![\"Erkl\u00e4rung,](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/Una-lista-de-verificacion-que-querras-marcar.jpg\" "\\"Erkl\u00e4rung,")
<\/p>\n
Quelle<\/p>\n
Mithilfe von A \/ B-Tests k\u00f6nnen Marketer erkennen, wie eine Version von Marketinginhalten mit einer anderen zusammenarbeitet. Hier sind zwei Arten von A \/ B-Tests, die Sie durchf\u00fchren k\u00f6nnen, um die Conversion-Rate Ihrer Website zu erh\u00f6hen: <\/p>\n
Beispiel 1: User Experience Test<\/h3>\n
Vielleicht m\u00f6chten Sie sehen, ob das Verschieben einer bestimmten CTA-Schaltfl\u00e4che (Call to Action) an den Anfang Ihrer Startseite, anstatt sie in der Seitenleiste zu belassen, Ihre Klickrate verbessert.<\/p>\n
Um diese A \/ B-Theorie zu testen, w\u00fcrde ich eine andere alternative Website erstellen, die die Standort\u00e4nderung des CTA widerspiegelt. Das vorhandene Design oder das "Kontrolle<\/strong>"- ist Version A. Version B ist der" Herausforderer ". Dann w\u00fcrde ich diese beiden Versionen testen, indem ich sie einem vorgegebenen Prozentsatz der Website-Besucher zeige. Idealerweise ist der Prozentsatz der Besucher, die eine der beiden Versionen sehen, der gleiche.<\/p>\n Erfahren Sie, wie Sie A \/ B einer Komponente Ihrer Website mit dem HubSpot Marketing Hub einfach testen k\u00f6nnen.<\/p>\n Vielleicht m\u00f6chten Sie wissen, ob das \u00c4ndern der Farbe Ihrer CTA-Schaltfl\u00e4che (Call to Action) Ihre Klickrate erh\u00f6hen kann.<\/p>\n Um diese A \/ B-Theorie zu testen, w\u00fcrde ich eine alternative CTA-Schaltfl\u00e4che mit einer anderen Schaltfl\u00e4chenfarbe entwerfen, die als Ziel zur Zielseite f\u00fchrt. Wenn Sie in Ihren Marketinginhalten im Allgemeinen eine rote Handlungsaufforderungstaste verwenden und die gr\u00fcne Variante nach Ihrem A \/ B-Test mehr Klicks erh\u00e4lt, sollten Sie m\u00f6glicherweise die Standardfarbe Ihrer Handlungsaufforderungstasten in Gr\u00fcn \u00e4ndern von nun an.<\/p>\n Weitere Informationen zu A \/ B-Tests finden Sie hier in unserer kostenlosen Einf\u00fchrung.<\/p>\n A \/ B-Tests haben f\u00fcr ein Marketing-Team eine Vielzahl von Vorteilen, je nachdem, was sie testen m\u00f6chten. Vor allem aber sind diese Tests f\u00fcr ein Unternehmen wertvoll, weil sie kosteng\u00fcnstig, aber sehr lohnend sind.<\/p>\n Angenommen, Sie besch\u00e4ftigen einen Content-Ersteller mit einem Gehalt von 50.000 US-Dollar pro Jahr. Dieser Ersteller von Inhalten ver\u00f6ffentlicht f\u00fcnf Artikel pro Woche f\u00fcr den Blog des Unternehmens, insgesamt 260 Artikel pro Jahr. Wenn der durchschnittliche Blog-Beitrag eines Unternehmens 10 Leads generiert, kann man sagen, dass die Generierung von 10 Leads f\u00fcr das Unternehmen etwas mehr als 192 US-Dollar kostet (Gehalt von 50.000 US-Dollar \u00f7 260 Artikeln = 192 US-Dollar pro Artikel). Das ist ein fester Bestandteil der Ver\u00e4nderung.