Aber dann kommt alles ganz anders. Um es mit den Worten der Fanta4 auszudrücken:

“Es könnt’ alles so einfach sein, isses aber nicht”

Über das Scheitern beim Testing hatte ich schon geschrieben, hier geht es allerdings um die Effekte nach der Umstellung auf den Testsieger.

Nun nochmal ganz von vorne:

Beim Website-Testing werden Testhypothesen auf ihre Gültigkeit mithilfe von Testingtools überprüft. Hierbei kann auf A/B/n oder multivariates Testing zurückgegriffen werden.

Im Idealfall stellt sich nach ein paar Tagen Testing folgendes Bild dar:

Die Variante B (rote Linie) erzielt eine höhere Conversion Rate und kumuliert über die Zeit mehr Conversions an. Der Testzeitraum liegt hier bei ca. 2 Wochen.

Signifikanz als Zünglein an der Waage

Inwiefern ein Testergebnis statistisch signifikant ist (d.h. die Wahrscheinlichkeit für einen Zufallsfehler ist sehr gering), oder nicht, geben die Testingtools in der Regel mit an. Im Allgemeinen sollte die statistische Signifikanz minimum 90% betragen, d.h. der Zufallsfehler läge hier bei 10%.

Das Beispiel zeigt einen Uplift von +17,88% bei einer Signifikanz von 92%.

Ca. 18% Uplift können richtig klingeln in der Kasse – also: Umstellen auf den Testsieger!

Nun kommt das böse Erwachen!

Nach der Umstellung der Website auf den Testsieger ändert sich an der Conversion Rate nichts, auch die erhofften zusätzlichen Euros/ Dollars, etc. bleiben aus. Es ist alles wie vorher!

Doch was ist passiert? Über die folgende Erläuterungen bin ich im Blog analytics impact gestolpert.

Signifikanz ist nicht Signifikanz

Die Testingtools geben die statistische Signifikanz dafür aus, ob eine Variante besser verformt als die andere. Es wird allerdings nicht überprüft, inwiefern der Uplift statistisch signifikant ist! Hier liegt der Teufel im Detail. Beim multivariantem Testing zum Beispiel kann der Einfluss eines getesteten Elements auf die Conversion Rate ermittelt werden (mittels Varianzanalyse oder ANOVA), allerdings auch nicht, ob der erzielte Uplift signifikant ist!

Das bedeutet ganz konkret: Der Testsieger steht zwar fest, der Uplift kann allerdings nicht signifikant belegt werden.

“Cosmic Habituation” als Erklärung

Es gibt eine interessante Studie, die Jonathan Schooler in den 80-igern über Sprache und Erinnerungsvermögen durchführte und später wiederholen wollte. Es ging im Detail um das Phänomen des “verbal overshadowing” – wen es genau interessiert. Das ernüchternde Ergebnis: Er hat seine Ergebnisse mehrfach versucht zu reproduzieren, hat es allerdings nie wieder geschafft und war folglich schwer enttäuscht.

Er hat diese Problematik später “Cosmic Habituation” genannt und sich dazu wie folgt geäußert:

“It’s an inevitable process of adjustment, a ratcheting down of excitement. I started joking that it was like the cosmos was habituating to my ideas. I took it very personally.” (Original Artikel)

Was lernen wir daraus?

Es kann schlichtweg passieren, dass genau dieser Effekt eintritt. D.h. nach dem Testing und der Umstellung auf den Testsieger bleibt der gewünschte Uplift aus – das habe auch ich tatsächlich schon in der Praxis gesehen. Das heißt aber auch nicht, dass man Geld vernichtet hat. Man sollte das getestete Element und die dazugehörige Hypothese schlichtweg weiter untersuchen. Man kann den Test auch wiederholen, allerdings ist die Wahrscheinlichkeit gering, das Ergebnis zu reproduzieren.

Was ich interessant an diesem Phänomen finde: Schooler stellt mit seiner “Cosmic Habituation” die Validität von statistischen Tests in Frage. D.h. er hält es für möglich, dass Tests unter erneuter Durchführung unter gleichen Rahmenbedingungen zu gleichen Ergebnissen führen würden. Halte ich für sehr interessant, ist mir aber (wie geschrieben) auch schon passiert.

Also: Den Kopf nicht hängen lassen. Was können wir dafür, wenn sich der Comos an unsere Testideen gewöhnt hat?

Wie sind Eure / Ihre Erfahrungen mit einem derartigen Phänomen? Etwas ähnliches schon einemmal erlebt?

Related Posts

1. Über das Scheitern beim Website Testing!
2. Landing Page Case Study // Uplift +177%
3. Checkliste Splittest

Was ich allerdings noch nicht gezeigt habe, ist die Vorgehensweise beim A/B Testing. Daher gibt es hier eine Checkliste mit den wichtigsten Punkten vor dem Setup eines A/B – Tests.

Die nachfolgende kurze Checkliste dient der Orientierung und soll dabei helfen, was man vor dem Test Setup nicht vergessen darf. Sie setzt zudem voraus, dass man bereits ein A/B- Testkonzept im Kopf hat und weiß, was man auf welcher Seite testen möchte. Idealerweise ist die Variante B bereits entwickelt.

 Checkliste: in 8 Schritten zum A/B-Test

1. Sichern des Status Quo
2. Dauer des Tests berechnen
3. Anzahl Conversions auswerten
4. Wahl der A/B – Testmethode
5. Traffic Segmentierung
6. Statistische Signifikanz
7. Conversion Goals
8. Auswahl Testing Tool und Setup

1. Sichern des Status Quo

Bevor man etwas ändert, ist es generell wichtig, den Status Quo zu sichern. Dies macht es einfacher, auch im Nachhinein herausfinden zu können, wo man ursprünglich hergekommen ist. Hier gehört nicht nur ein einfacher Screenshot von der unveränderten Seite, sondern auch, die Ursprungsvariante vorher technisch unverändert (inkl. Quellcode) zu sichern. Screenshot-Tools gibt es viele – für Firefox kann ich zum Beispiel → Screengrab empfehlen, da hiermit auch eine komplette Seite (also über den sichtbaren Bereich hinaus) gesichert werden können.

2. Dauer des Tests berechnen  - A/B Testing Duration Calculator

A/B Tests sollten generell nicht allzulange laufen. Ein Test der sehr lange laufen muss, um signifikante Uplifts zu generieren, weist im Grunde genommen darauf hin, dass der zu messende Effekt zu gering ist. D.h. das variierte Test-Element, oder die variierte Seite B hat demzufolge zu wenig Einfluss auf die Conversion Rate. Eine (persönliche!) Empfehlung lautet daher:

Nicht mehr als 2 Monate testen!

