A/B-Tests im Digital-Abo: Mit diesem Template priorisierst Du leichter
Falls Du es auf LinkedIn verpasst hast: Letzte Woche habe ich ein Benchmarking zu Abo-Angeboten auf Paywalls mit 40+ Verlagen geteilt. Du findest die Tabelle hier. (Si apre in una nuova finestra)
Wenn Du Dein Digital-Abo optimieren möchtest, helfen Dir A/B-Tests in allen möglichen Bereichen: Von der Preisgestaltung bis zu Call-to-Action-Buttons – Du kannst einfach zwei (bei ausreichend Traffic auch drei oder vier) Varianten in ihrer Performance vergleichen.
Allerdings stellt sich dann schnell die Frage: “Wie weiß ich, womit ich anfange?” So ging es mir auch Anfang 2019, als ich bei ZEIT Online gestartet bin: Es gab damals etliche Möglichkeiten, die Paywall zu optimieren – doch welche Maßnahme testet man als Erstes?
Geholfen hat mir ein Template, das ich seitdem fast durchgehend nutze und auch meinen Kund:innen empfehle. Es ist kein Hexenwerk, eignet sich aber gut für eine erste Sortierung. Ich teile es in diesem Artikel mit Dir – vielleicht hilft es Dir ja auch.
(Si apre in una nuova finestra)👉 Das Template zum Duplizieren oder Herunterlagen findest Du in Google Sheet: Zur Sheets-Tabelle (Si apre in una nuova finestra)
Doch zunächst ein paar Hinweise, was Du für einen erfolgreichen A/B-Test brauchst und mit welcher Methode Du leichter priorisierst.
Was Du für einen erfolgreichen A/B-Test brauchst
Damit Dein Testing wirklich effektiv ist, brauchst Du immer folgende Punkte:
eine Hypothese
eine Haupt-KPI (ganz wichtig)
maximal eine Neben-KPI
Bei Deiner Haupt-KPI kannst Du im Beispiel von Conversion-Tests einfach immer auf Conversion-Anstieg testen. Ich empfehle Dir aber zumindest in der Neben-KPI, die nächste Metrik zur Maßnahme zu prüfen.
Zwei Beispiele:
Du ändert etwas auf Deiner Paywall – dann wäre die nächste Metrik in der Regel die Paywall-Klick-Rate.
Du änderst etwas auf Seite 1 in der Bestellstrecke – dann wäre die nächste Metrik die Abbruchrate auf Seite 1 der Bestellstrecke.
Richtig priorisieren – mit der Impact/Effort-Mechanik
Wenn es an die Priorisierung geht, rate ich Dir nach meiner Erfahrung: Betreibe kein Overengineering. Statt es unnötig kompliziert zu machen, nutze einfach die Impact/Effort-Mechanik.
1. Impact
Überlege Dir zunächst: Was, glaubst Du, hat die Maßnahme für einen Effekt auf die definierte Haupt-Metrik?
Schwarmintelligenz funktioniert hier gut: Wenn Du mit 2-3 Kolleg:innen aus dem Haus eine Einordnung des Impacts schätzt, kommt immer ein realistischer Wert dabei herum. Richtet Eure Bewertung nach einer Skala von 1–10 (1 = kein Impact / 10 = sehr hoher Impact).
2. Effort
Nun schätze ab: Wie aufwendig ist der Test? Welche technische Umsetzung, interne Abstimmung, ggf. Kosten hängen damit zusammen? Dabei drehen wir die Bewertung im Gegensatz zum Impact herum: 1 = sehr hoher Aufwand / 10 = gar kein Aufwand. Denn ein geringer Aufwand ist für unsere Bewertung ja positiv – und wir wollen möglichst viele solcher Maßnahmen hoch priorisieren.
3. Summe
Hast Du Nutzen und Aufwand bestimmt, kannst Du beide Werte zusammenrechnen. Diese Summe gibt Dir einen guten Indikator: Damit hast Du jetzt einen passenden Mix aus Maßnahmen, die Quick Wins vs. Big Bets sind.
Wichtig ist aber auch hier: Zerdenke das nicht. Es geht darum, Tendenzen zu erkennen und Maßnahmen gegeneinander zu priorisieren. Den Impact werdet Ihr nie zu 100 % bestimmen können (in dem Fall bräuchten wir gar keinen A/B-Test 😉). Verlasst Euch hier in der Gruppe auf Eure Erfahrung und Euer Bauchgefühl. Je mehr Tests Ihr bereits gemacht habt, umso sicherer werden auch Eure Annahmen.
Template zur A/B-Test-Priorisierung
Für einen besseren Überblick über Dein Testing kannst Du gerne mein Template (Si apre in una nuova finestra) nutzen. Es enthält alle Spalten, die Du brauchst – inkl. Beispielen:
Hypothese
Haupt-KPI
Neben-KPI
Start- und Enddatum
Impact
Aufwand
Priorität
Status
Ergebnis
Du kannst diese Form der Priorisierung einfach als Excel-Tabelle nutzen – noch besser ist es natürlich, wenn Du sie auch in ein Tool wie Confluence oder Notion überführst.
Ich hoffe, das Template und der Artikel helfen Dir dabei, Dein Digital-Abo zu optimieren. Du wünschst Dir Unterstützung dabei, Deine A/B-Tests effektiv umzusetzen? Oder weitere Strategien für mehr bzw. haltbare Abos? Dann schreibe mir gerne über LinkedIn (Si apre in una nuova finestra) oder an sascha@sub-growth.de (Si apre in una nuova finestra).
