A/B-Testing für Website und Kampagnen: Wie Sie Hypothesen sauber testen – auf Landingpages und in Google Ads

„Die grüne Variante hat 30 Prozent mehr Anfragen gebracht“ – solche Sätze hören wir oft, und genauso oft stellt sich heraus, dass der Test nach drei Tagen mit einer Handvoll Conversions beendet wurde. Bei einem A/B-Test werden zwei oder mehr Varianten gleichzeitig an zufällig aufgeteilte Gruppen ausgespielt, um zu messen, welche ein vorher festgelegtes Ziel besser erreicht; aussagekräftig wird er erst mit einer klaren Hypothese und genügend Daten. Ohne beides misst er Zufall.

Dieser Leitfaden zeigt, wie Sie A/B-Tests planen, durchführen und auswerten – auf der Website und in Google Ads. Er erklärt, welche Werkzeuge Google Ads für Tests anbietet, wie Sie Website-Tests ohne Nachteile in der Google-Suche durchführen und an welchen Fehlern die meisten Tests scheitern.

Was ein A/B-Test leisten kann – und was nicht

Ein A/B-Test beantwortet genau eine Frage: Erreicht Variante B das festgelegte Ziel unter gleichen Bedingungen besser als Variante A?

Genau darin liegt der Vorteil gegenüber einem Vorher-nachher-Vergleich. Ändern Sie eine Seite und vergleichen den Monat davor mit dem Monat danach, vermischen sich die Wirkung Ihrer Änderung mit Saison, Wetter, Wettbewerberaktionen und Budgetänderungen. Ein A/B-Test trennt diese Einflüsse, weil beide Varianten denselben Bedingungen ausgesetzt sind.

Was ein A/B-Test nicht leisten kann: Er sagt Ihnen nicht, warum eine Variante gewinnt. Er sagt auch nichts über Varianten, die Sie nicht getestet haben. Und er braucht Volumen – auf Seiten mit sehr wenigen Conversions ist ein klassischer A/B-Test oft nicht in vertretbarer Zeit auswertbar. Dann sind qualitative Methoden wie Nutzerbefragungen oder Sitzungsanalysen der bessere erste Schritt.

Einen Test richtig planen

Der wichtigste Teil eines A/B-Tests passiert, bevor die erste Variante live geht: Hypothese, Messgröße und Abbruchkriterium.

Aus unserer Praxis hat sich ein Testplan mit fünf Punkten bewährt:

1. Hypothese formulieren: „Wenn wir das Angebot der Anzeige in der Hauptüberschrift aufgreifen, steigt die Zahl der Anfragen, weil Besucher sofort erkennen, dass sie richtig sind.“ Eine Hypothese hat immer eine Änderung, eine erwartete Wirkung und eine Begründung.
2. Eine Hauptmessgröße festlegen: Anfragen, Käufe oder Umsatz – nicht Klicks auf einen Button, wenn es eigentlich um Anfragen geht. Weitere Kennzahlen beobachten Sie, entscheiden aber nicht danach.
3. Nur eine Sache ändern: Ändern Sie Überschrift, Bild und Formular gleichzeitig, wissen Sie am Ende nicht, was gewirkt hat. Google rät auch bei Varianten-Tests für Anzeigentexte, die Zahl der getesteten Elemente zu begrenzen.
4. Laufzeit und Datenmenge vorab festlegen: Schätzen Sie anhand Ihrer bisherigen Conversion-Zahlen, wie lange der Test laufen muss. Legen Sie das Ende vorher fest, statt den Test zu stoppen, sobald eine Variante vorn liegt.
5. Dokumentieren: Hypothese, Varianten, Zeitraum, Ergebnis und Entscheidung festhalten – auch bei Tests ohne klaren Gewinner. Sie verhindern so, dass dieselbe Idee in einem Jahr erneut getestet wird.

A/B-Tests auf der Website

Für Tests auf Landingpages und anderen Seiten brauchen Sie ein Testwerkzeug, das Besucher auf Varianten verteilt, und eine Messung, die Conversions je Variante erfasst.

