Grundlage des Testerfolgs: gute Hypothesen formulieren

Website-Optimierung mit A/B-Tests ist weitgehend sinnlos, wenn die Tests nicht auf guten Hypothesen beruhen. Erst die Überprüfung von Hypothesen sorgt dafür, dass Tests einen Lerneffekt haben, und erst durch solche Lerneffekte ist eine nachhaltige Optimierung möglich. Zu diesem Thema haben wir kürzlich ein Webinar angeboten (Aufzeichnung ansehen). Dieser Text beantwortet drei wichtige Fragen, die bei der Vorbereitung solcher Tests helfen.

A/B-Tests gehören zu den effektivsten Methoden, nachhaltig den Erfolg einer Website zu steigern – solange einige Voraussetzungen erfüllt sind. Dabei sprechen wir diesmal nicht von Voraussetzungen, die die Website erfüllen muss, sondern von solchen, die das Testverfahren erfüllen muss. Dazu gehören gute Hypothesen.

Wie sind gute Hypothesen aufgebaut?

Eine gute Hypothese für A/B-Tests besitzt die Struktur

• „Wenn…,
• dann…,
• weil…“.

Also: Wenn man Element X soundso verändert, dann passiert Y aus dem Grund Z. Die Hypothese sollte eine klare Aussage beinhalten und ihr vermuteter Einfluss auf das Besucherverhalten und relevante KPI (zum Beispiele die Anzahl der Verkäufe oder de Absprungrate) sollte groß sein.

Falsch wäre es, sich bei der Hypothesenbildung aufgrund eines Bauchgefühls irgendein Website-Element auszusuchen, dessen Veränderung anschließend getestet wird. Stattdessen sind vor allem quantitative Datenanalysen und (seltener) qualitative Analysen (z.B. Usability-Tests im Labor) der erste Schritt, um Ziele eines Testings zu definieren.

Beispiel für den Ablauf einer Hypothesenbildung:

Situation: Die Webanalyse und eine spezielle Formularanalyse zeigen eine hohe Absprungrate beim Onlineformular zur Registrierung als Bestandskunde.

Ziel: Abbruchrate im Onlineformular senken.

Allgemeine Hypothese: Das Onlineformular ist zu umständlich auszufüllen.

Konkrete Hypothese:Wenn wir eine Auto-Fill-Funktion für das Adressfeld einfügen, dann werden mehr Besucher das Formular fertig ausfüllen, weil das Ausfüllen damit komfortabler ist und schneller geht.

Diese konkrete Hypothese kann nun getestet werden und wird ein konkretes Ergebnis bringen.

Unabhängig davon, ob der Test die Hypothese bestätigt oder verwirft – es gibt in jedem Fall einen Lerneffekt, so dass auch die „gescheiterte“ Hypothese ein wertvoller Beitrag zur nachhaltigen Conversion-Optimierung ist!

Heuristiken: Funktioniert die Seite in den fünf Phasen des Seitenbesuches?

Wir unterteilen die Aufgaben einer Internetseite während des Website-Besuchs eines potenziellen Kunden in die fünf Phasen Auffangen, Informieren, Überzeugen, Begeistern und Führen:

• Auffangen: Der potenzielle Kunde muss das Gefühl haben, auf der Seite richtig gelandet zu sein.
• Informieren: Er sollte über das Angebot auf der Seite informiert werden.
• Überzeugen: Jetzt sollte man ihm Argumente liefern, warum das Angebot für ihn richtig ist.
• Begeistern: Danach kann eine emotionale Ansprache folgen.
• Führen: Schließlich kann er zur Conversion geführt werden.

Diese Einteilung in Phasen kann nützlich für die Hypothesenbildung sein, wenn man sich fragt, ob die Seite alle Phasen abdeckt und ob die Aufgaben in der richtigen Reihenfolge angegangen werden. Auch hier sollte man sich nicht aufs Bauchgefühl verlassen.

Hat man z.B. das Gefühl, dass die Seite Besucher schlecht auffängt, kann nur ein Analyse-Tools helfen, zu belegen, ob dieses Gefühl stimmt. Ein Hinweis wäre z.B. eine hohe Bounce-Rate, also ein großer Anteil von Websitebesuchern, die innerhalb weniger Sekunden wieder verschwinden. Die Hypothesenbildung sollte sich dann am Ziel orientieren, Besucher besser aufzufangen.

Tool, um Hypothesen zu finden?

Bereits mehrfach erwähnt wurde die Bedeutung von Webanalyse-Tools für die Hypothesenbildung. Sie belegen mit Daten, wo man auf der Website mit der Optimierung beginnen sollte. Daten wie die Absprungrate belegen Schwächen der Website. Kennziffern wie die Zahl der Seitenbesucher geben Hinweise darauf, wo sich eine Optimierung vor allem lohnt.

Neben Webanalyse-Tools eignen sich weitere Tools als Hilfe bei der Suche nach guten Hypothesen. Eines davon ist EyeQuant. Es ermöglicht auf Basis empirischer Daten, die in Eye-Tracking-Laboren gewonnen wurden, eine Vorhersage, welche Bereiche einer Internetseite besondere Aufmerksamkeit genießen und welche eher unbeachtet bleiben.

Eine solche Analyse könnte zeigen, dass ein informierendes oder überzeugendes Element auf einer Seite mit hoher Absprungrate kaum wahrgenommen wird. Dann könnte eine Testhypothese sein, dass eine Neuplatzierung des Elements diesem mehr Aufmerksamkeit bringt, dadurch seine Wirksamkeit stärkt und damit die Conversion-Rate steigert.

Mousetracking-Tools sind ebenfalls sinnvolle Instrumente zur Hypothesenbildung, weil sie Aussagen über den Erfolg von Links auf einer Internetseite ermöglichen.

Zwar können auch Webanalysetools zeigen, wie viele Besucher von welcher Seite einer Website auf welche gewechselt haben und erlaubt damit ebenfalls Aussagen über die Nutzung von Links. Allerdings zeigt die Webanalyse nicht, welche der Verlinkungen Besucher genutzt haben, wenn mehrere verlinkte Elemente zum selben Ziel führen. Das ist beispielsweise der Fall, wenn auf der Startseite eines Onlineshops sowohl ein Menüpunkt als auch ein Teaser-Bild zu einer bestimmten Kategorie führen.

Ebenfalls nur durch ein Mousetracking erfährt man, wenn viele Menschen auf ein Seitenelement klicken, das gar nicht verlinkt ist. Auch das ist ein Indiz, dass auf der Seite nicht alles so läuft, wie es sollte.

***** Extras:

• Webinaraufzeichnung „Testideen und -Hypothesen finden“ ansehen.
• Praxisguide „Testhypothesen und -ideen priorisieren“