Optimization Glossary

A/B/N-Testing

Was ist A/B/n-Testing?

A/B/n-Testing ist eine Variante des Website-Testings, bei dem mehrere Versionen einer Webseite miteinander verglichen werden, um festzustellen, welche die höchste Conversion Rate hat. Bei dieser Testart wird der Traffic zufällig aufgeteilt und gleichmäßig auf die verschiedenen Versionen der Seite geleitet, um zu bestimmen, welche Variation die beste Leistung zeigt.

A/B/n-Testing ist ein erweitertes A/B-Testing, bei dem zwei Versionen einer Seite (eine Version A und eine Version B) gegeneinander getestet werden. Beim A/B/n-Test werden mehr als zwei Versionen einer Seite gleichzeitig miteinander verglichen. Die Variable n bezieht sich auf die Anzahl der Versionen, die getestet werden, von der zweiten Version bis zur „n-ten“ Version.

A/B/n-Testing ist multivariaten Tests ähnlich. Ein multivariater Test vergleicht ebenfalls mehrere Versionen einer Seite gleichzeitig, indem alle möglichen Kombinationen von Variationen zugleich getestet werden. Multivariates Testen ist umfassender als A/B/n-Testing und wird verwendet, um Veränderungen von spezifischen Elementen einer Seite zu testen, während A/B/n-Testing zum Test völlig unterschiedlicher Versionen einer Seite gegeneinander genutzt werden kann.

Warum ist A/B/n-Testing wichtig?

A/B/n-Testing hilft Ihnen zu verstehen, welches Website-Design ihre Nutzer am besten anspricht und die meisten Conversions erzeugt. Sie können mehrere Seiten gleichzeitig gegeneinander testen und die Daten nutzen, um zu bestimmen, welche Variante Verwendung finden soll.

Wenn beispielsweise ein Unternehmen mehrere konkurrierende Ideen für das beste Website-Layout hat, kann A/B/n-Testing verwendet werden, um jede Idee zu testen und eine Entscheidung auf Basis konkreter Daten zu treffen, die zeigen, wie eine Version die anderen übertraf.

Zusätzlich zur Entscheidungsfindung, welche Version einer Seite am erfolgreichsten ist, zeigt A/B/n-Testing ebenfalls auf, welche Version einer Seite am schlechtesten abgeschnitten hat. Durch Analyse dieser wenig leistungsstarken Seiten ist es möglich, Hypothesen aufzustellen, warum bestimmte Eigenschaften besser als andere Conversions erzeugen. Diese Erkenntnisse können dann in neuen Tests anderer Seiten der Website berücksichtigt werden.

Eine Fallstudie zum A/B/n-Testing

Ein Praxisbeispiel für A/B/n-Testing kommt vom Computerspiele-Hersteller Electronic Arts (EA), die im März 2013 eine neue Version ihres beliebten Computerspiels SimCity veröffentlichten. Im zuvor durchgeführten A/B/n-Test hatte EA mehrere konkurrierende, unterschiedliche Versionen ihrer Vorbestellungsseite erstellt, um zu ermitteln, welche am wirksamsten ist.

Durch den Test fand das EA-Team heraus, dass die Version der Seite ohne Sonderangebot am oberen Seitenrand 43 % besser abschnitt als die anderen Varianten im Test.

EA konnte aufgrund des Tests nicht nur eine deutliche Erhöhung der Vorbestellungen vermerken, sondern konnte zusätzlich die gewonnene Erkenntnis aus dem Test auf anderen Seiten ihrer Website anwenden und eine Erhöhung der Conversions auf der gesamten Website verzeichnen (lesen Sie die komplette EA-Fallstudie hier).

Potenzielle Nachteile des A/B/n-Testings

Wenn zu viele Variationen getestet werden (wenn eine Entscheidung für eine bestimmte nicht möglich ist), kann das zur weiteren Aufspaltung des Website-Traffics zwischen den vielen Variationen führen. Dies kann die erforderliche Zeit und den nötigen Traffic zum Erreichen statistisch signifikanter Ergebnisse erhöhen und im Verlauf zur Bildung eines „statistischen Rauschens“ führen.

Außerdem sollte man bei Durchführung mehrerer A/B/n-Tests nicht den Blick auf das große Ganze verlieren. Nur, weil verschiedene Variablen in den jeweiligen Experimenten am besten abgeschnitten haben, bedeutet das nicht immer, dass diese Variablen auch in ihrer Kombination gut funktionieren würden. Ziehen Sie auch multivariate Tests zum Testen aller Variationen in Betracht und stellen Sie sicher, dass Verbesserungen bei den wichtigsten Messgrößen sich auch bei Conversions bemerkbar machen.

Verwendung von Optimizely für A/B/n-Testing

Optimizely bietet eine Plattform zur effizienten und akkuraten Durchführung eines A/B/n-Tests. Sie begleitet Sie nahtlos durch den Testvorgang und stellt Ihnen am Ende detaillierte Testergebnisse zur Verfügung. Es bietet einen visuellen Editor, durch den Sie Änderungen durchführen können, ohne Programmieren zu müssen.

Beginnen Sie noch heute mit Optimizely zu testen und ziehen Sie Vorteil aus der Leistungsfähigkeit von A/B/n-Tests!

Bereit für mehr?

Jetzt unser kostenloses TESTING-TOOLKIT herunterladen: Bewährte Test-Ideen, Planungsvorlagen und vieles mehr für erfolgreiche A-B-Tests.
ANFORDERN