Ein Punkt hat sich dabei grundlegend geändert: Google Optimize, lange das kostenlose Standardwerkzeug, ist laut Google seit dem 30. September 2023 nicht mehr verfügbar; laufende Tests wurden zu diesem Datum beendet. Für Website-Tests brauchen Sie seitdem ein anderes Testwerkzeug. Die Auswertung der Conversions kann weiterhin über Google Analytics 4 erfolgen, wenn das Testwerkzeug die Variante je Besucher an Analytics übergibt.

Auf Websites lohnen sich Tests vor allem an den Stellen, die über die Entscheidung bestimmen:

• Hauptaussage und Angebot: Was steht in der Überschrift, welcher Nutzen wird zuerst genannt?
• Handlungsaufruf: Text, Position und Anzahl der Buttons.
• Formular: Anzahl und Reihenfolge der Felder, Hinweise zum weiteren Ablauf.
• Vertrauenselemente: Position und Art von Referenzen oder Bewertungen.

Wie Sie organische Landingpages grundsätzlich auf Conversions ausrichten, beschreibt unser Beitrag Conversion-Optimierung trifft SEO; für Zielseiten bezahlter Kampagnen gibt es einen eigenen Leitfaden: Landingpages für Google Ads optimieren. Unterstützung bei der Umsetzung bietet unsere OnPage-Optimierung.

Website-Tests ohne SEO-Risiko

Seiten, die in der Google-Suche ranken, lassen sich gefahrlos testen, wenn Sie die Hinweise aus Googles Dokumentation zu Website-Tests beachten. Die vier Kernregeln in Kurzform:

• Kein Cloaking: Googlebot darf keine anderen Inhalte sehen als Menschen.
• rel=canonical: Varianten unter eigenen URLs verweisen per Canonical auf die Original-URL.
• 302 statt 301: Weiterleitungen auf Varianten sind temporär.
• Nur so lange wie nötig: Nach dem Test alle Testelemente entfernen.

Die Regeln im Detail, inklusive der Frage, warum Google bei Testvarianten Canonical statt noindex empfiehlt, erklären wir im Abschnitt zu A/B-Tests unseres Beitrags Conversion-Optimierung trifft SEO.

A/B-Tests in Google Ads

Google Ads bringt zwei eigene Testwerkzeuge mit, die sich in Zweck und Umfang unterscheiden: Experimente auf Kampagnenebene und Varianten-Tests für Anzeigentexte.

Experimente auf Kampagnenebene

Mit Experimenten vergleichen Sie laut Google eine Testversion mit Ihrer ursprünglichen Kampagne über einen festgelegten Zeitraum. Beide teilen sich die Zugriffe und das Budget der Originalkampagne. Verfügbar sind sie für Such-, Display-, Video- und Hotelkampagnen. In Suchkampagnen wählen Sie zwischen einer cookie- und einer suchbasierten Aufteilung; bei Display wird immer cookiebasiert aufgeteilt. Für die Bestimmung des Gewinners können Sie festlegen, ob statistische Signifikanz erforderlich ist oder ob richtungsweisende Ergebnisse genügen. Gewinnt die Testversion, lassen sich die Änderungen automatisch in die Originalkampagne übernehmen oder als neue Kampagne fortführen.

Varianten-Tests für Anzeigentexte

Varianten-Tests für Anzeigentexte eignen sich laut Google, wenn Sie eine Änderung über viele Kampagnen hinweg testen wollen – etwa „Jetzt buchen“ statt „Jetzt anrufen“ in allen responsiven Suchanzeigen. Für Tests von Anzeigentexten in Suchkampagnen empfiehlt Google ausdrücklich dieses Werkzeug. Die Aufteilung erfolgt über Cookies, sodass ein Nutzer nur eine Version sieht, egal wie oft er sucht. Google rät, die Zahl der getesteten Elemente zu begrenzen und Varianten so ähnlich zu halten, dass sich aus den Unterschieden lernen lässt.

Auch andere Werbeplattformen bieten inzwischen Experimente für automatisierte Kampagnentypen. Wie Microsoft Advertising Experimente für Performance Max umsetzt und was das für Tests bedeutet, beschreibt unser Beitrag zu Microsoft-PMax-Experimenten. Für die Umsetzung in Ihren Kampagnen unterstützt Sie unsere Google-Ads-Betreuung.

