Webseiten-Optimierung:

Unsortierte Ideen sind furchtbar!

05-11-2014_conversionboosting.com_praxisguide-testhypothesen-und-ideen-priorisieren.pdfFinden Sie Ideen auch so furchtbar? Sie sind oft wie eitle Kobolde, insbesondere, wenn sie in Scharen auftreten.

 

Dann wuseln sie einem bisweilen bereits zum Frühstück im Kopf herum. Jede buhlt um volle Aufmerksamkeit und will die erste sein, die weitergedacht und umgesetzt wird. Sie lassen einem kaum Zeit für Kaffee und Brötchen und Marmelade. Oh ja, Ideen sind schrecklich.

 

Und schreckliche Ideen werden zu schrecklichen Hypothesen, die einem den Schlaf rauben. Furchtbar!

 

Ideen sind natürlich NICHT furchtbar. Jedenfalls nicht immer. Und ohne Ideen ist alles nichts. Auch in der Conversion-Optimierung. Ohne Ideen keine Hypothesen und ohne Hypothesen keine effizienten Tests, durch die kommerzielle Websites erfolgreicher werden.

 

Deshalb entwickelt eine gute Agentur für Conversion-Optimierung ganz viele Ideen, was man einmal an möglichen Verbesserungen einer Website testen könnte. Und es sammelt zusätzlich Ideen aus anderen Abteilungen und sammelt und sammelt immer mehr. Und es baut aus Ideen Hypothesen, bis... es fast in ihnen ertrinkt. Genau das darf natürlich nicht passieren, denn dann wären Ideen und Hypothesen tatsächlich furchtbar.

 

Um das zu verhindern, gehört es zu einer Website-Optimierung mit  A/B-Testings auf jeden Fall dazu,  vorliegende Ansätze richtig einzuschätzen und zu priorisieren. Wenn Sie sich mit einer konkreten Hypothese beschäftigen, sollten Sie den möglichen Einfluss der Hypothese auf das Gesamtprojekt betrachten.

 

Aber wie schätzt man die Höhe dieses Einflusses realistisch ein? Beispielsweise durch Antworten auf die folgenden fünf Fragen. Die Antworten lassen sich in Zahlen ausdrücken. Und die können wiederum in eine Formel einfließen, mit der die Wichtigkeit einer Testhypothese bewertet wird. Höhere Werte = höhere Bedeutung. So schafft man Ordnung, damit Testideen und Hypothesen nicht nerven.

 

Detailliert wird das Procedere im Praxisguide “Testhypothesen und -ideen priorisieren” des Unternehmens ConversionBoosting beschrieben. Weitere Informationen zum Thema gibt es aber auch hier im Artikel. Klären wir hier zunächst, wie die Fragen lauten, um die es geht.

Wie viele Besucher werden Testteilnehmer?

Für eine realistische Einschätzung sollte man bei dieser Frage zuerst bestimmen, ob der Test nur für einzelne Segmente der Webseite oder für alle Seiten ausgelegt ist.

 

1. Nur bestimmte Segmente werden getestet

Ein Test schließt bisweilen nur das Verhalten einer bestimmten Besuchergruppe ein. Ein Beispiel für solch eine Gruppe sind Besucher, die über eine Suchmaschine auf die Webseite gelangen. Eventuell möchte man sie auf einer bestimmten Landingpage empfangen und testet dafür bestimmte Landingpage-Varianten. Der Anteil derjenigen am gesamten Traffic, die über Suchmaschinen und eine Landingpage auf die Website kommen, liegt beispielhaft bei 50%. Änderungen auf der Landingpage sind dann ebenfalls nur für 50% aller Besucher relevant. Das muss man bei der Berechnung des Gesamterfolgs der Website berücksichtigen.

Beispielrechnung

Vor dem Test liegt die Conversion-Rate auf der gesamten Website bei 2%. Nach dem Test hat sich die Conversion-Rate bei der für den Test relevanten Gruppe der Besucher, die die Website über eine Suchmaschine und eine Landingpage erreichen, von 2% auf 3% erhöht. Das bedeutet eine Erhöhung von 50%. Da die über Suchmaschinen kommenden Besucher aber „nur“ für 50% aller Besucher stehen, hat sich die gesamte Conversion-Rate „nur“ um 25% auf 2,5% erhöht.

