verschiedenen Call-to-Action-Buttons (CtA) oder mit der der Bildauswahl experimentieren. Gleiches gilt für das UX-Design. Neben der Optik steht auch die Ladegeschwindigkeit von Webseiten im Fokus. Der beste Text und die ansprechendste Grafik verblassen, wenn der Ladevorgang einer Website zu lange dauert. Aus diesem Grund kommt Benutzerfreundlichkeit eine entscheidende Bedeutung zu.

Mit Software Experimentation skalieren

Für alle Experimentier-Bereiche gilt: Häufiges experimentieren wirkt sich positiv auf den Umsatz aus. Aus diesem Grund lohnen sich auch Frontend-Experimentation-Tools, über die sich eine große Anzahl an Experimenten erstellen und verwalten lässt. Sie umfassen auch unterschiedliche Methoden wie z. B. A/B-Tests, multivariate Tests oder Trichter-Tests, die gleich mehrere Seiten testen.

Mit diesen Tests lassen sich verschiedene Versionen für Seitenelemente, Schaltflächen oder Formularfelder erstellen und daraufhin überprüfen, welche Version tatsächlich am besten funktioniert. Das heißt: Die Experimentation-Software misst die Anzahl von Konversionen, die mit dem Original (Kontrolle) im Vergleich zur Variante (Alternative) erzielt wurden.

Eine gute Experimentation-Software verfügt über einen Editor, in den eine Website geladen und wo im Rahmen eines Experiments das Besuchererlebnis auf dieser Website angepasst und visualisiert werden kann. Auf diese Weise lassen sich erstellte Seitenvarianten öffnen und Seitenelemente mit nur wenigen Klicks bearbeiten, ohne dass Programmierkenntnisse erforderlich wären.

So gelingt die Experimentation-Premiere

Hier empfiehlt sich zum Beispiel der Test eines CtA-Buttons auf einer Landingpage.

Test vorbereiten

Hypothese: A/B-Tests erfordern die Benennung eines messbaren Ziels, dass mit dem Test überprüft werden soll. Das gelingt mit der Formulierung einer geeigneten Hypothese. Sie sagt gewissermaßen das Experimentation-Ergebnis voraus:

„Eine direktere Ansprache auf dem CtA-Button erzielt eine 15 Prozent höhere Conversion Rate als eine neutral formulierte CtA-Ansprache.“

Messgröße ist in diesem Beispiel die Conversion Rate.

CtA-Button als Testobjekt, Ansprache als Variable

CtA-Button in zweifacher Ausführung: Jetzt kann das Testobjekt, hier: der CtA-Button, in zweifacher Ausführung mit entsprechender Variablen-Ausprägung formuliert werden: als Original A – mit neutraler Ansprache (zum Beispiel „Jetzt mitmachen“) – und als Variante B – mit direkter Ansprache (zum Beispiel „Ja, ich will jetzt dabei sein“). Im nächsten Schritt erfolgt zuerst die Ausspielung der Variante A an die Testgruppe A, bis entweder der vordefinierte Zeitraum (zum Beispiel eine Woche) oder das vordefinierte maximale Traffic-Volumen – circa 10 Prozent des gesamten Traffics – erreicht wurde. Die Ausspielung der Variante B erfolgt nach identischer Vorgehensweise.

Aussagekräftige Experimentation

Unter den folgenden Voraussetzungen lässt sich ein vollständiger Erkenntnisgewinn aus A/B-Tests abschöpfen:

1. Relevante KPIs: Stimmt die Messgröße mit dem Testziel überein? KPIs sollten schriftlich dokumentiert werden. Dadurch werden Fachtermini transparent beziehungsweise eindeutig beschrieben, welche KPIs erfasst werden sollen.

Bezüglich des CtA-Beispiels: Die Conversion Rate gibt in diesem Fall an, wie viele Personen innerhalb der beiden Testgruppen A und B nach dem Lesen des jeweiligen CtA-Buttons tatsächlich konvertieren, also klicken. Dabei ist es ratsam, in der Folge weitere Messgrößen zur Bestätigung eines erfolgreich verlaufenden Test heranzuziehen, weil sie das Resultat zusätzlich untermauern.

2. Statistisch Signifikanz: Statistisch signifikant ist ein Experiment, wenn Kontroll- und Testgruppe eine Differenz von nicht weniger als 20 Prozent (gemessen an der Kontrollgruppe) vorweisen. Liegt die Conversion Rate der Kontrollgruppe etwa bei 15 Prozent und die des gesamten Experiments bei 18 Prozent, ist der A/B-Test statistisch signifikant, weil ein Delta von mindestens 20 Prozent vorliegt.

Experimentation im B2B Umfeld

Die beschriebene Testumgebung lässt sich auch im B2B Umfeld hervorragend einsetzen. Etwa zu Frage, wie sich Produkte am besten bündeln lassen, um B2B Kunden ein möglichst umfangreiches Lösungserlebnis zu bieten.

In diesem Zusammenhang fand Software-Anbieter Atlassian durch Experimentation heraus, das Product-Bundles, die aus mehr als zwei Komponenten bestehen, die Kunden eher verwirren. Ausgangspunkt für diese Erkenntnis war eine Hypothese, die davon ausgeht, dass es für Kunden generell angenehmer ist, Produkte zu bündeln. Je mehr Produkte also gebündelt werden, desto mehr Nutzer werden die Software-Lösungen ausprobieren. Diese Hypothese konnte Atlassian dank Experimentation widerlegen. Heute nimmt das Unternehmen von der Bundle-Strategie Abstand. Ein Ergebnis dieser Verhaltensänderung ist eine höhere Loyalität, die Kunden Atlassian-Software entgegenbringen.

Fazit

Generell ist Testen und Experimentieren nicht neu. Doch es braucht dafür eine umfassende Strategie, um ein echtes Verständnis über die Zielgruppe zu erlangen und diese Erkenntnisse gewinnbringend einzusetzen. Das Aufstellen und anschließende Testen von starken Hypothesen unterstützt Marketer dabei, beispielsweise Websites oder Landingpages, aber durchaus auch die E-Mail-Kommunikation zu optimieren, und dadurch das Benutzererlebnis zu verbessern und Conversions zu steigern.

Aus diesem Grund greifen auch immer mehr Unternehmen auf Experimentation zurück. Damit perfektionieren sie die Omnichannel-Marketingkommunikation. Das heißt: Je häufiger Unternehmen Experimente durchführen, desto größer die Wahrscheinlichkeit, sich dem bestmöglichen Ergebnis anzunähern. Ihre Ergebnisse unterstützen beispielsweise dabei, aus der Sicht der Kunden den richtigen Font, die passende Farbgebung eines CtA-Buttons, das beste Bild oder etwa die attraktivste Farb- und Kontrastabstufungen auf der Website zu identifizieren. In der Summe führen diese Maßnahmen zu Umsatzsteigerungen. Und dadurch erzielt Experimentation nachweislich den größten Impact.

*Marc Bohnes ist Product Delivery Manager bei Optimizely.

(ID:48414315)