A/B-Testing: eine Variable, verlässliche Ergebnisse

A/B-Testing vergleicht zwei Versionen einer Variable (Creative, Zielgruppe, Platzierung, Gebotsstrategie), bei ansonsten identischen Bedingungen, um herauszufinden, welche Version tatsächlich besser abschneidet, statt zu raten. Metas eigenes Experimente-Tool teilt eine Zielgruppe gleichmäßig auf, lässt beide Versionen gleichzeitig laufen und meldet einen Gewinner, sobald genug Daten vorliegen, um dem Ergebnis zu vertrauen.

Die eine Regel, die einen Test gültig macht

Wenn Bild und Überschrift und Zielgruppe gleichzeitig geändert werden, entsteht ein Ergebnis, bei dem sich nicht feststellen lässt, welche Änderung es verursacht hat. Das ist kein Test, sondern zwei Vermutungen in einem Paket. Ein gültiger Test ändert genau eine Variable zwischen Kontrolle und Variante; alles andere (Budget, Zeitplan, Targeting, der Rest des Creatives) bleibt identisch.

Was zuerst getestet werden sollte

Gebotsstrategie oder Landingpage vor Creative und Überschrift zu testen, heißt meist, die falsche Sache zuerst zu testen. Creative-Änderungen produzieren regelmäßig die größten Ausschläge und sind am günstigsten zu iterieren.

Was ein Ergebnis verlässlich statt zufällig macht

Genug Zeit. Ein zweitägiger Test, bei dem eine Version um 10 % “gewinnt”, liegt gut innerhalb der normalen Tag-zu-Tag-Schwankung. Etwa eine Woche ist das praktische Minimum, und Accounts mit geringem Volumen brauchen unter Umständen zwei, um die Abweichung zwischen Wochentag und Wochenende auszugleichen.

Genug Budget pro Variante. Jede Version braucht genug Volumen für ein echtes Signal. Eine Variante mit ein oder zwei Conversions pro Tag reicht nicht für eine Schlussfolgerung, egal wie lange der Test läuft.

Eine einzige, vorab festgelegte Erfolgskennzahl. Im Voraus festzulegen, ob der Test anhand von CPA, ROAS oder CTR beurteilt wird, und dabei zu bleiben, verhindert den verbreiteten Fehler, im Nachhinein die Kennzahl auszuwählen, die zufällig das gewünschte Ergebnis begünstigt.

Der Schritt, den die meisten Tests auslassen

Einen Gewinner zu finden und nicht danach zu handeln, verschwendet die gesamte Übung. Der Sinn des Testens liegt darin, die gewinnende Version anzuwenden und dann zur nächsten Variable überzugehen: ein sich wiederholender Zyklus statt einer einmaligen Übung, denn eine Version, die heute gewinnt, gewinnt nicht garantiert weiter, sobald Fatigue Wochen später einsetzt.

Wo das mit Scaling zusammenhängt

A/B-Testing ist das, was ein Creative oder eine Zielgruppe validiert, bevor es sich lohnt, mehr Budget dahinter zu setzen. Skalierung einer ungetesteten Anzeige ist Skalierung einer Vermutung, und die CPA-Volatilität, die nach einer Budgeterhöhung auftritt, ist ohne validierte Baseline zum Vergleich viel schwerer zu diagnostizieren.

Wie YieldBI das anwendet

Ad-Level-Umsatz wird individuell pro Anzeige gegen Ihr Gewinnziel gelesen, sodass der Gewinner eines abgeschlossenen Tests in derselben Ansicht sichtbar wird, die Wachstumssteuerung bereits nutzt, um zu empfehlen, was als Nächstes skaliert werden soll. Die tägliche Aktionsliste kann direkt auf einen validierten Gewinner verweisen, statt auf ein Creative, das bei einem Tagesblick lediglich gut aussieht.