Ein praktischer Leitfaden für A/B-Tests für PPC (+5 Ideen zum Testen)

Intro

PPC A/B-Tests sind ein wirksames Mittel, um die Effektivität Ihrer Werbekampagnen zu verbessern.

In diesem praktischen Leitfaden erfahren Sie, was A/B-Tests für PPC sind, und lernen die verschiedenen Arten von Tests und Teststatistiken kennen, die für datengestützte Entscheidungen erforderlich sind. Außerdem erfahren Sie, wie Sie Ihren ersten A/B-Test einrichten und erhalten praktische Ideen mit großer Wirkung, die Sie selbst ausprobieren können.

Was ist A/B-Testing für PPC?

Beim A/B-Testing für PPC werden 2 oder mehr Varianten Ihrer Anzeigenkampagnenelemente getestet, z. B. Anzeigentexte, Landing Pages oder Targeting, mit dem Ziel, statistische Beweise für verschiedene Hypothesen zu erbringen, die dann zur Verfeinerung Ihrer Kampagnen und zur Verbesserung der Ergebnisse genutzt werden können.

PPC A/B-Tests unterscheiden sich zwar nicht völlig von A/B-Tests für Landing Pages oder E-Mails, erfordern aber aufgrund der Einschränkungen der Werbeplattformen, der unterschiedlichen Stichprobengrößen und des Risikos, die Gesamtleistung Ihrer Kampagnen zu beeinträchtigen, einen speziellen Ansatz.

Arten von PPC-Tests

Es gibt vier Haupttypen von A/B-Tests im PPC:

• A/B-Tests

  Ein A/B-Test ist ein Experiment mit einer Hypothese, bei dem Sie ein einzelnes Element Ihrer Werbekampagne ändern und es im Vergleich zur ursprünglichen Kontrollvariante testen. Dies ist der häufigste Testtyp, der Ihnen hilft, bestimmte Elemente einzugrenzen und Ihre Kampagnen zu verfeinern.

  Beispiel für einen A/B-Test: Testen von 2 Textanzeigen mit kostenlosem Versand im Vergleich zu 15 % Rabatt als Hauptangebot.

• Multivariate Tests

  Treffen Sie Ranktracker

  Die All-in-One-Plattform für effektives SEO

  Hinter jedem erfolgreichen Unternehmen steht eine starke SEO-Kampagne. Aber bei den zahllosen Optimierungstools und -techniken, die zur Auswahl stehen, kann es schwierig sein, zu wissen, wo man anfangen soll. Nun, keine Angst mehr, denn ich habe genau das Richtige, um zu helfen. Ich präsentiere die Ranktracker All-in-One-Plattform für effektives SEO

  Wir haben endlich die Registrierung zu Ranktracker absolut kostenlos geöffnet!

  Ein kostenloses Konto erstellen

  Oder melden Sie sich mit Ihren Anmeldedaten an

  Ein multivariater Test ist ein Experiment mit mehreren Hypothesen und mehreren Änderungen. Bei dieser Methode testen Sie verschiedene Kombinationen von kleinen Änderungen an Ihrer Kontrollvariante. Ich verwende diese Art nur selten, da sie von allen vier Testarten die größte Stichprobengröße erfordert (was bei PPC oft unmöglich ist) und den geringsten Uplift in den Ergebnissen erzeugt, wodurch das Konfidenzniveau sinkt (siehe meine Definitionen von Stichprobengröße, Uplift und Konfidenzniveau im nächsten Abschnitt).

  Beispiel für multivariate Tests: Testen von 4 Werbemitteln mit verschiedenen Kombinationen von Überschriften und Bildern.

• A/B/n-Tests

  Ein A/B/n-Test ist ebenfalls ein Experiment mit mehreren Hypothesen und mehreren Änderungen. Anders als bei multivariaten Tests können die Varianten jedoch völlig unterschiedlich sein. Dies ist eine der Testarten, die ich häufig für neue Konten oder neue Kampagnen verwende, wenn keine historischen Daten verfügbar sind und ich ganz unterschiedliche Setups oder Kombinationen von Elementen testen möchte, anstatt meine Auswahl mit A/B- oder multivariaten Tests einzugrenzen.

  Beispiel für A/B/n-Tests: Testen von 2+ Sets von Werbemitteln mit völlig unterschiedlichen Layouts und/oder Landing Pages.

