Description
Book SynopsisDieses Buch zeigt Ihnen, wie Sie eine Testing-Strategie und Onsite-Optimierung in Ihrer Digital-Marketing-Praxis erfolgreich aufbauen und optimieren können. Michael Witzenleiter führt Sie Schritt für Schritt durch die entscheidenden Themen: von der Implementierung von A/B-Tests mit den richtigen Key-Performance-Indicators, der Ideen-Generierung für Ihre Tests über die Auswahl von Testing-Tools bis hin zu den zehn häufigsten Fehlern bei A/B-Tests, die Sie nach der Lektüre dieses Buches nicht mehr machen werden.Ein besonderer Vorzug dieses Buches: Sie erhalten Modelle, Vorgehensweisen und Praxistipps, die es Ihnen ermöglichen, das für Ihr Unternehmen bestmöglich individuelle Testing-Konzepte zu entwickeln. Dieser Quick Guide bietet Ihnen eine schnelle und zugleich umfassende Einführung in das Thema – leicht verständlich, anpassbar auf Ihre Situation und direkt umsetzbar in Ihrer Praxis.
Aus dem Inhalt
- Statistik-Basiswissen – kurz und verständlich, praxisnah
- Wie Sie Ideen für Ihre A/B-Tests generieren
- Implementierung von A/B-Tests
- Aufbau individueller Lösungen und Auswahl von A/B-Testingtools
- So entwickeln Sie die notwendige Testing-Kultur
- A/B-Testing in der Conversion-Optimierung
- Zehn häufige Fehler bei A/B-Tests
- Glossar
Trade Review Table of Contents1) Einführung in A/B-Testing1.1 Was ist ein A/B-Test?1.2 Ziele von Teststrategien1.3 Die Wahl der richtigen KPIs1.4 Quellen für Testingideen
2) Implementierung von A/B-Tests2.1 Was sollte man testen?2.2 Welche Faktoren haben einen Einfluss auf die Conversion Rate?2.3 Der A/B-Testing-Zyklus2.4 Strategisches vs. Taktisches Testen2.5 Hypothesenbildung 2.6 Testdauer von A/B-Tests kalkulieren2.7 Priorisierung von Hypothesen2.8 Wann sollte ich testen?2.9 Die Test-Roadmap
3) Quellen zur Generierung von A/B-Test-Ideen3.1 Clickstream-Analysen3.2 User Experience und Usability Benchmarking3.3 User Labs3.4 Befragungen3.5 Personas
4) Zielgruppen4.1 Segmentiertes Testing: Targeting4.2 Zielgruppen-Filtern: Segmentation4.3 Personalisierung
5) Statistik-Basiswissen - einfach und verständlich5.1 Ideale Stichprobe und Varianz5.2 Nullhypothese und Alternativhypothese5.3 Konfidenzlevel und Signifikanzlevel5.4 Bayes Methods und Multi-Armed-Bandit Testing 5.5 Warum ein A/A-Test sinnvoll sein kann5.6 Welche Kennzahlen sollte ein Report beinhalten?5.7 Die Hauptquelle für Testfehler
6) Aufbau individueller Lösungen und Auswahl von A/B-Testingtools6.1 Aufbau einer eigenen Testing-Lösungen6.2 Kriterien zur Auswahl von A/B-Testingtools
7) Aufbau einer Testing-Kultur7.1 Anforderungen an das Unternehmen7.2 Das optimale Testing-Team
8) A/B-Testing in der Conversion-Optimierung8.1 Das richtige Testing-Framework8.1.1 Das L.I.F.T-Modell von Widerfunnel8.1.2 Das 7-Ebenen Modell von konversionsKraft8.1.3 Die Conversion Sequence Heuristic von Flint McGlaughlin 8.2 Verkaufspsychologische Grundlagen der Conversion-Optimierung8.2.1 Thinking Fast and Slow8.2.2 Behaviour Patterns8.3 Die richtige Datenauswertung
9) Zukunft des A/B-Testings9.1 Full-Stack-Testing und seine Herausforderungen9.2 Künstliche Intelligenz im A/B-Testing9.3 Tracking und Consent-Management
10) 10 häufige Fehler bei A/B-Tests10.1 Fehler Nr. 1: Sie überlassen die Test-Roadmap Ihrem HIPPO10.2 Fehler Nr. 2: Sie testen Dinge, die sie nicht testen müssten10.3 Fehler Nr. 3: Sie ignorieren kleine Erfolge10.4 Fehler Nr. 4: Sie testen die falschen Seiten10.5 Fehler Nr. 5: Ihre Hypothese ist falsch aufgestellt oder Sie haben gar keine10.6 Fehler Nr. 6: Sie starten mit zu komplizierten Tests10.7 Fehler Nr. 7: Sie testen zu viel parallel10.8 Fehler Nr. 8: Sie testen die falschen Ziele10.9 Fehler Nr. 9: Sie wählen das falsche Timing für Ihre A/B-Tests10.10 Fehler Nr. 10: Sie testen nicht permanent 11) Fazit Glossar
