Angewendet werden A/B-Tests hauptsächlich in den Bereichen Software, Webdesign sowie im Online-Marketing und E-Commerce – hier haben sie sich mittlerweile als eine der wichtigsten Testmethoden etabliert. Beim A/B-Testing werden zwei Varianten (A und B) gegeneinander getestet. Mit den Erkenntnissen aus dem Test sollen Angebote und Darstellungen so verändert werden, dass Nutzer besser mit ihnen interagieren (im E-Commerce also z.B. eine Steigerung der Klickrate oder mehr Käufe).
Mit Hilfe von A/B-Tests kann beispielsweise ausgewertet werden, welche Variante eines Online-Shops die besseren Ergebnisse (z.B. mehr Käufe oder Newsletter-Registrierungen) erzielt. Dabei wird die ursprüngliche Version (A) einer veränderten Version (B) gegenübergestellt. Die Änderungen beziehen sich beispielsweise auf Teile der Website, des Online-Shops oder lediglich auf einzelne Elemente und geänderte Verlinkungen. Um die Performance beider Varianten miteinander vergleichen zu können, werden die Website-Besucher per Zufallsprinzip in zwei Gruppen eingeteilt. Entsprechend der Zuteilung wird dem potenziellen Kunden entweder die Original- oder die Testversion angezeigt. Auf diese Weise kann analysiert werden, welche Reaktionen einzelne Elemente wie beispielsweise ein Banner, die Platzierung des Warenkorbes oder eine unterschiedliche Farbgestaltung im direkten Vergleich hervorrufen. Besteht seitens des Webshop-Betreibers der Wunsch, die Seite komplett umzugestalten, lassen sich auch zwei neue Versionen gegeneinander testen. Erweiterte Form: A/B/n-Testing Für das Auswerten umfangreicherer Shop-Anpassungen ist die erweiterte Form, das sogenannte A/B/n-Testing, die geeignetere Methode. Die Variable „n“ steht hierbei für die prinzipiell unbegrenzte Anzahl an möglichen Varianten, die gleichzeitig gegeneinander getestet werden können. Hierbei werden die User per Zufallsprinzip einer der verschiedenen Varianten zugeordnet. Um mit A/B/n-Tests aussagekräftige Ergebnisse erzielen zu können, muss im Vergleich zu A/B-Tests jedoch eine entsprechend größere Userzahl die Basis für den Test sein. Der Nachteil dieser Methoden besteht darin, dass bei der Performance-Analyse von einem Durchschnittskunden ausgegangen wird, der sich jedoch nicht allgemein gültig definieren lässt. Auch können etwaige Abweichungen wie Stamm- und Großkunden nicht berücksichtigt werden, die durch ihr stark aus der Norm fallendes Kaufverhalten die Ergebnisse eines einfach konzipierten A/B-Tests verfälschen. Dynamische A/B-Tests Beim dynamischen A/B-Testing werden die User nicht per Zufall einer Variante zugeordnet, sondern auf Basis Ihres Profils. Somit können auch bei sehr unterschiedlichen Käuferzielgruppen einzelne Teile des Webshops kundenorientiert angepasst werden. Allerdings sollte in diesem Fall zu jeder Variante immer eine Nullgruppe laufen, um zu prüfen, ob die Zuordnung nach Userprofil vs. einer Standardvariante überhaupt eine Auswirkung hat. Je nach Zielsetzung helfen A/B(n)-Tests und dynamische A/B-Tests, höhere Conversion Rates, niedrigere Bounce Rates, mehr Newsletter-Anmeldungen und letztendlich auch höhere Umsätze zu erreichen. Auch wenn keines dieser Ziele erreicht wird – ein Test liefert immer eine Erkenntnis.