 

Ein weiteres Beispiel für Segment-Tests sind Tests im Checkout-Bereich, der häufig nur von einem geringen Bruchteil der Besucher erreicht wird. Auch Tests, die sich auf bestimmte Kategorie-Seiten beziehen, sind passende Beispiele. Und es gilt: Je geringer die Zahl der Teilnehmer am Test im Verhältnis zum Gesamttraffic der Website ist, desto geringer ist der Einfluss des Tests auf die gesamte Conversion-Rate.

 

2. Der Test betrifft alle Seiten

Betrifft die Hypothese einen Bereich wie den Header oder wird eine einzelne Landingpage getestet, die auf Unterseiten verzichtet und nicht auf einen Onlineshop weiterleitet, sondern beispielsweise sofort eine Produktbestellung ermöglicht (z.B. DSL Anschluss), dann entsprechen durch Tests veränderte Conversion-Raten zu 100% der Gesamt-Conversion-Rate. Der Einfluss solcher Hypothesen auf den Gesamterfolg der Website ist also größer.

Wie wichtig ist die jeweilige Seitenkategorie?

Hypothesen beziehen sich immer auf eine bestimmte Seitenkategorie und nicht jede Seitenkategorie hat denselben Einfluss auf die Entscheidungen der Besucher. Vor allem bei Webseiten, die viele verschiedene Seitenkategorien aufweisen, kann der Einfluss einer Hypothese daher äußerst unterschiedlich ausfallen. Grundsätzlich gilt:

 

Je häufiger und/oder länger eine Seite eines Internetauftritts gesehen wird, desto relevanter werden Veränderungen auf der Seite für den Gesamterfolg. Häufig angesteuert wird etwa die Startseite eines Onlineshops, relativ lange verbleiben  potenzielle Käufer beispielsweise auf einer Produktseite.

 

Es ist sinnvoll, im Rahmen der Conversion-Optimierung einzelnen Seitenkategorien konkrete Werte zuzuordnen, die für den Einfluss der jeweiligen Seite auf die Kundenentscheidung stehen. Entscheiden Sie aber nicht alleine aus dem Bauch heraus, welche Seitenkategorie welchen Einfluss besitzt. Ermitteln Sie stattdessen mithilfe von Webanalyse-Tools, wie viel Zeit Besucher durchschnittlich auf bestimmten Seiten verbringen und wie häufig die Seite direkt vor einer Kauf- beziehungsweise Handlungsentscheidung besucht wird.

Welchen Einfluss hat das gewählte Test-Element?

Unterschiedliche Elemente auf einer Internetseite haben auch unterschiedlichen Einfluss auf die Kundenentscheidung. So besitzt eine zentral platzierte Überschrift auf der Landingpage in der Regel einen größeren Einfluss auf die Kundenentscheidung als ein Fließtext am Ende der Seite.

 

Zwar ist es abhängig von Art und Ziel der Webseite, welche Elemente welchen Einfluss haben. Allerdings gibt es eine Grundregel, die das Bewerten der Elemente vereinfacht: Je größer das Element ist und je weiter es oben platziert wird, desto größer ist sein Einfluss.

Wie groß ist die Veränderung?

Je kleiner und unauffälliger die Veränderung durch die Hypothese ist, desto geringer ist ihr Einfluss. Zeigt man etwa vier anstelle von drei Produktempfehlungen, ist das eine Veränderung ohne großen Einfluss auf die Kundenentscheidung. Verdoppelt man hingegen die Größe des Produktbildes und zeigt zusätzlich mehr Bilder als zuvor, ist die Veränderung der Seite groß.

Löst die Hypothese eventuell ein bestehendes Problem?

Bietet die Hypothese möglicherweise einen konkreten Lösungsweg für ein bestehendes Problem, ist die Wahrscheinlichkeit sehr hoch, dass sie positiven Einfluss auf den Website-Erfolg haben wird. Aber wie erkennt man ein Problem? Es gibt quantitative und Qualitative Indizien.

