Wenn Sie etwas googeln, werden Ihnen maßgeschneiderte Ergebnisse angezeigt, die anhand von Daten erstellt wurden, die die Suchmaschine im Laufe der Zeit gesammelt hat. Wenn Sie dieselbe Suche noch einmal durchführen, kann es gut sein, dass Sie eine andere - oder anders geordnete - Reihe von Ergebnissen erhalten. Auch wenn sich Ihre Vorlieben in der Zwischenzeit nur geringfügig geändert haben, könnte die Abweichung darauf zurückzuführen sein, dass Google einen Test durchführt und Sie seine Laborratte sind. Multiplizieren Sie die Anzahl der Nutzer, fügen Sie eine Kontrollgruppe hinzu - und schon haben Sie eine riesige Fokusgruppe geschaffen. Dieser Prozess wird A/B-Testing genannt und Big Tech nutzt ihn auf viele verschiedene Arten, um die Konversionsraten und damit die Einnahmen zu verbessern.
Was sind A/B-Tests und warum sollte ich sie durchführen?
Betrachten Sie es als eine Form der Wissenschaft, bei der Sie die Auswirkungen der Änderungen, die Sie an Websites oder deren Funktionen vornehmen, messen. A/B-Tests funktionieren, indem Sie zwei Versionen desselben Artikels zwei verschiedenen Gruppen von Kunden vorführen. So erhalten 50 % der Kunden Version A und der Rest Version B. Dann messen Sie die Auswirkungen der beiden Versionen - z.B. die Anzahl der gekauften Artikel - und bewerten den Unterschied.
A/B-Tests verraten Ihnen, was Ihre Kunden wollen, und können auf alles angewandt werden, von Schlagzeilen bis zur Benutzererfahrung.
Aus diesem Grund führen Google und Facebook jeweils mehr als 10.000 A/B-Tests pro Jahr durch, denn sie helfen dabei, die Auswirkungen strategischer Entscheidungen auf das Geschäft zu messen. Blind neue Funktionen aufgrund eines Bauchgefühls über ihre Auswirkungen auf den Umsatz einzuführen, ist wie Daumen drücken und sich etwas wünschen - es wird nicht funktionieren. Wenn Sie die Leistung nicht messen können, hat die Funktion dann überhaupt die Wirkung, die Sie glauben? Oder lenken Sie Ihre Benutzer von ihrem Ziel ab?
Nehmen wir an, eine E-Commerce-Website produziert ein inspirierendes Magazin, um Verkäufe zu generieren, was erhebliche Kosten für Personal und Produktion verursacht. Mit A/B-Tests lässt sich die Wirkung eines solchen Magazins leicht nachweisen, z. B. im Vergleich zu einer E-Mail-Kampagne. Sie können also ein Experiment durchführen, um die Auswirkungen einer neuen Änderung zu ermitteln.
Wie bekomme ich ein neues A/B-Testing-Tool?
Im dritten Jahrzehnt des 21. Jahrhunderts gibt es eine Reihe von verschiedenen Plug-and-Play-Tools für A/B-Tests. Diese sind ideal für Unternehmen, die mit der Funktionsweise und den Grenzen des Tools einverstanden sind. Typischerweise haben vorgefertigte A/B-Testing-Lösungen ihre eigenen Analysen, sie laufen mit ihren eigenen statistischen Engines und haben sogar ihre eigenen technischen Einschränkungen.
Sie müssen also in Ihre Website, Ihre eigenen Analysen und Ihre lokalen Systeme integriert werden - bis hin zum Single Sign-On-Prozess Ihres Unternehmens. Dies sind Faktoren, die Sie abwägen müssen, bevor Sie überhaupt an Preispunkte denken.
Aber kann ich mein eigenes A/B-Testing-Tool erstellen?
Ja, Sie können in der Tat Ihre eigene maßgeschneiderte A/B-Testplattform erstellen. Wenn Sie die Zeit haben - etwa drei Monate für ein Basis-Tool - ist dies wirklich die beste Option, wenn Sie ganz spezielle Anforderungen haben. Das Tolle an einem eigenen A/B-Testprogramm ist, dass Sie die Geschicke Ihres Tools selbst in die Hand nehmen.