Wer sich vor einem A/B-Test ausrechnen möchte, wie lange ein Test dauert wird, kann verschiedene Testing Calculators verwenden. Ich möchte allerdings darauf hinweisen, dass man in derartigen Tools auch einen geschätzten Conversion-Uplift mit einberechnen muss. Eine derartige Schätzung fällt (auch uns Experten) schwer (näheres dazu im nächsten Punkt).

• A/B Test Duration Calculator (→ visualwebsiteoptimizer)

• A/B Test Duration Calculator (→ Google)

3. Anzahl Conversions auswerten

Die Frage nach den zu erwartenden Conversions zielt vor allem auf Tests ab, die ein Mindestmaß an Conversions nicht erreichen können. Um dennoch testen zu können, muss man sich sogenannter Micro-Conversions bedienen. Hier eine Daumenregel, die bisher immer sehr gut funktioniert hat:

Man braucht pro getesteter Variante ca. 10 Conversions pro Tag.

Bei einem A/B Test bedeutet dies, dass man vor dem Test 20 Conversions pro Tag haben sollte, damit der Test nicht ewig läuft. Nun denkt man sich vielleicht: 20 Sales (als Beispiel) pro Tag für eine Variante hätte ich gerne, dann müsste ich nicht testen.

Daher muss man sich in diesem Fall der Micro-Conversions bedienen. Wichtig ist dabei, dass das eigentliche Conversion Goal (Beispiel Sale) neben den verschiedenen Micro-Conversion Goals (AddToCart, etc.) mit getrackt wird.

Auf den Punkt gebracht: Erst einmal die  Conversions pro Testseite im Webanalyse-Tool auswerten. Wer keine 20 Conversions pro Tag vor dem Test hatte, sollte sich auf die Suche nach anderen Conversion Goals begeben, bzw. Micro-Conversions definieren, die neben dem Hauptziel mit getrackt werden.

Beispiel Micro Conversion Rates:

• Click-Through-Rate
• Add-To-Basket-Rate
• Click-To-Product-Rate
• Basket-To-Buy-Rate

4. Wahl der A/B – Testmethode

Hier geht es nicht darum, zwischen A/B Testing oder multivariate Testing zu entscheiden, sondern vielmehr darüber, ob die optimierte Variante als eigenständige URL zur Verfügung steht, oder ob nur die Testelemente innerhalb der bestehenden Seite geändert werden.

Vereinfacht gefragt:

• Steht die neue Variante als eigene URL zur Verfügung? (www.domain.de/landingpage/version-b.html) >> ja / nein
• Ist die neue Variante über einen Parameter zu erreichen?  (www.domain.de/landingpage/?v=2) >> ja/nein?

Variante 1)

Wenn beides verneint wurde, dann handelt es sich um einen „normalen“ A/B -Test auf der Website, bei der ein bestimmtes Element direkt ausgetauscht wird

Variante 2)

Wenn einmal mit „Ja“ geantwortet wurde, dann handelt es sich um Split-URL Test. In diesem Fall kann man das Testsystem so aufsetzen, dass beim Aufruf einer URL vom System entschieden wird, welche Variante ausgespielt wird. Wichtig ist dabei, dass die ursprüngliche Variante auch als „Control“ im System hinterlegt wird, denn das Tool kann die neue Variante nur dann anzeigen, wenn die URL auch aufgerufen wurde.

 5. Traffic Segementierung

Manchmal macht es Sinn, nicht immer den kompletten Traffic zu testen, sondern nur bestimmten Nutzergruppen (Neu vs. wiederkehrend, SEA Traffic für eine bestimmte Kampagne, organischer Traffic, Affiliate Traffic, mobile Nutzer, oder nur direkter Traffic). Bevor der A/B Test live geht, sollte man sich überlegen, ob man alle Nutzer mit einbezieht, oder nur ganz bestimmte. Eine Segmentierung des Traffics kann durchaus zu ganz anderen Ergebnissen führen, als ungefiltertes Testing. Nachfolgend ein paar Segmentierungsbeispiele.

Mein Tipp: SEA Traffic eignet sich in der Regel gut fürs A/B Testing, da dieser Traffic relativ gleichbleibende Qualität aufweist. Sollte der Test zum Uplift führen, kann das Konzept auch auf den kompletten Website Traffic ausgeweitet werden. Zur Segmentierung müssen beim Setup in der Regel die Kampagnen Parameter in der URL eingetragen werden.

6. Signifikanz – Wann ist ein A/B Test aussagekräftig

Ein A/B Test ist dann aussagekräftig, wenn eine gewisse Anzahl an Conversions aufgelaufen sind und der Test statistisch signifikant ist. In der Realität wird dies leider allzu häufig veranachlässigt, was nachfolgende Grafik verdeutlicht:

Wer mit einem A/B Testing Tool testet, der bekommt die Signifikanz (Chance to beat original, etc.) in der Regel mit ausgewertet. Bei manchen Tools kann vorher das Signifikanzniveau verändert werden. Aus der Praxis heraus kann ich empfehlen, das Signifikanzniveau auf 95% (= Fehlerwahrscheinlichkeit von 5%) einzustellen. Ein 90%-iges Signifikanzniveau ist ebenfalls vertretbar, sollte aber nicht Ziel einer Optimierung sein.  Nachfolgender Screenshot zeigt die Einstellung im Visualwebsiteoptimizer (Zu finden unter Test-Settings).

7. Conversion Goals

Das wichtigste beim Testing sind wohl die Conversion Ziele. Erst wenn man diese Kennzahlen steigern konnte, war ein Test auch erfolgreich. Doch welche Ziele sollte man setzen? Hierbei ist auf jeden Fall der Punkt 3 zu berücksichtigen, d.h. man muss auf die Anzahl der Conversions achten.

In einem Prozess (zum Beispiel Checkout) sollte man zudem immer alle Schritte mit tracken. Es ist einem nicht geholfen, wenn die optimierte Produktseite zwar mehr Warenkorb-Aufrufe hat, dafür aber weniger Abschlüsse (ja, das kann passieren!).

Je nachdem welches Testing Tool gewählt wird, ergibt sich daraus auch eine unterschiedliche Anzahl von möglichen Conversion Goals. Der Visualwebsiteoptimizer bietet zum Beispiel 7 Conversion Goals, wohingegen der Google Website Optimizer (auch wenn kostenlos) nur 1 Conversion Goal anbietet.

