Es existieren viele Möglichkeiten, um die aus Kundensicht optimale Kommunikationsform auf der Website zu erreichen. Während häufig klassische Marktforschungsinstrumente wie online-basierte Umfragen, Fokusgruppengespräche und Tests im Usability-Labor eingesetzt werden, etablieren sich derzeit Verfahren, die im Live-Betrieb die beste Variante einer Website ermitteln und unter dem englischen Begriff Website Optimization zusammengefasst werden. Man unterscheidet:

Das A/B-Testing (auch A/B-Split-Testing genannt) ist die einfachste Form des Testings. Den Besuchern einer Seite werden zwei Varianten einer Website gezeigt. Die Varianten unterscheiden sich in bestimmten Seitenelementen, so kann der Button für die „In-den-Warenkorb-legen“-Funktion Blau oder Rot gestaltet sein. Es können auch komplette Seiten-Templates in einem A/B-Test gegeneinander getestet werden (z. B. Bestellung in zwei Schritten gegen Bestellung in fünf Schritten). Das Merkmal dieser Testverfahren ist, dass lediglich ein Testelement variiert (in unserem Beispiel: Farbe der Buttons oder Anzahl der Schritte im Bestellprozess). Hat dieses Testelement mehr als zwei Ausprägungsformen, spricht man von einem A/B/n-Test.

Multivariate Testverfahren ermöglichen es, mehrere Testelemente einzubeziehen. Besteht also die Hypothese, dass neben der Farbe der „In-den-Warenkorb-legen“-Buttons auch noch die Größe der Artikelbilder und die Prominenz des Preises Einfluss auf das Kaufverhalten haben, so sind Multivariate Tests gefragt. Die Kombinatorik der Testelemente und deren Ausprägungsformen ergeben mehrere Varianten der gesamten Website. Innerhalb des Testzeitraums werden diese gleichverteilt ausgeliefert und so die optimale Darstellungsform ermittelt. Zudem kann untersucht werden, ob Abhängigkeiten zwischen Testelementen bestehen.

Bei beiden Verfahren muss vor dem Start zwingend ein Testziel festgelegt werden. Im Optimalfall sind dies umsatzgesteuerte Faktoren wie der Kaufabschluss oder dem Umsatz vorgelagerte Faktoren wie die Abonnierung eines Newsletters oder der Klick auf ein bestimmtes Seitenelement. Sieger eines Tests ist die Variante, die die höchste Konversionsrate erreicht hat.

Eine weitere Gemeinsamkeit beider Testverfahren ist, dass die Kontrollvariante, also die Variante, die vor dem Test angezeigt wurde, immer Bestandteil des Tests sein sollte. Dies ermöglicht es, die Veränderungen zum Status Quo zu ermitteln.

Wer sich dazu entschlossen hat, seine Website durch A/B- bzw. Multivariate Tests zu optimieren, der sieht sich sehr schnell mit der Frage konfrontiert, wo man mit dem Testen beginnen soll.

Hier bieten sich jene Seiten an, die sich in einem Zieltrichter (Conversion-Funnel) befinden. Ein Zieltrichter beschreibt eine sinnvolle Aufeinanderfolge von einzelnen Seiten, die ein User durchlaufen muss um ein konkretes Ziel der Website (z. B. Kaufabschluss) zu erreichen. Zieltrichter lassen sich in fast jedem Web-Analytics-Tool erstellen. Seiten mit den höchsten Abbruchquoten sowie Landing-Pages, Produktdetail-, Suchergebnis-, Bestellprozessseiten, Newsletteranmeldung und Kontaktformulare eignen sich besonders für Tests.

Idealerweise bauen A/B- oder Multivariate Tests auf vorhandene Erkenntnisse zum Nutzerverhalten auf. Wer beispielsweise aus Web-Analytics-Reports die erfolgskritischen Seiten ermitteln kann, auf denen die meisten Nutzer den Shop verlassen, der findet hier wertvolle Informationen zum Potenzial von Tests.

Auch Informationen aus der klassischen Marktforschung wie Kunden-Feedback, Befragungen oder Usability-Untersuchungen bieten gute Anhaltspunkte. Werden die Erkenntnisse hieraus in einen abschließenden A/B- oder Multivariaten Test überführt, lassen sich Investitionen in Usability sogar kapitalisieren – ein wichtiges Argument bei Budgetverhandlungen für Usability.

