Die 10 besten Vorgehensweisen zur Optimierung der Konversionsrate (CRO)

Die Optimierung der Conversion Rate ist ein notwendiger Bestandteil, um bessere Customer Journeys zu liefern. In diesem Blog berichtet Megan über die besten Strategien, die sie im Laufe ihrer Karriere als Marketer kennengelernt hat.

In einem früheren Blogbeitrag, Getting Started with A/B Testing, habe ich erklärt, wie ich von Experten der Branche, die alle ihre Informationen geteilt haben, etwas über Conversion Rate Optimization (CRO) gelernt habe. Ich möchte mich gerne revanchieren und die besten Praktiken weitergeben, die ich auf meinem Weg von der Verwaltung von Websites bis zur Optimierung ihrer Benutzererfahrung von ihnen gelernt habe.

1. Best Practices sind eher Richtlinien

Wenn es etwas gibt, das Sie aus diesem Blogbeitrag mitnehmen, dann dies: Es gibt keine Best Practices in der CRO.

Ich fand es immer lustig, weil ich ständig E-Mails und Blogbeiträge mit angepriesenen Best Practices für CRO las. Aber was ich aus diesen Ressourcen gelernt habe, ist, dass es kein Geheimrezept oder Zauberstab gibt, der Ihre Website in den sprichwörtlichen "Pot of Gold" für Conversions verwandelt, noch gibt es universelle Best Practices. Dies liegt am Kontext. Nicht alle Besucher auf jeder Website sind gleich, noch interagieren sie mit jeder Website auf die gleiche Weise.

Echte Optimierung muss von Daten abgeleitet werden. Wir müssen Daten nutzen, um zu verstehen, wie unsere Besucher unsere Website nutzen, und daraus unsere Optimierungen ableiten. Best Practices in der CRO sind also eher Richtlinien. Diese so genannten "Best Practices" eignen sich hervorragend, um schnelle Erfolge zu erzielen oder als Ausgangspunkt für Ihr nächstes Experiment, aber Sie sollten sie unbedingt testen, bevor Sie sie einführen.

Ich denke, Chris Goward, CEO und Gründer von Wider Funnel, fasste es ziemlich gut zusammen, als er sagte: "Best Practices haben nur begrenzten Wert, bis sie gründlich getestet werden."

2. Meinungen spielen keine Rolle

Jeder hat eine Meinung, aber nur weil wir eine haben, heißt das noch lange nicht, dass wir Recht haben oder wissen, was funktioniert. Aus diesem Grund gibt es Tests. Experimente sollten datengestützt sein. Zwischen Datenquellen wie Webanalysen, Lead-Daten und Daten aus Kundenumfragen gibt es so viele Informationen, die uns helfen, unsere Besucher besser zu verstehen. Diese Daten geben uns einen guten Einblick, woher unsere Besucher kommen, wohin sie gehen, was sie tun und, was am wichtigsten ist, wo sie konvertieren und wo sie stecken bleiben.

Experimente helfen uns, unsere Lösungen für diese Probleme in einer risikoarmen Umgebung zu testen. Sie geben uns die Möglichkeit, herauszufinden, welche unserer Lösungen besser funktionieren, anstatt das Risiko einzugehen, die unserer Meinung nach beste Lösung auszurollen.

3. Kopieren Sie nicht Ihre Konkurrenten

Wir sehen uns häufig die Websites unserer Konkurrenten an, um zu sehen, wie sie es machen. Machen sie es besser als wir? Tun sie etwas, was wir nicht tun und tun sollten?

Webdesign ist sehr emotional. Wir wissen sofort, ob uns etwas gefällt oder nicht. Aber was wir nicht wissen, ist, ob es funktioniert oder nicht. Wir möchten, dass unsere Benutzer in der Lage sind, die Aufgabe zu erledigen, die sie auf unserer Website erledigt haben. Wenn wir andere kopieren, wissen wir nicht, ob sie die Antwort haben oder ob ihre Lösung für unsere Besucher funktioniert. Es bleiben so viele Fragen offen. Funktioniert es für sie? Wie sind sie auf die Idee gekommen? Wir wissen nicht, was sie zu lösen versuchten oder ob wir uns in diesem Moment in einem ihrer Experimente befinden.

Anstatt sie zu kopieren, sollten wir uns unsere eigenen Daten ansehen, um das Problem aufzudecken, brainstorming über Ideen, die es möglicherweise lösen könnten, und dann Ihre Lösungen testen.

Das heißt aber nicht, dass Sie nicht ein bereits vorhandenes Konzept verwenden können, das Ihnen wirklich gefällt und von dem Sie glauben, dass es Ihr Problem lösen kann. Andere stehen vor den gleichen oder ähnlichen Herausforderungen. Es ist nicht ungewöhnlich, dass man etwas anderes sieht, von dem man glaubt, dass es funktionieren könnte. Die Lehre daraus sollte sein, dass Sie sich diese Lösung zu eigen machen sollten. Vergewissern Sie sich, dass die vorgeschlagene Lösung mit Ihren Zielen übereinstimmt, und testen Sie sie aus, bevor Sie sie in die Tat umsetzen. 