Wichtig ist, dass man die Conversion Ziele auch sprechend bezeichnet, damit jeder weiß, was damit gemeint ist (Conversion 1 =Abschluss, Conversion 2 = In Warenkorb gelegt, etc.) und sie bevor der Test startet auch überprüft.

8. Auswahl Testing Tool und Setup

Wer erfolgreich alle Punkte durchlaufen hat, kann sich nun an die Auswahl des Testing Tools machen. Eine schöne Übersicht findet man auf → whichmvt - auch wenn es der Name nicht vermuten lässt, aber A/B Testingtools sind ebenfalls enthalten.

Nach der Auswahl eines Testingtools geht es nun an das Setup. Wer die vorherigen Punkte bereits abgehakt hat, wird merken, dass die unterschiedlichen Tools mehr oder weniger genau diese Informationen abfragen.

Wer vor dem Test noch auf Nummer sicher gehen will, führt zunächst einen A/A Test durch, um herauszufinden, ob das Tracking wirklich funktioniert, denn die neue Variante A sollte beim A/A Testing nicht besser konvertieren als die ursprüngliche Variante A .

Viel Erfolg beim A/B – Testing!

Related Posts

1. Checkliste Splittest
2. A/B Test für Produktdetailseite // Preis + Button nebeneinander
3. Shop Optimierung durch A/B Test der Sortierfunktion

Testing führt uns den Uplift in harten Zahlen vor Augen, auf zwei Komma-Stellen genau – Lecker! Testen ist Conversion Optimierern in Fleisch und Blut übergangen und macht uns süchtig! Süchtig nach Erfolg. Süchtig nach noch mehr fetten Uplifts!

Doch was passiert, wenn die gewünschten Ergebnisse ausbleiben? Was passiert, wenn der Nachher-Balken kleiner ist, als der vorher Balken im Diagramm? Wie lange sollte man warten, bis man endlich verstanden hat, dass das gewünschte Ergebnis nicht eintritt? Was kann man mit “verkorksten” Test-Ergebnissen anfangen und wie verkaufe ich das meinem Chef?

Über das Scheitern beim Website Testing >> Viel Spaß bei der Lektüre!

1. Conversion Optimierer scheitern nicht!

Conversion Optimierer sind harte und erfolgreiche Kerle (und Frauen!). Sie steigern jeden Tag den Erfolg von vielen Unternehmen. Wenn man die zahlreichen Case Studies sieht, geht man ehrfürchtig in die Knie. Ein wahnsinniger Uplift nach dem anderen wird veröffentlicht, und still und leise fragt man fragt sich: “Scheitern die denn nie?”

Hier die unverblümte Wahrheit:

Conversion Optimierer scheitern auch, 

ABER

gute Conversion Optimierer geben das zu

… UND

gehen den Gründen für das Scheitern sofort nach! 

Bildquelle: Gabriel Beck 2011

2. Tests können nicht scheitern!

Vom “Scheitern” zu sprechen, ist rein methodisch gesehen falsch. Wer richtig testet, stellt vor dem Testing Hypothesen auf. Die Forschungshypothese kann dabei entweder “bestätigt”, oder “abgelehnt” werden. Dies geschieht bei einem zuvor bestimmten Signifikanz-Niveau bzw. Fehlerwahrscheinlichkeit. Nachfolgend ein idealtypischer Verlauf eines Test (Nach kurzer Zeit liegt der Testsieger kumulativ über dem Verlierer – hier in Test & Target).

Idealtypischer Verlauf beim A/B Testing

3. Es gibt Tests mit Ergebnissen und es gibt Tests mit Erkenntnissen!

Werden Hypothesen mittels Testing bestätigt, so erhält man Ergebnisse. Man freut sich über einen Uplift, der in Prozent (relativ) den Testsieger kürt und kann darüber hinaus die Fehlerwahrscheinlichkeit für dieses Ergebnis ablesen.

Und dann gibt es Tests mit Erkenntnissen! Dies tritt jedes Mal dann ein, wenn die Hypothese nicht bestätigt werden konnte. In diesem Fall kann man sich als Conversion Optimierer hinstellen uns sagen: Ich lag nicht falsch! Meine Aussage konnte nur nicht bestätigt werden

Ok, wir sind ehrlich: Das ist der unangenehme Anruf beim Chef oder Kunden, den man gerne lange hinauszögert  ;-)

Aber das ist der richtige Zeitpunkt, dem “Warum” für dieses Ergebnis nachzugehen!

4. Warum ist Scheitern auch gut?

Häufig werden Conversion Optimierer vor dem Test gefragt: “Was schätzen Sie, wie viel Uplift bringt uns der Test?”. Auf die Frage kann man nicht einmal mit dem Berater-Spruch “Kommt darauf an” antworten. Diese Frage kann schlichtweg nicht beantwortet werden! Der Effekt einer Optimierung kann erst beziffert werden, wenn der Test tatsächlich durchgeführt wurde. Man kann nicht einmal garantieren, dass die Optimierung tatsächlich mehr bringt! (Gute Optimierer können das aufgrund ihrer Erfahrung minimieren, aber nicht ausschließen).

Fakt ist, dass viele (Kunden und Chefs) Angst vorm Testing haben, weil sie scheitern KÖNNTEN! Gewiefte Controller tippen nach einem Test mit negativer Steigerungsrate hektisch Zahlen in den Taschenrechner ein und beziffern genau, wie viel der Test kaputt gemacht und damit gekostet hat! All’ diesen Controllern sei gesagt: Tippt bitte auch bei erfolgreichen Tests ebenso fleißig die Daten in den Taschenrechner ein! Tests können nun mal dazu führen, dass die Hypothese nicht bestätigt wurde. Das heißt aber noch nicht, dass man nicht seine Lehren daraus zieht, in sich geht und einen neuen Wurf wagt!

Und genau hier liegt die Chance in gescheiterten Tests: Man lernt aus ihnen und schlägt neue Wege ein! Man versteht die Besucher einer Website besser und weiß, worauf sie positiv und negativ reagieren. Sensible Test-Elemente zu finden, macht uns beim nächsten Test erst recht erfolgreich!

Das ist wie beim Boxen: Gerade aus den verlorenen Kämpfen lernt man ganz besonders und versucht, die Fehler zu vermeiden, um nicht noch einmal so eine Schlappe einfahren zu müssen!

Daher sage ich laut:

Habt keine Angst vorm Scheitern – Lernt daraus!

5. Wie sehen “verkorkste” Tests aus?

Beispiel 1 – Annähernde Conversion Rate Kurven

Conversion Rates, die kumulativ aufeinander zulaufen

Problem: Die kumulativen Conversion Rates nähern sich nach kurzer Zeit einander an!

