Wie du UX mit A/B-Testing kombinierst & CRO dominierst

Ringst du mit Traffic-Priorisierung, zu langen Test-Intervallen oder schwierigen A/B-Test-Entscheidungen und fühlst dich oft im Stich gelassen von unzureichenden Ergebnissen?

Du bist nicht allein.

Viele stehen vor der Herausforderung, überzeugende Optimierungsideen und Tests mit Uplift-Garantie zu entwickeln.
In diesem Beitrag werfen wir einen Blick auf versteckte Potenziale und zeigen, warum und wie du UX-Research beim A/B-Testing integrierst.

Entdecke, wie die Verschmelzung von quantitativen und qualitativen Daten nicht nur deine Testeffekte verstärken, sondern dir auch kreative und fundierte Lösungswege aufzeigen.

🧠 Das Wichtigste in aller Kürze:

• UX-Testing hilft, Traffic sinnvoller beim A/B-Testing einzusetzen
• Es zeigt das Warum hinter den Daten und ermöglicht bessere Neukonzeptionen
• Business- und Teamentscheidungen werden erleichtert und abgesichert
• UX-Testing integriert sich nahtlos in A/B-Testing-Prozesse
• Die HiQuant Methode ermöglicht A/B-Testing trotz geringen Traffics

Kostenlose Power-Point-Präsentation: Überzeuge deine Chefs von UX

Ziehe dir aus dieser Präsentation alles, was du zur Überzeugung deiner Stakeholder brauchst – aussagekräftige Studienergebnisse, inspirierende Zitate und deine eigenen ROI-Berechnungen.

Zum Download

Inhaltsverzeichnis

1. Der hidden Champion: das Warum hinter den Daten
2. Klarheit und Struktur: UX-Design und der Einfluss auf A/B-Testing
3. So integrierst du UX-Testing in deine A/B-Testingprozesse
4. Testing trotz geringem Traffic: Die HiQuant Methodik
5. Das ändert sich durch die Kombination von A/B-Testing und UX-Design

Der hidden Champion: das Warum hinter den Daten

Brechen wir die Praxis des A/B-Testing herunter, bleibt für viele Optimierer und Web-Owner ein Grundproblem übrig: Traffic und Zeit sind begrenzt.

• Was soll man also testen?
• Wie gelangen wir zu starken und verständlichen Hypothesen?
• Und wie können wir unsere Gedanken im Team durchsetzen?

Quantitative vs. qualitative Daten bei der Conversion-Optimierung

A/B-Testing ermöglicht uns, auf Basis von quantitativen Daten Entscheidungen zu treffen. Es zeigt uns klar, welche Seite besser konvertiert, welche Call-to-Action stärker klickt oder welche Headline mehr Aufmerksamkeit erregt.

Aber – und das ist ein großes Aber – quantitative Daten allein zeigen dir nur, wo du stehst, aber nicht, warum du dort stehst.

Im Alltag stürzen sich Conversion-Optimierer trotzdem auf Analytics Werte und im besten Fall noch auf Heatmap- und Eye-Tracking-Daten. Und ohne Frage sind quantitative Daten bei der Generierung von A/B-Test-Hypothesen äußerst wichtig.

Doch die versteckten Champions zur Conversion-Optimierung werden unserer Erfahrung nach viel zu häufig ausgeklammert. Wir sprechen hier von qualitativen Daten.

Ein Beispiel: Abbruchquoten und Verweildauer zeigen auf, wo Probleme auftreten. Doch was diese eben nicht zeigen, ist das dahinterstehende Warum.

Das fängt bereits mit der Verweildauer an:

• Bleiben die Nutzer lange auf deiner Seite, weil der Inhalt für sie relevant ist oder weil sie die entscheidenden Informationen nicht finden?
• Rufen die Nutzer viele verschiedene Einzelseiten auf, weil sie dein Angebot so spannend finden oder weil sie nicht gut geführt werden?

Diese Informationen erlangst du nur durch qualitative Daten.
Setzen wir also die UX-Brille auf, können wir ganz andere Quellen für unsere Hypothesen hinzuziehen:

• Nutzertests (die mit Abstand stärkste Quelle für Insights)
• Experten Reviews
• Kunden-Befragungen

Daraus ergibt sich also ein ganz neuer Schatz an Möglichkeiten, A/B-Tests zu verbessern und häufigen Stolpersteinen oder Fehlern aus dem Weg zu gehen.