<\/p>\n Wenn Sie diesen Ersteller von Inhalten bitten, zwei Tage damit zu verbringen, einen A \/ B-Test f\u00fcr einen Artikel zu entwickeln, anstatt Artikel in diesem Zeitraum zu schreiben, k\u00f6nnten Sie 192 US-Dollar verbrennen, weil Sie einen Artikel weniger ver\u00f6ffentlichen. Wenn dieser A \/ B-Test jedoch feststellt, dass Sie die Conversion-Rate f\u00fcr jeden Artikel von 10 auf 20 Leads erh\u00f6hen k\u00f6nnen, haben Sie gerade 192 US-Dollar ausgegeben, um m\u00f6glicherweise die Anzahl der Kunden zu verdoppeln, die Ihr Unternehmen von Ihrem Blog erh\u00e4lt.<\/p>\n Wenn der Test fehlschl\u00e4gt, haben Sie nat\u00fcrlich 192 US-Dollar verloren, aber jetzt k\u00f6nnen Sie Ihren A \/ B-Test noch h\u00f6flicher gestalten. Wenn dieser zweite Test die Conversion-Rate Ihres Blogs verdoppelt, haben Sie schlie\u00dflich 284 US-Dollar ausgegeben, um das Einkommen Ihres Unternehmens zu verdoppeln. Unabh\u00e4ngig davon, wie oft Ihr A \/ B-Test fehlschl\u00e4gt, \u00fcberwiegt Ihr endg\u00fcltiger Erfolg fast immer die Kosten f\u00fcr die Durchf\u00fchrung.<\/p>\n Es gibt viele Arten von Split-Tests, die Sie ausf\u00fchren k\u00f6nnen, damit sich das Experiment am Ende lohnt. Hier sind einige allgemeine Ziele, die Vermarkter f\u00fcr ihr Gesch\u00e4ft haben, wenn sie A \/ B-Tests durchf\u00fchren:<\/p>\n Lassen Sie uns nun die Checkliste durchgehen, um einen A \/ B-Test einzurichten, auszuf\u00fchren und zu messen.<\/p>\n Wenn Sie Ihre Webseiten und E-Mails optimieren, stellen Sie m\u00f6glicherweise fest, dass Sie eine Reihe von Variablen testen m\u00f6chten. Um jedoch zu beurteilen, wie effektiv eine \u00c4nderung ist, sollten Sie eine "unabh\u00e4ngige Variable" isolieren und ihre Leistung messen. Andernfalls k\u00f6nnen Sie nicht sicher sein, wer f\u00fcr die Leistungs\u00e4nderungen verantwortlich war.<\/p>\n Sie k\u00f6nnen mehr als eine Variable f\u00fcr eine einzelne Webseite oder E-Mail testen. Probieren Sie sie einfach einzeln aus.<\/p>\n Sehen Sie sich die verschiedenen Elemente in Ihren Marketingressourcen und Ihre m\u00f6glichen Design-, Texterstellungs- und Designalternativen an. Sie k\u00f6nnen auch versuchen, Betreffzeilen f\u00fcr E-Mails, Absendernamen und verschiedene M\u00f6glichkeiten zum Anpassen Ihrer E-Mails zu verwenden.<\/p>\n Denken Sie daran, dass selbst einfache \u00c4nderungen, wie das \u00c4ndern des Bildes in Ihrer E-Mail oder der W\u00f6rter auf Ihrer Handlungsaufforderungstaste, zu enormen Verbesserungen f\u00fchren k\u00f6nnen. Tats\u00e4chlich sind diese Arten von \u00c4nderungen normalerweise einfacher zu messen als gr\u00f6\u00dfere.<\/p>\n Hinweis: <\/strong>Es gibt Zeiten, in denen es sinnvoller ist, mehrere Variablen anstelle einer einzelnen Variablen zu testen. Dies ist ein Prozess, der als multivariates Testen bezeichnet wird. Wenn Sie sich fragen, ob Sie einen A \/ B-Test anstelle eines multivariaten Tests durchf\u00fchren sollten, finden Sie hier einen n\u00fctzlichen Optimizely-Artikel zum Vergleich der beiden.