Conversion-Rate-Optimierung (CRO): Ein Praxisleitfaden

Conversion-Rate-Optimierung (CRO) ist die systematische Praxis, den Anteil der Besucher zu erhöhen, die auf Ihrer Website eine wertvolle Aktion ausführen, indem Sie herausfinden, warum sie es nicht tun, und das beheben. Das ist die ganze Idee. Alles Weitere in diesem Leitfaden ist Methode: wie Sie die echten Gründe finden, wie Sie entscheiden, was Sie zuerst beheben, wie Sie wissen, ob eine Änderung gewirkt hat, und wie Sie dranbleiben, ohne sich selbst etwas vorzumachen.

Dies ist ein allgemeiner Leitfaden. Die Prinzipien gelten für einen Onlineshop ebenso wie für ein B2B-Softwareunternehmen, aber wir widmen uns ausführlicher der Situation, die die meisten Leitfäden auslassen: Websites mit moderatem Traffic, langen Vertriebszyklen und Conversions von sehr ungleichem Wert. Ob Sie es Conversion Rate Optimisation oder Conversion Rate Optimization schreiben, die Disziplin ist dieselbe.

Was Conversion-Rate-Optimierung wirklich ist

Eine Conversion ist jede Aktion, die ein Besucher ausführen soll: ein Kauf, eine Demo-Anfrage, eine Registrierung für einen Testzugang, ein Newsletter-Abonnement. Die Conversion-Rate ist der Anteil der Besucher (oder Sitzungen), die sie abschließen:

Conversion-Rate = Conversions / Besucher × 100

Beispiel: Eine Landingpage erhält in einem Monat 18.400 Sitzungen und erzeugt 460 Registrierungen. 460 / 18.400 = 0,025, die Conversion-Rate beträgt also 2,5 %. Hebt eine Änderung sie bei gleichem Traffic auf 3,0 %, erhalten Sie 552 Registrierungen: 92 mehr pro Monat, ohne einen einzigen zusätzlichen Klick zu kaufen. Das ist ein relativer Uplift von 20 % oder ein absoluter Uplift von 0,5 Prozentpunkten. Sagen Sie immer, welchen Sie meinen; beides zu verwechseln, ist der häufigste Reporting-Fehler in der CRO. Ihre eigenen Zahlen können Sie im Conversion-Rate-Rechner durchrechnen.

In dieser Formel verbergen sich zwei Entscheidungen. Erstens der Nenner: Sitzungen blähen die Basis bei Websites mit vielen wiederkehrenden Besuchern auf, Nutzer unterschätzen sie, wenn Ihr Tracking geräteübergreifend nicht deduplizieren kann. Wählen Sie eins und bleiben Sie dabei. Zweitens der Zähler: welche Conversion zählt.

Makro- und Micro-Conversions

• Makro-Conversions sind die Aktionen, für die das Unternehmen existiert: eine Bestellung, eine Demo-Anfrage, ein kostenpflichtiger Plan.
• Micro-Conversions sind Schritte auf dem Weg dorthin: in den Warenkorb legen, ein Formular beginnen, die Preise ansehen, ein Produktvideo ansehen, auf einen CTA klicken.

Micro-Conversions sind aus zwei Gründen wichtig. Sie zeigen, wo das Leck ist (Besucher sehen sich die Preise an, klicken aber nie auf „Jetzt starten“), und sie kommen deutlich häufiger vor als Macro-Conversions. Dadurch lassen sie sich auch auf Websites testen, auf denen die Macro-Conversion zu selten ist, um sie zu messen. Mehr dazu im Abschnitt zu Websites mit wenig Traffic.

Was CRO nicht ist

• Es geht nicht um Tests von Buttonfarben. Kosmetische Tests bewegen selten etwas, weil sie nicht ansprechen, warum Menschen zögern. Gute CRO verändert, was der Besucher versteht, glaubt oder tun muss.
• Es ist nicht nur A/B-Testing. Testen ist der Validierungsschritt. Der größte Wert entsteht durch Research, die Ihnen sagt, was Sie ändern sollten. Viele Verbesserungen (ein kaputtes Formular in Safari, ein fehlender Preis) sollten Sie einfach beheben, nicht testen.
• Es ist keine Sammlung von Best Practices. „Dringlichkeit erzeugen“ oder „Formular kürzen“ kann je nach Zielgruppe helfen oder schaden. Eine Praxis ist eine Hypothese, bis Ihre eigenen Daten sie stützen.
• Es ist keine Traffic-Akquise. CRO setzt bei dem an, was nach Beginn des Besuchs passiert. Es macht jeden Akquisekanal effizienter, ersetzt aber keinen.