Außerdem lassen sich durch bestimmte Methoden sogar tiefgreifende Analysen und Optimierungen durchführen, ohne viel Traffic zu verbrennen, doch dazu weiter unten mehr (HiQuant).

Klarheit und Struktur: UX-Design und der Einfluss auf A/B-Testing

UX-Research ist für mich heutzutage das Rückgrat effektiver A/B-Tests.
Warum?

Mit A/B-Testing tauchst du in die Welt der Web-Performance ein und entdeckst, was funktioniert und was nicht.

Aber ohne den Kontext und das Verständnis für die Nutzer könntest du die falschen Schlüsse ziehen.

UX-Research hilft daher, die richtigen Fragen zu stellen: Nicht nur „Welche Elemente konvertieren besser?“, sondern „Warum konvertieren sie besser?“.

Doch damit nicht genug.

UX-Research und Designprinzipien bringen Klarheit und Struktur in A/B-Testing-Prozesse. Hierzu zählen im Wesentlichen 2 Bereiche:

1. Vor einem Test helfen Methoden aus dem UX-Research, Hypothesen besser, fundierter und leichter zu erstellen
2. Während des Testens stellt der Blick auf UX-Research sicher, dass Veränderungen, die untersucht werden, auf die Bedürfnisse und Erwartungen der Nutzer abgestimmt sind
   

Zusammengefasst bedeutet dies, dass wir bei der Entwicklung von A/B-Testvarianten die UX, Usability und das Gesamterlebnis des Nutzers berücksichtigen sollten.

Beispielsweise könnte ein A/B-Test zeigen, dass bestimmte Formulierungen und Anordnungen zu mehr Klicks führen. Doch ohne die UX-Perspektive wissen wir nicht, ob diese Änderungen auch ein angenehmes und verständliches Nutzererlebnis bieten.

Vielleicht führen die Änderungen zu mehr Klicks, aber auch zu Verwirrung, Unklarheit oder Frustration – was letztlich die Gesamtperformance der Website beeinträchtigen könnte. Ein häufiger Fehler beim A/B-Testing ist nicht nur fehlende Signifikanz, sondern eben auch, tiefergehendes und Zielgruppen-spezifisches Wissen auszublenden.

Wichtig ist es also, die Kombination von quantitativen Daten aus A/B-Tests mit qualitativen Erkenntnissen aus UX-Testing miteinander zu verbinden. Es geht darum, ein Gleichgewicht zu finden – zwischen dem, was messbar ist, und dem, wie Menschen mit der jeweiligen Anwendung interagieren.

Dieser Ansatz führt zu einer tieferen Einsicht in das Nutzerverhalten und ermöglicht es uns, Websites zu gestalten, die nicht nur funktional, sondern durch die richtige Ansprache und Experience zu einer besseren Performance führen.

So integrierst du UX-Testing in deine A/B-Testing-Prozesse

UX-Testing in A/B-Testing zu integrieren, ist wie das Hinzufügen eines leistungsstarken Motors: Es verbessert die Gesamtleistung.

Durch das Zusammenspiel von UX und A/B-Testing kannst du sicherstellen, dass deine Tests nicht nur auf Zahlen basieren, sondern auch auf einer soliden Grundlage des Nutzerverständnisses. So steigerst du die Effektivität deiner Optimierungsanstrengungen und erzielst letztendlich bessere Ergebnisse.

Nachfolgend, ein aus unserer Erfahrung heraus, typischer Prozess, der beide Disziplinen gewinnbringend miteinander verbindet. Es gibt hier auch nicht den einen richtigen Weg. Du solltest daher immer für deine internen Abläufe und Ziele prüfen, was am ehesten Sinn ergibt.

Mehr & besser: Hypothesen-Generierung 2.0

Hier ist einer meiner beliebtesten A/B-Testing-Tipps:

Nehmen wir mal an, du hast neue Vorgaben erhalten oder durch deine Daten bestimmte Showstopper-Pages oder Steps im Kaufprozess identifiziert, die einen Uplift vertragen könnten. Normalerweise würdest du jetzt hergehen und Hypothesen erstellen, anschließend dein Design-Team um neue Entwürfe bitten, alles umsetzen und gegentesten.

