Online-Werbung: Google, Meta & KI · Modul 5: Messen & Optimieren

Lektion 3 von 5Übung 13 Min.

Testen und optimieren

Lernziele
  • den Ablauf eines sauberen A/B-Tests kennen
  • Testergebnisse statistisch richtig einschätzen
  • sinnvolle Testideen priorisieren
  • einen kontinuierlichen Optimierungsprozess aufbauen

In der Werbung gibt es unzählige Meinungen darüber, was funktioniert: rote oder grüne Knöpfe, lange oder kurze Texte, Fotos mit oder ohne Menschen. Die meisten dieser Meinungen lassen sich prüfen. Online-Werbung hat den großen Vorteil, dass man Varianten gleichzeitig ausspielen und die Ergebnisse messen kann. Wer systematisch testet, ersetzt Vermutungen durch Wissen und verbessert seine Ergebnisse Schritt für Schritt. Wer nicht testet oder falsch testet, trifft Entscheidungen auf Grundlage von Zufällen. Diese Lektion zeigt, wie man es richtig macht.

1. Was ein A/B-Test ist

Definition 3.1
A/B-Test
Ein kontrolliertes Experiment, bei dem Besucher oder Nutzer zufällig auf zwei Varianten verteilt werden – das Original (A) und eine veränderte Version (B). Anschließend wird verglichen, welche Variante das definierte Ziel häufiger erreicht. Entscheidend sind die zufällige Verteilung, eine ausreichend große Stichprobe und eine vorher festgelegte Zielgröße.

Der Kern eines A/B-Tests ist die gleichzeitige, zufällige Verteilung. Wer im Januar Variante A und im Februar Variante B zeigt, vergleicht nicht nur die Varianten, sondern auch zwei unterschiedliche Monate mit anderem Wetter, anderen Feiertagen und anderer Nachfrage. Ein sauberer Test zeigt beide Varianten zur selben Zeit, und der Zufall entscheidet, wer welche sieht. Die Werbeplattformen bieten dafür eigene Werkzeuge an – Experimente bei Google Ads, A/B-Tests bei Meta –, für Landingpages gibt es spezialisierte Testwerkzeuge.

Klick-GrafikEin Test, der etwas aussagt
VermutungEine ÄnderungLaufzeit festlegenEntscheiden
Schritt 1/4 · Vermutung formulieren: „Wenn der Preis in der Anzeige steht, kommen weniger, aber passendere Anfragen.“ Ohne Vermutung gibt es nichts zu prüfen.

2. Ergebnisse richtig lesen

Die größte Falle beim Testen ist der Zufall. Wenn Variante A zwölf Anfragen bringt und Variante B fünfzehn, ist B dann besser? Vielleicht – vielleicht aber auch nur zufällig. Bei kleinen Zahlen schwanken Ergebnisse stark. Die Statistik hilft, das einzuschätzen: Sie berechnet, wie wahrscheinlich es ist, dass ein beobachteter Unterschied nicht auf Zufall beruht. Üblich ist eine Schwelle von 95 Prozent. Probieren Sie den Rechner mit eigenen Zahlen aus:

RechnerIst Variante B wirklich besser?
Variante A3,00 %
Variante B4,41 %

+47 %

Veränderung

93,1 %

Sicherheit

Tendenz erkennbar, aber noch nicht belastbar – weiterlaufen lassen.

Sie werden sehen, dass bei wenigen hundert Besuchern selbst deutliche Unterschiede oft nicht belastbar sind. Das hat praktische Folgen. Für kleine Websites mit wenig Traffic sind Tests kleiner Details, etwa der Knopffarbe, kaum sinnvoll, weil es Monate dauern würde, bis ein Ergebnis belastbar ist. Besser sind mutige Tests mit großen Unterschieden: eine völlig andere Überschrift, ein anderes Angebot, ein halb so langes Formular. Große Änderungen erzeugen große Effekte, die sich schneller nachweisen lassen.

Beenden Sie einen Test nicht, sobald eine Variante vorne liegt. Legen Sie vorher fest, wie lange er läuft oder wie viele Besucher nötig sind, und werten Sie erst dann aus. Wer zu früh schaut und stoppt, erklärt sehr oft einen Zufall zum Sieger.

3. Was sich zu testen lohnt

Tab. 3.1Testideen nach typischer Wirkung
BereichGroße WirkungEher kleine Wirkung
Angebotanderes Angebot, Preisdarstellung, GarantieFormulierung im Detail
LandingpageÜberschrift, Formularlänge, AufbauKnopffarbe, Schriftgröße
AnzeigeBotschaft, Motiv, FormatSatzzeichen, einzelne Wörter
Zielgruppebreit gegen eng, RemarketingAltersgrenze um zwei Jahre
GeboteStrategie, Ziel-CPAkleine manuelle Anpassungen

Um aus vielen Ideen die richtigen auszuwählen, hilft eine einfache Bewertung: Wie groß ist die erwartete Wirkung? Wie sicher sind wir, dass es wirkt? Wie hoch ist der Aufwand? Ideen mit hoher Wirkung, guter Begründung und geringem Aufwand kommen zuerst. Die Begründung sollte aus Beobachtungen stammen: aus Nutzertests, Kundengesprächen, Daten der Webanalyse oder den Fragen, die Kunden immer wieder stellen. Tests auf Grundlage echter Probleme sind deutlich erfolgreicher als Tests auf Grundlage von Geschmack.

