Ein A/B-Test (auch: Split-Test) ist eine Methode, bei der zwei Varianten eines digitalen Inhalts gleichzeitig gegeneinander getestet werden, um herauszufinden, welche besser funktioniert. Ein Teil der Nutzerinnen und Nutzer sieht Variante A (die Originalversion), der andere Teil sieht Variante B (die veränderte Version). Anhand von Kennzahlen wie der Conversion Rate — also dem Anteil der Besucher, die eine gewünschte Aktion ausführen — lässt sich danach objektiv sagen, welche Version besser abschneidet.
Wie ein A/B-Test funktioniert
Das Grundprinzip ist einfach: Du änderst genau ein Element einer Seite oder Kampagne und misst, wie sich diese Änderung auf das Verhalten der Nutzer auswirkt. Nur eine Variable zur gleichen Zeit — das ist entscheidend. Wenn du gleichzeitig die Überschrift, die Button-Farbe und das Bild änderst, weißt du nachher nicht, welche der drei Änderungen für ein besseres Ergebnis gesorgt hat.
Die Zielgruppe wird zufällig aufgeteilt — das nennt sich Randomisierung. Diese zufällige Zuteilung sorgt dafür, dass beide Gruppen vergleichbar sind und externe Faktoren das Ergebnis nicht verfälschen. Der Test läuft so lange, bis genug Daten vorliegen, um ein statistisch belastbares Ergebnis zu haben. Dieses Prinzip stammt aus der klassischen Wissenschaft: Wenn du wissen willst, was eine einzige Veränderung bewirkt, musst du alles andere gleich halten.
Geschichte: Von Werbepostkarten zum Online-Experiment
Die Idee hinter A/B-Tests ist älter als das Internet. Der US-amerikanische Werbepionier Claude Hopkins beschrieb in seinem 1923 erschienenen Buch Scientific Advertising, wie er verschiedene Werbebotschaften über Rabattcoupons testete, um herauszufinden, welche besser wirkt. Statistische Grundlagen für solche Vergleiche legte William Sealy Gosset bereits 1908 mit der Entwicklung des Student-t-Tests, einem statistischen Verfahren zum Vergleich von zwei Stichproben.
Mit dem Aufkommen des Internets in den 1990er-Jahren bekamen A/B-Tests eine völlig neue Dimension: Ergebnisse lagen nicht mehr Wochen später vor, sondern in Echtzeit. Google führte im Jahr 2000 seinen ersten dokumentierten Online-A/B-Test durch — damals ging es darum, wie viele Suchergebnisse pro Seite die optimale Anzahl ist. Im Jahr 2006 brachte Google mit Google Website Optimizer ein erstes breit verfügbares Tool für Website-Tests auf den Markt. 2010 kam Optimizely auf den Markt und machte A/B-Testing auch für Teams ohne Programmierkenntnisse zugänglich. Googles eigenes Tool Google Optimize wurde im September 2023 eingestellt; als Nachfolger empfiehlt Google Integrationen mit Drittanbietern wie Optimizely oder VWO (Visual Website Optimizer).
Ein bekanntes Beispiel aus der Praxis: Die Wahlkampagne von Barack Obama testete 2007 verschiedene Varianten ihrer Website, darunter vier unterschiedliche Call-to-Action-Buttons und sechs verschiedene Begleitbilder, um herauszufinden, welche Kombination die meisten Newsletter-Anmeldungen bringt.
Was sich testen lässt
Im Online-Marketing kannst du mit A/B-Tests praktisch jeden Inhalt optimieren, der messbar auf Nutzerverhalten wirkt. Typische Testobjekte auf einer Website sind Überschriften, Button-Beschriftungen und -Farben, Bilder, Formularlängen und Seitenstrukturen. Im E-Mail-Marketing werden häufig Betreffzeilen, Versandzeitpunkte und Preheader-Texte getestet. Bei Google Ads oder Social-Media-Anzeigen lassen sich Anzeigentexte, Bilder und Zielgruppen-Segmente gegeneinander antreten.