Erklärung: Tests “brauchen” ein paar Tage, bevor zu verlässlichen Ergebnissen führen. Das hat auch damit zu tun, das die Entscheidung für Produkte oder Dienstleistungen eine bestimmte Zeit brauchen. In den ersten Tagen kommen daher nur neue Besucher auf die Test-Varianten. Daher ist es wichtig, sich die Zeit bis zum Kauf, oder zum Download etc. vorher anzuschauen. In diesem Fall hat die getestete Variante die Conversion Rate nicht spürbar verbessert. Das Testelement hat in dieser Ausprägung keinen Effekt auf die Conversion Rate.

Die darunter abgebildete Conversion Rate zeigt nominal, dass sich die Varianten nicht groß unterscheiden.

Lösung: Das Testelement muss sich stärker von der ursprünglichen Variante abheben. Wenn Layouts getestet wurden, dann war die Variante B nicht drastisch genug geändert!

Beispiel 2 – Zu viele getestete Varianten

4 Varianten in einem Test

3 Varianten in einem Test

Ergebnis für A/B/C/D – Test

Problem: Man testet mehr als 2 Varianten und sieht keinen großen Unterschied zwischen den Varianten.

Erklärung: Der Traffic, bzw. die Conversions verteilen sich auf 4 Varianten gleichzeitig. Hier wurde zu viel des guten verlangt. Bei 4 Varianten benötigt man schon etwas mehr Traffic, bzw. Conversions. Die Daumenregel lautet: Ca. 10 Aktionen pro Tag und Variante! Also 40 Aktionen, wenn man den Traffic auf 4 Varianten verteilt.

Lösung: Man kann den Test in mehrere A/B Tests zerlegen, um so schneller zu tatsächlich signifikanten Ergebnissen zu kommen.

Beispiel 3 – Keine Signifikanz, aber eindeutiger Verlauf

Problem: Ein Test ist selbst nach 2 Monaten und vielen Conversions noch nicht signifikant.

Erklärung: Die Steigerungsrate hat noch nicht ausgereicht, um den Zufallsfehler gänzlich ausschließen zu können.

Lösung: Ein Blick in den Graphen eines Testverlaufs kann zusätzlich Aufschluss darüber geben, warum hier das Quentchen Signifikanz noch fehlt.

Der Verlauf der Conversion Rate zeigt im Screenshot unten, dass die Conversion Rate zu Beginn des Tests besser war. Erklärung können saisonale Effekte sein, die sich auf die Conversion Rate auswirken. Da mit abnehmender Conversion Rate auch die Conversion Actions weniger werden, dauert der Test einfach länger, bis er genügend Daten gesammelt hat. Aufgrund des konsistenten Verlaufs am Schluss wurde entschieden, den Test auch bei ca. 86% Signifikanz (siehe Screenshot oben) erfolgreich zu beenden.

Graph für einen Testverlauf

Beispiel 4 – Keine signifikanten Ergebnisse über alle Besuchergruppen hinweg. 

Viele Tests scheitern daran, dass sie nicht segmentiert werden. Sowohl bei der Auslieferung, wie auch bei der Auswertung werden alle Besucher in einen Topf geschmissen und das führt häufig zu einem unklaren Ergebnis. Daher ist es wichtig, dass ein Testing Tool Segmentierung unterstützt. Beim Visual Website Optimizer können zum Beispiel die Segmente für die Auslieferung eingestellt werden.

Beispiel 5 – Zu wenige Conversions zum Testen 

Es gibt Website-Betreiber, die würden gerne testen, glauben aber, dass sie zu wenig Conversions haben, um einen Test durchführen zu können. Tests, in denen zu wenig Conversions resultieren, würden sehr lange dauern. Hier kann man empfehlen, alternative Conversion Ziele zu wählen. So kann das Engagement im Visual Website Optimizer (das Gegenteil von der Bounce Rate) als Hilfs-Conversion herangezogen werden.

Fazit

Tests können nicht scheitern, allein die Bestätigung für die Hypothese ist das Ziel eines Tests. Wenn die Bestätigung ausbleibt, sollte man sich einen Kopf darüber machen, woran das liegen kann. Zum einen kann es systematische und technische Gründe dafür geben, auf der anderen Seite sollte das Testkonzept genauer überdacht werden. Aus Fehlern lernt man und genau das ist der richtige Weg, um beim nächsten Test erfolgreich zu sein!

PS:

Wer den Artikel lieber mal in Ruhe ausgedruckt lesen mag, kann ihn auch als PDF runterladen >> Note: There is a file embedded within this post, please visit this post to download the file.

Related Posts

1. Checkliste Splittest
2. Die 7 P’s der Website Conversion
3. Der Weg zur Conversion über die Customer Journey

Alphabet schlägt Relevanz? Preis schlägt Relevanz und Alphabet – oder umgekehrt? Wissen Sie, welche Sortierung bei Ihren Kunden am besten ankommt? Wenn nicht, dann ist das Grund genug, dies zu testen, um so den Online Shop zu optimieren!

Nach dem letzten Artikel zum Thema → A/B Testkonzept für Online Shops – Kategorie vs. Suche folgt dieses Mal eine neue Test-Idee zur Shop Optimierung.

Die Ausgangslage – Produktübersichts-Listen

Produktübersichtslisten bieten dem Nutzer eine gute Möglichkeit, um ein breites Sortiment überblicken zu können. Die Listen bilden die Produkte einer Kategorie, oder Subkategorien (Galerie-Ansicht, oder Liste) ab. Listen sind häufig blätterbar, das heißt, sie erstrecken sich über mehrere Seiten.

Sortier-Varianten

In Abhängigkeit der Attribute, die an den Produkten gepflegt werden, bzw. in Abhängigkeit des Shop-Systems gibt es von Haus aus unterschiedlich viele Möglichkeiten, wonach sortiert werden kann. Hier ein paar Beispiele:

Sortieren nach:

• Preis
• Marke
• Neuheiten
• Preis aufsteigend
• Preis absteigend
• Topseller
• Nach Bewertung
• Verfügbarkeit
• Trendsetter
• Angebote
• Reduziert
• Beste Ergebnisse
• …

Auch in der Darstellung können die angebotenen Sortierfunktionen abweichen. In den meisten Fällen werden sie allerdings als Dropdown oberhalb der Produktlisten abgebildet, möglich sind auch Textlinks (SEO!).