Ergebnisse richtig auswerten

Ein Testergebnis ist erst dann eine Entscheidungsgrundlage, wenn der Unterschied nicht durch Zufall erklärbar ist und auf der richtigen Messgröße beruht.

Aus unserer Praxis sind vier Regeln entscheidend:

• Nicht zu früh stoppen: In den ersten Tagen schwanken Ergebnisse stark. Wer den Test beendet, sobald eine Variante vorn liegt, erklärt häufig einen Zufallstreffer zum Gewinner.
• Volle Wochen abwarten: Nutzerverhalten unterscheidet sich zwischen Wochentagen und Wochenende. Tests sollten deshalb ganze Wochen umfassen.
• Signifikanz beachten: Statistische Signifikanz beschreibt, wie unwahrscheinlich es ist, dass ein beobachteter Unterschied nur zufällig entstanden ist. In Google-Ads-Experimenten können Sie festlegen, dass ein Gewinner nur bei statistischer Signifikanz bestimmt wird.
• Conversions statt Klicks: Eine Anzeige mit höherer Klickrate, aber weniger Anfragen ist kein Gewinner. Google weist bei responsiven Suchanzeigen außerdem darauf hin, dass Kennzahlen auf Anzeigenebene nicht das vollständige Bild zeigen, und empfiehlt, auf zusätzliche Impressionen, Klicks und Conversions auf Anzeigengruppen- und Kampagnenebene zu achten.

Wie Sie Testergebnisse ehrlich kommunizieren – auch wenn ein Test keinen Gewinner hervorbringt –, beschreibt unser Beitrag Ehrliches PPC-Reporting. Ein Test ohne Gewinner ist kein Misserfolg: Er zeigt, dass die getestete Änderung keinen messbaren Unterschied macht, und spart Ihnen eine Umsetzung, die nichts gebracht hätte.

Ein Test von der Hypothese bis zur Entscheidung

Wie die einzelnen Schritte zusammenspielen, zeigt ein typischer Ablauf aus unseren Projekten – hier als vereinfachtes Beispiel ohne konkrete Zahlen.

Ausgangslage: Ein Handwerksbetrieb wirbt in Google Ads mit „Kostenlose Vor-Ort-Prüfung“. Die Landingpage beginnt jedoch mit einer allgemeinen Unternehmensvorstellung; das Angebot steht erst weiter unten. Die Seite bekommt viele Klicks, aber vergleichsweise wenige Anfragen.

1. Hypothese: Wenn die Überschrift das Angebot der Anzeige aufgreift und der Anfrage-Button im sichtbaren Bereich steht, steigt die Zahl der Anfragen, weil Besucher sofort erkennen, dass sie richtig sind.
2. Messgröße: abgeschickte Anfrageformulare je Besucher aus der Kampagne. Klicks auf den Button werden beobachtet, entscheiden aber nicht.
3. Aufbau: Variante B mit neuer Überschrift und Button oben, sonst identisch. Die Variante läuft unter eigener URL mit Canonical auf das Original; die Anzeigen bleiben unverändert.
4. Laufzeit: vorab anhand der bisherigen Anfragen pro Woche geschätzt und auf volle Wochen gerundet. Während des Tests werden Budget und Gebote nicht verändert.
5. Entscheidung: Liegt Variante B am Ende deutlich und stabil vorn, wird sie zum neuen Original, und die Varianten-URL wird entfernt. Ist der Unterschied nicht belastbar, bleibt das Original – und die nächste Hypothese setzt an einer anderen Stelle an, etwa beim Formular.

Entscheidend an diesem Ablauf ist nicht das Ergebnis, sondern dass jede Entscheidung vor dem Start feststand. So kann niemand im Nachhinein die Messgröße wechseln oder den Test verlängern, bis das gewünschte Ergebnis erscheint.

Typische Fehler beim A/B-Testing

Die meisten fehlgeschlagenen Tests scheitern nicht an der Technik, sondern an der Planung.

