Kurzanleitung zum multivariaten Testen

2. Aug. 2022

Interessieren Sie sich für multivariate Tests zur Optimierung Ihrer Marketinginhalte? In diesem Kurzleitfaden erfahren Sie alles Wichtige.

Marketinginhalte – Anzeigen, E-Mails, Blogbeiträge, Benutzeroberflächen – ohne Vergleichskennzahlen zu erstellen, ist, als würde man einer Straßenkarte folgen, ohne aus dem Fenster zu schauen und sich zu orientieren. Die Welt draußen ist womöglich komplexer und unvorhersehbarer als erwartet, und die Karte nützt nichts, wenn man sein Ziel nicht erreicht. Erfolgreiches Marketing erfordert Interaktion mit der realen Welt durch Tests und Variationen, um Inhalte an die individuellen Präferenzen der Zielgruppe anzupassen. Content-Tests mit echten Zielgruppen können verschiedene Variationsgrade umfassen, von einfachen Vergleichen zweier Versionen in Split- und A/B-Tests bis hin zu komplexen multivariaten Tests mit vielen Variablen gleichzeitig.

Unternehmen, die Marketinginhalte testen, sind ihren Mitbewerbern in irgendeiner Form überlegen. Von den 500 größten E-Commerce-Unternehmen führen mindestens 75 % variable Tests mit ihren neuen Marketinginhalten durch.

In diesem Leitfaden erfahren Sie, was multivariate Tests sind und wie sie Ihnen helfen können, große Mengen an Inhalten schnell und effektiv zu optimieren.

Wichtigste Erkenntnisse

  • Die Durchführung vergleichender Leistungstests von Marketinginhalten hilft Marketingfachleuten, mehr Engagement und Wert zu schaffen.
  • Marketingfachleute bezeichnen Vergleichstests mit nur zwei Variablen – einer Kontrollversion und einer Testversion – als A/B-Tests. Tests mit mehr als zwei gleichzeitig betrachteten Variablen sind multivariate Tests.
  • Multivariate Tests liefern kontextbezogene Erkenntnisse über leistungsfähigere Kombinationen von Variablen im Inhalt anstatt nur über einzelne Variablen.

Was ist multivariates Testen?

Multivariate Tests sind eine Technik, um die Leistungsfähigkeit mehrerer Variablen in Marketinginhalten zu prüfen. Ziel multivariater Tests ist es, verschiedene Inhaltsvarianten gleichzeitig zu optimieren, um die bestmögliche Kombination aller Variablen zu ermitteln.

Bildquelle

Websites, mobile Apps und Anzeigen enthalten viele modulare Elemente wie Farben, Schriftarten, Bilder, CTAs, Textfelder und andere Strukturkomponenten. Die Kombination dieser Elemente auf einer Webseite oder in einer Anzeige erzeugt ein einzigartiges Nutzererlebnis bzw. eine einzigartige Nutzerwahrnehmung. Es ist unmöglich, präzise vorherzusagen, welche Kombinationen ästhetischer und inhaltlicher Komponenten die größte Interaktion und die positivsten Nutzererfahrungen bei Tausenden bis Millionen von Nutzern erzielen. Multivariate Tests konzentrieren sich auf die Überwachung der Performance in großen, variablen Mengen einzelner Komponenten, um durch reale Interaktion leistungsstärkere Kombinationen aufzudecken.

Multivariate Tests und A/B-Tests

Multivariate Tests ähneln A/B-Tests insofern, als sie im Wesentlichen vergleichend angelegt sind. Zielgruppen interagieren mit verschiedenen Versionen desselben Inhalts, und Marketingfachleute vergleichen die Ergebnisse, um die bessere Version zu ermitteln. A/B-Tests hingegen umfassen lediglich eine Kontroll- und eine Testvariable und isolieren so den Leistungswert der jeweiligen Variable.

Bildquelle

Multivariate Tests unterscheiden sich von A/B-Tests dadurch, dass sie mehr als zwei Variablen einbeziehen. Dieser Unterschied ist jedoch nicht unerheblich. Er liefert vielmehr völlig andere Erkenntnisse. A/B-Tests helfen, die Leistung einzelner Variablen zu quantifizieren. Multivariate Tests identifizieren hingegen die leistungsstärksten Kombinationen ganzheitlich und zeigen, wie verschiedene ästhetische und inhaltliche Variationen den Gesamteindruck beim Publikum beeinflussen.

Vorteile multivariater Tests

Im Vergleich zu anderen Testverfahren bietet die multivariate Testung deutliche Vorteile, die sie unter bestimmten Umständen zur optimalen Methode machen.