 

Quantitative Hinweise auf ein bestimmtes Problem können beispielsweise sein:

 

  • Hohe Absprungrate auf Einstiegsseiten.
  • Hohe Ausstiegsrate in Trichtern (z.B. Check-Out).
  • Viele Korrekturen in Formularen

 

Beispiele für qualitative Hinweise sind dagegen:

 

  • Das Problem wird auf Onpage-Umfragen häufig genannt.
  • Der Kundendienst nimmt Beschwerden zu diesem Problem entgegen.
  • Das Problem wird in einer Session-Wiedergabe sichtbar.

Die Formel für die Wichtigkeit einer Hypothese

Nun haben wir fünf Fragen und sollten nun dafür sorgen, dass Antworten in Form von Zahlen existieren, die man anschließend in einer Formel nutzen kann. Schauen wir uns die Fragen dafür nochmals an:

 

  • „Wie viele Besucher werden Testteilnehmer?“ Der Anteil derjenigen Website-Besucher (in Prozent), die mit dem zu testenden Seitenbereich überhaupt in Berührung kommen, variiert zwischen 0,01 und 1 (1% und 100%).
  • „Wie wichtig ist die jeweilige Seitenkategorie?“ Hier sollte man Werte zwischen 1 (kaum) und 5 (sehr) wählen (nur ganze Zahlen).
  • „Welchen Einfluss hat das gewählte Test-Element?“ Auch hier sollte man sich für eine ganze Zahl zwischen 1 (niedrigen) und 5 (großen) entscheiden.
  • „Wie groß ist die Veränderung?“ Wiederum sind Werte zwischen 1 (klein) und 5 (groß) möglich.
  • Löst die Hypothese eventuell ein bestehendes Problem? Hier kann man Werte zwischen 0 (gar nicht) und 25 (sehr stark) wählen.

 

Die gewählten Werte kann man nun in die Formel für den Bedeutungsgrad einer Hypothese eingeben. Die Formel lautet:

 

Bedeutung der Hypothese = Wert Testteilnehmer x (Wert Seitenkategorie x Wert Element x Wert „Größe der Veränderung“ + Wert „Größe des Problems“)

 

Nehmen wir einmal als fiktives Beispiel die Hypothese: „Das Einbinden eines Produktvideos erhöht die Conversion Rate.“ Gehen wir nun davon aus, dass etwa 30% des gesamten Traffics am Test teilnehmen. Das ergibt einen Wert von 0,3.

 

Gehen wir weiter davon aus, dass das Element auf der Produktdetailseite platziert wird, die wir mit einer 5 bewerten. Das Element selbst (Produktvideo) spielt aus unserer Sicht eine wichtige Rolle bei der Kaufentscheidung und erhält eine“4“. Durch ein Produktvideo wird der inhaltliche und optische Aufbau einer Seite stark verändert, sodass ein Wert von „5“ gerechtfertigt ist. Anzeichen dafür, dass das Produktvideo ein drängendes bestehendes Problem beseitigt, bestehen dagegen nicht.

 

Wir vergeben hier eine „0“. Nutzen wir nun die Formel, ergibt sich für die Wichtigkeit der Hypothese ein Wert von: 0,3 x (5mal4mal5 + 0) = 30.

 

Einen Zahlenwert für die Wichtigkeit von Testhypothesen kann man für jede vorliegende Hypothese ermitteln. Dabei gilt: Je höher der Wert, umso höher ist die Wichtigkeit. Die jeweiligen Zahlenwerte ermöglichen es dann, Testideen und Hypothesen in einer Prioritätenliste zu ordnen.

 

Und das... sorgt wiederum dafür, dass Testideen einem nicht alle auf einmal durch den Kopf wuseln, sondern alle brav hintereinander darauf warten, bis sie bei Tests an die Reihe kommen. Wie schön.

Über den Autor

rolandJulian Kleinknecht ist Experte für Web-Analyse und Website-Testing. Er lebt in New York, USA. 2013 gründete er ConversionBoosting.

 

Online-Marketer finden bei ConversionBoosting Praxiswissen, Vorträge, Tools und Trainings für mehr Erfolg bei der Conversion-Optimierung.  http://conversionboosting.com

 

E-Mail: : jk@conversionboosting.com

Xing: https://www.xing.com/profile/Julian_Kleinknecht

Twitter: https://twitter.com/juliankleink

Google+: https://www.xing.com/profile/JoergDennis_Krueger

 

Über den Autor: 

Kommentare

vierzehn − zwei =