• Sequentielle Tests

  Ein sequenzieller Test ist eine Art von A/B-Test, bei dem Varianten von Kampagnenelementen in Phasen oder Sequenzen getestet werden. Eine Sequenz kann 2 Wochen, 1 Monat oder länger dauern (ich empfehle nicht, einen Test für weniger als 2 Wochen durchzuführen). Dies ist der am wenigsten bevorzugte Testtyp, da bei der Durchführung eines Tests in verschiedenen Zeiträumen äußere Faktoren ins Spiel kommen, die Sie nicht kontrollieren können, z. B. Saisonabhängigkeit, unterschiedliche Stichprobengrößen und Zielgruppenabweichungen. Es handelt sich jedoch auch um einen weit verbreiteten Typ, da nicht jede PPC-Plattform vollständige (oder überhaupt keine) A/B-Testfunktionen bietet.

  Beispiel: Testen von Maximize Conversions bidding vs. Maximize Conversion Value in Google Ads

In einem idealen Szenario würden Sie alle Tests in der folgenden Reihenfolge durchführen:

1. A/B/n-Tests, um die am besten funktionierende Konfiguration zu finden
2. A/B-Tests zur Eingrenzung und Verfeinerung Ihrer Einrichtung
3. Multivariate Tests zur weiteren Eingrenzung Ihrer Einstellungen
4. Sequentielle Tests zum Testen von Elementen in sequenzieller Reihenfolge, wenn es keine geeignete A/B-Testfunktionalität gibt

A/B-Test-Statistiken

Damit A/B-Tests statistisch aussagekräftige Daten liefern, Ihre Entscheidungen unterstützen und zu Verbesserungen im PPC führen, müssen Sie 4 wichtige Statistiken berücksichtigen:

• Größe der Stichprobe

  Treffen Sie Ranktracker

  Die All-in-One-Plattform für effektives SEO

  Hinter jedem erfolgreichen Unternehmen steht eine starke SEO-Kampagne. Aber bei den zahllosen Optimierungstools und -techniken, die zur Auswahl stehen, kann es schwierig sein, zu wissen, wo man anfangen soll. Nun, keine Angst mehr, denn ich habe genau das Richtige, um zu helfen. Ich präsentiere die Ranktracker All-in-One-Plattform für effektives SEO

  Wir haben endlich die Registrierung zu Ranktracker absolut kostenlos geöffnet!

  Ein kostenloses Konto erstellen

  Oder melden Sie sich mit Ihren Anmeldedaten an

  Bei PPC ist Ihre Stichprobengröße die Menge an Traffic, die Sie generieren müssen, damit die Testergebnisse repräsentativ für Ihr Publikum sind. Für Metriken auf Anzeigenebene (wie z. B. CTR oder View Rate) sind Impressionen die Quelle Ihrer Stichproben, aber für konversionsspezifische Metriken (wie z. B. Conversion Rate, Cost/Conv. oder ROAS) sollten Sie Klicks wählen. Im Allgemeinen gilt: Je größer die Stichprobengröße, desto genauer wird Ihr Test sein.

• Erwarteter Aufschwung

  Eine Vorhersage darüber, wie sich eine getestete Änderung auf die endgültige Metrik auswirken wird, ausgedrückt in Prozent und im Bereich von 0 bis 100 %. Auf der Grundlage historischer Daten und Konversionsforschung könnten Sie zum Beispiel vorhersagen, dass eine Änderung des Hauptangebots von 10 % Rabatt auf kostenlosen Versand die Konversionsrate um 30 % erhöhen wird.

• P-Wert

  Wir befinden uns auf dem Gebiet der fortgeschrittenen Statistik. Einfach ausgedrückt, hilft der p-Wert dabei festzustellen, ob die Ergebnisse signifikant von dem abweichen, was man erwarten würde, oder wie statistisch signifikant die Ergebnisse sind. Er reicht von 0 bis 1, und je kleiner der Wert, desto statistisch signifikanter sind die Ergebnisse.

• Vertrauensebenen

  Konfidenzniveaus oder Konfidenzintervalle sind ein Maß für die Gewissheit von Testergebnissen. Ein Konfidenzniveau von 95 % bedeutet z. B., dass bei einer mehrfachen Wiederholung desselben Tests 95 % der Tests ähnliche Ergebnisse liefern würden.