Ein Beispiel aus dem Alltag: Du betreibst einen Online-Shop und fragst dich, ob dein Bestellbutton besser mit der Aufschrift „Jetzt kaufen“ oder „In den Warenkorb“ konvertiert. Du erstellst zwei Varianten der Produktseite — sonst identisch —, lässt beide eine Woche lang laufen und wertest die Klickrate (CTR) und die abgeschlossenen Bestellungen aus. Die Version mit mehr Bestellungen gewinnt.
A/B-Test vs. multivariater Test
Der A/B-Test testet immer genau eine Variable. Der multivariate Test geht weiter: Er verändert mehrere Elemente gleichzeitig und testet alle möglichen Kombinationen davon. Das ist nützlich, wenn du wissen willst, welche Kombination aus Überschrift und Bild am besten funktioniert — setzt aber deutlich mehr Traffic voraus, damit alle Kombinationen statistisch auswertbare Ergebnisse liefern. Für die meisten Websites ist der einfachere A/B-Test der praktischere Einstieg.
A/B-Tests und SEO
Google steht A/B-Tests grundsätzlich positiv gegenüber und wertet sie nicht als Manipulation. Es gibt jedoch einige Punkte, die du bei der Umsetzung beachten solltest. Das wichtigste: kein Cloaking — also keine unterschiedlichen Inhalte für Googlebot und echte Nutzer. Wenn du zwei verschiedene URLs für Variante A und B verwendest (Split-URL-Test), solltest du auf der Testvariante das rel="canonical"-Attribut setzen, das auf die Original-URL zeigt. So weiß Google, welche Version die maßgebliche ist. Außerdem solltest du einen laufenden Test nicht unnötig lange aktiv lassen, da Google sonst von einer Täuschungsabsicht ausgehen könnte.
Ablauf eines A/B-Tests in der Praxis
Bevor du loslegst, brauchst du eine klare Hypothese: Was glaubst du, warum eine Änderung die gewünschte Kennzahl verbessert? Danach legst du fest, welche KPI (Key Performance Indicator) du messen willst — etwa die Conversion Rate, die Absprungrate oder die Verweildauer. Dann erstellst du die zwei Varianten, startest den Test und wartest, bis genügend Daten vorliegen. Wie viele Besucher du brauchst, hängt vom erwarteten Effekt und der gewünschten statistischen Signifikanz ab — einem Maß dafür, wie wahrscheinlich es ist, dass ein gemessener Unterschied kein Zufall ist. Gängige Tools wie Optimizely, VWO oder AB Tasty haben eingebaute Rechner dafür. Erst wenn die Signifikanz ausreichend hoch ist, kannst du sicher sagen: Diese Version ist tatsächlich besser.
Häufige Fragen
Was ist der Unterschied zwischen einem A/B-Test und einem multivariaten Test?
Beim A/B-Test wird genau ein Element verändert und mit dem Original verglichen. Ein multivariater Test testet gleichzeitig mehrere Elemente in verschiedenen Kombinationen. A/B-Tests eignen sich für die meisten Websites, weil sie weniger Traffic benötigen und die Ergebnisse einfacher zu interpretieren sind.
Wie lange muss ein A/B-Test laufen?
Das hängt vom Traffic und dem erwarteten Effekt ab. Als Faustregel gilt: Ein Test sollte mindestens eine bis zwei Wochen laufen, um Wochenschwankungen auszugleichen. Wichtiger als die Dauer ist das Erreichen der statistischen Signifikanz, die anzeigt, ob das Ergebnis kein Zufallstreffer ist.
Schadet ein A/B-Test dem Google-Ranking?
Nein, wenn er korrekt umgesetzt wird. Google erlaubt und empfiehlt A/B-Tests ausdrücklich. Du solltest allerdings kein Cloaking betreiben, bei Split-URL-Tests das rel=“canonical“-Attribut setzen und den Test nicht unnötig lange laufen lassen.
