Case Study · Fashion E-Commerce · Name auf Kundenwunsch anonymisiert
Eine bekannte deutsche Modemarke mit Filialnetz und großem Onlineshop. Am Anfang stand die Frage, warum Kunden im Shop zögern. Am Ende stand ein Programm mit 50 bis 60 Experimenten im Jahr und Testing-Wissen in jedem Team.
Ausgangslage
Der Shop hatte Millionen Besucher im Monat. Änderungen wurden nach Meinung entschieden, Tests gab es nur vereinzelt. Bevor wir den ersten Test gebaut haben, wollten wir verstehen, was die Kundinnen und Kunden dieser Marke vom Kauf abhält.
Dazu kamen Expertenreviews, Nutzerinterviews im Motivation Lab und ein Roadmap-Workshop mit dem E-Commerce-Team. Ergebnis der Analysephase: 56 priorisierte Testideen, jede mit einer Begründung aus dem Kundenverhalten.
Was wir über die Kunden herausgefunden haben
Im Motivation Lab sagten viele, sie kaufen lieber in der Filiale, weil online Versandkosten anfallen. Dass die Lieferung in die Filiale kostenlos war, wussten die wenigsten. Der Warenkorb war damit die größte Hürde.
Die Zielgruppe ist sehr preisbewusst. Eine neue Preisdarstellung brachte trotzdem keinen messbaren Effekt. Was wirkte, war das Argument Sparen: nicht der Preis selbst, sondern das Gefühl, eine gute Entscheidung zu treffen.
Und der Shop sprach kaum mit seinen Nutzern. Positive Rückmeldungen entlang der Customer Journey, etwa nach dem Einlegen in den Warenkorb, hielten die Kaufmotivation hoch.
Was wir getestet haben
Cheering: positive Bestätigung an mehreren Stellen im Funnel. +1,95 % Conversion Rate.
Versandkosten: Hinweis auf die kostenlose Filiallieferung schon im Warenkorb. +3,2 % Conversion Rate und mehr Filiallieferungen.
Nudges: Hinweise auf Suche und Filter, weil Nutzer, die sie verwenden, deutlich besser konvertieren. +2,06 % Conversion Rate.
Preisdarstellung: kein signifikanter Effekt. Die Erkenntnis daraus floss in spätere Tests zur Kommunikation von Ersparnis.
Danach ist das Programm gewachsen: auf 50 bis 60 Experimente pro Jahr. Testing-Wissen sitzt heute in jedem Produktteam, und die Organisation ist im G.R.O.W.-Modell zwei Reifegrade aufgestiegen.
Ergebnis
Das ROI-Modell haben wir gemeinsam mit dem Kunden in einem Workshop aufgestellt. Gerechnet wird mit Nettoumsatz nach Retouren, nur für die getesteten Segmente und Devices, mit Abschlag für Sale-Phasen, zeitlicher Abschreibung und einer Dämpfung, wenn sich Effekte mehrerer Tests überlagern. Die Zahl ist damit eher zu niedrig als zu hoch.
D2CRapid Growth Engine
+54 %
Conversion Rate in drei Monaten
KI liefert Kundenverständnis und Tests in Tagen statt Wochen. 59 % der Experimente gewinnen, der Benchmark liegt bei 20 bis 30 %.
ElektronikPersonalisierung
+18,2 %
mehr Umsatz
Aus 200 Datenpunkten entsteht in Echtzeit ein Profil für jeden Besucher. Die Ansprache passt sich an, lange bevor der Checkout beginnt.
Conversion-Optimierung
+44,88 Mio. €
Nettoumsatz in drei Jahren
Ein Motivation Lab zeigte, warum Kunden im Shop zögern. Daraus wuchs ein Programm mit 50 bis 60 Experimenten im Jahr.
TelekommunikationConversion-Optimierung
+30 %
mehr Bestellungen, kumuliert
Ein Proof of Concept mit vorab vereinbarten Uplift-Zielen hat den Wert von Experimentation belegt. Heute steuert freenet das Programm selbst.
B2B-SoftwareKundenzentrierung
+5,2 Mio. €
Umsatz
Aus Personas und Jobs to be done entstanden 33 Tests mit 52 % Erfolgsquote. Kundenzentrierung wurde so Teil der täglichen Arbeit.
Conversion-Optimierung
+22,8 Mio. €
Wertbeitrag pro Jahr
Unsere Expertinnen und Experten haben das interne Team ergänzt. Heute wird jede wichtige Entscheidung vorher getestet.
SchuheRelaunch-Absicherung
+16,2 %
Uplift nach dem Redesign
Jede große Änderung wurde vor dem Livegang im A/B-Test geprüft. So wurde aus dem Risiko eines Relaunchs ein messbarer Gewinn.
Rapid Growth Engine
1.493 %
ROI in zwei Jahren
Als externes Growth Team haben wir Tempo und Trefferquote der Tests gesteigert. Daraus entstand unser Modell für schnelles Testen im D2C.
SchulbedarfPersonalisierung & MVP
+32 %
höhere Conversion Rate
Konzept und Shop-Modul entstanden in je einer Woche. Nach fünf Wochen Erprobung war der Nutzen der neuen Personalisierung belegt.
LebensmittelhandelPersonalisierung
3 Segmente
pro Kanal als Startpunkt
Jeder Kanal bekam eine eigene Roadmap mit priorisierten Use Cases. Abhängigkeiten zwischen den Kanälen sind jetzt sichtbar und planbar.
Online-Marketing
+6,7 %
Kaufinteresse durch das stärkere Motiv
Motive und Botschaften einer großen Imagekampagne wurden vorab mit der Zielgruppe verglichen, auch zwischen Märkten.
TelekommunikationDesign Sprints
4 Tage
vom Problem zum getesteten Prototyp
Alignment, Lösungsideen, Prototyp und User Lab in einem Sprint. Entschieden wird auf Basis von Beobachtung statt Meinung.
Schreib uns, woran du gerade arbeitest. Wir melden uns innerhalb von 48 Stunden. Ein vertrauliches Referenzgespräch ist auf Anfrage möglich.
