How to: Die optimale Hypothese als Basis für einen erfolgreichen A/B-Test

/ Onlineshop Optimierung - Zurück zur Übersicht

Titelbild zum Blogbeitrag Die optimale Hypothese für deinen A/B Test

Eine Testhypothese ist eine zentrale Komponente im Testprozess, die es CRO-Teams ermöglicht, ihre Annahmen zu überprüfen und fundierte Entscheidungen zu treffen. Deshalb ist eine gute Formulierung ausschlaggebend für den Erfolg eines A/B-Tests (auch Split-Test genannt) und kann dabei helfen, Zeit und Ressourcen effizient einzusetzen. 

In diesem Artikel werden wir uns genauer mit dem Konzept der Testhypothese befassen und warum es gar nicht so einfach ist, eine gute Testhypothese aufzustellen.

Was ist eine Testhypothese?

Ein Blick in den Duden verrät, dass hinter einer Hypothese (vom griechischen “hypothesis”, wörtlich “Unterstellung”) eine “von Widersprüchen freie, aber zunächst unbewiesene Aussage, Annahme (von Gesetzlichkeiten oder Tatsachen) als Hilfsmittel für wissenschaftliche Erkenntnisse” steckt. 

Um eine Hypothese aufzustellen, die zu einem erfolgreichen (A/B-)Test führt, bedarf es allerdings mehr. Sie müssen folgende Kriterien erfüllen, damit sie wissenschaftlichen Charakter aufweisen: 

  • verifizierbar / falsifizierbar (können bestätigt oder widerlegt werden)
  • eindeutig (widerspruchsfrei)
  • nachvollziehbar (begründet)
  • messbar bzw. operationalisierbar (in Variablen übersetzbar)

Eine Testhypothese besteht normalerweise aus zwei Teilen: einer unabhängigen Variable und einer abhängigen Variable. Die unabhängige Variable ist die Änderung oder das Feature, das getestet werden soll, während die abhängige Variable das erwartete Ergebnis oder Verhalten ist.  In der Regel legt man Hypothesen als Konditionalsatz mit “wenn…, dann…” oder “je…, desto…”-Formulierungen fest.

 

Beispiele:

  • "Wenn wir die Ladezeit der Webseite optimieren (unabhängige Variable), dann wird die Absprungrate um 20% reduziert (abhängige Variable).”
  • “Je größer der Aktions-Button gestaltet ist (unabhängige Variable), desto höher ist die Conversion Rate (abhängige Variable).”

Step by Step zur optimalen A/B Testhypothese:

Das Aufstellen einer guten Testhypothese kann eine Herausforderung sein, da es eine sorgfältige Analyse und Planung voraussetzt. Was du abseits der oben bereits genannten, erforderlichen Kriterien für eine wissenschaftliche Hypothesenformulierung beachten musst, haben wir nachstehend für dich zusammengefasst:

1. Verstehe das Problem:

Am Anfang steht immer ein Problem -  analysiere die Herausforderung, die du mit dem A/B-Test lösen möchtest. Stell dabei immer deine Nutzer:innen oder Kund:innen in den Fokus und versuche dich bei der Formulierung der Hypothese an den Motivationen und Bedürfnissen deiner Zielgruppe zu orientieren. Identifiziere, welche Variablen und Faktoren der Grund für dieses bestehende Problem sein und das Ergebnis beeinflussen könnten.

Einige Informationsquellen und Tools, die dir beim Aufdecken von Problemen helfen können: 