<\/p>\n Obwohl Sie f\u00fcr jeden Test eine Reihe von Metriken messen, w\u00e4hlen Sie eine prim\u00e4re Metrik aus, auf die Sie sich konzentrieren m\u00f6chten – f\u00fchren Sie den Test aus. Tun Sie dies sogar, bevor Sie die zweite Variante einrichten. Dies ist Ihre "abh\u00e4ngige Variable".<\/p>\n \u00dcberlegen Sie, wo sich diese Variable am Ende des Divisionstests befinden soll. K\u00f6nnten Sie einen Offizier erkl\u00e4ren? Hypothese<\/strong> und \u00fcberpr\u00fcfen Sie Ihre Ergebnisse basierend auf dieser Vorhersage.<\/p>\n Wenn Sie bis sp\u00e4ter warten, um zu \u00fcberlegen, welche Metriken f\u00fcr Sie wichtig sind, welche Ziele Sie verfolgen und wie sich die von Ihnen vorgeschlagenen \u00c4nderungen auf das Benutzerverhalten auswirken k\u00f6nnen, konfigurieren Sie den Test m\u00f6glicherweise nicht auf die effektivste Weise.<\/p>\n Sie haben jetzt Ihre unabh\u00e4ngige Variable, Ihre abh\u00e4ngige Variable und Ihr gew\u00fcnschtes Ergebnis. Verwenden Sie diese Informationen, um die unver\u00e4nderte Version des zu testenden Objekts als "Steuerelement" zu konfigurieren. Wenn Sie eine Webseite testen, ist dies die unver\u00e4nderte Webseite, wie sie bereits vorhanden ist. Wenn Sie eine Zielseite testen, ist dies das Layout und die Kopie der Zielseite, die Sie normalerweise verwenden w\u00fcrden.<\/p>\n Erstellen Sie von dort aus eine Variation oder einen "Herausforderer" – die Website, die Zielseite oder die E-Mail, die Sie mit Ihrer Kontrolle testen werden. Wenn Sie sich beispielsweise fragen, ob das Einf\u00fcgen eines Testimonials in eine Zielseite einen Unterschied bewirken w\u00fcrde, richten Sie Ihre Kontrollseite ohne Testimonials ein. Erstellen Sie dann Ihre Variation mit einem Testimonial.<\/p>\n Bei Tests, bei denen Sie mehr Kontrolle \u00fcber die Zielgruppe haben, z. B. E-Mails, m\u00fcssen Sie mit zwei oder mehr gleichen Zielgruppen testen, um endg\u00fcltige Ergebnisse zu erzielen.<\/p>\n Wie Sie dies tun, h\u00e4ngt vom verwendeten A \/ B-Testwerkzeug ab. Wenn Sie ein HubSpot Enterprise-Kunde sind, der beispielsweise einen A \/ B-Test f\u00fcr eine E-Mail durchf\u00fchrt, teilt HubSpot den Datenverkehr automatisch in seine Variationen auf, sodass jede Variation eine zuf\u00e4llige Stichprobe von Besuchern erh\u00e4lt.<\/p>\n Wie Sie Ihre Stichprobengr\u00f6\u00dfe bestimmen, h\u00e4ngt auch von Ihrem A \/ B-Testwerkzeug und der Art des von Ihnen durchgef\u00fchrten A \/ B-Tests ab.<\/p>\n Wenn Sie eine A \/ B-E-Mail testen, m\u00f6chten Sie wahrscheinlich einen A \/ B-Test an einen kleineren Teil Ihrer Liste senden, um statistisch signifikante Ergebnisse zu erhalten. Schlie\u00dflich werden Sie einen Gewinner ausw\u00e4hlen und die Gewinnvariante an den Rest der Liste senden. (Weitere Informationen zur Berechnung der Stichprobengr\u00f6\u00dfe finden Sie im eBook "Science of Split Testing" am Ende dieses Artikels.)