Statistik spielt eine sehr wichtige Rolle. Wird der Erfolg eines Tests lediglich mit einfachen Bordmitteln (reine Häufigkeitsauswertungen) überprüft, so läuft man Gefahr, dass die Testergebnisse zufällig entstanden sein können. Daher sieht man sich des Öfteren mit Fachbegriffen wie dem Konfidenzintervall konfrontiert, das aussagt, mit welcher zuvor festgelegten Wahrscheinlichkeit der gemessene (Miss-)Erfolg den tatsächlichen (Miss-)Erfolg trifft. Toolanbieter, die diese Signifikanztests nicht in ihrer Software integrieren, können daher Fehlentscheidungen herbeiführen. Faktoren wie externe Marktveränderungen können jedoch in den Testergebnissen nicht berücksichtigt werden.

Full Factorial Design beziehungsweise Fractional Factorial Design beschreibt zwei Ausprägungsformen des Multivariaten Testings. Full Factorial Design bedeutet, dass alle sich aus dem Testaufbau ergebenden Kombinationen tatsächlich getestet werden. Fractional Factorial Design hingegen lässt einige Kombinationen aus, was wiederum bei nur begrenzt zur Verfügung stehendem Testzeitraum von Vorteil sein kann.

Die Dauer eines Tests hängt von den Faktoren „Anzahl unterschiedlicher Seitenvarianten“, „Besucher der Experimentseite pro Tag“, der momentanen „Konversionsrate“ sowie der vermuteten „prozentualen Steigerung der Konversionsrate“ ab.

Neben einer Vielzahl an kostenpflichtigen Anbietern wie Accenture Digital Optimization, Maxymiser oder Omniture Test & Target ist Google mit seinem kostenlos erhältlichen Google Website Optimizer am Markt vertreten. Dieser ist zwar in den Punkten Anpassbarkeit und Beratung den kostenpflichtigen Anbietern unterlegen, dennoch ist der Google Website Optimizer hervorragend für Testingaktivitäten geeignet.

Mit nur wenigen Mausklicks lässt sich mit dem Google Website Optimizer ein komplettes Test-Szenario (sowohl A/B-Tests als auch Multivariate Tests mit mehreren Testelementen) erstellen. Der Google Website Optimizer produziert dann den kompletten Quellcode, der dann nur noch auf der eigenen Website per Copy and Paste eingebaut werden muss.

Während des Testzeitraums sind über die Weboberfläche des Google Website Optimizers statistisch aussagekräftige Reports abrufbar, die zu jeder Zeit Informationen zum Zwischenstand liefern. Bei solchen Zwischenauswertungen ist jedoch Vorsicht geboten, denn während in den ersten Tagen des Tests oftmals große Unterschiede erkennbar sind und sich ein klarer Favorit herauskristallisiert, kann es passieren, dass nach mehreren Tagen die Ergebnisse ganz anders aussehen. Daher sollte ein Test mindestens eine Woche im Live-Betrieb sein. Denn während des Testzeitraums verändern sich auch die Nutzer: Die Bedürfnisse der Nutzer zu Anfang einer Woche können sich von den Bedürfnissen der Nutzer zum Ende einer Woche unterscheiden.

Über die Support-Datenbank des Google Website Optimizers [1] ist umfangreiches Supportmaterial vorhanden, Tutorials zur Erstellung von Tests finden sich zum Beispiel im Blogzwonull [2].

Wer erste Erfahrungen mit dem Testing gesammelt hat, ist recht schnell von den Vorteilen überzeugt. Während man sich früher noch durch lange Abstimmungsrunden quälen musste, bieten die beschriebenen Testverfahren schnelle Möglichkeiten, um die optimale Seitengestaltung zu ermitteln.

Die Testergebnisse können sowohl im positiven als auch im negativen Sinne erstaunlich sein – hätte man doch nie für möglich gehalten, dass vermeintlich kleine Änderungen wie die Farbgebung eines Buttons große Auswirkungen auf die Konversionsraten haben können. Für den Start ist es empfehlenswert, dass man zunächst klein anfängt. Einfache A/B-Tests oder kleine Multivariate Tests, in denen sich die Testvarianten durch große Unterschiede voneinenader abgrenzen, liefern zu Beginn oft bessere Ergebnisse als Multivariate Tests mit mehreren hundert Testvarianten. Zudem ist es empfehlenswert, die Tests durch qualitative Untersuchungen wie Tests im Usability-Labor zu unterstützen, um die Ergebnisse der Tests sowohl qualitativ als auch quantitativ zu bewerten. Somit steht der langfristigen Steigerung der Konversionsrate nichts mehr im Wege [3].