Warum ist PPC A/B-Testing wichtig?

A/B-Tests betreffen 3 Schlüsselbereiche Ihrer PPC-Kampagnen:

1. Ergebnisse

   Bei der Arbeit an PPC-Kampagnen stehen Sie ständig vor der Frage "Wird Sache A besser abschneiden als Sache B" (ersetzen Sie "Sache" durch Kampagne/Anzeige/Kopie/Zielgruppe/Winkel usw.). A/B-Tests geben Ihnen die Möglichkeit, solche Fragen zu beantworten, verschiedene Hypothesen zu testen und letztendlich Ihre Ergebnisse zu verbessern.

2. Struktur

   Wenn Sie, wie ich, das Gefühl haben, dass einige Ihrer Optimierungen zu ad hoc, reaktiv auf die vorliegenden Daten oder sogar kosmetisch waren, ist A/B-Testing der Ansatz, der Ihnen helfen wird, mehr Struktur zu schaffen. Es kann Ihnen dabei helfen, Performance-"Standbeine" (bewährte Hypothesen) zu schaffen und sich darauf zu konzentrieren, die wirkungsvollsten Optimierungsmöglichkeiten zu finden, anstatt kosmetische Änderungen vorzunehmen.

3. Kommunikation und Engagement

   Wenn Sie eine Agentur oder ein interner Spezialist sind, haben Sie höchstwahrscheinlich schon einmal Probleme mit der Kommunikation und dem Engagement von Kunden oder Führungskräften gehabt. A/B-Tests können helfen, einige dieser Probleme zu lösen, da sie eine weitere Ebene der Transparenz, des Bewusstseins und des Engagements bieten. Zumindest können Sie eine schnelle Antwort geben, wenn jemand fragt: "Haben Sie stattdessen eine grüne Schaltfläche getestet?" :)

Was können Sie A/B testen?

Die Entscheidung, was in Ihren PPC-Kampagnen A/B getestet werden soll, ist entscheidend. Ich empfehle, mit den Elementen zu beginnen, die bei einer Verbesserung die größten Auswirkungen auf Ihre Ergebnisse haben könnten.

1. Kreative

   Beispiele: Layout, Farbschema, Modell vs. kein Modell, Kurzvideo vs. Langvideo, UGC vs. eigene Assets.

2. Angebot

   Beispiele: kostenloser Versand vs. Rabatt, kostenloser Bonus vs. Verknappung, kostenlose Testversion vs. Freemium, Garantie vs. keine Garantie, Webinar vs. ebook.

3. Anzeigenschaltung

   Beispiele: Facebook vs. Instagram, Mobile vs. Desktop, Suche vs. Suchpartner.

4. Werbetext

   Beispiele: Langform vs. Kurzform, Aufzählung vs. Absatz, Einbindung des Wortes "kostenlos" vs. nicht, Vorteile vs. Autorität.

5. Zielsetzung

   Beispiele: neue Keywords, enge Ausrichtung vs. breite Ausrichtung, ähnliche vs. kalte Ausrichtung, ältere Remarketing-Zielgruppen vs. jüngere, Phrase-Match-Keywords vs. breite Ausrichtung, enge Standortausrichtung vs. breite Ausrichtung.

6. Kampagnen-/Anzeigentypen

   Beispiele: DSA vs. normale Suchkampagnen, dynamische Remarketing-Kampagnen vs. normales Remarketing, Lead Ads vs. Messenger Ads.

7. Zuweisung von Haushaltsmitteln

   Beispiele: mehr Budget für Kampagne 1 vs. Kampagne 2, mehr Budget für Remarketing vs. Akquisition, mehr Budget für Performance Max vs. Shopping.

8. Landing Pages

   Beispiele: Layout, Bilder vs. Videos, dynamisches Einfügen von Schlüsselwörtern, Überschriften, Formulare, Social Proof, Übereinstimmung zwischen Anzeige und Landing Page.

9. Bietstrategien

   Beispiele: Maximierung der Konversionen vs. Maximierung des Konversionswerts, CPA-Zielvorgaben, ROAS-Ziele, höchstes Volumen vs. höchster Wert.

10. Struktur der Kampagne

    Beispiele: Breite (oder Hagakure) Struktur vs. granulare, dynamischere/automatisierte Kampagnen vs. weniger, Best-Performer vs. Low-Performer, SKAGs.

