• Startseite
  • UX Leistungen und Services
  • Über mich
  • Blog
  • Kontakt
Youitive
  • Startseite
  • UX Leistungen und Services
  • Über mich
  • Blog
  • Kontakt

User Research

  • Home
  • Blog
  • User Research
  • A/B Tests – Einfach und effizient an wertvolle Daten kommen

A/B Tests – Einfach und effizient an wertvolle Daten kommen

  • Autor Björn Frieling
  • Kategorien User Research
  • Date 14. Juni 2020
Das Bild zeigt zwei unterschiedliche Kaffeearten. Dies symbolisiert wie ein A/B Test funktioniert.

A/B Tests sind häufig genutzte Evaluationsmöglichkeiten innerhalb einer User Research. In den Sozialwissenschaften ist dieser Test als Paarvergleichstest bekannt. Dabei werden zwei unterschiedliche Versionen miteinander verglichen. Dabei können auch mehr als 2 Versionen verglichen werden. Im Gegensatz zu einem Usability Test, ist ein A/B Test meist eine quantitative Messung und wird oft über Analytics Programme unterstützt.

Ziel

In einem A/B Test versuchst du herauszufinden, welche deiner Varianten am besten bei deinem Kunden ankommt. Der Test und der Testaufbau sind sehr einfach. Das Ergebnis ist aber sehr wertvoll für die weitere Entwicklung deines Produkts.

Aufbau eines A/B Test

Du baust 2 oder mehr Varianten einer Seite oder eines Produkts. Diese sollten sich nach Möglichkeit nur in einer Komponente unterscheiden. Zum Beispiel im Wording eines Buttons. Oder in der Farbe eines Elements. Auch ob eine Listendarstellung besser als eine Kacheldarstellung ist, lässt sich darüber gut testen.

Die Abbildung zeigt, dass sich bei einem A/B Test die Versionen nur in einem Merkmal unterscheiden dürfen.

Du kannst einen A/B Test mit einem Prototypen machen oder aber auch im Live – System integrieren. Wichtig ist, dass du deine Teilnehmer zufällig zuordnest. Präsentierst du einem Teilnehmer mehrere Versionen, dann nennt sich dies ‚Testwiederholung‘. Das ist bei einer statistischen Auswertung wichtig. Der Vorteil ist, dass du weniger Teilnehmer benötigst. Der Nachteil besteht in User Research Biases.

Wenn du die Möglichkeit hast am Live System zu testen, dann empfehle ich dir jedem Teilnehmer nur eine Version zu zeigen. Messe mit diversen Analytics Tools, welche Variante besser abschneidet. Dazu musst du vorher KPIs definieren um dies adäquat zu messen. Ein Beispiel wäre die Anzahl verkaufter Produkte oder die Bounce – Rate. Je nachdem was dein Ziel ist.

Was du vermeiden solltest

Vermeide mehrere Komponenten gleichzeitig zu testen. Gerade bei einer quantitativen Erhebung, weißt du nachher nicht, was genau den Unterschied gemacht hat. Mache stattdessen lieber mehrere A/B Tests hintereinander. Eine andere Möglichkeit besteht darin, alle möglichen Varianten abzutesten. Das können aber sehr schnell sehr viele werden.

Die Abbildung zeigt das es nicht zu empfehlen ist, mehr als ein Merkmal gleichzeitig zu ändern. In diesem Fall werden zwei Merkmale des Buttons geändert. Wording und Farbe des Buttons.

Ein Beispiel:

Sagen wir du hast eine Ergebnisseite. Du willst nun wissen welche Variante am besten ankommt. Du hast dir eine Liste und eine Kacheldarstellung überlegt. Um zu den Details zu kommen hast du für den Button das Wording ‚Mehr‘ und ‚Details‘ gewählt. Den Button willst du Blau, Rot oder Grün einfärben. Daraus ergeben sich 2x2x3 also 12 mögliche Kombinationen. Je mehr Komponenten du in einem A/B Test änderst, desto mehr Varianten musst du erstellen.

Typische User Research Biases beim A/B Test

Der A/B Test hat nicht allzu viele User Research Biases. Eine Rolle spielt der Primacy-Recency-Effekt, sowie der Reihenfolgeneffekt. Achte darauf diese zu vermeiden. Wie du User Research Biases vermeiden kannst, kannst du hier nachlesen.

