A/B-Tests im Onlineshop: Testen statt raten, aber richtig

Ein A/B-Test zeigt zwei Varianten derselben Seite parallel im laufenden Shop: Deine Besucher werden zufällig aufgeteilt, ein Teil sieht das Original, der andere die geänderte Variante, und gemessen wird, welche Variante häufiger zur gewünschten Aktion führt, meist zum Kauf. Damit ersetzt du Meinungen durch Messung: Nicht die lauteste Stimme im Team entscheidet, sondern das Verhalten echter Kunden. Das klingt einfach, und genau da liegt die Falle. Ein schlampig aufgesetzter Test wirkt genauso überzeugend wie ein sauberer, nur dass sein Ergebnis nichts wert ist.

A/B-Tests sind in der Conversion-Optimierung das Werkzeug für Fortgeschrittene: Sie beantworten die Frage, welche Änderung in deinem Shop wirklich wirkt, statt es zu vermuten. In diesem Artikel liest du, wie der Kreislauf aus Messen, Hypothese, Testen und Umsetzen funktioniert, welche Fehler Einsteiger typischerweise machen und, das gehört zur ehrlichen Antwort dazu, warum viele kleine und mittlere Shops ohne Tests besser fahren.

Was ist ein A/B-Test, und warum schlägt er das Bauchgefühl?

Ein A/B-Test ist ein kontrolliertes Experiment: Variante A (das Original) und Variante B (deine Änderung) laufen gleichzeitig, und der Zufall entscheidet, welcher Besucher welche Variante sieht. Genau diese zwei Eigenschaften, gleichzeitig und zufällig, unterscheiden ihn von jedem anderen Vergleich. Wenn du im Januar etwas änderst und mit dem Dezember vergleichst, misst du vor allem den Unterschied zwischen Januar und Dezember: Saison, Werbedruck, Feiertage, Wetter. Der A/B-Test schaltet all das aus, weil beide Varianten zur selben Zeit denselben Bedingungen ausgesetzt sind.

Warum das Bauchgefühl dagegen so oft verliert? Weil du deinen eigenen Shop zu gut kennst. Du weißt, wo alles steht, was der Fachbegriff bedeutet und warum das Formular drei Pflichtfelder hat. Deine Kunden wissen das alles nicht. Was dem Team logisch erscheint, kann draußen komplett anders wirken, und das lässt sich nicht wegdiskutieren, nur messen. Ohne Daten enden Debatten über die „richtige“ Produktseite meist damit, dass die ranghöchste Meinung gewinnt, nicht die beste.

Eine ehrliche Einschränkung gehört gleich an den Anfang: Ein A/B-Test beantwortet nur die Frage, die du ihm stellst, und auch das nur, wenn genug Besucher und Bestellungen zusammenkommen. Dazu weiter unten mehr, denn dieser Punkt entscheidet, ob Tests für deinen Shop überhaupt das richtige Werkzeug sind.

Wie läuft ein sauberer A/B-Test ab? Der Kreislauf

Ein sauberer A/B-Test ist kein einzelnes Ereignis, sondern eine Runde in einem Kreislauf: messen, Hypothese bilden, testen, umsetzen, und dann wieder von vorn. Wer eine Station überspringt, testet nicht, sondern würfelt mit Diagrammen.

Schritt 1: Messen und die Lecks finden

Bevor du testest, musst du wissen, wo dein Shop Kunden verliert. Dafür schaust du dir den Weg zur Bestellung als Trichter an: Wie viele Besucher landen auf Produktseiten, wie viele legen etwas in den Warenkorb, wie viele starten den Checkout, wie viele schließen ab? Die Stufe mit dem größten Absprung ist dein Testkandidat, nicht die Stelle, an der sich am bequemsten etwas ändern lässt. Wie du deine Zahlen dabei einordnest, liest du im Artikel über gute Conversion-Rates im Onlineshop.

