Lexikon

A/B-Test

Split-Test

Ein A/B-Test vergleicht zwei Varianten einer Seite oder eines Elements, um datenbasiert zu ermitteln, welche besser konvertiert.

Zuletzt aktualisiert: 18. Juni 2026

Was ist ein A/B-Test?

Bei einem A/B-Test wird der Traffic aufgeteilt: Ein Teil der Besucher sieht Variante A (das Original), der andere Variante B (die Änderung). Beide Versionen laufen gleichzeitig – und am Ende zeigt sich anhand echter Zahlen, welche Version häufiger zum gewünschten Ziel führt, etwa zum Kauf oder zur Newsletter-Anmeldung.

So werden Entscheidungen nicht nach Bauchgefühl, sondern nach Daten getroffen. Gerade in der Conversion-Optimierung ist der A/B-Test das wichtigste Werkzeug, um Verbesserungen abzusichern, bevor sie für alle Besucher live gehen.

Auf einen Blick

Ein A/B-Test stellt zwei Varianten gegeneinander und misst, welche besser konvertiert.
Pro Test wird nur ein Element verändert – sonst weißt du nicht, was gewirkt hat.
Aussagekraft braucht genug Conversions, nicht nur Zeit – Faustregel: ein bis zwei Wochen.
Ergebnisse gelten ab ca. 95 % statistischer Signifikanz als verlässlich.

Warum A/B-Tests? Schluss mit dem Bauchgefühl

„Der grüne Button gefällt mir besser“ ist keine Grundlage für Entscheidungen, die echten Umsatz kosten. Ein A/B-Test ersetzt die Meinung im Raum durch eine messbare Antwort: Welche Version bringt mehr Käufe? Statt einmal teuer umzubauen und zu hoffen, testest du die Änderung an einem Teil des Traffics und rollst nur das aus, was nachweislich funktioniert.

Das senkt das Risiko jeder Änderung und macht Optimierung planbar – jeder Test bringt entweder einen Gewinner oder eine Erkenntnis darüber, was deine Kunden nicht überzeugt.

Welche Arten von A/B-Tests gibt es?

Klassischer A/B-Test

1 Element, 2 Varianten

Eine Änderung gegen das Original (z. B. Button-Text).
Schnell aussagekräftig, auch bei wenig Traffic.
Der Standard für die meisten Shops.

Split-URL-Test

2 komplette Seiten

Zwei verschiedene URLs werden gegeneinander getestet.
Sinnvoll bei kompletten Redesigns oder Layout-Wechseln.
Braucht sauberes Tracking (Canonical/Weiterleitung).

Multivariater Test (MVT)

Mehrere Elemente kombiniert

Mehrere Änderungen gleichzeitig in allen Kombinationen.
Zeigt das Zusammenspiel von Elementen.
Braucht deutlich mehr Traffic, um verlässlich zu sein.

Was kann man testen?

Fast alles, was die Conversion beeinflusst. Am meisten bringt es dort, wo viele Besucher abspringen oder die Wirkung groß ist – also nah am Kauf. Diese Tabelle zeigt typische Stellschrauben mit konkreter Test-Idee und passender Messgröße:

Bereich	Test-Idee	Messgröße
Call-to-Action	„Jetzt kaufen“ vs. „In den Warenkorb“	Klickrate / Conversion-Rate
Produktbilder	Freisteller vs. Lifestyle-Foto	Conversion-Rate
Preisdarstellung	Mit vs. ohne Streichpreis	Conversion-Rate / AOV
Checkout	Gast-Checkout vs. Pflicht-Konto	Abbruchrate im Checkout
Versand-Hinweis	„Gratis ab 50 €“ im Header zeigen	AOV / Conversion-Rate
Newsletter-Box	Position oben vs. im Footer	Anmelderate

AOV = durchschnittlicher Bestellwert (Average Order Value).

So läuft ein A/B-Test ab – Schritt für Schritt

1
Hypothese aufstellen
Was soll sich verbessern und warum? Beispiel: „Ein kürzerer Checkout senkt die Abbrüche.“ Eine gute Hypothese benennt Änderung, erwartete Wirkung und Messgröße.
2
Variante bauen
Variante B erstellen, die sich nur in genau einem Punkt vom Original unterscheidet. Sonst lässt sich das Ergebnis später nicht eindeutig zuordnen.
3
Traffic aufteilen
Besucher per Tool zufällig und gleichmäßig auf A und B verteilen. Beide Varianten laufen parallel im selben Zeitraum.
4
Daten sammeln
Test laufen lassen, bis genug Conversions vorliegen – mindestens ein bis zwei volle Wochen, um Wochentags-Schwankungen abzudecken.
5
Ergebnis auswerten
Gewinner erst übernehmen, wenn der Unterschied statistisch signifikant ist (Faustregel ≥ 95 %). Sonst ist es Zufall.
6
Umsetzen & neu testen
Gewinner für alle ausrollen – oder aus einem Unentschieden lernen und die nächste Hypothese testen. Optimierung ist ein Kreislauf.

Rechenbeispiel: Was bringt ein A/B-Test wirklich?

Schon kleine Prozentpunkte machen bei wiederkehrendem Traffic einen großen Unterschied. Das folgende Beispiel nutzt angenommene Zahlen, um die Hebelwirkung greifbar zu machen:

Hebelwirkung einer Conversion-Steigerung

Angenommen, dein Shop hat 10.000 Besucher im Monat bei einem Ø-Warenkorb von 60 €.

