- 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
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.
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:
+47 %
Veränderung
93,1 %
Sicherheit
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.
3. Was sich zu testen lohnt
| Bereich | Große Wirkung | Eher kleine Wirkung |
|---|---|---|
| Angebot | anderes Angebot, Preisdarstellung, Garantie | Formulierung im Detail |
| Landingpage | Überschrift, Formularlänge, Aufbau | Knopffarbe, Schriftgröße |
| Anzeige | Botschaft, Motiv, Format | Satzzeichen, einzelne Wörter |
| Zielgruppe | breit gegen eng, Remarketing | Altersgrenze um zwei Jahre |
| Gebote | Strategie, Ziel-CPA | kleine 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.
- [1]Kohavi, R.; Tang, D.; Xu, Y. (2020): Trustworthy Online Controlled Experiments. Cambridge: Cambridge University Press.
- [2]Google (2026): Google Ads Hilfe – Experimente einrichten und auswerten.
- [3]Meta (2026): Meta Business Hilfebereich – A/B-Tests im Werbeanzeigenmanager.
- [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.