Praxisbeispiele (zum Vergrößern bitte klicken)

Sortierfunktion bei Baur

Sortierfunktion bei amazon

Sortierfunktion bei heine

Auswertung der Sortierfunktion

Die meisten Shop-Systeme hängen beim Sortieren einen Paramenter an die URL mit an. Häufig sind diese Parameter anhand bestimmter Worte zu zu erkennen:

• orderBy=
• ascending
• descending
• und weitere Parameter

Daher ist es einfach, in einem Webanalyse-Tool die wichtigsten (häufig geklicktesten) Sortier-Varianten ausfindig zu machen. Hierfür reicht ein Blick in die Klickziele auf einer Seite. In Google Analytics findet man das Ganze in der Navigationsübersicht.

Werten Sie die aktuellen Klickzahlen der Nutzer aus, bzw. listen Sie die wichtigsten Sortierfunktionen absteigend auf und testen Sie anschließend gegen die voreingestellte Variante.

Blick in die Navigationsübersicht (Neue Google Analytics Version!)

Suchen Sie hier nach den Parametern der Sortierung (mit Hilfe der Suche im neuen Google Analytics)

Tipps zur Shop Optimierung mit Sortierfunktionen

Hier ein paar Tipps, die man beachten sollte:

• Wording (Sortieren nach “Preis” oder “Preis aufsteigend” macht einen Unterschied!)
• Anzahl der Sortiermöglichkeiten (wie viele werden überhaupt genutzt?)
• keine Redundanz (Angebote, Top-Seller, Reduziert?)
• Aufsteigend, absteigend in Worten, nicht mit Pfeilen
• Sortierung nicht mit Filter verwechseln
• Sortierfunktion von Filterfunktion räumlich trennen
• Sortierfunktion oberhalb der Produkte abbilden
• Werfen Sie einen Blick darauf, was Ihre Wettbewerber an Sortierfunktionen anbieten (und voreingestellt haben)
• Variieren Sie die Anzahl der abgebildeten Produkte in der Liste
• Achten Sie darauf, welchen Eindruck Sie vermitteln wollen: Wenn man per default auf “Preis aufsteigend” umstellt, könnte der Eindruck entstehen, dass es sich nur um “billige” Produkte handelt

Testen Sie auf jeden Fall in unterschiedlichen Produktübersichtslisten, denn was in der einen Kategorie funktioniert, muss nicht unbedingt in einer zweiten funktionieren!

Wie kann ich den Shop mit Hilfe der Sortierfunktion optimieren?

Folgende Ideen kann man durchtesten…

1. Welche Sortierfunktion ist voreingestellt?
2. Preis aufsteigend vs. absteigend
3. Angebote vs. Relevanz
4. Reduziert vs. Relevanz
5. Beste Bewertung vs. Beste Ergebnisse
6. Anzahl der abgebildeten Produkte (20 vs. 30, 20 vs. 40)

Test-Setup für einen A/B – Test der Sortierfunktion

Der Test der Sortierfunktion kann in der Regel als URL – Splittest aufgesetzt werden. D.h. im Testingtool kann die ursprüngliche Seite (unsortiert) gegen die sortierte mit Hilfe der URL getestet werden. Die URL im Beispiel von Otto sieht sortiert/ unsortiert wie folgt aus:

1. URL unsortiert:

http://www.otto.de/Herren/Jeans/shop-de_bc_sh1488755/

2. URL sortiert:

http://www.otto.de/Herren/Jeans/shop-de_bc_sh1488755/?ls=&CategoryName=sh1488755&OrderBy=artikelpreis&OrderDirection=ascending&MaxListSize=20(…)

Wenn man sich seine eigene Sortierfunktion einmal anschaut, erkennt man schnell, dass die nötigen Parameter in der URL mit angehangen werden.

Welche Kennzahlen sollte man im Test messen?

Gemessen werden sollten auf jeden Fall:

• Sales Conversion Rate
• Warenkorbwert
• Bounce Rate
• AddToBasket Rate

Fazit

Wie der letzte Artikel zum Testing Suche vs. Kategorie-Einsprung schon gezeigt hat, liegen gute und einfache Testmöglichkeiten sehr nahe und können mit den Bord-Mitteln bewältigt werden.

Viel Erfolg beim Testen!

Related Posts

1. A/B Test für Produktdetailseite // Preis + Button nebeneinander
2. Conversion steigern durch Vertrauen
3. Conversion Case Study – The Olympic Store

Doch die Lösung kann so einfach sein: Wer suchet – der findet. Die interne Suche bietet häufig weitaus bessere Einsprungziele als Shop-Kategorien, bildet mehrere Produkte auf einmal ab und bietet Filter- und Sortierungsmöglichkeiten.

Hier ein paar Tipps für einen einfachen aber guten A/B Test für Online Shops.

Das Problem auf den Punkt gebracht

In vielen Online-Shops gibt es keine Landingpage für einen generischen Begriff, der um ein Produktattribut (wie zum Beispiel die Farbe) erweitert wird.. Praxisbeispiel: Schwarzer Mantel. In der Not verlinkt man lieber auf die Kategorie Mäntel, um zumindest eine relativ gut passende Destination URL in der Adwords-Anzeige unterbringen zu können.

Alternativ-Lösung – Faceted Search

Viele Shop-Systeme bieten inzwischen “Faceted Search” als Filtermöglichkeit an. Auf diese Weise kann man auf beliebige Kombinationen eines Artikel mit Attributen verlinken. Um wenn man es richtig umgesetzt hat, kann man auch für die Suchmaschinen schön URLs zusammenbauen.

• URL vor dem Filtern >> http://www.zalando.de/herrenschuhe-sneaker/
• URL nach dem Filtern nach der Farbe schwarz >> http://www.zalando.de/herrenschuhe-sneaker/_schwarz/

Faceted Search bei Zalando – Bitte klicken zum Vergrößern

Doch was tun, wenn das eigene Shop-System kein Faceted Search kann?

Kategorie-Landingpage vs. Suche (A/B Testkonzept für Shops)

Kategorie-Landingpages bilden häufig nur Subkategorien ab und dienen der Verteilung des Traffics. Produkte sind hier Fehlanzeige. Um den Nutzer relevante Inhalten abbilden zu können, bedarf es eigentlich nur eines geschickten Filters. Entweder ist das Shop-System in der Lage, die Produkt-Attribute wie zum Beispiel die Farbe selbst zu filtern, oder man bedient sich der Suche. Da man aber nicht weiß, was beim Nutzer besser ankommt, sollte man das Ganze vorher in einem A/B Test untersuchen.