Um deinen gesamten Umgang mit Hypothesen zu beflügeln, möchte ich dir kurz diesen Schritt vorstellen – wir könnten es auch den Initialzünder nennen. Denn bisher bist du bei der Hypothesen-Generierung wahrscheinlich so vorgegangen, wie eben beschrieben.

Daher empfehlen wir, bei der Integration von UX in dein A/B-Testing, eine Initialanalyse bspw. deines Kaufprozesses durchzuführen.

Absicherung vor einem A/B-Test

Dieser Punkt geht bei den meisten A/B-Tests komplett unter. Aber du kannst und solltest bspw. mittels 5 Sekunden oder 5 Minuten bzw. Ad-hoc Testing deine Neukonzeptionen absichern, bevor du wertvollen Traffic auf deine Entwürfe sendest.

Idealerweise hast du in Schritt 1 bereits Wissen erhalten, welches dir bei der Neugestaltung eine grobe Richtung vorgeben kann. Anschließend kannst du deine Entwürfe blitzschnell mit der Crowd einer Analyse unterziehen und an den für dich wichtigsten Fragen ausrichten.

Gewissheit nach einem A/B-Test

Nun kann natürlich auch der Fall eintreten, dass du vorher noch kein UX-Wissen über deine Entwürfe aufgebaut hast. Es spielt dabei auch keine Rolle, ob dich deine A/B-Testing-Ergebnisse zufriedenstellen oder nicht. Sofern du Wissen erhalten möchtest, wie es auf qualitativer und Experience-Ebene zu deinen Ergebnissen gekommen ist, kannst du auch nach einem Test eine gezielte Untersuchung deiner Entwürfe durchführen lassen. Diese Daten werden dir helfen, deine Ergebnisse besser einsortieren sowie Anpassungen mit mehr Klarheit und Sicherheit vornehmen zu können.

A/B-Testing trotz geringem Traffic: Die HiQuant Methodik

Wir alle wissen, dass Traffic wertvoll ist.

Und jeder, der bereits ein mehrwöchiges Experiment laufen hatte, nur um anschließend festzustellen, dass die gewünschten Resultate nicht eingetreten sind, weiß, wie schmerzlich es hier sein kann, diese wertvolle Ressource verbrannt zu haben.

Häufig ist Traffic, bezogen auf das Erreichen einer statistischen Signifikanz, sogar Mangelware. Und Teams streiten anschließend darüber, welche Tests als Erstes gefahren werden sollten.

Stell dir daher vor, du kannst bereits mit geringem Website-Traffic tiefgehende Einblicke gewinnen. Genau das ermöglicht High Involvement Quant, kurz HiQuant.

Einzigartig und unverfälscht: So funktioniert HiQuant

Bei dieser, auf dem Markt einzigartigen, Methode durchlaufen etwa 50 bis 100 Personen mehrere Versionen eines Testgegenstandes – hierbei sammelst du dein erstes qualitatives Feedback.

Nutzer durchlaufen einen Testgegenstand inkl. Screen-Recording, welches später auch angesehen werden kann und beantworten dabei Fragen. Alles, was sie normalerweise durch lautes Denken in einem unmoderierten UX-Test äußern würden, wird während des Testings schriftlich, frisch und unverfälscht in einem Fragebogen festgehalten.

Zum Vergleich: Große quantitative Panels können Umfragen durchführen, aber keinen Test dabei laufen lassen, weil ihre Panels dieses Setting nicht gewohnt sind.

Die Antwortqualität in der HiQuant ist daher 3x besser als die Antwortqualität in einer normalen Umfrage über ein Panel, weil Tester tatsächlich einen Testgegenstand während der Umfrage durchlaufen und so viel stärker in den Testgegenstand involviert sind – daher auch der Name: High Involvement Quant.

Darum verändert HiQuant das A/B-Testing und die Conversion-Optimierung

Die HiQuant-Methode verändert die Art und Weise, wie wir A/B-Tests verstehen und durchführen können. Diese Methode ist eine synergetische Mischung aus quantitativer und qualitativer Befragung und dient somit als effiziente Vorstufe oder Alternative zu herkömmlichen A/B-Tests.

