Ein A/B-Test, auch Splittest genannt, vergleicht zwei Versionen eines Elements unter realen Bedingungen. Die Hälfte der Besucher sieht Version A, die andere Hälfte Version B. Anschließend wird gemessen, in welcher Variante mehr Klicks, mehr Anfragen, mehr Käufe oder eine andere Zielgröße entstanden sind. Die statistisch signifikant bessere Variante wird ausgerollt.
Saubere A/B-Tests brauchen ein paar Disziplinen. Es darf nur eine Variable verändert werden, sonst ist unklar, welcher Effekt wirkt. Die Stichprobe muss groß genug sein, um statistische Signifikanz zu erreichen. Werkzeuge wie Google Optimize (eingestellt 2023), VWO, AB Tasty oder die Native-Funktionen von Vercel und Cloudflare unterstützen die Aussteuerung und Auswertung.
Im Marketing zählen A/B-Tests zu den wirksamsten Hebeln, weil sie datenbasiert entscheiden, statt Geschmacksdebatten zu gewinnen. Sinnvolle Test-Kandidaten sind Headlines, Call-to-Action-Buttons, Layout-Variationen, Preisdarstellungen oder Versandkosten. Wichtig ist, sich auf Tests zu konzentrieren, deren Ausgang messbare Auswirkungen hat. Mikro-Optimierungen an wenig frequentierten Seiten lohnen selten.