Was ist A/B-Testing im UX? | UX-Forschung #26

A/B-Tests sind eine ausgezeichnete Forschungsmethode, um zwei alternative Versionen einer bestimmten Lösung gleichzeitig zu testen. Lesen Sie unseren Artikel, um zu erfahren, wie man A/B-Tests durchführt und welche Vorteile und Einschränkungen sie haben.

A/B-Tests im UX – Inhaltsverzeichnis:

1. Was sind A/B-Tests im Kontext der UX-Forschung?
2. Wann sollten A/B-Tests angewendet werden?
3. Wie führt man A/B-Tests durch?
4. Zusammenfassung

Was sind A/B-Tests im Kontext der UX-Forschung?

A/B-Tests ermöglichen es Ihnen, zwei Versionen eines Produkts/einer Lösung (Version A und Version B) zu testen und diejenige zu bewerten, die von den Nutzern mehr Zustimmung erhält. Die Messmethoden umfassen die Konversionsrate, die auf der Seite verbrachte Zeit oder das Feedback der Teilnehmer und deren Neigung, die Seite/das Produkt zu empfehlen. Vor dem Test müssen Sie definieren und bestimmen, was “Erfolg” für eine bestimmte Version bedeutet.

Wann sollten A/B-Tests angewendet werden?

Sie können A/B-Tests für Prototypentests, während der Produktentwicklungsphase sowie für den Aufbau von Marketing- und Werbestrategien einsetzen. Sie sind das perfekte Werkzeug, um Entscheidungen zu treffen, die sich auf das Endergebnis einer Organisation auswirken können. A/B-Tests sind besonders nützlich, wenn wir bereits eine Hypothese basierend auf früheren Forschungen haben und bestätigen möchten, dass es die richtige Lösung ist. Forschungsfragen, die für A/B-Tests formuliert werden, könnten so aussehen:

• Welche Version des Produkts generiert eine höhere Konversionsrate?
• Welche der beiden unterschiedlich formulierten Push-Benachrichtigungen erhöht das Engagement in der App?

Ein solider A/B-Test sollte so einfache Vergleiche wie möglich beinhalten, z.B. anstatt zwei völlig unterschiedliche Versionen der Seite zu vergleichen, ist es besser, zwei verschiedene Header-Stile oder zwei unterschiedliche Positionen des CTA-Buttons zu testen. Mit kleineren Vergleichen werden wir genau erkennen, welche Schriftart, Farbe, Element oder Position die UX am meisten beeinflusst.

Diese Forschungsmethode umfasst Tests von zwei Arten: univariant und multivariant. Der erste konzentriert sich auf die Unterschiede zwischen zwei Varianten eines Elements – zum Beispiel einem roten Button und einem blauen Button. Der multivariate Test hingegen vergleicht mehr als 2 Varianten eines Buttons gleichzeitig – z.B. rot, blau, grün und weiß (außerdem können sie sich in den Überschriften unterscheiden, z.B. “Überprüfen Sie dies” und “Mehr sehen”).

Die wichtigsten Vorteile von A/B-Tests sind Schnelligkeit und geringe Kosten. Sie ermöglichen auch die Bewertung mehrerer Produktvarianten an einer großen Gruppe von echten Menschen. Seien Sie sich jedoch bewusst, dass Sie sich auf diese Aspekte konzentrieren sollten, die einen echten Einfluss auf die Gesamtwahrnehmung eines Produkts haben können. Vergleichen Sie keine zufälligen Elemente. Stellen Sie eine Hypothese auf, führen Sie andere ergänzende Forschungen durch und konsultieren Sie dann Ihr Design- und Entwicklungsteam. Gemeinsam entscheiden Sie, welche wesentlichen Merkmale in mehreren Versionen durch die Durchführung von ein- oder mehrvarianten A/B-Tests untersucht werden sollen.

A/B-Tests scheinen eine schnelle Form der Forschung zu sein – obwohl das nicht die Regel ist. Möglicherweise müssen Sie sie einige Wochen lang durchführen, um genügend Daten für die UX-Analyse zu erhalten (aber Sie können auch in wenigen Tagen oder sogar Stunden zu Ergebnissen kommen). Die Zeit, die für die Durchführung einer Umfrage benötigt wird, hängt von vielen Faktoren ab.

Wie führt man A/B-Tests durch?

