Bringt die Optimierung und Personalisierung der Website wirklich die gewünschten Uplifts? Diese Frage wird mit verschiedenen Testmethoden, z.B. A/B- und Multivariantentests beantwortet. Mit personalisiertem Testen kommt noch eine zusätzliche Dynamik ins Spiel. Es geht darum herauszufinden, in welchen Nutzergruppen, zu welcher Zeit und unter welcher Bedingung die passende Variante ausgespielt werden muss. Was das mit Glücksspiel-Strategien zu tun hat, wie man ein personalisiertes Testing aufsetzt und wann es sinnvoll ist, zeigt Felix Schirl, CEO von trbo.
Der Einsatz von A/B- und Multivariantentests ist aus der Website-Optimierung nicht mehr wegzudenken. Ein alter Hut ist das Testing deshalb aber noch lange nicht. Denn viele Shopbetreiber setzen weiterhin lieber auf ihr Bauchgefühl als die Maßnahmen statistisch valide zu evaluieren.
Das ändert sich zum Glück gerade. Aber auch wenn man schon Testing betreibt, gibt es noch Entwicklungspotenzial, denn "Kenne ich alles schon, mache ich alles schon" birgt Stolperfallen - denn es gibt immer Entwicklungspotenzial. So auch beim Testing. Es gibt einen neuen Player auf dem Markt: personalisiertes Testing.
Mehr Kundenzentrierung beim Testen
Personalisierung ist auch für Testing relevant. Warum? Nicht alle Kunden und Kundengruppen sind gleich - entsprechend reagieren sie unterschiedlich auf Optimierungen.
Beispielsweise haben wir im Fashionbereich die Erfahrung gemacht, dass an Damenmode interessierte User eher für "inspirational shopping" empfänglich sind. Herrenmode-interessierte Nutzer hingegen sind mehr an direkten Käufen interessiert. Dies sieht man auch klar an der Länge und Intensität der Sessions. Hier kann man dem System mehr Freiheiten lassen um herauszufinden, in welchen Nutzergruppen, zu welcher Zeit und unter welcher Bedingung Veränderungen am Besten angenommen werden. Bewohner auf dem Land sind bei sonnigem Wetter am Wochenende womöglich empfänglicher für Gartenausstattung als Stadtbewohner.
Das zeigt, dass es nicht nur eine Gewinnervariante gibt, sondern verschiedene - je nach den Bedürfnissen und Situationen in der Customer Journey der Nutzer.
Wir bewegen uns also beim Testing ebenfalls in die Richtung: mehr Kundenzentrierung, mehr Kundenzufriedenheit. Doch wie funktioniert das nun konkret? Zunächst gilt es, sich mit den Begrifflichkeiten vertraut zu machen, denn Testing ist nicht gleich Testing. Es gibt ganz klassische A/B-Tests, Multivariantentests, "Multi-Armed Bandit"-Tests und schließlich personalisiertes Testing.
"Bandit"-Tests als Zwischenschritt
Bei den sogenannten "Multi-Armed Bandit"-Tests geht es um die automatisierte Optimierung der ausgespielten Varianten anhand verschiedener KPIs. Warum? Da das "Multi-Armed Bandit"-Testing eine große Schwäche von A/B- und Multivariantentests aus dem Weg räumt: A/B-Tests verteilen zwei Gruppen von Nutzern auf zwei verschiedene Varianten - Multivariantentests verteilen sie auf weitere Varianten.
Am Ende steht im besten Fall ein klarer Sieger, woraufhin diese Variante dann im weiteren Verlauf meist zu 100% an die Nutzer ausgespielt wird. Das Problem: Viel Traffic fließt zunächst eben in die Verlierervariante(n) und/oder in die Kontrollgruppen.
Das muss so sein, denn sonst ist der Test nicht vergleichbar und somit auch nicht auswertbar. Bedeutet aber im Umkehrschluss, dass ein großer Teil der Nutzer über längere Zeit kein optimales Erlebnis geboten bekommt.