Praxisbeispiel “schwarzer Pullover”

Suchmaschinen Ads zu “schwarzer Pullover”

Der Titel enthält leider den Begriff “Sweatshirt” nicht Pullover

Die Landingpage zu diesem Keyword sieht wie folgt aus:

Hinweis: Wegen eines Fehlers in den letzen Screenshots, wurden diese ausgetauscht.

Was die Relevanz dieser Landingpage zum gesuchten Begriff angeht, so sieht man, dass in die Kategorie  “Sweatshirt” verlinkt wird und nur ein schwarzes Produkt zu sehen ist

Die Suchergebnis-Seite zu “schwarzer Pullover”

Die Suchergebnis-Seite zeigt viele schwarze Pullover an, zudem können in der linken Liste weitere Farben und Kategorien ausgewählt werden

Test-Setup

Getestet werden kann per URL Splittest. D.h. man legt in einem A/B Split Test System die 2 URLs der Landingpages an.

• Vergleichsvariante A >> www.shop-url.de/kategorie
• Alternative B >> www.shop-url.de/search=schwarzer-pullover (oder eine ähnliche URL der Ergebnisseite, abhängig von der Suchfunktion)

Segmente

Folgende Segmente sind interessant, um die Ergebnisse des A/B Tests noch besser filtern zu können.

• Neue Besucher
• Wiederkehrende Besucher
• Käufer
• Nicht Käufer

Mögliche Conversion Goals

Folgende Ziele können als Erfolgskennzahlen können herangezogen werden.

• Aufruf Produktdetail-Seiten
• Aufruf Warenkorb-Seite
• Aufruf Bestellbestätigungs-Seite

Reporting

Welche Kennzahlen (KPIs) sind wichtig für das Reporting?

• Absprungrate
• AddToBasket-Rate
• Sales Conversion Rate
• AOV – Durchschnittlicher Warenkorb-Wert

Fazit

Wer nicht immer die richtige Landingpage für eine Suchmaschinen-Kampagne zur Hand hat, sollte sich mal der internen Suche des Shops bedienen. Ein Blick auf die Ladezeit sollten man zusätzlich mal werfen, um beim Qualitätsfaktor keine böse Überraschung erleben zu müssen! Diese Testidee sollte natürlich in Abstimmung mit dem Kampagnen-Betreuer/In stattfinden, die in der Regel schon viele Erfahrungswerte in den Kampagnen gesammelt haben.

Viel Erfolg beim Testen!

Related Posts

1. Conversion Rates Online Shops
2. Startseite von Online Shops gestalten – Teil 1
3. Startseite von Online Shops und Websites gestalten

Wie in einem der letzten Artikel (Conversion Optimierer und SEOs vereinigt Euch) bereits geschrieben, stehen sich SEOs und Conversion Optimierer näher, als man denkt. Dies liegt vor allem daran, dass die Suchmaschinen ihre Ergebnisse danach sortieren, welche Ergebnisse für den Suchbegriff relevant sein können.

Die Bewertung der Relevanz erfolgt nach vielen geheimnisvollen Faktoren, die sich aber teilweise mit der Bewertung eines Menschen decken. Soll heißen:  Besucher und Suchmaschinen ticken irgendwie ähnlich. Daher ist eine Optimierung für die Suchmaschine durchaus auch eine Optimierung der Conversion Rate.

Nach der letzten SEO House Show auf Radio4SEO hat mich Jens Fauldrath angesprochen, ob wir nicht eine Sendung zum Thema “Conversion Optimierung meets SEO” aufnehmen können.

Das Resultat ist jetzt live und man kann gerne mal reinhören. Viel Spaß dabei!

Die Inhalte der Show im Überblick (und nur kurz angerissen)

• Vorgehensweise bei der Conversion Optimierung (womit fängt man an?)
• Testing und SEO
• Probleme beim Testing
• Warum Suchmaschine und Website-Besucher so ähnlich ticken
• Optimierung auf Produktdetail-Seiten
• Warum SEO und Conversion Optimierung gut zusammen funktioniert
• uvw.

Hier geht’s weiter zur Show ↓

Vielen Dank an Jens für das nette Gespräch!

PS: Wer es noch nicht gesehen hat: Die Kategorie “Downloads“ in der oberen Navigation ist neu und hält ebooks und Präsentationen als PDF zum Download bereit

Related Posts

1. Conversion Optimierer und SEOs vereinigt Euch!
2. Shop Optimierung durch A/B Test der Sortierfunktion
3. Ab sofort! Conversion Downloads im conversiondoktor Blog

Ab sofort gibt es meine besten Blogbeiträge und Vorträge auch zum Download hier im Blog. Ich werde nicht jeden Blogbeitrag gleichzeitig auch als PDF zum Download anbieten, aber auf die Wünsche meiner Blog-Leser reagiere ich natürlich gerne!

Die neue Rubrik “Downloads“ wird ab sofort auch als Extra-Seite in der oberen Navigation verfügbar sein. Es soll, darf und kann gerne auf diese Kategorie hingewiesen werden.

Wem das gefällt, der darf aber wirklich mal

↓ hier drauf klicken // Xing oder Facebook ist egal

Related Posts

1. Neue Xing Gruppe: Conversion Optimization – Boost Your Profit
2. Der Conversiondoktor-Blog jetzt auch mobil!
3. Conversion Camp 2010 – Rückblick

“Conversion Optimization – Boost Your Profit”

Hier die Eckdaten zur Gruppe:

Moderatoren

• André Morys (Webarts)
• Gabriel Beck (explido WebMarketing)

Co-Moderator

• Frank Reese (Webtrekk)

Klick auf die Bilder führt zu den Xing Profilen.

Zielgruppe

Die Gruppe richtet sich an alle, die Ihre Websites, Online Shops, Landingpages, Online Formulare … und und und optimieren wollen. Dabei gilt: Fragen helfen weiter! Wir möchten bewußt den Dialog suchen und fördern die Kommunikation auch unter denGruppenteilnehmern. Soll heißen: Warum soll man einen Fehler machen, den ein anderer schon begangen hat? Wir wollen das geballte Wissen an einer Stelle konzentrieren und verschiedene Ansätze zur Conversion Optimierung diskutieren. Die Foren sind dabei in folgende Bereiche unterteilt:

Themengebiete

1. Stellen Sie Ihre Fragen!

Das Experten-Team und die Gruppenmitglieder beantworten Conversion-Fragen und diskutieren Probleme. Fragen ausdrücklich erwünscht!

2. Conversion Analyse – Schwachstellen finden

Wie findet man die Conversion Killer auf Websites, Shops und Landingpages.