• Ohne Hypothese testen: „Mal sehen, ob Blau besser ist“ führt selten zu Erkenntnissen, die sich auf andere Seiten übertragen lassen.
• Zu viele Änderungen auf einmal: Gewinnt die Variante, bleibt unklar, welche Änderung gewirkt hat.
• Zu wenig Volumen: Mit wenigen Conversions pro Woche lässt sich ein kleiner Unterschied nicht in vertretbarer Zeit nachweisen. Testen Sie dann größere, mutigere Änderungen – oder Seiten mit mehr Zugriffen.
• Während des Tests eingreifen: Budget, Gebote oder Zielgruppen während eines laufenden Experiments zu ändern, verfälscht das Ergebnis.
• Testelemente vergessen: Nach Website-Tests bleiben Varianten-URLs und Testskripte oft online. Google rät, sie nach dem Test zu entfernen.

Häufige Fragen

Was ist ein A/B-Test?

Bei einem A/B-Test werden zwei oder mehr Varianten einer Seite, Anzeige oder Kampagne gleichzeitig an zufällig aufgeteilte Gruppen ausgespielt, um zu messen, welche Variante ein vorher festgelegtes Ziel besser erreicht – etwa mehr Anfragen oder Käufe.

Schaden A/B-Tests auf der Website meinen Google-Rankings?

Nicht, wenn Sie Googles Hinweise zu Website-Tests beachten: kein Cloaking, rel=canonical von Testvarianten auf die Original-URL, 302-Weiterleitungen statt 301 und eine Testdauer, die nur so lang wie nötig ist. Laut Google haben kleine Änderungen wie Farbe oder Text eines Buttons oft wenig oder keinen Einfluss auf Snippet und Ranking.

Wie teste ich Änderungen in Google Ads?

Google Ads bietet dafür zwei Werkzeuge: Experimente, die eine Testversion einer Kampagne gegen das Original laufen lassen, und Varianten-Tests für Anzeigentexte, mit denen Sie Textänderungen in responsiven Suchanzeigen über viele Kampagnen hinweg testen. Für Tests von Anzeigentexten in Suchkampagnen empfiehlt Google die Varianten-Tests.

Wie lange sollte ein A/B-Test laufen?

So lange, bis genug Daten für eine verlässliche Aussage vorliegen – und nicht länger. Aus unserer Praxis sollte ein Test mindestens volle Wochen umfassen, damit Wochentagsschwankungen ausgeglichen sind. Google Ads bietet bei Experimenten die Option, einen Gewinner nur bei statistischer Signifikanz zu bestimmen.

Gibt es Google Optimize noch?

Nein. Google Optimize und Optimize 360 sind laut Google seit dem 30. September 2023 nicht mehr verfügbar. Für Website-Tests brauchen Sie seitdem ein anderes Testwerkzeug; die Auswertung kann weiterhin über Google Analytics 4 erfolgen.

Was soll ich zuerst testen?

Aus unserer Praxis die Elemente mit dem größten Einfluss auf die Entscheidung: Angebot und Hauptaussage, Handlungsaufruf und Formular. Kleine Gestaltungsdetails bringen selten messbare Unterschiede, solange die großen Fragen ungeklärt sind.

Fazit: erst fragen, dann testen

A/B-Tests sind das zuverlässigste Mittel, um herauszufinden, was auf Ihrer Website und in Ihren Kampagnen wirklich wirkt – aber nur, wenn sie wie Experimente behandelt werden. Eine klare Hypothese, eine einzige Hauptmessgröße, ausreichend Daten und eine vorab festgelegte Laufzeit unterscheiden einen belastbaren Test von einer Momentaufnahme.

• Hypothese zuerst: Änderung, erwartete Wirkung und Begründung festhalten.
• Eine Messgröße: Conversions oder Umsatz, nicht Klicks.
• Website sauber testen: kein Cloaking, Canonical, 302, Testelemente danach entfernen.
• Google-Ads-Werkzeuge nutzen: Experimente für Kampagnenänderungen, Varianten-Tests für Anzeigentexte.
• Geduldig auswerten: volle Wochen, Signifikanz beachten, auch Tests ohne Gewinner dokumentieren.