SEO A/B-Testing: Wissen statt raten

SEO A/B-Tests sind ein wirksames Mittel, um die Effektivität von Suchmaschinenoptimierung (SEO) zu messen und zu verbessern. Angesichts der komplexen Natur von SEO ist es für Website-Betreiber oft schwierig vorherzusagen, welche Anpassungen positive Auswirkungen auf die Leistung ihrer Website haben werden. A/B-Tests ermöglichen es, verschiedene Versionen einer Zielseite oder eines Such-Snippets zu vergleichen und wertvolle Einblicke in das Nutzerverhalten zu gewinnen. Durch die Identifizierung der effektivsten Elemente wie Farben, Designs und Formulierungen können Conversion-Raten gesteigert, Leads generiert und die User Experience verbessert werden. Durch die Nutzung von A/B-Tests im SEO können Unternehmen ihre Sichtbarkeit und Reichweite in Suchmaschinen erhöhen.

Wozu A/B-Testing nutzen?

Da Google über 200 relevante Faktoren zur Ermittlung des Rankings von Webseiten heranzieht, ist es für Webseitenbetreiber:innen oft schwierig, vorab einzuschätzen, welche Anpassungen einen positiven Effekt auf die KPIs haben.

Wo genau sind diese Stellschrauben, die zu einer Steigerung des organischen Traffics und somit im ersten Schritt zu mehr Klicks, mehr Impressions und einem besseren Ranking in Suchmaschinen führen können? Genau hier setzt das SEO-A/B-Testing an.

Denn eines der am besten geeignetsten Verfahren, um herauszufinden, ob eine Website für die entsprechende Zielgruppe relevant ist oder nicht, ist das Durchführen von A/B-Tests. A/B-Tests stehen für die systematische Herangehensweise der Webseitenoptimierung und lösen damit die klassische Testmethode des “Trial and Error” im SEO in ein systematisches, datengetriebenes Vorgehen ab.

Gängige A/B-Testmethoden

Üblicherweise werden A/B-Testings für die Optimierung der User Experience oder zur Performance-Steigerung mit A/B-Testing-Tools wie Optimizely oder Oracle Maxymiser durchgeführt. Hier werden A/B/n-, multivariate oder Split-Tests (MVT-Tests) aufgesetzt und eine veränderte Seitenoberfläche in einem bestimmten prozentualen Verhältnis für den User als Layer ausgespielt. Dieser Layer ist technisch gesprochen eine weitere Webseite-Variante, die über die Originalseite gelegt wird. Diese ist dann für eine bestimmte Anzahl an Usern im Testzeitraum sichtbar.

Mit diesen Testing-Methoden können Webseitenbetreiber:innen gezielt und datengestützt herausfinden, welche Elemente, Farben oder Designs, Schriftarten, Formulierungen etc. auf einer Website am effektivsten sind und so möglicherweise die Conversion Rate steigern, mehr Leads generieren oder die User-Experience auf der Website verbessern – wenn man die Sieger Variante implementiert.

Definitionen und Unterschiede der Testmethoden:

A/B-Tests vs. Multivariater Test

Technisch gesehen ist der multivariate Test eine "Schwesternkategorie" des A/B-Tests. Der Unterschied besteht darin, dass sich A/B-Tests in der Regel auf eine Variable konzentrieren, während multivariate Tests (wie der Name schon sagt) dazu verwendet werden können, mehrere Variablen gleichzeitig zu testen.

Daher sind A/B-Tests methodisch relativ einfach aufzusetzen und leicht zu interpretieren. Multivariate Tests hingegen sind eher komplex in der Einrichtung, nehmen mehr Zeit in Anspruch und die Analyse der Ergebnisse kann durchaus anspruchsvoll sein.

Da SEO eine langfristige und vergleichsweise langsame Disziplin darstellt, sind multivariate Test für SEO-Testings zwar möglich, es ist dennoch ratsam, sich nur auf eine Veränderung zu fokussieren. Die Variablen und die Abhängigkeiten zu externen Einflüssen sind ansonsten schlichtweg zu groß, so dass man im Nachhinein nur schlecht zuordnen kann, welche Änderung einen Impact hervorgerufen hat. Daher lohnt es sich, sich hier vorrangig auf reine A/B-Tests zu fokussieren.

Auf diese Weise kann datenbasiert ermittelt werden, welchen Impact schon kleinste Änderungen an der Webseite oder am Search-Snippet auf die SEO Performance haben. KPIs wie CTR, Klicks, Impressions oder Conversions geben Aufschluss darüber, ob die durchgeführte Veränderung einen Mehrwert für die Webseite darstellt.