Wie Sie Ihre PPC-Kampagnen einem A/B-Test unterziehen

Einrichten Ihres A/B-Tests

Sobald Sie eine Liste von Ideen für A/B-Tests zusammengestellt haben, ist es an der Zeit, Hypothesen aufzustellen und über die Ansätze und Instrumente zu entscheiden.

Hypothese

Ihre Hypothese ist die Annahme, die Sie mit dem Experiment zu testen versuchen. Sie drückt den Effekt aus, den Sie von einer Änderung erwarten, z. B. von einer Überarbeitung des Anzeigentextes, einer Änderung der Anzeigengestaltung oder einer Erweiterung der Zielgruppenansprache. Um meine Hypothesen zu strukturieren, verwende ich gerne das Hypothesis Kit V4 von Craig Sullivan:

1. Basierend auf (Daten/Forschung/Beobachtung)
2. wir glauben, dass (Veränderung)
3. für (Bevölkerung)
4. verursachen (Auswirkung).
5. Wir werden es wissen, wenn wir es sehen (metrisch).
6. Dies ist gut für Kunden, Partner oder unser Geschäft (weil).

Näherung

Hier entscheiden Sie, wie Sie Ihren Test angehen wollen. Wird dies ein A/B-Test sein? A/B/n? Sequentiell? Es ist wichtig, dies von Anfang an festzulegen, da es sich auf Ihre A/B-Test-Tools, Budgets und Ergebnisse auswirken wird. Wie oben erwähnt, empfehle ich, mit A/B/n-Tests zu beginnen, wenn Sie keine historischen Daten haben und Ihre Hypothese auf Beobachtungen beruht. Bei bestimmten Tests und Anzeigenplattformen sind Sie jedoch auf sequenzielle Testansätze beschränkt (z. B. Gebotsstrategien bei Google Ads).

Werkzeuge

Wenn es um PPC-A/B-Tests geht, ist ein Spreadsheet-Dashboard Ihr bester Freund. Wenn Sie nicht sicher sind, wo Sie damit anfangen sollen, finden Sie mein aktuelles Dashboard hier. Wenn Sie nur ein paar Tests pro Quartal durchführen, empfehle ich Ihnen, es manuell auszufüllen. Wenn es mehr als ein paar sind, können Sie es mit Tools wie Supermetrics automatisieren, um PPC-Daten abzurufen.

Starten Sie Ihren A/B-Test

Die Anweisungen für den Start hängen von dem getesteten Element und der gewählten Anzeigenplattform ab. Eines bleibt jedoch gleich: Ihr Experiment muss gleiche oder fast gleiche Stichprobengrößen für die Kontroll- und die Testvariante ergeben. Das bedeutet, dass echte A/B-Tests niemals in derselben Kampagne oder Anzeigengruppe gestartet werden sollten, es sei denn, Sie können das Budget und die Verteilung des Traffics kontrollieren (d. h. Kampagnen zur Optimierung des Anzeigenbudgets oder ABO in Facebook Ads).

Hier sind die Testaufbauten, die ich am häufigsten verwende:

• Facebook/Instagram/Pinterest/LinkedIn: die native A/B-Testing-Funktion, neue Anzeigensets, neue Kampagnen, aufeinanderfolgende Einführungen.
• Google/Microsoft: die Funktion zum Experimentieren mit nativen Kampagnen, die Funktion zum Testen von Anzeigentexten (A/B), die Funktion zur gleichmäßigen Anzeigenrotation und die sequenzielle Einführung.

Analyse der Daten

Sie haben eine Hypothese aufgestellt, den Test eingeleitet und ihn zu Ende geführt. Was nun?

Füllen Sie Ihr Dashboard aus und sehen Sie nach, ob Ihr Test den erwarteten Uplift erbracht hat, ob Ihre Stichprobengröße groß genug war, ob Ihre Ergebnisse statistisch signifikant sind oder ob Ihr Test mehr Zeit benötigt, um eine höhere Signifikanz zu erreichen.

Sie können einen Rechner verwenden, der Ihnen bei der Berechnung der Stichprobengröße und der Konfidenz/Signifikanz hilft.

Wenn Sie einen klaren Gewinner haben, formulieren Sie eine Schlussfolgerung und erstellen Sie einen Aktionsplan für die Einführung in Ihre PPC-Einrichtung.