1. Macht sequentielle A/B-Tests überflüssig.

Obwohl A/B-Tests die Leistung bestimmter Variablen präzise messen, können sie zeitaufwändig sein und erfordern oft mehrere Iterationen derselben Kampagne oder Seite, um die angestrebten Leistungsziele zu erreichen. Multivariate Tests können diese Iterationen parallel durchführen und kleinere Anpassungen vornehmen, um das Engagement während des gesamten Testprozesses aufrechtzuerhalten.

  • Multivariate Tests liefern mehr Daten

    Ein erfolgreicher multivariater Test einer Anzeige oder Seite umfasst Leistungskennzahlen für verschiedene Konfigurationen und erzeugt so Kontextdaten für jede einzelne Variable. Multivariate Tests liefern Marketingteams, die mit stark frequentierten Kanälen arbeiten, deutlich mehr wertvolle Erkenntnisse als andere Testmethoden.

    [h3] Multivariate Tests generieren mehr Daten und verwertbare Erkenntnisse als andere Testmethoden.

  • Liefert kontextbezogene Erkenntnisse

    Einfachere Testmethoden wie A/B- und Split-Tests zeigen schnell, welche von zwei Versionen eines Marketinginhalts besser abschneidet. Ohne weitere Informationen und Variationen lässt sich jedoch nicht verstehen, warum oder ob andere Faktoren die schwächere Variable im Gesamtinhalt beeinflusst haben. Mithilfe multivariater Tests können Marketingteams häufig positive Korrelationen zwischen scheinbar unabhängigen Variablen erkennen, beispielsweise zwischen einem bestimmten Call-to-Action (CTA) und einem bestimmten Bild, obwohl beide einzeln betrachtet keine gute Leistung erbracht haben.

Mögliche Einschränkungen multivariater Tests

Vermarkter setzen aus gutem Grund verschiedene Methoden des Content-Testings ein. Jede eignet sich am besten für bestimmte Umstände und Einschränkungen. Multivariate Tests bilden da keine Ausnahme und sind möglicherweise nicht in jedem Szenario die beste Wahl.

  • Benötigt mehr Zeit

    Bei A/B-Tests entfallen 50 % des Traffics, der auf den Inhalt trifft, auf jede Version. Dadurch erhält jede Variante in relativ kurzer Zeit genügend Traffic, um statistisch signifikant zu sein. Bei multivariaten Tests mit möglicherweise Dutzenden von Varianten ist die benötigte Trafficmenge zur Generierung aussagekräftiger Daten direkt proportional zur Anzahl der Variablen. Wenn Sie beispielsweise 20 Varianten einführen, benötigt Ihr Test die zehnfache Trafficmenge, um die gleiche Datenqualität zu erzielen.

  • Kann auf mehr falsch positive Ergebnisse hindeuten

    Die Zunahme von Variablen und Variablenbeziehungen in multivariaten Tests führt zu einer höheren Wahrscheinlichkeit für das, was Statistiker als familywise error rate (FWER) bezeichnen. Familywise Errors sind falsche Schlussfolgerungen, die aus ungetesteten Hypothesen gezogen werden. Anders ausgedrückt: Eine Variable, die isoliert betrachtet schlechte Ergebnisse liefern würde, hat eine höhere Wahrscheinlichkeit, in der zufälligen Anwesenheit anderer Variablen bessere Ergebnisse zu liefern. Eine umfassendere Untersuchung der Variationen senkt die FWER, ist aber mit zusätzlichem Zeit- und Kostenaufwand verbunden.

  • Multivariate Tests sind kostspieliger als andere Methoden

    Der Zeit- und Arbeitsaufwand für die Entwicklung multivariater Tests, die längere Dauer der Datenerfassung und der erhöhte Interpretationsaufwand bei der Fehlerbeseitigung erhöhen die Gesamtkosten im Vergleich zu einfacheren Inhaltsprüfungsverfahren. Multivariate Tests sind möglicherweise nicht die beste Lösung für Ihre Bedürfnisse, wenn Zeit und Budget eine wichtige Rolle spielen.

Experimentieren Sie mit A/B- und multivariaten Tests über die Web-Experimentierplattform von Optimizely.

Nutzen Sie die schnelle und umfassende Web-Experimentierplattform von Optimizely, um wertvolle Kundeneinblicke zu gewinnen und in kürzester Zeit leistungsstarke Nutzererlebnisse zu schaffen. Mit Optimizely fließen Kundenstimmung und -präferenzen in Ihre Entscheidungen ein und eliminieren riskante Spekulationen. Um loszulegen, kontaktieren Sie Optimizely noch heute.