4. CRO ist so viel mehr als nur A / B-Tests

CRO wird oft mit A/B-Testing allein verwechselt. Aber CRO ist so viel mehr als nur A/B-Testing - es ist ein systematischer Prozess oder Rahmen, der aus quantitativen und qualitativen Analysen besteht, während A/B-Testing nur eine Taktik ist, die uns hilft, unsere Hypothesen zu validieren.

A/B-Tests können uns zwar sagen, welche Version unseres Experiments besser abgeschnitten hat, aber sie erklären nicht, warum diese Version gewonnen hat. Die Erklärung des "Warum" ist der Punkt, an dem der CRO-Prozess wirklich glänzt. Die quantitative und qualitative Analyse hilft uns zu verstehen, wie unsere Nutzer mit unserer Website interagieren und warum. Sobald wir das verstanden haben, können wir beginnen, unsere Konversionsprobleme an der Wurzel zu packen und unsere Lösungen für diese Probleme zu testen..

5. CRO ist ein Prozess

CRO ist ein systematischer Prozess/Rahmen, der aus einer quantitativen und qualitativen Analyse besteht. Es ermöglicht uns, verschiedene Datenquellen zu nutzen, um die Frage nach dem "Warum" zu beantworten, wenn wir das Nutzerverhalten untersuchen. Es gibt verschiedene Varianten des CRO-Prozesses/Frameworks, aber im Kern sind sie sich alle sehr ähnlich. Sie alle nutzen eine Kombination aus quantitativen und qualitativen Daten, um zu verstehen, wie die Besucher mit Ihrer Website interagieren.

Von Webanalysen über Heatmaps bis hin zu Benutzerfeedback, das über Benutzertests, Umfragen und Abstimmungen gesammelt wird - es ist erstaunlich, wie viele Daten es gibt, die uns helfen können, zu verstehen, was auf unseren Websites passiert. Und das ist noch nicht alles. All diese Daten helfen uns bei der Bildung unserer Hypothese, auf deren Grundlage wir unser Experiment erstellen. Die Erkenntnisse, die wir aus den Ergebnissen unserer Experimente gewinnen, werden zu neuen Hypothesen, und dieser Prozess beginnt von vorne.

6. Jedes Experiment braucht eine Hypothese

Ohne eine Hypothese haben Sie keine klare Definition dessen, was Sie testen wollen. Und Sie können auch nicht wirklich feststellen, ob Ihr Versuch erfolgreich war oder nicht.

Eine Hypothese hilft uns, das Problem klar zu identifizieren, die Lösung vorzuschlagen, die wir für dieses Problem halten, und eine Schlüsselkennzahl zu bestimmen, die den Erfolg oder Misserfolg des Tests anzeigt.  Stellen Sie sicher, dass jeder Test eine Hypothese hat.

Das tun wir bei Progress. Wir formulieren sie einfach als solche:  Wenn wir [x] auf [y-Seite] für [z-Benutzer] durchführen, werden wir [Schlüsselmetrik] erhöhen, weil [warum].

Auf diese Weise ist für uns klar, was wir testen, und es gibt keinen Zweifel daran, was wir als Erfolgskennzahlen identifizieren.

7. Ziele müssen klar definiert sein

Ziele gehen Hand in Hand mit einer Hypothese. Sie dienen nicht nur dazu, den Erfolg oder Misserfolg eines Experiments zu messen, sondern die wichtigsten Erkenntnisse und Einsichten, die wir aus unseren Experimenten gewinnen, können in zukünftige Tests einfließen. Die Ziele müssen klar definiert sein, damit es keine Zweifel daran gibt, was wir messen wollen.

Außerdem müssen die Ziele in direktem Zusammenhang mit dem Experiment stehen. Wenn Sie beispielsweise eine Landing Page mit einem Formular optimieren, wird Ihr Ziel höchstwahrscheinlich darin bestehen, die Anzahl der Formularübermittlungen zu erhöhen, und nicht in etwas, das weiter unten auf der Reise des Besuchers liegt.

Es gibt auch Zeiten, in denen Sie mehr als ein Ziel haben, das Sie überwachen möchten. Das ist in Ordnung, aber denken Sie daran: Jeder Test sollte nur ein primäres Ziel haben. Das primäre Ziel bestimmt, ob Ihr Experiment erfolgreich ist oder nicht. Alle anderen werden zweitrangige Ziele sein.

Ich habe oft sekundäre Ziele, weil ich sicherstellen möchte, dass mein Experiment keine unerwünschten Auswirkungen hat, die ich nicht erwartet habe. Ein Beispiel für eine sekundäre Metrik, die ich bei der Optimierung von Formularen überwache, ist die Qualität der Formularübermittlung. Es ist zwar immer gut, das Volumen der Formularübermittlungen zu erhöhen, aber wir wollen sicherstellen, dass die Übermittlungen von guter Qualität sind.