Ablauf eines SEO A/B-Testings

So läuft ein SEO A/B-Testing idealtypisch ab:

Schwachstellen identifizieren durch KPI-Analyse

Am Besten startet man, indem man sich Hypothesen ausdenkt, die zu einer Verbesserung des User Verhalten und somit auch der KPIs führen würden. Hierfür lohnt es sich, einen Blick in die eigenen Daten zu werfen. Gut geeignet sind Search Console, Google Analytics und/oder weitere Tools, die zum Tracking dienen.

Brainstorming für mögliche Test-Szenarien

Mögliche Testcases sind Meta Title oder Meta Description, Call-to-Actions, inhaltliche oder textliche Veränderungen auf der Webseite, Integration von strukturierten Daten, Zielgruppenansprache, Veränderung der Seiten Textlänge etc. Hier sind im Prinzip keine Grenzen gesetzt.

Identifikation eines geeigneten Seitentyps & Voraussetzungen

Zunächst sollte man eine Identifikation einer Gruppe von URLs des gleichen Seitentyps anstreben, um einen transparenten Vergleich herstellen zu können. Diese ausgewählten Seiten sollten gesamtheitlich ca.100 Klicks (organischen Traffic) pro Seitentyp und Tag aufweisen. Je höher die Anzahl der Seiten in einer Testgruppe, desto schneller ist ein signifikantes Ergebnis zu erwarten. Denn am Ende des Test wird eine solide statistische Signifikanz benötigt, um sicherzustellen, dass das Testverfahren einer wissenschaftlichen Grundlage unterliegt und eben nicht durch „reinen Zufall“ entstanden ist.

Unterteilung in Testgruppen

Die soeben vordefinierte URL-Gruppe wird nun zu gleichen Teilen in A-und B-Testgruppen unterteilt, wobei auf die Anzahl von annähernd gleichen Impressions geachtet werden sollte, um eine Vergleichbarkeit der Gruppen untereinander herzustellen. Hierzu kann man auf die Daten aus der Google Search Console zurückgreifen.

Implementierung der Test-Veränderung

Anschließend kann die zu testende Veränderung je nach Testszenario auf der Seite, den Snippets oder im Quellcode für die Testgruppe (Bsp. Gruppe A) implementiert werden. Wichtig ist, das Datum der Veränderung für spätere Vergleichbarkeit festzuhalten.

A/B Testing Dashboard

Zur übersichtlichen Vergleichbarkeit der Daten lohnt es sich, ein Dashboard via Google Lookerstudio anzulegen, welches die Daten aus der Search Console exportiert. So kann ein Monitoring im Zeitverlauf über die KPIs visualisiert werden, bis ein valides Testergebnis feststeht. Ein valides Testergebnis ist erreicht, wenn eine statistische Signifikanz von 95 % vorliegt. Das bedeutet, dass das Ergebnis mit einer Wahrscheinlichkeit von 95 % zutrifft (und mit einer Wahrscheinlichkeit von 5 %, dass es sich um einen Fehler oder ein Zufallsergebnis handelt).

Gewinner Variante ermitteln

Mit der statistischen Signifikanz ist der Test statistisch abgesichert. Nun entscheidet die Relative Differenz ((Klickraten der Testgruppe - Klickraten der Kontrollgruppe) / Klickraten der Kontrollgruppe) * 100%)) und der mit der Sieger Variante einhergehender zu erwartender Uplift ((Klickraten der Testgruppe / Klickraten der Kontrollgruppe) * 100%)) über eine sich lohnende Ausweitung der Sieger Variante auf den gesamten Seitentyp. Ein Test kann auch negativ ausfallen, in dem Sinne, dass die Veränderung keine Uplift erwarten lässt. Aber auch hier ist der Test gelungen, denn was für eine Zeitverschwendung, wenn man den gesamten Seitentyp verändert hätte, ohne einen positiven Effekt im Nachhinein. Testen lohnt sich demnach immer.

Skalierungseffekte bei A/B-Testings

Das Nutzen von A/B-Testings im SEO bietet ein enormes Potenzial, da man mit einer kleinen Anzahl von Seiten die besser performende Variante auf eine große Anzahl von Seiten mit dem gleichen Seitentyp ausrollen und somit das gewonnene Potenzial mit einem Schlag enorm vergrößern kann.

Fazit zu SEO A/B-Testings

Zusammenfassend lässt sich sagen, dass A/B-Testings im Bereich der Suchmaschinenoptimierung ein wichtiger Bestandteil sind, um die Effektivität von SEO-Maßnahmen zu messen und zu verbessern. Durch das Vergleichen von verschiedenen Versionen einer Zielseite oder einer SEO-Strategie können Unternehmen wertvolle Einblicke in das Nutzerverhalten gewinnen und die Performance ihrer Website steigern. A/B-Tests können Unternehmen dabei helfen, ihre SEO-Bemühungen zu optimieren und eine höhere Sichtbarkeit und Reichweite in Suchmaschinen zu erzielen.