Ratgeber · Testing
Shopify A/B-Testing: weniger Tests, bessere Entscheidungen
Die meisten Shops testen zu viel Kleines und zu wenig Grundsätzliches. Ein guter Test beantwortet keine Geschmacksfrage, sondern eine geschäftliche, und sein Ergebnis hält länger als die nächste Saison.
Auf einen Blick
- Zuerst die ehrliche Traffic-Frage: Statistische Aussagekraft braucht Menge.
- Was sich zu testen lohnt: Testen Sie Dinge, die eine Annahme über Ihre Kunden prüfen, nicht Dinge, die eine Vorliebe bestätigen..
- Der Aufbau, der Ergebnisse belastbar macht: Eine Hypothese in einem Satz: Wenn wir X ändern, steigt Y, weil Z.
- Die vier Fehler, die Ergebnisse wertlos machen: Zu früh abbrechen, mehrere Dinge gleichzeitig ändern, nach dem Test nach Segmenten suchen, in denen die Variante doch gewonnen hat, und Micro-Conversions als Erfolg verkaufen.
- Die Alternative bei wenig Traffic: Bei kleineren Shops arbeite ich mit belegten Mustern, sauberen Vorher-Nachher-Zeiträumen und qualitativen Signalen aus Session-Recordings und Kundenbefragung.
Zuerst die ehrliche Traffic-Frage
Statistische Aussagekraft braucht Menge. Wer 200 Bestellungen im Monat hat, kann keinen Unterschied von fünf Prozent nachweisen, und sollte auch nicht so tun.
Rechnen Sie vor jedem Test die nötige Laufzeit aus: erwartete Verbesserung, aktuelle Conversion-Rate, Bestellungen pro Woche. Kommt eine Zahl über acht Wochen heraus, ist die Idee kein Testkandidat, sondern eine Entscheidung.
Was sich zu testen lohnt
Testen Sie Dinge, die eine Annahme über Ihre Kunden prüfen, nicht Dinge, die eine Vorliebe bestätigen.
- Angebotslogik: Bundle gegen Einzelprodukt
- Versandkostenschwelle und ihre Kommunikation
- Reihenfolge der Inhalte auf der Produktseite
- Art der Beweisführung: Bewertungen gegen Fotos von Kunden
- Kaufen-Button mit Kostenübersicht gegen nackten Button
Der Aufbau, der Ergebnisse belastbar macht
Eine Hypothese in einem Satz: Wenn wir X ändern, steigt Y, weil Z. Eine Erfolgskennzahl, festgelegt vor dem Start, in der Regel Umsatz pro Session, nicht Klickrate.
Dazu ein festes Enddatum, gleiche Traffic-Quellen in beiden Varianten und keine parallelen Änderungen am Shop. Sonst messen Sie das Wetter.
Die vier Fehler, die Ergebnisse wertlos machen
Zu früh abbrechen, mehrere Dinge gleichzeitig ändern, nach dem Test nach Segmenten suchen, in denen die Variante doch gewonnen hat, und Micro-Conversions als Erfolg verkaufen. Jeder davon erzeugt Zahlen, die überzeugend aussehen und in die falsche Richtung führen.
Die Alternative bei wenig Traffic
Bei kleineren Shops arbeite ich mit belegten Mustern, sauberen Vorher-Nachher-Zeiträumen und qualitativen Signalen aus Session-Recordings und Kundenbefragung. Das ist weniger elegant als ein Testergebnis, aber deutlich besser als eine Meinung.
Shopify Conversion-Checkliste, kostenlos
Die Liste, mit der ich jeden Store zuerst durchgehe. Ohne Anfrage, ohne Verkaufsgespräch, Sie bekommen sie per E-Mail.
- 27 Prüfpunkte für Produktseite, Warenkorb und Checkout
- Die 6 häufigsten Umsatzkiller auf Mobile
- Rechenblatt: Was ein Prozentpunkt Conversion bei Ihnen bringt
Kein Newsletter. Eine E-Mail mit der Checkliste, mehr nicht.
Häufige Fragen
Ab wie viel Traffic lohnt sich A/B-Testing?
Als grobe Schwelle gelten rund 1.000 Bestellungen pro Monat. Darunter dauern aussagekräftige Tests so lange, dass Saison und Marktbewegung das Ergebnis verfälschen. Dann sind Best-Practice-Umbauten mit Vorher-Nachher-Messung der bessere Weg.
Wie lange muss ein Test laufen?
Mindestens zwei volle Wochen, immer über komplette Wochenzyklen und nie mitten in einer Kampagne oder einem Sale. Vorher abzubrechen, weil eine Variante führt, ist der häufigste Fehler überhaupt.
Was, wenn ein Test kein Ergebnis bringt?
Ein Test ohne Unterschied ist kein verlorener Test, sondern eine gesparte Fehlinvestition. Er verhindert, dass eine Idee dauerhaft ins Produkt wandert, die nichts bringt.
Welches Tool empfehlen Sie für Shopify?
Das Tool ist zweitrangig, solange es serverseitig oder ohne Flackern ausspielt und sich sauber mit Ihren Bestelldaten verbinden lässt. Wichtiger ist die Disziplin: eine Hypothese, eine Kennzahl, eine feste Laufzeit.