<\/p>\n Wenn Sie ein HubSpot Enterprise-Kunde sind, k\u00f6nnen Sie die Gr\u00f6\u00dfe Ihrer Stichprobengruppe mithilfe eines Schiebereglers bestimmen. Damit k\u00f6nnen Sie einen 50\/50-A \/ B-Test f\u00fcr jede Stichprobengr\u00f6\u00dfe durchf\u00fchren, obwohl f\u00fcr alle anderen Stichprobenbereiche eine Liste mit mindestens 1.000 Empf\u00e4ngern erforderlich ist.<\/p>\n Wenn Sie etwas testen, das eine begrenzte Zielgruppe hat, z. B. eine Webseite, wirkt sich die Dauer des Testlaufs direkt auf Ihre Stichprobengr\u00f6\u00dfe aus.<\/p>\n Sie m\u00fcssen Ihren Test lange genug laufen lassen, um eine betr\u00e4chtliche Anzahl von Ansichten zu erhalten. Andernfalls ist es schwierig zu erkennen, ob zwischen den beiden Variationen ein statistisch signifikanter Unterschied bestand.<\/p>\n \u00dcberlegen Sie sich nach Auswahl Ihrer Zielmetrik, wie wichtig Ihre Ergebnisse sein m\u00fcssen, um die Auswahl einer Variante gegen\u00fcber einer anderen zu rechtfertigen. Die statistische Signifikanz ist ein sehr wichtiger Teil des A \/ B-Testprozesses, der h\u00e4ufig falsch interpretiert wird. Wenn Sie ein Update zur statistischen Signifikanz aus Marketing-Sicht ben\u00f6tigen, empfehle ich dringend, diesen Blog-Beitrag zu lesen.<\/p>\n Je h\u00f6her der Prozentsatz Ihres Vertrauensniveaus ist, desto sicherer sind Sie von Ihren Ergebnissen. In den meisten F\u00e4llen m\u00f6chten Sie ein Mindestvertrauensniveau von 95%, vorzugsweise sogar 98%, insbesondere wenn es sich um ein zeitaufw\u00e4ndiges Experiment handelt. Manchmal ist es jedoch sinnvoll, eine niedrigere Konfidenzrate zu verwenden, wenn der Test nicht so streng sein muss.<\/p>\n Matt Rheault, Senior Software Engineer bei HubSpot, betrachtet statistische Signifikanz gerne als eine Wette. Mit welchen Gewinnchancen k\u00f6nnen Sie eine Wette abschlie\u00dfen? Die Aussage "Ich bin zu 80% sicher, dass dies das richtige Design ist und ich bin bereit, alles zu wetten" \u00e4hnelt der Durchf\u00fchrung eines A \/ B-Tests mit 80% Wichtigkeit und der anschlie\u00dfenden Bekanntgabe eines Gewinners.<\/p>\n Rheault sagt auch, dass Sie wahrscheinlich eine h\u00f6here Konfidenzschwelle w\u00fcnschen, wenn Sie etwas ausprobieren, das die Konversationsrate nur geringf\u00fcgig verbessert. Warum? Weil zuf\u00e4llige Variationen eher eine gr\u00f6\u00dfere Rolle spielen.<\/p>\n "Ein Beispiel, bei dem wir uns sicherer f\u00fchlen k\u00f6nnten, wenn wir unsere Vertrauensschwelle senken, ist ein Experiment, das die Conversion-Rate wahrscheinlich um 10% oder mehr verbessern wird, wie ein neu gestalteter Heldenabschnitt", erkl\u00e4rte er.<\/p>\n "Die Schlussfolgerung hier ist, dass je radikaler die \u00c4nderung ist, desto weniger wissenschaftlich sollten wir in Bezug auf den Prozess sein. Je spezifischer die \u00c4nderung (Tastenfarbe, Mikrokopie usw.), desto wissenschaftlicher sollten wir sein, da die \u00c4nderung geringer ist wahrscheinlich einen gro\u00dfen und sp\u00fcrbaren Einfluss auf die Conversion-Rate haben. "<\/p>\n Das Testen von mehr als einer Sache f\u00fcr eine einzelne Kampagne, selbst wenn sie sich nicht auf genau demselben Asset befindet, kann Ihre Ergebnisse erschweren. Wenn A \/ B beispielsweise eine E-Mail-Kampagne testet, die auf eine Zielseite abzielt, w\u00e4hrend A \/ B diese Zielseite testet, woher wissen Sie, welche \u00c4nderung die Zunahme der Leads verursacht hat?