1. Identifizieren Sie Ihr Problem.

Stellen Sie sicher, dass Sie die richtigen Analysetools anwenden, um die Natur des Problems genau zu bestimmen.

2. Erfahren Sie so viel wie möglich über das Problem sowie über die Nutzer. Gewinnen Sie ein gutes Gefühl für sie.

Bestimmen Sie genau den Ort des Flusses und versuchen Sie herauszufinden, warum es passiert. Ein detailliertes Verständnis wird zu einer ordnungsgemäßen Analyse beitragen.

3. Formulieren Sie eine Hypothese, indem Sie beantworten, wie das Problem gelöst werden kann.

Eine Hypothese ist eine testbare Annahme. Sie können sie in Form einer Bedingung formulieren – “wenn X passiert, dann Z”, d.h. zum Beispiel: “wenn die Überschrift in Schriftgröße 22 statt 18 ist, wird die Konversion steigen”. A/B-Tests werden Ihnen sagen, ob die in der Hypothese präsentierte Vermutung korrekt ist.

4. Definieren Sie Ihr Ziel.

Bestimmen Sie, was Sie mit der Studie sowie durch den gesamten Forschungs- und Designprozess erreichen möchten – zum Beispiel, dass mehr Nutzer auf den CTA-Button auf der Startseite klicken.

5. Definieren Sie die statistische Genauigkeit.

Bestimmen Sie die Zahlen und Werte, die Sie sowohl für die praktische Bewertung der Umfrage als auch für die geschäftlichen Stakeholder benötigen, um zu zeigen – z.B. wird eine Steigerung der Konversionen um 2 % sie zufriedenstellen und es wert sein, in eine Umfrage zu investieren?

6. Definieren Sie den erforderlichen Umfang der Ergebnisse.

Welche Anzahl von Befragten wird statistische Genauigkeit gewährleisten? Welcher Prozentsatz der täglichen, wöchentlichen oder monatlichen Nutzerbasis macht diese Ergebnisse wertvoll und schlüssig? Es ist wichtig, dies zu bestimmen, bevor Sie mit der Umfrage fortfahren.

7. Erstellen Sie Version B und testen Sie Ihre Hypothese.

Bereiten Sie eine zusätzliche Variante (Variante B) der Seite/des Produkts/der Funktionalität für Ihre Hypothese vor und beginnen Sie mit dem Testen. In diesem Stadium treten die Entwickler ein, um eine zweite, alternative Lösung für das bestehende Produkt zu implementieren – und die Nutzer teilen sich unwissentlich in zwei Gruppen (Gruppe A und Gruppe B) wie zuvor die Seite/App. Versuchen Sie während der Bewertung, Ihre Daten nur zu betrachten, nachdem Sie genügend davon gesammelt haben, um statistische Validität und ein tragfähiges Ergebnis zu erhalten.

8. Analysieren Sie die Testergebnisse und handeln Sie entsprechend.

Wenn Ihre Version B den festgelegten Effektivitätsgrad erreicht und Ihre Hypothese bestätigt, können Sie sie für alle Nutzer implementieren (nicht mehr zwischen den Versionen A und B aufteilen). Wenn die Hypothese jedoch widerlegt wird, bleiben Sie bei der ursprünglichen Version A oder entwickeln und testen Sie eine neue Hypothese. Überprüfen Sie auch alternative Forschungsmethoden, um die Daten zu ergänzen.

Zusammenfassung

A/B-Tests sind ein ziemlich technisches Thema. Es erfordert bestimmte Kenntnisse in Statistik sowie spezialisierte technische / Programmierkenntnisse (oder eine gute Beziehung zum Entwicklungsteam des Unternehmens). Es ist eine direkte Methode – zudem ist sie recht einfach, schnell und kostengünstig. Sie ermöglicht den Vergleich von zwei alternativen Versionen eines Produkts zu geringen Kosten mit zufriedenstellenden Ergebnissen. Darüber hinaus basieren ihre Ergebnisse auf den realen Nutzern und sind so präzise, wie man es nur bekommen kann. Denken Sie jedoch daran, dass Sie nicht jede Funktion, jedes Element oder jedes kleine Detail auf der Seite testen können – deshalb ist es beim Durchführen von A/B-Tests üblich, andere ergänzende Forschungsmethoden anzuwenden.

Lesen Sie auch: Entdeckungsforschungsmethoden

Wenn Ihnen unsere Inhalte gefallen, treten Sie unserer aktiven Community auf Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.