Auswertung

Die Auswertung kannst du in diesem Fall statistisch machen. Je nach Anzahl der Teilnehmer kannst du einen t-Test oder eine Varianzanalyse verwenden. Schaue vorher aber nach, ob deine Gruppe die Bedingungen für diese Tests erfüllt. Alternativ kannst du auch sogenannte nonparametrische Tests verwenden, wie den Wilcoxon-Rangsummen Test oder den Mann-Whitney-U Test. In der Grafik kannst du sehen, wann du welchen Test verwenden solltest.

Zusammenfassung A/B Test

Ein A/B Test ist eine sehr effiziente Methode, um datenbasierte Entscheidungen zu treffen. Wenn du die Möglichkeit hast, versuche dies direkt am Live – System. Schau ob sich deine Ergebnisse ändern. Es gibt jede Menge Analytics Tools die dich dabei unterstützen. Der A/B – Test kann aber auch in der frühen Konzeption genutzt werden. Auch eine qualitative Variante davon ist denkbar.

Tag:A/B Test, forhappyusers, Usability, User Research, User Research Methode, UX

  • Teilen:
author avatar
Björn Frieling

Previous post

Empathy Map - Wie du deinen Nutzer besser verstehst
14. Juni 2020

Next post

Gestaltgesetze Cheat Sheet – 8 Regeln und Tipps für dein Konzept
5. Juli 2020

You may also like

Eine Marketplace User Research ist wir ein Marktplatz oder eine Messe. Die Veruschsteilnehmer suchen sich die Station aus, welche sie interessant finden und machen dort einen Test mit.
Marktplatz User Research – Ein internes Event
12 April, 2020
Ein typischer User Research Bias ist, dass Personen sich anders verhalten, wenn sie sich beobachtet fühlen. Diesen Effekt nennt man Hawthorne - Effekt.
10 typische User Research Biases
22 März, 2020
Das Foto zeigt einen jungen Mann der gerade remote mit seinem Notebook arbeitet.
Asynchroner Remote Usability Test – How to und Tipps
16 Februar, 2020

Search

Kategorien

  • Agile
  • Allgemein
  • Konzepten
  • Nutzungskontextanalyse
  • Strategie
  • User Research

Neuste Artikel

Das Bild zeigt einige Bilder welche auf einem Tisch gelegt wurden. Diese sind wie in dem Gesellschaftsspiel Memory angeordnet. Normalerweise können Menschen sich 7±2 dieser Bilder merken.
Usability Richtlinie: Die 7 ± 2 Regel
25Jul2021

Was ist die 7 ± 2 Regel? Bei der 7 ± 2 Regel spricht man bei User Experience und Usability davon, dass deinem Nutzer nur 7 Items ± 2 gleichzeitig präsentiert werden sollten. Diese Regel findet vor allem häufig Anwendung …

Die Abbildung zeigt einen Standardaufbau der Priorisierungsmatrix mit den 4 Quadranten und deren Beudeutung. Alle Funktionen welche rechts oben sind, sollte höhere priorisiert werden. Links oben und rechts unten werden Funktionen eingetragen, welche dann vielleicht später umgesetzt werden sollten. Funktionen welche links unten stehen, sollte nicht umgesetzt werden.
Priorisierungsmatrix – Im Team UX Entscheidungen treffen
26Jun2021

Eine Priorisierungsmatrix hilft dir und deinem Team UX Entscheidungen für neue Funktionen zu treffen. In agilen Teams ist die Priorisierung meist Aufgabe des Product Owners, allerdings kannst du ihn dabei gut unterstützen. Sollte dein Team nicht konstant von außen priorisiert …

Titelbild zum Thema Dark UX - Es zeigt die dunkle silhoutte eines Mannes
Dark UX und Dark Patterns
23Mai2021

Was ist Dark UX - Definition Unter Dark UX versteht man, das Ausnutzen bestimmter Patterns und Richtlinien, um aktiv die Kunden- und Nutzerentscheidung zu sabotieren. Dabei verwendest du für dein Interaktionsdesign die gleichen Prinzipien, Gesetze, Richtlinien und Inidikatoren wie bei …

UX Online Kurs

Du willst mehr über UX lernen? Dann kannst du über folgenden Link an meinem Online Kurs teilnehmen.

Zum Udemy Kurs

  • AGB
  • Impressum
  • Datenschutzerklärung

+49 176 848 592 65
info@youitive.de

Wir nutzen Cookies um dein Nutzererlebnis zu steigern. Bitte klicke auf 'Akzeptieren' um den vollen Funktionsumfang der Website zu nutzen. Ohne Cookies kann es zu Funktionseinschränkungen (längere Ladezeiten kommen).
Akzeptieren Ablehnen

Weitere Informationen
Datenschutz

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
immer aktiv
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SPEICHERN & AKZEPTIEREN