<\/p>\n Um einen A \/ B-Test auf Ihrer Website oder in einer E-Mail durchzuf\u00fchren, m\u00fcssen Sie ein A \/ B-Testtool verwenden. Wenn Sie ein HubSpot Enterprise-Kunde sind, verf\u00fcgt die HubSpot-Software \u00fcber Funktionen, mit denen Sie A \/ B-E-Mails testen k\u00f6nnen (Informationen) wie hier), Handlungsaufforderungen (hier erfahren) und Zielseiten (hier erfahren).<\/p>\n F\u00fcr Nicht-HubSpot Enterprise-Kunden geh\u00f6ren zu den weiteren Optionen Google Analytics Experiments, mit denen Sie bis zu 10 Vollversionen einer einzelnen Webseite testen und deren Leistung mit einer zuf\u00e4lligen Stichprobe von Nutzern vergleichen k\u00f6nnen.<\/p>\n Die Zeit spielt eine wichtige Rolle f\u00fcr die Ergebnisse Ihrer Marketingkampagne, sei es die Tageszeit, der Wochentag oder der Monat des Jahres. Wenn Sie Version A einen Monat und Version B einen Monat sp\u00e4ter ausf\u00fchren m\u00fcssten, wie w\u00fcrden Sie wissen, ob die Leistungs\u00e4nderung durch das unterschiedliche Design oder den unterschiedlichen Monat verursacht wurde?<\/p>\n Wenn Sie A \/ B-Tests ausf\u00fchren, m\u00fcssen Sie beide Varianten gleichzeitig ausf\u00fchren, da Sie sonst m\u00f6glicherweise Ihre Ergebnisse erraten m\u00fcssen.<\/p>\n Die einzige Ausnahme besteht darin, dass Sie die Zeit selbst testen, z. B. die optimalen Zeiten f\u00fcr das Senden von E-Mails. Dies ist eine gro\u00dfartige Sache, um zu versuchen, denn je nachdem, was Ihr Unternehmen anbietet und wer Ihre Abonnenten sind, kann der optimale Zeitpunkt f\u00fcr die Kundenbindung je nach Branche und Zielmarkt erheblich variieren.<\/p>\n Auch hier sollten Sie sicherstellen, dass Ihr Test lange genug l\u00e4uft, um eine betr\u00e4chtliche Stichprobengr\u00f6\u00dfe zu erhalten. Andernfalls ist es schwierig zu wissen, ob zwischen den beiden Variationen ein statistisch signifikanter Unterschied bestand.<\/p>\n Wie lange ist genug Abh\u00e4ngig von Ihrem Unternehmen und der Art und Weise, wie Sie den A \/ B-Test durchf\u00fchren, k\u00f6nnen Sie statistisch signifikante Ergebnisse in Stunden … oder Tagen … oder Wochen erhalten. Ein gro\u00dfer Teil der Zeit, die ben\u00f6tigt wird, um statistisch signifikante Ergebnisse zu erzielen, ist die Menge an Traffic, die Sie erhalten. Wenn Ihr Unternehmen also nicht viel Traffic auf Ihre Website erh\u00e4lt, dauert es viel l\u00e4nger, einen A \/ B-Test durchzuf\u00fchren.<\/p>\n Theoretisch sollten Sie die Zeit, in der Sie die Ergebnisse sammeln, nicht einschr\u00e4nken. (Weitere Informationen zu Stichprobengr\u00f6\u00dfe und Timing finden Sie in diesem Blogbeitrag.)