Variante A: Conversion-Rate 2,0 %: 200 Käufe / Monat
Variante B: Conversion-Rate 2,4 %: 240 Käufe / Monat
Mehr-Käufe durch B: +40 / Monat
Mehr-Umsatz (×60 € Warenkorb): +2.400 € / Monat

Mehr-Umsatz im Jahr+28.800 €

Angenommene Beispielzahlen zur Veranschaulichung – keine garantierten Ergebnisse. Eine einzige getestete Änderung kann sich über das Jahr deutlich summieren.

Interaktiv: Wie viele Besucher und wie lange brauchst du?

Die größte Frage in der Praxis: Hat mein Shop überhaupt genug Traffic für einen aussagekräftigen Test? Gib deine Zahlen ein – der Rechner schätzt die nötige Stichprobe pro Variante, die Testdauer und den möglichen Umsatzeffekt:

Deine Zahlen

Besucher / Monat10.000Conversion-Rate aktuell2,0 %Erwartete Steigerung durch B20 %Ø Warenkorb60 €

Schätzung

19.600

Stichprobe pro Variante

Besucher, bis das Ergebnis belastbar ist

18 Wo.

Geschätzte Testdauer

Traffic reicht kaum – größeren Effekt testen

+40

Mehr-Käufe / Monat

wenn Variante B gewinnt

+28.800 €

Mehr-Umsatz / Jahr

hochgerechnet auf 12 Monate

Schätzung nach gängiger Daumenregel (95 % Konfidenz, 80 % Power). Ersetzt kein dediziertes Test-Tool, gibt aber eine realistische Größenordnung.

Statistische Signifikanz – wann ist ein Ergebnis verlässlich?

Ein höherer Wert für Variante B heißt noch nicht, dass B wirklich besser ist – der Unterschied könnte Zufall sein. Statistische Signifikanz gibt an, wie sicher der gemessene Unterschied echt ist. In der Praxis gilt ein Test ab etwa 95 % Signifikanz als verlässlich: Dann liegt die Wahrscheinlichkeit, dass der Unterschied nur Zufall war, unter 5 %.

Entscheidend ist nicht die Laufzeit, sondern die Menge an Conversions. Bei wenig Traffic dauert es länger, bis dieser Wert erreicht ist – ein Test mit nur 20 Käufen pro Variante ist selten belastbar.

Faustregeln für belastbare Tests

Mindestens 1–2 volle Wochen laufen lassen (Wochentags-Effekte).
Auf ≥ 95 % Signifikanz warten, bevor du einen Gewinner kürst.
Pro Variante genug Conversions sammeln – Besucher allein reichen nicht.
Während des Tests nichts anderes am Shop ändern.

Häufige Fehler beim A/B-Testing

Diese Fehler verfälschen das Ergebnis

Test zu früh stoppen, sobald eine Variante kurz vorne liegt.
Mehrere Elemente gleichzeitig ändern – Ursache bleibt unklar.
Zu wenig Conversions, dadurch keine statistische Aussagekraft.
In einer untypischen Phase testen (z. B. nur über Black Friday).

FAQ

Häufige Fragen zu A/B-Test

Wie lange sollte ein A/B-Test laufen?

So lange, bis genug Daten für eine verlässliche Aussage vorliegen – meist mindestens ein bis zwei volle Wochen, um Wochentags-Schwankungen abzudecken. Wichtiger als die Dauer ist die Menge an Conversions: Bei wenig Traffic dauert es entsprechend länger, bis ein Ergebnis aussagekräftig ist.

Was kann man alles A/B-testen?

Fast alles, was die Conversion beeinflusst: Überschriften, Call-to-Actions, Produktbilder, Preisdarstellung, Layout, Formularlänge oder der Checkout-Ablauf. Am meisten bringt es, dort zu testen, wo viele Besucher abspringen oder die Wirkung groß ist.

Wie viele Besucher brauche ich für einen A/B-Test?

Faustregel: Je kleiner der erwartete Unterschied, desto mehr Besucher und Conversions sind nötig. Für eine kleine Verbesserung können mehrere Tausend Besucher pro Variante nötig sein, für deutliche Effekte deutlich weniger. Entscheidend ist die Zahl der Conversions, nicht der Besucher allein – nutze den Rechner oben für eine Schätzung.

Was ist der Unterschied zwischen A/B-Test und Multivariantentest?

Beim A/B-Test wird genau eine Änderung gegen das Original getestet. Bei einem Multivariantentest werden mehrere Elemente gleichzeitig in Kombinationen geprüft. Multivariantentests liefern feinere Erkenntnisse, brauchen aber deutlich mehr Traffic, um aussagekräftig zu sein.

Lohnt sich A/B-Testing auch für kleine Shops?

Ja – aber mit Augenmaß. Entscheidend ist nicht die Shop-Größe, sondern ob genug Conversions zusammenkommen. Kleine Shops testen am besten große, auffällige Änderungen (etwa ein neues Seitenlayout statt nur einer Button-Farbe), weil deren Wirkung schneller messbar ist. Bei sehr wenig Traffic dauert ein verlässliches Ergebnis länger – dann lohnt es sich, zuerst an Reichweite und an den größten Abbruchstellen zu arbeiten.

Welche Tools brauche ich für einen A/B-Test?

Für den Einstieg genügt ein A/B-Testing-Tool, das den Traffic zufällig aufteilt und Conversions misst – es gibt kostenlose Einstiegslösungen und umfangreichere Profi-Tools. Wichtiger als das Tool ist sauberes, DSGVO-konformes Tracking: Nur wenn Zuordnung und Zielmessung stimmen, sind die Ergebnisse belastbar. Für komplexe Tests oder die richtige Deutung der Zahlen lohnt sich oft externe Unterstützung.

Feedback