3. Conversion Optimierung – Wie kann man optimieren?

Wie geht man bei der Conversion Optimierung vor? Welche Dinge sollte man beachten.

4. Testing

Fragen und Hilfestellung zu A/B- und Multivariaten Tests.

5. Case Studies und Best Practices

Wer interessante Studien und Beispiele findet, kann diese zur Diskussion stellen.

6. Conversion Veranstaltungen

Sie wollen Conversion Experten treffen? Hier finden Sie Ort und Termin von wichtigen Conversion Veranstaltungen.

Mitglied werden und Profit steigern

Die Gruppe soll nicht das Ziel verfolgen, mit Werbung von Dienstleistern “zugekleistert” zu werden, sondern von Dialogen leben, Best Practices zu diskutieren und Wissen auszutauschen. Das Autoren Team hofft, dass die Gruppenmitglieder diese Vision mit uns teilen.

Wir freuen uns auf Ihre Fragen, Input, Probleme, Lösungen, und vieles mehr!

Kleines Dankeschön

Im ersten Artikel finden die Gruppenmitglieder exklusiv den Download Link zu meinem Vortrag “Werkzeugkasten Conversion” von der Conversion Konferenz in Hamburg. Das PDF gibt es nicht im Blog

“Conversion Optimization – Boost Your Profit”

Wem das gefällt, der darf das auch gerne zeigen!

↓Mir gefällt die neue Gruppe

Related Posts

1. Ab sofort! Conversion Downloads im conversiondoktor Blog
2. 24 Conversion Optimierungs Tipps zum Download
3. Conversion Camp 2010 – Rückblick

Ich möchte mein Feedback zu einem tollen Tag geben und weiß noch nicht recht, wo ich anfangen soll. Ursprünglich hatte ich vor, jeden einzelnen Vortrag zu kommentieren, aber bei 19 Vorträgen würde die Zusammenfassung in einem kleinen Buch enden

Daher die Entscheidung für eine „Kurz-Form“.

Meinen Vortrag gibt es auch zum → Download

Die gute Nachricht vorab:

Nächstes Jahr gibt es wieder ein Conversion Camp und das über ganze zwei Tage! Warum? „Der Kunde will es so“ so André Morys nach dem Conversion Camp. Eine Umfrage, die noch während des Conversion Camps gestartet wurde, führte schnell zu dem Ergebnis, dass es so viel interessantes gab, dass es eben nicht reicht, nur einen Tag dafür zu veranschlagen. Diese Meinung teile ich voll und ganz!

Eine glückliche Gewinnerin auf dem Conversion Camp

Renate Brokelmann gewann bei der Verlosung hier im Blog ein Ticket für das Conversion Camp. So sieht die glückliche Gewinnerin aus:

Renate Brokelmann und conversiondoktor

Wir fangen ganz vorne an – die Keynotes

André Morys konnte für die Keynote Raquel Hirsch (Wider Funnel) und Joachim Graf (iBussiness) gewinnen. Im Programm stand als Keynote ebenso James Kalbach (Experience Information), der aber allerdings erst sehr spät zum Thema Customer Journey sprach.

Die ersten vier Vorträge

Raquel Hirsch gab einen schönen Einstieg in das Thema und erklärte, warum sie Conversion Optimierung liebt. Den Satz, den ich von Raquel’s Präsentation mitgeben möchte, ist folgender: „You don’t need more traffic – you need more conversions“.

Raquel war übrigens so schnell und verschickte noch während der Vorträge per Email ihre Präsentation! Großes Lob hierfür!

Stephen Pavlovich (Conversion Factory) verblüffte mit seinen Zahlen, die zeigten was rauskommen kann, wenn man in einem Splittest die gleiche Seite gegeneinander laufen lässt: Signifikanter Uplift! Absolut verblüffend. Aussage war, zu überprüfen, ob ein Test überhaupt korrekt auf dem laufenden System funktionieren kann.

Patrica Hader (Intel) zeigte, wie man das Thema CRO (Conversion Rate Optimization) in einem Unternehmen wie Intel integrieren kann. Zusammen mit Raquel Hirsch wurde das Praxisbeispiel anhand des L.I.F.T –Models von Widerfunnel erläutert. Ein Blick darauf lohnt auf jeden Fall!

Joachim Graf (iBusiness) stellte eine Menge Balken vor – Holzbalken Er nahm das Thema Balkendiagramm wohl zu wörtlich, schaffte es aber damit, die komplette Conversion Mannschaft im Saal etwas aufzulockern. Und wenn es nicht um Balken ging, dann direkt um …. siehe Bild unten

Die wirklichen Balkendiagramme waren aber um so interessanter. Die Conversion Rates deutscher Online Shops lagen bei 3,3 %. Und… es ist viel Luft nach oben im Vergleich zu amerikanischen Shops.

Wer mag, kann die Studie bei iBusiness bestellen.

Großer Durst auf dem Conversion Camp – Wissensdurst!

So viel zu den ersten vier Vorträgen des Conversion Camps. Hier zeigte sich bereits, wie groß der Wissensdurst nach solchen Informationen ist. Positives Feedback machte sich langsam breit. Unser Hirn machte sich bereit für mehr!

Unter dem Hashtag #cc10 wurde natürlich fleißig über das Conversion Camp getwittert und wie sich am späten Abend rausstellte, haben wir es fast geschafft #apple und #itunes als Top Themen bei Twitter zu verdrängen! Mein Spruch dazu: Conversion is King.

Die weiteren Vorträge

Um nicht unfair zu werden, werden die restlichen Vorträge nicht einzeln bewertet. Dafür kann ich aber sagen: Jeder einzelne war es wert, in den Programmplan aufgenommen zu werden!

Etwas umstritten unter den Twitterati war der Ansatz von Kundenblogs zu Conversion Optimierung, vorgestellt von Elske Ludewig (eresult) wo ich allerdings einhaken muss: Eine qualitative Forschung direkt auf der Kunden-Website durchzuführen kann durchaus auch ein Weg sein, Conversion Killer zu identifizieren. Es bleibt natürlich die Frage offen, ob das ein passwortgeschütztes Blog sein muss, oder ob man in Zeiten von Social Media  nicht auch das Thema Facebook Fanpage etc. hätte ansprechen sollen?