<\/p>\n A \/ B-Tests haben viel mit quantitativen Daten zu tun … aber das hilft Ihnen nicht unbedingt zu verstehen, dass Menschen bestimmte Ma\u00dfnahmen gegen\u00fcber anderen ergreifen. Warum sammeln Sie w\u00e4hrend der Durchf\u00fchrung Ihres A \/ B-Tests kein qualitatives Feedback von echten Benutzern?<\/p>\n Eine der besten M\u00f6glichkeiten, Menschen nach ihrer Meinung zu fragen, ist eine Umfrage oder Umfrage. Sie k\u00f6nnen auf Ihrer Website eine Exit-Umfrage hinzuf\u00fcgen, in der Besucher gefragt werden, warum sie nicht auf einen bestimmten CTA geklickt haben, oder eine auf ihren Dankesseiten, in der Besucher gefragt werden, warum sie auf eine Schaltfl\u00e4che geklickt oder ein Formular ausgef\u00fcllt haben.<\/p>\n Sie k\u00f6nnen zum Beispiel feststellen, dass viele Leute auf einen Aufruf zum Handeln geklickt haben, der zu einem E-Book f\u00fchrte, aber als sie den Preis sahen, wurden sie nicht konvertiert. Diese Art von Informationen gibt Ihnen viele Informationen dar\u00fcber, warum sich Ihre Benutzer auf bestimmte Weise verhalten.<\/p>\n Auch wenn Sie mehrere Metriken messen, sollten Sie sich bei Ihrer Analyse weiterhin auf diese prim\u00e4re Zielmetrik konzentrieren.<\/p>\n Wenn Sie beispielsweise zwei Varianten einer E-Mail ausprobiert und Leads als prim\u00e4re Metrik ausgew\u00e4hlt haben, lassen Sie sich nicht von der \u00d6ffnungsrate oder der Klickrate einfangen. M\u00f6glicherweise sehen Sie eine hohe Klickrate und niedrige Conversion-Raten. In diesem Fall w\u00e4hlen Sie m\u00f6glicherweise die Variante aus, die am Ende eine niedrigere Klickrate aufweist.<\/p>\n Nachdem Sie festgestellt haben, welche Variation am besten funktioniert, m\u00fcssen Sie feststellen, ob Ihre Ergebnisse statistisch signifikant sind oder nicht. Mit anderen Worten, reichen sie aus, um eine \u00c4nderung zu rechtfertigen?<\/p>\n Um dies herauszufinden, m\u00fcssen Sie einen Test auf statistische Signifikanz durchf\u00fchren. Sie k\u00f6nnen dies manuell tun … oder Sie k\u00f6nnen die Ergebnisse Ihres Experiments einfach mit unserem kostenlosen A \/ B-Testrechner verbinden.<\/p>\n F\u00fcr jede Variante, die Sie ausprobiert haben, werden Sie aufgefordert, die Gesamtzahl der Versuche einzugeben, z. B. gesendete E-Mails oder angezeigte Impressionen. Geben Sie dann die Anzahl der erreichten Ziele ein. Im Allgemeinen werden Klicks angezeigt, dies kann jedoch auch eine andere Art von Conversions sein.<\/p>\n Der Rechner spuckt das Konfidenzniveau aus, das Ihre Daten f\u00fcr die Gewinnvarianz erzeugen. Messen Sie dann diese Zahl mit dem Wert, den Sie ausgew\u00e4hlt haben, um die statistische Signifikanz zu bestimmen.<\/p>\n Wenn eine Variante statistisch besser ist als die andere, haben Sie einen Gewinner. Schlie\u00dfen Sie Ihren Test ab, indem Sie die Verlustvarianz in Ihrem A \/ B-Testwerkzeug deaktivieren.