Der Test optimiert sich selbst
Hier kommen nun sogenannte "mehrarmige Banditen" ins Spiel. Der Begriff stammt aus Casinos: Hier gibt es verschiedene Spielautomaten - zum Beispiel die einarmigen Banditen. Der Spieler wirft Geld ein, zieht am Hebel, gewinnt oder verliert. Was machen also viele Spieler? Sie werfen ihr Geld in verschiedene Automaten und sehen, wo sie am häufigsten gewinnen. An dieser Maschine spielen sie dann weiter, um ihren Gewinn zu optimieren.
Beim Testing läuft es ähnlich: Mit dieser Form des Testings gelingt eine automatische Optimierung der Varianten anhand verschiedener KPIs. Damit werden dynamisch die stärkeren Varianten vermehrt ausgespielt - und die nicht performanten erhalten weniger Traffic.
Der Test lernt und optimiert sich selbst. Aber es geht noch einen Schritt weiter.
Mehrarmige Banditen auf Steroiden
Das bringt uns zu „personalisiertem Testing“. Eigentlich ist es nichts anderes als eine Erweiterung des "Multi-Armed Bandits" mit Personalisierungsparametern. Schließlich sind nicht alle Nutzer gleich und reagieren unterschiedlich auf den gezeigten Content. Um bei dem Vergleich mit einem Casino zu bleiben: Der Mensch spielt nur an einem Automaten mit einem Hebel - dieser Automat weiß aber, wer vor ihm sitzt, erkennt die Vorlieben dieser Person. Der Automat verhält sich dann situativ unterschiedlich, begünstigt so nicht mehr die Bank, sondern den Nutzer selbst.
Der Automat weiß, wer vor ihm sitzt
Der Automat weiß zu jeder Zeit, welches Spiel bzw. welche Spielvariante die mit den meisten Gewinnchancen für den Nutzer ist. Dahingehend passt er sich automatisiert an. Das System weiß also mit der Zeit, dass der blaue Button bei Produktexperten besser angenommen wird, der rote bei preisaffinen Nutzern besser ankommt. So kann es situativ entscheiden und für die jeweilige Person auch innerhalb der Session Anpassungen vornehmen.
So werden die Parameter aus dem klassischen mehrarmigen Bandit zum Beispiel um (dynamische) Segmente, Schritte des Users in der Customer Journey und mehr erweitert. So werden noch bessere, Algorithmus-basierte Entscheidungen möglich.
Das kann auch dazu führen, dass ein- und derselbe User innerhalb einer Session mehrere Varianten sieht, weil es zu einem späteren Zeitpunkt vielleicht Sinn macht, Variante B anstelle von initial Variante A zu nehmen.
Wann ist personalisiertes Testing sinnvoll?
Zugegeben, personalisiertes Testing ist nicht unbedingt für blutige Testing-Anfänger geeignet. Durch die automatisierte Verteilung auf die verschiedenen Varianten sollte zudem ausreichend Traffic auf der Seite vorhanden sein. Denn Algorithmen und KI können nur wirklich effizient arbeiten, wenn sie mit ausreichenden Daten gefüttert werden. Ansonsten bleibt es auch für die KI beim Rätselraten, welche Variante nun wirklich Erfolg verspricht.
Der Vorteil des personalisierten Testings liegt aber ganz klar in der Schnelligkeit - und der Nutzerbezogenheit: Denn Shopbetreiber müssen nicht warten, bis der A/B-Test signifikant ist, um eine Variante auszuschließen und den Traffic neu zu verteilen.
Die Nutzerbezogenheit bildet dann den Schritt weiter ab: Manchen Nutzern wird die Variante besser gefallen, die im A/B-Test eigentlich herausgeflogen ist. Mit personalisiertem Testing erhalten alle Nutzer das für sie passende Erlebnis.
Fazit
Warum liegt also hier die Zukunft? Weil im Kunden die Zukunft liegt! Durch personalisiertes Testing wird nicht mehr lange Zeit an großen Gruppen von Kunden "vorbei optimiert", sondern jeder Kunde sieht genau die Variante, die am passendsten sein könnte.
So lassen sich zusätzlich auch Fehlentscheidungen und falsche Schlüsse aus A/B-Tests vermeiden, da diese möglicherweise einfach "falsch" verteilt waren.
MEHR ZUM THEMA:
