So führst du A/B-Tests in Mediakampagnen durch

Bei einem A/B-Test (oder Split-Test) werden zwei Versionen von etwas, Version A und Version B, verglichen, um herauszufinden, welche bessere Ergebnisse erzielt. Du zeigst jede Version einem vergleichbaren Segment deiner Zielgruppe und misst, welche besser abschneidet. Der Vorteil liegt auf der Hand: Statt alles auf eine Vermutung zu setzen, lässt du das tatsächliche Nutzerverhalten entscheiden. So verbessern sich Kampagnen kontinuierlich, Test für Test.

Fast alles in einer Kampagne lässt sich testen, aber manche Elemente haben tendenziell einen größeren Einfluss:

• Werbemittel: Bild, Video, Format.
• Anzeigentext: Überschrift, Ansatz, hervorgehobener Nutzen, Handlungsaufforderung.
• Zielgruppe: unterschiedliche Segmentierungen und Interessen.
• Angebot: Konditionen, Rabatte, Boni.
• Landingpage: die Seite, zu der die Anzeige führt.

Teste zunächst das, was in der Regel den größten Unterschied macht, meist Werbemittel und Angebot, bevor du kleinere Details verfeinerst.

Die wichtigste Regel lautet: Teste immer nur eine Variable auf einmal. Wenn du Werbemittel, Anzeigentext und Zielgruppe gleichzeitig änderst und sich das Ergebnis verbessert, weißt du nicht, welche Änderung dafür verantwortlich war. Indem du eine einzelne Variable isolierst, erhältst du eine klare Antwort. Außerdem sollten beide Versionen gleichzeitig und unter denselben Bedingungen laufen, damit externe Faktoren (wie der Wochentag) den Vergleich nicht verzerren.

Ein häufiger Fehler ist, einen Test auf Grundlage zu weniger Daten zu früh zu beenden. Für ein zuverlässiges Ergebnis benötigt der Test ausreichend Datenvolumen (Klicks und Conversions) und genügend Zeit, um Verhaltensschwankungen über mehrere Tage hinweg zu erfassen. Entscheidungen auf Grundlage sehr weniger Conversions zu treffen, ist so, als würde man aus einer winzigen Stichprobe Schlussfolgerungen ziehen: Der Unterschied, den du siehst, könnte einfach Zufall sein und kein echtes Muster.

Vergleiche die Versionen letztlich anhand der Kennzahl, die für dein Ziel entscheidend ist (in der Regel CPA, Conversions oder ROAS, nicht nur Klicks). Entscheidend ist die Verlässlichkeit: Ist der Unterschied zwischen A und B groß und beständig genug, um nicht bloß Zufall zu sein? Wenn die beiden Versionen am Ende sehr nah beieinanderliegen, hat der Test möglicherweise kein eindeutiges Ergebnis geliefert, und das ist völlig in Ordnung. Auch ein nicht eindeutiges Ergebnis ist eine Information: Es bedeutet, dass dieses Element keinen so großen Unterschied macht wie ursprünglich angenommen.

Die häufigsten Fehler: zu viele Variablen gleichzeitig testen (und nicht wissen, was das Ergebnis verursacht hat); zu früh aufhören (mit unzureichenden Daten entscheiden); auf die falsche Kennzahl schauen (Klicks feiern, obwohl das Ziel Verkäufe sind); und Erkenntnisse nicht dokumentieren (bereits durchgeführte Tests wiederholen). Wer diese Fehler vermeidet, macht jeden Test zu einem Beitrag zum gesammelten Wissen statt zu verschwendetem Aufwand.