Der CRO-Prozess Schritt für Schritt

Jedes seriöse CRO-Programm durchläuft eine Version desselben Kreislaufs. Die Namen variieren, die Reihenfolge nicht.

1. Research: herausfinden, wo und warum Besucher nicht konvertieren.
2. Hypothesen: Machen Sie aus jedem Befund eine testbare Aussage.
3. Priorisierung: Hypothesen so ordnen, dass knapper Traffic und Entwicklungszeit in die aussichtsreichsten Ideen fließen.
4. Testing: Führen Sie ein kontrolliertes Experiment durch (oder, wo das nicht möglich ist, die nächstbeste Methode).
5. Analyse: das Ergebnis ehrlich lesen, einschließlich Segmenten und Guardrails.
6. Rollout und Lernen: Gewinner live schalten, jedes Ergebnis dokumentieren, Erkenntnisse in die Recherche zurückspielen.

1. Research: wo und warum

Recherche hat zwei Hälften. Quantitative Daten zeigen Ihnen, wo das Problem liegt. Qualitative Daten zeigen Ihnen, warum. Sie brauchen beides: Ein Funnel-Report zeigt, dass 70 % der Besucher die Preisseite verlassen, aber nicht, dass sie gingen, weil beim Enterprise-Tarif „Kontaktieren Sie uns“ ohne Preisspanne steht.

Beginnen Sie mit Analytics, um die zwei oder drei wichtigsten Seiten auszuwählen (viel Traffic, nah am Umsatz, starker Abbruch), und investieren Sie den qualitativen Aufwand nur dort. Ein Research-Sprint von zwei bis drei Wochen liefert in der Regel mehr Testideen, als Sie in sechs Monaten umsetzen können.

Bevor Sie den Daten vertrauen, prüfen Sie die Technik dahinter. Stellen Sie sicher, dass Conversion-Events einmal pro Conversion ausgelöst werden, dass die Funnel-Schritte auf allen Geräten erfasst werden und dass interner Traffic herausgefiltert wird. Ein überraschend großer Teil der „Conversion-Probleme“ entpuppt sich als Messprobleme.

2. Hypothesen: Machen Sie jede Idee falsifizierbar

Eine Hypothese verknüpft eine Beobachtung mit einer Änderung und einem messbaren Ergebnis. Verwenden Sie diese Vorlage:

„Weil wir beobachtet haben“, was die Daten zeigten, „glauben wir, dass die Änderung“ eines Elements „für“ eine Zielgruppe „zu“ dem erwarteten Ergebnis „führt, gemessen an“ einer primären Kennzahl.

Beispiel: „Weil wir in Session-Aufzeichnungen und einer Exit-Umfrage beobachtet haben, dass mobile Besucher auf der Preisseite nicht erkennen, welcher Tarif SSO enthält, gehen wir davon aus, dass ein Umschalter für den Funktionsvergleich oberhalb der Tarifkarten für mobile Besucher zu mehr Tarifauswahlen führt, gemessen an Klicks auf einen beliebigen ‚Tarif wählen‘-Button pro Besucher der Preisseite.“

Die Vorlage erfüllt drei Aufgaben. Sie erzwingt Belege (kein „weil es dem CEO gefällt“). Sie benennt die Zielgruppe, damit Sie dort testen, wo das Problem liegt. Und sie legt die primäre Kennzahl vor Teststart fest, was verhindert, dass man hinterher eine schmeichelhafte Kennzahl auswählt. Eine Version zum Kopieren finden Sie in unserer Vorlage für einen A/B-Testplan.