8. Verfolgen Sie Ihre Ziele

Es ist auch wichtig, die Verfolgung Ihres Experiments vor dem Start zu bestätigen. Das Letzte, was Sie wollen, ist, dass Ihr Experiment zu Ende ist und Sie dann feststellen, dass Sie nicht die richtige Nachverfolgung eingerichtet haben, um festzustellen, ob Ihr Experiment funktioniert hat oder nicht. Dies scheint sehr einfach zu sein, aber ich bin vor kurzem selbst in dieses Problem hineingeraten. 

Was meine ich mit Tracking? Tracking ist die tatsächliche Messung Ihres Ziels, z. B. Formularübertragungen, Schaltflächenklicks, Linkklicks, besuchte Seiten usw. Dies kann sowohl auf Seiten- als auch auf Ereignisebene erfolgen. Die gute Nachricht ist, dass die Ziele direkt im Testtool definiert werden. Sie müssen lediglich den Ereignisklick, den Linkklick, das Seitenziel usw. direkt in Ihrem Experiment definieren. In anderen Fällen sind die Testtools direkt mit Ihrem Analysetool integriert, so dass Sie einfach Ihre vordefinierten Ziele auswählen können.

Unabhängig davon, wie Sie Ihre Ziele verknüpfen, stellen Sie sicher, dass Ihr Experiment einer Qualitätskontrolle unterzogen wird, um zu gewährleisten, dass Ihr Ziel entsprechend verfolgt wird. Wenn dies nicht der Fall ist, müssen Sie Ihr Experiment neu erstellen und es erneut starten.

9. Das Experiment nicht anhalten, bearbeiten und neu starten

Was passiert, wenn Sie einen Test durchführen und feststellen, dass eine Änderung vorgenommen werden muss? Die meisten Plattformen ermöglichen es Ihnen, Ihr Experiment anzuhalten, die Änderungen vorzunehmen und es dann neu zu starten. Experten empfehlen jedoch, dies niemals zu tun. Ein solches Vorgehen könnte nämlich die Daten gefährden. Unabhängig davon, ob die Änderung groß oder klein ist, kann sie das Verhalten des Nutzers beeinflussen, was die Integrität der Daten gefährden kann.

Experten empfehlen stattdessen, das laufende Experiment zu beenden. Erstellen Sie dann eine Kopie des Experiments, nehmen Sie die erforderlichen Änderungen vor und starten Sie eine neue Kampagne.

10. Seien Sie geduldig und lassen Sie das Experiment seinen Lauf nehmen

Wenn das Experiment erst einmal angelaufen ist, kann es leicht passieren, dass man sich in die Aufregung über das Ergebnis hineinsteigert und ständig überprüft, wie der Test verläuft. Lassen Sie sich nicht davon beunruhigen, dass Ihr Test in der einen Woche erfolgreich ist und in der nächsten nicht. Die Wahrheit ist, dass Experimente am Anfang sehr unbeständig sein können.

Seien Sie einfach geduldig. Lassen Sie Ihren Test so lange laufen, bis er eine statistische Signifikanz von 95-99 % erreicht hat. Die Stichprobengröße spielt eine wichtige Rolle für die Signifikanz Ihres Experiments. Im Laufe der Jahre habe ich gelernt, dass ich bei geringen Stichprobenumfängen vorsichtig sein muss. Ihre Stichprobengröße sollte groß genug sein, um Ihre Ergebnisse weiter zu validieren. Ich gehe von 200-300 Konversionen pro Variation aus, während andere Experten 1.000 Konversionen pro Variation empfehlen.

Bonus-Tipp: Optimieren! Optimieren! Optimieren!

Eine Version eines Experiments ist nicht genug. Lernen Sie aus Ihren Ergebnissen. Einsichten werden zu zukünftigen Experimenten. Arbeiten Sie weiter an Ihrer Hypothese und testen Sie erneut. Es gibt unendlich viele Möglichkeiten, Dinge zu testen. Hüten Sie sich nur vor widersprüchlichen Experimenten, damit Sie Ihre Daten nicht verwirren.

Zusammenfassend sind hier die Top 10 CRO Best Practices in Kürze:

1. Best Practices ähneln eher Richtlinien.
2. Meinungen spielen keine Rolle. Lassen Sie sich von den Daten zu Ihrem nächsten Experiment führen.
3. Kopieren Sie nicht Ihre Konkurrenten. Sie wissen nicht, was sie zu lösen versuchen, noch ob ihre Lösung für sie funktioniert.
4. Optimierung ist mehr als nur A/B-Testing. Verstehen Sie Ihre Benutzer und wie sie mit Ihrer Website interagieren.
5. Folgen Sie einem systematischen, iterativen Prozess, der sowohl qualitative als auch quantitative Daten berücksichtigt.
6. Beginnen Sie kein Experiment ohne Hypothese.
7. Definieren Sie das Ziel Ihres Experiments klar.
8. Tracking ist entscheidend für Ihre Ergebnisse. Bearbeiten Sie niemals ein Experiment in Bewegung. Stoppen, kopieren, bearbeiten und starten Sie dann ein neues Experiment.
9. Lassen Sie das Experiment laufen, bis es die statistische Signifikanz erreicht hat.
10. Lassen Sie Ihre Erkenntnisse in Ihre nächste Hypothese umschlagen.

Und natürlich – optimieren, optimieren, optimieren!