Von Rasierhobeln und anderen Waffen

Es wurden viele Praxisbeispiele gezeigt, die bei dem ein oder anderen ein Schmunzeln auf die Lippen zauberten. Von sexy Produkten wie Auslandsreisekrankenversicherungen, über Heizöl, Waffen bis hin zu Rasierhobeln war alles dabei. Das erweitert den Horizont Manuel Ressel (der zeitlich sehr eingegrenzt wurde) schaffte es aber, gerade die männlichen Hörer mit seinen Praxisbeispielen gegen Ende des Conversion Camps wieder wachzurütteln (ich „picke“ ein willkürliches raus: www.knickerpicker.com).

Trends in der Conversion Optimierung

• Testing lohnt
• Neuromarketing
• Webanalytics als Conversion Tool
• Texte, die verkaufen
• Optimierte Such-Funktion

John Ekman (Conversionista) und conversiondoktor

Fazit

Conversion Camp ohne Camp?

Ich freue mich, dass das Thema Conversion Optimierung so viel Aufmerksamkeit erregt, dass man ein Conversion Camp locker füllen kann. Das Wort „Camp“ kam dabei nicht wirklich zum Tragen, was aber auch daran lag, dass keiner auch nur einen der spannenden Vorträge verpassen wollte. Allerdings glaube ich, dass man nächstes Jahr genau das noch ausbauen wird!

Conversion Camp – die Location

Die Location war cool und wurde musikalisch und optisch toll „untermalt“. Für das leibliche Wohl wurde natürlich auch gut gesorgt, wobei ich allerdings kaum Zeit zum Essen fand.Die Organisation des Conversion Camps war sehr gut und wurde von John Elkman (conversionista) als „typical German precision“ beschrieben, was er mehr als nur positiv empfand.

Conversion Camp – die Vorträge

Die Gehirnmasse aller Beteiligten hat sich auf dem Conversion Camp wie ein trockener Schwamm förmlich mit Conversion Wissen vollgesogen! Jeder einzelne Vortrag war interessant. Das lag vor allem auch daran, dass der Begriff Conversion Optimierung in Deutschland so neu ist. Alte „Marketing Hasen“ wie Joachim Graf sagen dazu nur „Conversion Optimierung ist das Direktmarketing der Zukunft “.

Ich sage dazu „Conversion is King“

Meinen Vortrag vom Conversion Camp

Über Feedback zu meinem Vortrag würde ich mich freuen. Gerne bau ich das auch noch hier ein! Wer den Vortrag nicht gesehen/ gehört hat, kann sich zumindest die Präsentation runterladen. Diese gibt es hier: So entlarven Sie Conversion Killer

Nerd in Skirt schrieb

“Sehr gut gefiel mir auch der Vortrag von conversiondoktor.de, der gerne noch eine Stunde länger hätte sprechen können. Er behandelte das Thema Conversion Killer und leitete den Vortrag mit dem verdammt sinnvollen Ausspruch ein: „Man muss die ganze Strecke beachten, nicht erst die Landingpage.“ Hier zeigt sich etwas, was ich auf dem Conversion Camp noch etwas vermisst habe, sicherlich aber das nächste Mal noch mehr hervorgehoben wird: die Zusammenarbeit der einzelnen Disziplinen (SEM, SEO, CRO, SMO…), um wirklich erfolgreich zu sein.”

Manuel Ressel schrieb

“Gabriel Beck’s presentation about “How to unmask Conversion Rate killers” was one of the best of the day with good feedback on twitter.”

Weiterführende Informationen

• Vortrag von Conversionista
• Aexea Studie
• L.I.F.T Model by Widerfunnel
• Conversion Rate Calculator – Wie lange dauern Tests?
• iBusiness – Conversion Rates deutscher Online Shops

Weitere Zusammenfassungen vom Conversion Camp gibt es hier:

• explido
• Wowbaggger
• eresult
• Namics
• Von unterwegs gesendet

Nachwort:

An den „bösen Holländer“ Jos: Bitte verzeih’ mir, dass ich Deinen Vortrag nicht einzeln bewertet habe und ich hoffe, Du hast Deinen Flug noch bekommen, nachdem ich Dich so lange festgehalten habe

Greetings to all the conversion pros out there!

• André Morys
• Raquel Hirsch (“I love CRO”),
• John Ekman (great „Show“),
• Manuel Ressel
• Jos Meijerhof
• Moritz Habermann , auch wenn er nicht dabei war
• Patrick Schneider
• und natürlich das explido Conversion Team!
• und viele viele mehr!

Manuel Ressel (Web Arts) und Gabriel Beck (conversiondoktor)

Related Posts

1. Conversion Camp 2010
2. Conversion Summit Camp 2011 – Rückblick mal anders
3. Conversion Camp – Vortrag zum Download

Die Studie kann kostenlos per PDF heruntergeladen werden.

Ausgangslage (Auszug)

Auf der ursprünglichen Landing Page von Union Investment zum Produkt “Altersvorsorge” waren neben den Informationen zum Produkt auch das Antragsformular enthalten.

Die Seite wirkte überladen und nicht zielgerichtet. Der Button erzielte kaum Aufmerksamkeit [...]

Vorher-Nachher-Effekt

(Hinweis: Die Screenshots gibt es in voller Größe in der Case Study)

Landing Page Optimierung mit Attention Analytics

Die Landing Page wurde unter anderem auch mit dem Attention Analytics Tool → EyeQuant von WhiteMatter Labs untersucht.

Die Ergebnisse in Kurz Form (die Vorher-Nachher-Effekte sind in der PDF enthalten):

Attention Map

Perception Map

Regions of interest

Landing Page Analyse – das Fazit (Auszug)

Die Analyse zeigte, dass die Aufmerksamkeit auf der Landing Page auf den falschen Elementen lag. Die Komplexität der Seite war zu hoch [...]

Die Optimierungsmaßnahmen (Auszug)

Die Optimierung bestand darin, die Komplexität zu reduzieren, den Content zu priorisieren und den User vom Produkt zu überzeugen. Hierzu zählte auch eine einfache Darstellung der Vorteile [...]

Landing Page Testing

Die neue Landing Page wurde in einem A/B-Test gegen die ursprüngliche Landing Page gestellt. Das Test System war der → explido Splittraxx

Die Ergebnisse

Die Steigerung der Lead Conversion Rate um mehr als +170% führte zu einer Senkung der Kosten pro Anfrage (CPL – Cost per Lead) um 64%!

Download der Studie

Hier geht es zum kostenlosen Download der Studie bei explido

Quelle: explido WebMarketing Blog

http://www.explido-webmarketing.de/unternehmen/aktuelles/blog/landing-page-case-study-u/

Related Posts

1. Conversion Case Study – The Olympic Store
2. Landing Page Templates // Vor- und Nachteile
3. Landing Page Optimierung – gut gelandet?