Website Conversion Optimierung 

Schritt 1. Analyse und Identifikation von Verbesserungspotenzialen

In die­sem Schritt wer­den mit­tels der Analyse ver­bor­gene Potenziale auf­ge­deckt. Anhand der quan­ti­ta­ti­ven Analyse des Nutzerverhaltens beant­wor­tet sich auch die Frage, wo diese zu fin­den sind. Als pri­mä­res Werkzeug kann ein Webanalysetool wie zum Beispiel Google Analytics ein­ge­setzt wer­den. Innerhalb der Qualitativen Methode kön­nen Usability Tests eben­falls zu wert­vol­len Erkenntnissen führen.

Nach der Analyse und der Identifikation von Verbesserungspotenzialen, soll­ten die Schwachstellen her­aus­ge­fun­den wer­den. Mit Aufmerksamkeitsanalysen wie Mouse Tracking oder Eye Tracking Simulationen kön­nen Elemente iden­ti­fi­ziert wer­den, die über­se­hen, falsch ver­stan­den wer­den oder als unwich­tig gel­ten. Gezieltere Einblicke könne zudem durch offene und/oder gezielte Befragungen der Nutzer, Einholung von Kunden-Feedbacks und ehe­ma­li­gen Test-Learnings gene­riert wer­den. Des Weiteren sollte das Wissen im Bereich Neuromarketing und der Konsumpsychologie mit­ein­be­zo­gen wer­den. Besonders wert­voll ist außer­dem der Einsatz von Personas oder Conversion-Frameworks.

Schritt 2. Eine aus­sa­ge­kräf­tige Hypothese entwickeln

Eine aus­sa­ge­kräf­tige Hypothese unter­stützt bei der Testerstellung und Auswertung. Diese sollte die fol­gen­den Informationen beinhalten:

1. Welches Nutzerverhalten wurde inner­halb der Analyse beobachtet?
2. Welche Veränderung soll anhand eines Tests unter­sucht werden?
3. Welches Segment an Nutzern soll an dem Test teilnehmen?
4. Welche Veränderung im Nutzerverhalten soll durch den Test bei den Nutzern bewirkt werden?
5. Welches zu mes­sende Ziel ent­schei­det über Erfolg oder Misserfolg?

Oftmals ent­ste­hen meh­rere Hypothesen für ein­zelne URLs. Damit nicht meh­rere Tests eine ein­zige URL ansteu­ern, soll eine Priorisierung der Hypothesen vor­ge­nom­men wer­den. Bei die­sem Prozess wird die Hypothese mit dem größ­ten Verbesserungspotenzial ana­ly­siert, sodass die­ses zuerst ange­gan­gen wer­den kann. Empfohlen wird hier­bei die Verwendung eines Bewertungssystems mit fes­ten Kriterien, wel­ches das Rating diver­ser Hypothesen begünstigt.

Schritt 3. Variation- Herausforderung des Status quo 

Nachdem die Hypothese aus­ge­wählt wurde, die das größte Verbesserungspotenzial auf­weist und damit am viel­ver­spre­chends­ten für das Unternehmen ist, erfolgt die Umsetzung der Variationen für den bevor­ste­hen­den A/B/n‑Test.

Das A/B/n- Testing ist eine Variante des Website-Testing, in der meh­rere Versionen einer Website mit­ein­an­der ver­gli­chen wer­den, um die Version mit der höchs­ten Conversion Rate zu ermit­teln. Der Traffic wird dabei zufäl­lig auf­ge­teilt und gleich­mä­ßig auf die ver­schie­de­nen Versionen gelei­tet. Design und Copy soll­ten sowohl in Kombination als auch iso­liert von­ein­an­der getes­tet wer­den. Testet man bei­spiels­weise die Veränderung der Überschrift und des Hero-Shots, so ent­ste­hen hier­durch drei Variationen. Diese wer­den in Hauptbild (1), die Überschrift (2) und in Hauptbild und die Überschrift (3) unter­teilt. Diese Kategorisierung ermög­licht die Interpretation von Ergebnissen und die kor­rekte Einschätzung von Auswirkungen. In die­sem Fall gilt der Test als multivariat.

