Conversion Whiteboard 3: Das 4-Felder-Modell des A/B-Testings
Liebe Freunde der gepflegten Konversion,
willkommen zu Teil 3 unseres Conversion-Whiteboards!
Das 4-Felder-Modell des A/B-Testings
Heute schauen wir uns verschiedene Arten von A/B-Tests im Hinblick auf ihren Aufwand und Impact an.
Das 4-Felder-Modell des A/B-Testings zeigt Euch, welche Methoden wirklich zur Conversion-Optimierung führen:
1. Der Traum aller Optimierer: “Low Hanging Fruits” (Wenig Aufwand – Hoher Impact)
2. Kleinvieh macht auch Mist: “High Frequency Testing” (in vielen kleinen Schritten zum Ziel)
3. Leider viel zu verbreitet: “Das Todesfeld” (Viel, aber schlecht durchdachter Aufwand – Kaum Impact)
4. Kontrastreich ans Ziel: “High Impact Testing” (Viel, aber clever durchdachter Aufwand – Hoher Impact)
In welchem Testingfeld testest Du?
Auch wenn viele Optimierer von den “Low Hanging Fruits” träumen, so bleiben sie meist ein Traum. Leider testen Viele blind durcheinander, bauen technische Fehler ein, verschwenden unnötig Geld und Ressourcen und lernen nichts daraus. Schlauer sind da schon die “High Frequency Tester”, die sich auf viele kleine Micro Conversions stürzen. Sie pushen die Conversions damit zwar nicht von jetzt auf gleich in atemberaubende Höhen, doch sie lernen aus jeder einzelnen Maßnahme und nähern sich so Schritt für Schritt dem Ziel. Besonders clever sind aber die “High Impact Tester”, die mit durchdachten Testkonzepten einen hohen Kontrast erzeugen. Viel Kontrast führt zu einer Änderung des Nutzerverhaltens und somit zu einem hohen Impact auf die Conversion Rate.
Wenn Ihr also einen ordentlichen Impact für Eure Conversion Rate erzielen möchtet, dann setzt auf clever durchdachte Testkonzepte! Einfach oder?
Bis zur nächsten Episode des Conversion Whiteboards!
(Alle bisherigen Videos des Conversion Whiteboards gibt es in unserem YouTube Channel)
1 Kommentar
Jochen Gustaf,
Mich hat immer gestört dass in A/B-Tests die Gruppen zufällig zusammengewürfelt sind. A/B-Tests bei denen in den Gruppen statistische Zwillinge sind, die Benutzer mit gleichem Besucherverhalten beinhalten, finde ich da viel intelligenter. Die Firma Akanoo setzt sowas beispielsweise ein.