Sie setzen Ihre eigenen Prioritäten und fügen alle zusätzlichen Funktionen hinzu, die Sie wünschen. Bei einer vom Anbieter verkauften Lösung hingegen müssen Sie darauf warten, dass fehlende Funktionen auf der Roadmap erscheinen und dann vom Anbieter implementiert werden - falls dies überhaupt geschieht. Das bedeutet, dass Sie sich auf einen wichtigen Teil Ihrer Geschäftsstrategie verlassen und diesen an jemand anderen auslagern.
Die Vorteile eines benutzerdefinierten A/B-Test-Tools
Die Entwicklung eines benutzerdefinierten Tools ermöglicht eine bessere Integration mit Ihren bestehenden Produkten, Websites, Anwendungen und Analysen - sogar von konkurrierenden Unternehmen. Das ist wichtig, denn Sie müssen immer eine gewisse Integration vornehmen und ein gekauftes Tool lässt sich vielleicht nicht so gut integrieren, wie Sie es sich wünschen.
Ein weiterer Teil eines benutzerdefinierten Experimentiertools ist der Bucketing-Algorithmus. Angenommen, Sie führen einen 50/50-Test durch, um die beste Schlagzeile zu ermitteln. In diesem Fall zeigen Sie der Hälfte Ihrer Kunden eine schlechte Schlagzeile, auf die sie vielleicht nicht klicken, so dass Sie den Traffic verlieren. Stattdessen können Sie die Version, die mehr Klicks erhält, einer größeren Anzahl von Nutzern nacheinander zeigen, so dass die meisten Nutzer die beste Schlagzeile sehen und auf sie klicken. Sie brauchen nicht auf statistische Signifikanz zu warten, sondern können Ihren Bucketing-Algorithmus das beste Erlebnis für Ihre Kunden bieten lassen.
Mit Ihrem eigenen Tool können Sie ganz einfach neue Funktionen hinzufügen, indem Sie neue Software selbst entwickeln - was Sie mit einer fertigen Lösung nicht tun können, da Sie keine Funktionen hinzufügen können.
Wie lange dauert die Entwicklung eines A/B-Test-Tools?
Eine Frage, die uns oft gestellt wird, betrifft den Zeitrahmen. Die Antwort hängt davon ab, was Sie wollen. Ein einfaches A/B-Testing-Tool können Sie innerhalb von etwa drei Monaten haben. Bei individuelleren Integrationen kann es sechs Monate oder ein Jahr dauern.
Xebia kann Ihnen bei der anfänglichen Einrichtung des Tools helfen, und Ihr eigenes Softwareteam kann es übernehmen und neue Funktionen hinzufügen. Und da Sie das Know-how im Haus haben, wird es Teil Ihrer Website, App,
Wie wäre es mit einer Fallstudie?
Testen Sie eine eCommerce-Plattform mit fast 20 Millionen Produkten. Bol.com brauchte eine messbare Methode, um das Nutzerverhalten zu verstehen und zu analysieren. Das Team arbeitete bereits mit A/B-Tests, aber sie zeichneten ihre Ideen auf, verfolgten die Experimente und erfassten und archivierten die Analysen in vielen verschiedenen Systemen.
Xebia half bei der Erstellung eines einzigen benutzerdefinierten Experimentiertools
die diese Funktionen vereinen und validiertes Lernen im gesamten Unternehmen und in internen APIs einbetten könnte, während sie die Kontrolle über ihre Daten und statistischen Analysen behält.
Das Ergebnis sind neue Erkenntnisse, die bol.com nun nutzen kann, um seinen Umsatz zu steigern. So können die Teams mehr und schneller aus dem Nutzerverhalten lernen und im Gegenzug die Konversion und das Nutzererlebnis auf den verschiedenen Plattformen verbessern. Und da Business und Technik
Wenn die Benutzer dasselbe Tool verwenden können, sprechen sie eine gemeinsame Sprache, was sich auf die gesamte Wertschöpfungskette positiv auswirkt.
Möchten Sie die gesamte Fallstudie von bol.com lesen?
Klicken Sie hier.
Unsere Ideen
Weitere Artikel
Contact