Der strukturierte Prozess erlaubt es dir, einen Favoriten quantitativ zu bestimmen und auch das „Warum“ hinter den Nutzerpräferenzen zu erforschen.

Da wir HiQuant selbst entworfen haben, greifst du auf eine einzigartige Lösung zurück, die wir aktuell exklusiv über unsere UX-Agentur Userlutions anbieten, um die Qualität der Tests und Insights jederzeit hoch halten zu können.

Die größten Vorteile einer HiQuant sind:

• aussagekräftige Ergebnisse ohne hohen Traffic zu verbrennen
• 3x höhere Qualität der Antworten als bei Umfragen
• quantitative und qualitative Insights in einem Test
• schnelle Ergebnisse und viele neue Hypothesen
• Conversion-Stopper und Uplift-Potenziale direkt mit aufdecken
• Ergebnisse innerhalb von 2 Wochen

Durch die Kombination der in RapidUsertests verfügbaren Tools mit hochwertigen Online-Umfrageplattformen bieten wir unseren Kunden mit der HiQuant einen einzigartigen, geschützten Ansatz.

Dieser ermöglicht es, umfassende Einblicke in das Nutzerverhalten zu gewinnen und fundierte Entscheidungen für die Website-Optimierung zu treffen und dein A/B-Testing zu verbessern.

Benjamin Uebel

Gründer & Geschäftsführer RapidUsertests

Warte nicht auf Kunden-Feedback, hol es dir!

Mit RapidUsertests kannst du jedes Produkt qualitativ untersuchen. Teste jeden Touchpoint moderiert und unmoderiert. Du greifst auf den marktführenden Anbieter für Remote UX-Tests in Deutschland zurück. Entwickelt und optimiert von der UX-Agentur Userlutions.

Das ändert sich durch die Kombination von A/B-Testing und UX-Testing

Die Kombination von A/B-Testing und UX-Testing transformiert grundlegend die Art, wie wir Websites optimieren. Anstatt uns auf isolierte Daten zu stützen, ermöglicht uns dieser integrative Ansatz, die echten Bedürfnisse und Präferenzen unserer Nutzer zu verstehen und darauf zu reagieren. Wir sehen jetzt nicht nur, welche Elemente besser konvertieren, sondern verstehen auch, warum dies der Fall ist.

Die Einbindung von UX-Research und UX-Testing in A/B-Tests schenkt uns Klarheit und Struktur. Sie hilft uns, fundierte Hypothesen zu generieren und die Nutzererfahrung in den Mittelpunkt unserer Entscheidungen zu stellen. Dies führt zu effektiveren und effizienteren Tests, die wiederum bessere Ergebnisse liefern.

Mit unserer innovativen Methode HiQuant können wir außerdem selbst bei geringem Traffic tiefgreifende Einblicke gewinnen und sowohl quantitative als auch qualitative Daten nutzen. Dies spart uns wertvolle Ressourcen und führt zu genaueren Ergebnissen, die letztlich Conversions anheben, Umsätze steigern und unsere Arbeit absichern.

In der Praxis bedeutet dies, dass wir jetzt eine reichhaltigere Datenbasis haben, um unsere Websites zu optimieren. Von der Hypothesen-Generierung über die Absicherung vor dem Test bis hin zur Analyse nach dem Test – wir sind in der Lage, ein umfassenderes Bild der Nutzerinteraktion zu erhalten und damit unsere Webpräsenz kontinuierlich zu verbessern.

Indem wir A/B-Testing und UX-Testing kombinieren, schaffen wir nicht nur bessere Websites, sondern auch bessere Nutzererlebnisse – ein entscheidender Faktor in der heutigen digitalen Landschaft.

Du hast Interesse, mehr über HiQuant zu erfahren oder möchtest dich zum Testing und Research austauschen? Ich freue mich über eine Nachricht auf LinkedIn.

Lion Kochan Senior UX-Researcher

Lion hat Psychologie und Human Factors studiert und übernimmt bei uns vor allem qualitative/quantitative User Research sowie Usability-Testing. Er unterstützt vor allem Kunden aus seinen Spezialgebieten Finanzen, Gesundheit und Energie.