Für diese Messung brauchst du übrigens keine Datensammelei mit Einwilligungs-Bannern: Eine cookielose, DSGVO-konforme Webanalyse zeigt dir Trichter und Absprünge, ohne deine Kunden zu nerven oder Consent-Verwaltung zu erfordern.

Schritt 2: Eine Hypothese formulieren

Eine gute Hypothese folgt einem einfachen Schema: Wenn wir X ändern, dann passiert Y, weil Z. Zum Beispiel: Wenn wir die Versandkosten schon auf der Produktseite zeigen, dann brechen weniger Kunden im Checkout ab, weil sie im letzten Schritt nicht mehr von Zusatzkosten überrascht werden. Erst dieses Schema macht aus einer Idee („lass uns mal den Warenkorb umbauen“) etwas, das man prüfen kann.

Das „weil“ ist der wichtigste Teil. Es zwingt dich, über das Verhalten deiner Kunden nachzudenken statt über deine Vorlieben. Und es sorgt dafür, dass du auch aus einem verlorenen Test etwas lernst: Tritt Y nicht ein, war Z offenbar nicht der wahre Grund für das Problem, und das ist eine echte Erkenntnis über deine Kunden, keine verschwendete Zeit.

Schritt 3: Den Test sauber aufsetzen

Drei Regeln entscheiden darüber, ob dein Test hinterher etwas wert ist.

• Eine Änderung pro Test. Nur wenn sich A und B in genau einem Punkt unterscheiden, weißt du hinterher, was den Unterschied gemacht hat. Es ist verlockend, gleich fünf Ideen in die neue Variante zu packen, aber damit tauschst du eine Antwort gegen fünf neue Fragen.
• Ganze Nutzer statt Seitenaufrufe. Ein Besucher muss bei jedem Besuch dieselbe Variante sehen, sonst vergleichst du keine Kauferlebnisse, sondern Momentaufnahmen. Wer beim ersten Besuch den neuen Checkout sieht und beim zweiten den alten, ist verwirrt, und deine Daten sind es auch. Gute Test-Tools regeln das automatisch, prüfen solltest du es trotzdem.
• Vorher festlegen, wann Schluss ist. Bestimme vor dem Start, welche Kennzahl zählt (Bestellungen, nicht Klicks), wie lange der Test läuft und wann er endet. Der Zeitraum sollte volle Wochen umfassen, weil sich Wochenend-Käufer anders verhalten als Werktags-Käufer. Und dann gilt: laufen lassen. Ein Test, dessen Ende je nach Zwischenstand verschoben wird, ist keiner.

Schritt 4: Das Ergebnis lesen

Der schwerste Teil ist nicht das Aufsetzen, sondern das Aushalten. Zwischenstände schwanken, gerade am Anfang, wenn wenige Bestellungen das Bild dominieren. Führt Variante B nach drei Tagen „klar“, heißt das wenig: Wären zwei Bestellungen anders gefallen, läge vielleicht A vorn. Zufallsschwankungen sind keine Ausnahme, sie sind der Normalzustand kleiner Zahlen. Genau dafür gibt es die vorher festgelegte Laufzeit: Sie schützt dich vor deiner eigenen Ungeduld.

Ist der Test durch, gibt es drei mögliche Ergebnisse, und alle drei sind wertvoll. B gewinnt: umsetzen. A gewinnt: Die Änderung hätte geschadet, und der Test hat dich davor bewahrt, sie allen Kunden vorzusetzen. Und dann gibt es das Ergebnis, das Einsteiger am meisten frustriert und erfahrene Tester am wenigsten überrascht: kein messbarer Unterschied.

Auch „kein Unterschied“ ist ein Ergebnis: Es bewahrt dich davor, Geld und Wochen in eine Änderung zu stecken, die deinen Kunden schlicht egal ist.