5 PPC A/B-Testing-Ideen zum Ausprobieren

1. Tests anbieten

Wenn es darum geht, die PPC-Ergebnisse zu maximieren, sollten Sie die Auswirkungen des Testens verschiedener Angebote nicht unterschätzen. Meiner Erfahrung nach führt dies zu den größten Veränderungen bei den Ergebnissen.

Dazu können Verknappung (z. B. begrenztes Angebot), Dringlichkeit, Boni, Garantien oder Rabatte gehören.

Wenn verfügbar, sollten Sie die Funktion zum Testen nativer Anzeigentexte verwenden, um eine bessere Kontrolle über die Stichprobengröße und die Aufteilung des Traffics pro Variante zu gewährleisten (wie z. B. der Experimenttyp "Anzeigenvariation" in Google Ads).

2. Testen der Landing Page

"Moment, ich dachte, dies sei ein praktischer Leitfaden für PPC-Tests?". Meiner Erfahrung nach sind Landingpages einer der wichtigsten Faktoren, wenn es um den Erfolg von PPC geht. Wenn Ihre Landing Page nicht gut optimiert ist, spielt es keine Rolle, wie gut Ihre Anzeigen sind - Ihre Ergebnisse werden trotzdem begrenzt sein.

Um die größten Steigerungen zu erzielen, empfehle ich, mit Layout- und Formulartests zu beginnen, da diese zu den größten Steigerungen der Konversionsrate beitragen können. Dieses Kreditkartenunternehmen beispielsweise konnte nach der Optimierung seines Formulars eine Steigerung der Konversionsrate um 17 % verzeichnen.

Als Nächstes sollten Sie den Abgleich zwischen Anzeige und Nachricht und das Testen von Überschriften in Betracht ziehen, um den Fluss zwischen Anzeige und Konversion zu verbessern.

3. Kreative Tests

Laut Nielsen trägt die kreative Qualität von Anzeigen zu 49 % des Umsatzzuwachses bei und ist der wichtigste Faktor für die Wirksamkeit von Werbung. Aus diesem Grund empfehle ich immer, hochfrequente Kreativtests über kreativitätsorientierte Kanäle wie Facebook und TikTok durchzuführen. Dies war auch ein wesentlicher Faktor für den Anstieg der Buchungen meines Kunden um 54 % in nur 6 Monaten.

Für die größten Steigerungen empfehle ich, Layout-Änderungen, Messaging und UGC-Inhalte zu testen.

4. Zielgerichtete Prüfung

Targeting-Tests sind eine weitere Idee, die ich empfehle, um das größte Potenzial für Verbesserungen zu erzielen. Wie im Abschnitt "Was können Sie A/B-Tests durchführen?" erwähnt, können diese neue Keywords, enges Targeting vs. breites Targeting und Lookalikes vs. gespeicherte Zielgruppen umfassen.

Sie könnten zum Beispiel eine separate Kampagne für Long-Tail-Keywords im Vergleich zu einer Kampagne für Short-Tail-Keywords testen, um zu sehen, ob Sie die Budgetkontrolle verbessern und Ihren CPA senken können.

Hierfür empfehle ich ein Tool wie den Keyword Finder von RankTracker, mit dem Sie fortschrittlichere Keyword-Vorschläge und eine bessere Filterung als mit dem Google Keyword Planner erhalten.

5. Bietungsprüfung

A/B-Tests von Gebotsstrategien können ein wirksames Mittel zur Optimierung Ihrer PPC-Ergebnisse sein. So können Sie herausfinden, ob Ihre aktuellen Gebote zu hoch oder zu niedrig sind, ob Sie für die Kunden mit dem höchsten Wert optimieren oder nicht und ob es am besten ist, auf die höchste Anzahl von Konversionen (Qualität) statt auf den höchsten Konversionswert (Quantität) zu setzen.

Sie können beispielsweise testen, ob Sie Ihre Ziel-CPA-Grenzen um 30-50 % erhöhen, um herauszufinden, ob Ihnen Klicks entgehen, die zu Conversions führen könnten, oder ob Sie Ihren Ziel-ROAS um 25 % senken, um in einer wettbewerbsintensiven Zeit (z. B. am Black Friday) ein höheres Conversion-Volumen zu erzielen.