4. Ein Optimierungsrhythmus

Einzelne Tests bringen einzelne Verbesserungen. Die große Wirkung entsteht durch einen stetigen Rhythmus. Ein bewährter Ablauf für kleinere Teams: Jeden Monat wird ein Test geplant, gestartet und nach vorher festgelegter Zeit ausgewertet. Die Erkenntnis wird festgehalten – auch wenn der Test keinen Gewinner hatte, denn auch das ist Wissen. Die bessere Variante wird übernommen, und der nächste Test baut darauf auf. Über ein Jahr entstehen so zwölf Tests, und selbst wenn nur ein Drittel davon eine Verbesserung bringt, summieren sich diese zu einem deutlichen Fortschritt.

Ein Beispiel verdeutlicht die Wirkung: Eine Sprachschule verbesserte über ein Jahr in vier erfolgreichen Tests die Überschrift ihrer Landingpage, verkürzte das Anmeldeformular, ergänzte Bewertungen und stellte das Angebot einer kostenlosen Probestunde nach oben. Jede Änderung brachte zwischen zehn und fünfundzwanzig Prozent mehr Anmeldungen. Zusammen verdoppelte sich die Anmeldequote nahezu – bei unverändertem Werbebudget. Das ist der Zinseszinseffekt der Optimierung.

5. Typische Fehler

Neben dem zu frühen Beenden gibt es einige weitere Fehler. Wer mehrere Dinge gleichzeitig ändert, weiß am Ende nicht, welche Änderung gewirkt hat. Wer während eines Tests andere Einstellungen der Kampagne verändert, verfälscht das Ergebnis. Wer nur auf Klicks statt auf Anfragen oder Käufe schaut, optimiert womöglich auf Neugierige statt auf Kunden. Und wer Testergebnisse nicht dokumentiert, testet nach einem Jahr dieselben Ideen noch einmal. Eine einfache Tabelle mit Hypothese, Zeitraum, Zahlen, Ergebnis und Entscheidung verhindert das.

Schließlich sollte man die Grenzen des Testens kennen. Nicht alles lässt sich testen, und nicht jede Entscheidung braucht einen Test. Rechtliche Pflichtangaben, Barrierefreiheit oder die Grundpositionierung einer Marke sind keine Frage von A und B. Tests sind ein Werkzeug für die Frage „Was wirkt besser?“, nicht für die Frage „Was ist richtig?“. Um diese zweite Frage geht es in der letzten Lektion dieses Moduls: die rechtlichen Regeln der Online-Werbung.

6. Tests in den Werbeplattformen

Google Ads und Meta bieten eigene Werkzeuge für Tests. Bei Google lassen sich Kampagnenexperimente anlegen, bei denen ein Teil des Budgets oder des Traffics auf eine veränderte Version der Kampagne geht, etwa mit einer anderen Gebotsstrategie oder einer anderen Landingpage. Nach Ablauf zeigt Google, ob der Unterschied statistisch belastbar ist. Meta bietet A/B-Tests, bei denen Zielgruppen, Motive oder Platzierungen verglichen werden und die Zielgruppe so aufgeteilt wird, dass niemand beide Varianten sieht. Diese Werkzeuge nehmen einem viel statistische Arbeit ab und sind für die meisten Fragen die einfachste Lösung.

Für Tests auf der eigenen Website gibt es spezialisierte Werkzeuge, die Besucher zufällig auf Varianten verteilen. Viele Content-Management-Systeme und Baukästen bringen einfache Testfunktionen mit. Wichtig ist, dass solche Werkzeuge schnell laden, datenschutzkonform eingebunden werden und die Ergebnisse mit dem Conversion-Tracking verknüpft sind. Bei sehr wenig Traffic kann auch ein einfacher Vorher-nachher-Vergleich über einen längeren Zeitraum sinnvoll sein – mit dem Bewusstsein, dass er weniger aussagekräftig ist als ein echter Test, weil sich in der Zwischenzeit auch andere Dinge ändern.

Wer diese Grundsätze befolgt, baut nach und nach eine Kultur des Lernens auf: Entscheidungen werden nicht mehr nach Geschmack oder Lautstärke getroffen, sondern auf Grundlage dessen, was die eigenen Kunden tatsächlich tun. Das verbessert nicht nur die Werbung, sondern auch Website, Angebote und Kommunikation insgesamt. Beginnen Sie klein, mit einem einzigen Test im nächsten Monat, und bauen Sie den Rhythmus dann Schritt für Schritt und mit Geduld weiter aus, bis er fester Bestandteil Ihrer Arbeit ist.

Quellen und weiterführende Literatur
  1. [1]Kohavi, R.; Tang, D.; Xu, Y. (2020): Trustworthy Online Controlled Experiments. Cambridge: Cambridge University Press.
  2. [2]Google (2026): Google Ads Hilfe – Experimente einrichten und auswerten.
  3. [3]Meta (2026): Meta Business Hilfebereich – A/B-Tests im Werbeanzeigenmanager.
  4. [4]Johari, R. et al. (2017): Peeking at A/B Tests: Why It Matters, and What to Do About It. Proceedings of the 23rd ACM SIGKDD Conference, 1517–1525.

Stand: September 2026. Kursmaterial der Klarwerk Akademie. Plattformfunktionen und Preise ändern sich häufig – maßgeblich sind die aktuellen Angaben der Anbieter.

Abschlussquiz

Drei Fragen – dann ist die Lektion geschafft.

Frage 1 von 3

Warum sollte man einen A/B-Test nicht beenden, sobald eine Variante vorne liegt?