<\/p>\n Wenn keine der Variationen statistisch besser ist, haben Sie gerade erfahren, dass die getestete Variable keinen Einfluss auf die Ergebnisse hat, und Sie m\u00fcssen den Test als nicht schl\u00fcssig markieren. Halten Sie sich in diesem Fall an die urspr\u00fcngliche Variante oder f\u00fchren Sie einen anderen Test durch. Mithilfe der fehlgeschlagenen Daten k\u00f6nnen Sie eine neue Iteration in Ihrem neuen Test ermitteln.<\/p>\n W\u00e4hrend A \/ B-Tests Ihnen helfen, die Ergebnisse von Fall zu Fall zu beeinflussen, k\u00f6nnen Sie die Lehren, die Sie aus jedem Test ziehen, auch auf zuk\u00fcnftige Projekte anwenden.<\/p>\n Wenn Sie beispielsweise in Ihrem E-Mail-Marketing A \/ B-Tests durchgef\u00fchrt haben und wiederholt festgestellt haben, dass die Verwendung von Zahlen in E-Mail-Betreffzeilen zu besseren Klickraten f\u00fchrt, k\u00f6nnen Sie diese Taktik f\u00fcr mehr Ihrer E-Mails in Betracht ziehen. .<\/p>\n Der gerade abgeschlossene A \/ B-Test hat Ihnen m\u00f6glicherweise dabei geholfen, einen neuen Weg zu finden, um Ihre Marketinginhalte effektiver zu gestalten, aber h\u00f6ren Sie hier nicht auf. Es gibt immer Raum f\u00fcr weitere Optimierungen.<\/p>\n Sie k\u00f6nnen sogar versuchen, einen A \/ B-Test f\u00fcr eine andere Funktion auf derselben Webseite oder E-Mail durchzuf\u00fchren, auf der Sie gerade getestet haben. Wenn Sie beispielsweise gerade einen Titel auf einer Zielseite getestet haben, testen Sie die Textkopie erneut. Oder Farbschema? Oder Bilder? Halten Sie immer Ausschau nach M\u00f6glichkeiten zur Steigerung der Conversion-Raten und Leads.<\/p>\n Erfahren Sie, wie Sie einige der oben genannten Schritte am besten mit dem unten stehenden kostenlosen eBook ausf\u00fchren k\u00f6nnen.<\/p>\n Wenn Vermarkter wie wir Zielseiten erstellen, Kopien von E-Mails schreiben oder Handlungsaufforderungen entwerfen, kann es verlockend sein, mit unserer Intuition vorherzusagen, was Menschen zum Klicken und Konvertieren bringt. Marketingentscheidungen auf "Stimmung" zu st\u00fctzen, kann sich jedoch sehr nachteilig auf die Ergebnisse auswirken. Anstatt sich auf Vermutungen oder Annahmen zu verlassen, um diese Entscheidungen zu treffen, […]<\/p>\n","protected":false},"author":1,"featured_media":8967,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","fifu_image_url":"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/Una-lista-de-verificaci\u00f3n-que-querr\u00e1s-marcar.jpg#keepProtocol.jpeg","fifu_image_alt":""},"categories":[7],"tags":[],"_links":{"self":[{"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/posts\/8966"}],"collection":[{"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/comments?post=8966"}],"version-history":[{"count":0,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/posts\/8966\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/media\/8967"}],"wp:attachment":[{"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/media?parent=8966"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/categories?post=8966"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogging-techies.com\/ge\/wp-json\/wp\/v2\/tags?post=8966"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Beispiel 2: Designtest<\/h3>\n