  • Web-Analyse-Tools: Tools wie Google Analytics, Adobe Analytics oder Matomo (ehemals Piwik) ermöglichen es dir, umfangreiche Daten über das Verhalten deiner Besucher:innen zu sammeln. Sie können dir Informationen über Seitenaufrufe, Verweildauer, Absprungraten und Conversions liefern und so helfen, Problembereiche zu identifizieren und Verbesserungspotenziale zu erkennen.
  • Heatmap-Tools: Tools wie Hotjar oder Crazy Egg bieten Heatmap-Funktionen, mit denen du sehen kannst, wo Besucher:innen auf deiner Website klicken, scrollen oder ihre Maus bewegen. Durch die Analyse dieser Daten lässt sich herausfinden, welche Bereiche deiner Website Aufmerksamkeit erregen oder vernachlässigt werden.
  • Conversion-Tracking: Durch das Einrichten von Conversion-Tracking-Möglichkeiten kannst du zB den Erfolg deiner Marketingkampagnen und den Umsatz in deinem Onlineshop verfolgen. Unter anderem Google Ads oder Facebook Pixel ermöglichen es dir, Conversions zu messen und zu analysieren, welche Marketingkanäle die besten Ergebnisse liefern.
  • Usability-Tests: Durch die Durchführung von Usability-Tests kannst du echte Benutzer:innen (Fokusgruppe) einladen, deine Website oder deinen Onlineshop zu testen und Feedback zu geben. Das kann dir helfen, Probleme in der Benutzer:innenerfahrung zu identifizieren und zu verstehen, wie Besucher:innen mit deiner Website interagieren. Diese qualitativen Daten beziehen sich zwar nur auf eine kleine Stichprobe, können aber tiefgehendere Informationen und Probleme aufdecken, die man mit quantitativen Methoden nicht hätte erfassen können.

2. Definiere Ziele und Metriken:

Du musst wissen, was du wissen willst. Eine gute Testhypothese erfordert klare Ziele und Metriken, um den Erfolg des A/B Tests zu messen. Es ist wichtig, dass du dir vorab gründlich überlegst, welche spezifischen Ergebnisse oder Verhaltensänderungen du erwartest und wie diese gemessen werden können. Ohne klare Ziele und Metriken kann es schwierig sein, den Erfolg oder Misserfolg eines Tests zu bewerten. Stelle eine klare und präzise Aussage auf, die deine Vermutung darüber beschreibt, wie sich die Änderung oder das Feature auf das Verhalten oder die Leistung der Anwendung auswirken wird. Achte unbedingt darauf, dass die Hypothese messbar und überprüfbar ist.

3. Mach große Unterschiede in den Testvarianten:

Damit dein A/B Test ein signifikantes Ergebnis liefert, musst du darauf achten, dass sich deine Testvarianten deutlich voneinander unterscheiden. Zu kleine Adaptierungen reichen oft nicht aus, um ein klares Resultat und zB eine deutliche Steigerung der Conversion Rate zu erzielen.

4. Verändere nur einen Faktor:

Damit du am Ende des Tests sicher sein kannst, dass die in der Hypothese enthaltene Ursache auch tatsächlich der Verursacher der angenommenen Wirkung ist, sollte normalerweise nur ein Faktor / eine Variable verändert werden. 

In der Hypothese “Wenn wir die Ladezeit der Webseite optimieren und im Checkout mehr Zahlungsmöglichkeiten anbieten, dann wird die Absprungrate um 20% reduziert” ist genau das nicht gegeben. Es sind zwei unabhängige Variablen enthalten, was dazu führt, dass nach Abschluss des Tests nicht feststehen wird können, welche der beiden Variablen der ausschlaggebende Faktor für die Verifizierung oder Falsifizierung der Hypothese ist und so kein eindeutiges Ergebnis erzielt werden kann.

 

Fazit

Ein gelungener A/B Test setzt eine durchdacht formulierte Hypothese voraus. Das Aufstellen einer optimalen Testhypothese erfordert zwar Zeit und Mühe, ist aber ein wichtiger Schritt, um fundierte Entscheidungen zu treffen und die Qualität und Leistung deines Testobjektes (sei es eine Produktdetailseite, Landingpage oder Werbekampagne) zu verbessern. Indem du klare Ziele setzt, mögliche Störfaktoren berücksichtigst und deine Testvarianten ausreichend stark änderst, legst du die Basis für einen effektiven Testprozess und zuverlässige Ergebnisse.

Du wünscht dir Unterstützung bei der Umsetzung deiner A/B Test? Wir sind für dich da.