Schritt 5: Umsetzen und weitermachen

Aus dem Gewinner wird der neue Standard: Variante fest einbauen, Test wieder abschalten und das Ergebnis kurz dokumentieren, Hypothese, Zahlen, Entscheidung. Diese Notizen sind wertvoller, als sie aussehen, denn sie verhindern, dass in einem Jahr jemand dieselbe Debatte von vorn beginnt. Danach startet der Kreislauf von Neuem, beim nächsten Leck im Trichter. Conversion-Optimierung ist kein Projekt mit Enddatum, sondern eine Gewohnheit.

Welche Fehler machen Einsteiger bei A/B-Tests?

Die typischen Einsteiger-Fehler sind seit Jahren dieselben, und fast alle laufen auf denselben Kern hinaus: Der Test wird so lange zurechtgebogen, bis er das gewünschte Ergebnis zeigt.

Zu früh aufhören. Der Klassiker. Nach drei Tagen führt Variante B deutlich, und die Versuchung ist groß, den Sieg zu verkünden. Aber frühe Führungen kippen oft wieder, weil am Anfang jede einzelne Bestellung das Bild verzerrt. Wer immer dann stoppt, wenn das Ergebnis gerade gefällt, findet zuverlässig „Gewinner“, die keine sind.

Zu viele Änderungen gleichzeitig. Neuer Produkttext, neue Bilder, anderer Button, umgebauter Kopfbereich, alles in einer Variante. Selbst wenn B gewinnt, weißt du nicht, warum. Vielleicht hat eine Änderung geholfen und zwei haben geschadet. Übertragen kannst du so ein Ergebnis auf nichts, gelernt hast du auch nichts.

Der Signifikanz-Ampel blind vertrauen. Test-Tools zeigen gern eine grüne „Signifikant!“-Meldung. Diese Ampel prüft aber nur die Mathematik, nicht deinen Testaufbau. Wer zu früh schaut, den Test zwischendurch verändert oder kaum Bestellungen gesammelt hat, bekommt trotzdem irgendwann ein grünes Licht, es bedeutet nur nichts. Signifikanz ist eine Mindestbedingung, kein Beweis.

Mit Mini-Traffic testen. Kommen pro Variante nur eine Handvoll Bestellungen zusammen, entscheidet der Zufall das Ergebnis, egal wie schön das Dashboard aussieht. Dazu gleich mehr, denn dieser Punkt verdient einen eigenen Abschnitt.

Nur Kleinkram testen. Button-Farben sind das berühmteste Beispiel und meist das nutzloseste. Die großen Hebel sind die, die Kaufentscheidungen wirklich berühren: wie du Preise und Versandkosten darstellst, wie viele Schritte dein Checkout hat und ob deine Produktseiten die entscheidenden Kundenfragen beantworten. Auch beim Thema Warenkorbabbrüche liegen die testwürdigen Hebel selten in der Optik, sondern in Kosten, Pflichtfeldern und Zahlarten. Wer nur an Farben schraubt, testet präzise am Problem vorbei.

Hat dein Shop genug Traffic für belastbare A/B-Tests?

Die unbequeme Wahrheit zuerst: Die meisten kleinen und mittleren Onlineshops haben zu wenig Traffic für belastbare A/B-Tests. Das ist keine Schande, sondern schlicht Mathematik. Ein Test braucht pro Variante genug Bestellungen, damit sich echte Unterschiede von Zufallsschwankungen trennen lassen, und die Grundregel lautet: Je kleiner der Unterschied, den du nachweisen willst, desto mehr Besucher und Bestellungen braucht der Nachweis. Große Effekte zeigen sich früh, kleine Verbesserungen brauchen sehr viel Geduld und sehr viel Traffic.

Ein Rechenbeispiel macht das greifbar. Conversion-Rates im E-Commerce liegen je nach Branche, Gerät und Traffic-Quelle oft zwischen 1 und 3 Prozent. Angenommen, dein Shop liegt bei 2 Prozent: Dann stecken in 1.000 Besuchern gerade einmal rund 20 Bestellungen. Teilst du diese Besucher auf zwei Varianten auf, vergleichst du am Ende vielleicht 9 Bestellungen mit 11. Ob daraus 12 und 8 oder 10 und 10 geworden wären, entscheidet bei so kleinen Mengen oft der pure Zufall: ein Firmenkunde hier, ein verregneter Sonntag da. Ein Unterschied, der etwas bedeutet, sieht auf diese Distanz genauso aus wie einer, der nichts bedeutet.