Die Vorteile von A \/ B-Tests<\/h2>\n
\n
So f\u00fchren Sie A \/ B-Tests durch
\n<\/h2>\n![kissmetrics_Abtestkit_headerimage "width =" 550 "style =" width: 550px; Bildschirmsperre; Rand: 0px auto; "srcset =" https:\/\/blog.hubspot.com\/hs-fs\/hubfs\/kissmetrics_Abtestkit_headerimage.png?width=275&name=kissmetrics_Abtestkit_headerimage.png 275w, https:\/\/blog.hubspot.com\/hs-fics_k \/ hub .png? width = 550 & name = kissmetrics_Abtestkit_headerimage.png 550w, https:\/\/blog.hubspot.com\/hs-fs\/hubfs\/kissmetrics_Abtestkit_headerimage.png?width=825&ng=wage.wtest.wtest.kit.kt.kt.kitt.kt .kt.kt.kt.kt.kt.kt.bt.krm. Blog. .png 1375w, https:\/\/blog.hubspot.com\/hs-fs\/hubfs\/kissmetrics_Abtestkit_headerimage.png?width=1650&name=kissmetrics_Abtestkit_headerimage.png 1650w "Gr\u00f6\u00dfen =" (maximale Breite: 550px) 100vw, 550px](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/1584594852_810_Una-lista-de-verificacion-que-querras-marcar.png\")
<\/p>\nVor dem A \/ B-Test<\/h3>\n
1. W\u00e4hlen Sie eine zu testende Variable aus.<\/h4>\n
2. Identifizieren Sie Ihr Ziel.<\/h4>\n
3. Erstellen Sie eine 'Kontrolle' und einen 'Herausforderer'.<\/h4>\n
4. Teilen Sie Ihre Stichprobengruppen gleichm\u00e4\u00dfig und zuf\u00e4llig auf.<\/h4>\n
5. Bestimmen Sie Ihre Stichprobengr\u00f6\u00dfe (falls zutreffend).<\/h4>\n
![\"Schieberegler](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/1584594852_748_Una-lista-de-verificacion-que-querras-marcar.png\" "\\"Schieberegler")
<\/p>\n6. Entscheiden Sie, wie wichtig Ihre Ergebnisse sein sollen.<\/h4>\n
7. Stellen Sie sicher, dass in jeder Kampagne jeweils nur ein Test ausgef\u00fchrt wird.<\/h4>\n
W\u00e4hrend des A \/ B-Tests<\/h3>\n
8. Verwenden Sie ein A \/ B-Testwerkzeug.<\/h4>\n
9. Testen Sie beide Varianten gleichzeitig.<\/h4>\n
10. Geben Sie dem A \/ B-Test gen\u00fcgend Zeit, um n\u00fctzliche Daten zu erstellen.<\/h4>\n
11. Fordern Sie Feedback von echten Benutzern an.<\/h4>\n
Nach dem A \/ B-Test<\/h3>\n
12. Konzentrieren Sie sich auf Ihre Zielmetrik.<\/h4>\n
13. Messen Sie die Wichtigkeit Ihrer Ergebnisse mit unserem A \/ B-Testrechner.<\/h4>\n
![\"hubspot-ab-testing-calculator.png](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/1584594852_282_Una-lista-de-verificacion-que-querras-marcar.png\")
<\/p>\n14. Ergreifen Sie Ma\u00dfnahmen basierend auf Ihren Ergebnissen.<\/h4>\n
15. Planen Sie Ihren n\u00e4chsten A \/ B-Test.<\/h4>\n
![\"Das](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/1584594852_762_Una-lista-de-verificacion-que-querras-marcar.png\")
<\/p>\n![\"Erfahren](\"https:\/\/blogging-techies.com\/wp-content\/uploads\/2020\/03\/1584594852_180_Una-lista-de-verificacion-que-querras-marcar.png\")
<\/p>\n ","protected":false},"excerpt":{"rendered":"