Schritt 4. Konfigurierung des A/B/n‑Test

Die fer­tig gestal­te­ten bzw. getes­te­ten Variationen wer­den in die­sem Schritt in das Testing-Tool über­tra­gen. Für ein­fa­che Anpassungen kann ein visu­el­ler Editor ver­wen­det wer­den, der keine Programmierkenntnisse erfor­dert. Natürlich kön­nen auch hoch­kom­plexe Variationen mit umfang­rei­chen Programmieraufwand inner­halb der Testing-Tools rea­li­siert wer­den. Durch das Targeting wer­den die Geräte, auf dem der Test lau­fen soll und die Nutzersegmente, die soge­nannte Audiences, defi­niert. Darüber hin­aus wird bestimmt, ob nur ein Teil des Traffics oder der gesamte Traffic aus­ge­spielt wer­den soll. Die eigene IP, unter­neh­mens­zu­ge­hö­rige Dienstleister und Nutzer mit bereits vor­han­de­ner Cookie-ID soll­ten im Rahmen des Targetings aus dem Test aus­ge­schlos­sen wer­den. Andernfalls sind die Ergebnisse nicht ren­ta­bel. Sowohl das pri­märe Ziel als auch belie­big viele Sekundärziele wer­den inner­halb des Tests ein­ge­stellt. Dabei ist es wich­tig, auch viele Sekundärziele zu tra­cken, um die spä­te­ren Ergebnisse noch genauer inter­pre­tie­ren zu kön­nen. Abschließend wird die Qualitätssicherung vor­ge­nom­men, die die Darstellung und Funktionen auf gän­gi­gen Geräten und Browsern prüft. Bei die­sem Vorgang kön­nen auch Ladezeiten über­prüft wer­den und gege­be­nen­falls mini­miert wer­den. Zu guter Letzt wer­den die Funktionalitäten des Conversion Tracking getes­tet und der Test wird gestartet.

Schritt 5. Monitoring- Performance von Original und Variationen messen

Während der Test aktiv ist, kön­nen die Originalseite und die Variationen zeit­gleich den Test online durch­lau­fen. Die dabei ent­ste­hende JavaScript-Manipulation durch die Ausspielung ver­hin­dert dabei, dass die Besucher nicht erken­nen, dass sie sich gerade in einem Test befin­den, da sowohl die URL der Seite als auch die URL der Variationen gleich­bleibt. Ein Vergleich meh­re­rer URLs ist aber auch mög­lich. Dafür wird ein Split URL Test ver­wen­det. Anfänglich sollte die kor­rekte Messung der Conversion-Ziele über­prüft wer­den. Ist die Messung kor­rekt, heißt es erst­mal abzu­war­ten. Der Test sollte für min­des­tens eine Woche lau­fen, bevor Anpassungen in der Traffic-Verteilung vor­ge­nom­men wer­den oder Variationen, die unter dem Durschnitt lie­gen, abge­schal­tet wer­den. Ebenfalls soll­ten Textseiteninhalte wäh­rend der Zeit nicht ange­passt wer­den. Müssen Textinhalte für die spä­tere Interpretierbarkeit eine Veränderung durch­lau­fen, so sollte die­ses Vorgehen doku­men­tiert werden.

Der Test ist abge­schlos­sen, wenn die gewünschte sta­tis­ti­sche Signifikanz, typi­scher­weise um die 90 % oder mehr liegt und eine Laufzeit von min­des­tens einer Woche vor­liegt. 250 Conversions im Original und je Variation soll­ten min­des­tens erreicht wor­den sein. Möglichst par­al­lel ver­lau­fende Graph-Kurven der kumu­la­ti­ven Conversion-Rates des Originals und der selek­tier­ten Variation soll­ten ein mög­lichst ver­läss­li­ches Ergebnis skizzieren.

Schritt 6. Interpretation und Auswertung

Um lang­fris­tige Erfolge gene­rie­ren zu kön­nen, soll­ten alle Ergebnisse nach jedem Test aus­ge­wer­tet, inter­pre­tiert und doku­men­tiert wer­den. Inhalte wie die Hypothese, der Vergleich von Original und den Variationen, die Darstellung der Ergebnisse und gege­be­nen­falls vor­lie­gende Anmerkungen bezüg­lich der Verteilungsänderungen des Traffics soll­ten in das Reporting mit­in­k­lu­diert wer­den. Die Fragen wie die Ergebnisse erklärt wer­den kön­nen und wel­che Erkenntnisse dar­aus gewon­nen wur­den, soll­ten am Ende des Tests beant­wor­tet werden.

Eine enorme Akzeptanz der ange­streb­ten Conversion-Strategie kann durch die Publikation der Ergebnisse inner­halb des Unternehmens auf­ge­baut wer­den. Dabei wird der Unternehmenserfolg in der Gemeinschaft zele­briert. Darüber hin­aus pro­fi­tie­ren auch die Bereiche wie Sale oder Offline-Marketing von den Testergebnissen, um diese an ande­ren Stellen posi­tiv ein­set­zen zu können.

Schritt 7. Implementierung

Die Siegervariation sollte zeit­nah fest in die Website imple­men­tiert wer­den. Ist der siebte Schritt abge­schlos­sen, beginnt der Prozess wie­der bei Schritt eins.

Die Optimierung sollte regel­mä­ßig und dau­er­haft statt­fin­den. Deshalb sind regel­mä­ßige Feedbacks von allen betrof­fe­nen Stakeholdern sinn­voll, um die Ziele und Erwartungen abzu­glei­chen und Hindernisse früh­zei­tig zu erkennen.