Dazu kommt die Zeit. Wenn dein Shop Monate braucht, um genug Bestellungen für einen Test zu sammeln, ändern sich währenddessen die Bedingungen: Saison, Sortiment, Werbekampagnen, Preise beim Wettbewerb. Je länger ein Test läuft, desto mehr solcher Störungen sammelt er ein, und desto weniger ist das Ergebnis am Ende wert. Die ehrliche Faustregel lautet deshalb: Wenn du zweifelst, ob dein Shop genug Traffic hat, dann reicht er vermutlich nicht für den Nachweis kleiner Effekte. Testen kannst du dann höchstens große, mutige Änderungen, deren Wirkung deutlich ausfällt.

Was tun, wenn A/B-Tests (noch) nicht das richtige Werkzeug sind?

Wenn belastbare Tests außer Reichweite sind, ist das kein Grund zur Untätigkeit, im Gegenteil: Deine Zeit ist dann in den bewährten Grundlagen besser angelegt. Es gibt eine Handvoll Hebel, die in praktisch jedem Shop in dieselbe Richtung wirken, so zuverlässig, dass du sie nicht erst selbst per Test beweisen musst:

• Tempo. Ein langsamer Shop verliert Kunden, bevor sie das erste Produkt sehen. Wo du ansetzt, zeigt der Artikel zu den Core Web Vitals im E-Commerce.
• Vertrauen. Bewertungen, klare Kontaktdaten, transparente Rückgabebedingungen: Wie du Vertrauen im Onlineshop aufbaust, ist keine Testfrage, sondern Handwerk.
• Ein klarer Call-to-Action pro Seite, gut sichtbar und mit dem Daumen erreichbar. Gerade die mobile Ansicht entscheidet für die meisten Shops über den Großteil des Geschäfts.
• Ein einfacher Checkout: Gastbestellung, wenige Felder, keine Kostenüberraschungen im letzten Schritt.

Und wenn du Änderungen trotzdem überprüfen willst, arbeite mit Vorher-Nachher-Vergleichen mit Augenmaß: eine Änderung auf einmal, ein paar Wochen Zahlen vorher und nachher, und dabei ehrlich mitdenken, was sonst noch anders war, etwa Saison, Newsletter oder eine Werbeaktion. Das ist kein A/B-Test und beweist nichts, aber es macht dich deutlich klüger als blindes Umbauen. Wichtig ist nur die richtige Erwartung: Du beobachtest Tendenzen, keine Nachkommastellen.

Fazit: Testen ist ein Werkzeug, kein Selbstzweck

A/B-Tests sind das ehrlichste Werkzeug der Conversion-Optimierung, wenn die Voraussetzungen stimmen: genug Traffic, eine saubere Messung, eine klare Hypothese und die Disziplin, den Test zu Ende laufen zu lassen. Fehlt eine dieser Zutaten, produziert das Werkzeug keine Wahrheit, sondern gut aussehenden Zufall. Für viele Shops ist die richtige Reihenfolge deshalb: erst die Grundlagen, dann die Messung, dann das Testen. Raten musst du in keinem der drei Schritte.

Wenn du wissen willst, wo dein Shop auf diesem Weg steht, schau mit uns gemeinsam drauf: Im gratis Shop-Check werfen wir in rund 30 Minuten live einen Blick auf deinen Shop, klären, ob er testbereit ist, und zeigen dir die Hebel, die auch ohne Test wirken. Viele davon können wir danach direkt umsetzen. Das Ganze ist unverbindlich und ohne Verkaufsdruck: Melde dich einfach, wir schauen ehrlich hin.