3. Priorisierung: PIE, ICE oder PXL

Sie werden immer mehr Ideen als Kapazität haben. Drei Bewertungs-Frameworks dominieren:

• PIE (Potential, Importance, Ease), bekannt gemacht durch WiderFunnel: jeweils mit 1–10 bewerten und mitteln. „Importance“ beschreibt, wie wertvoll der Traffic der Seite ist.
• ICE (Impact, Confidence, Ease) aus dem Growth Marketing: Bewerten Sie jeden Faktor mit 1–10 und bilden Sie den Durchschnitt. „Confidence“ steht dafür, wie stark Ihre Belege sind.
• PXL von CXL: eine Checkliste mit überwiegend Ja/Nein-Fragen und festen Punktwerten, etwa ob die Änderung above the fold liegt, ob sie innerhalb von fünf Sekunden auffällt, ob sie ein Element hinzufügt oder entfernt, ob sie auf einer Seite mit viel Traffic läuft und ob sie ein Problem adressiert, das in Nutzertests, qualitativem Feedback oder Analytics gefunden wurde. Der Aufwand wird nach geschätzter Arbeitsmenge bewertet. CXL hat das Modell entwickelt, um das Rätselraten zu beseitigen, das PIE und ICE beim „Impact“ lassen.

Beispiel (illustrative Bewertungen für ein Backlog, PXL vereinfacht auf sieben Fragen):

Alle drei Frameworks sind sich einig, dass A zuerst und D zuletzt kommt. Uneinig sind sie bei C: PIE stuft es nahe bei B ein, weil „Potenzial“ großzügig bewertet wird, während ICE und PXL das Fehlen von Belegen bestrafen. Genau wegen dieser Uneinigkeit sollten Sie ein Framework bewusst wählen.

Unsere Sicht: Nutzen Sie ICE für ein kleines Team, das an einem Nachmittag 20 Ideen ranken muss. Wechseln Sie zu PXL, sobald mehr als eine Person Ideen bewertet, denn Ja/Nein-Fragen führen zu einheitlichen Bewertungen über Personen hinweg und verhindern, dass die lauteste Stimme den „Impact“ aufbläht. PIE ist nützlich, wenn Sie entscheiden, an welcher Seite Sie arbeiten, weniger für einzelne Ideen. Was Sie auch wählen, gewichten Sie Belege stark: Der wichtigste Prädiktor für einen erfolgreichen Test ist eine in Research verankerte Hypothese.

4. Testing

Bauen Sie die Variante, testen Sie sie auf allen wichtigen Browsern und Geräten und führen Sie ein kontrolliertes Experiment durch, wo der Traffic es zulässt (siehe Statistik-Abschnitt unten). Halten Sie vor dem Launch fest: die primäre Kennzahl, Guardrail-Kennzahlen, die Stichprobengröße, die geplante Laufzeit und die Abbruchregel. Wenn Sie diese fünf Punkte nicht ausfüllen können, sind Sie nicht startklar.

5. Analyse

Wenn die geplante Stichprobe erreicht ist, prüfen Sie zuerst die Datenqualität (Sample Ratio, Tracking), dann die primäre Kennzahl, dann die Leitplanken, dann vorab festgelegte Segmente wie Gerät oder neue vs. wiederkehrende Besucher. Behandeln Sie ungeplante Segment-Erkenntnisse als neue Hypothesen, nicht als Schlussfolgerungen: Wer einen Test oft genug aufteilt, findet zufällig immer etwas, das signifikant aussieht.

6. Rollout und Lernen

Setzen Sie Gewinner richtig um (im Code, statt sie monatelang mit 100 % im Testing-Tool laufen zu lassen). Dokumentieren Sie jeden Test in einem Log: Hypothese, Screenshots, Zahlen, Entscheidung und was er Ihnen über Ihre Besucher verraten hat. Ein verlorener Test, der eine weit verbreitete Annahme widerlegt, ist oft mehr wert als ein kleiner Gewinn, aber nur, wenn jemand es aufschreibt.

Teststatistik richtig gemacht

Sie müssen kein Statistiker sein, um valide Tests durchzuführen, aber Sie sollten fünf Prinzipien beachten. Die beste einzelne Referenz ist Kohavi, Tang und Xu, Trustworthy Online Controlled Experiments (2020).

Stichprobengröße: vor dem Start festlegen

Wie viele Besucher Sie brauchen, hängt von Ihrer Basis-Conversion-Rate, dem kleinsten Effekt, den Sie erkennen wollen (Minimum Detectable Effect, MDE), Ihrem Signifikanzniveau (Alpha) und Ihrer statistischen Power ab. Für einen zweiseitigen Test, der zwei Anteile vergleicht:

n pro Variante = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

Durchgerechnetes Beispiel: Basis p₁ = 3 %, MDE = 20 % relativ, also p₂ = 3,6 %. Alpha = 0,05 (zweiseitig), also z = 1,96. Teststärke = 0,8, also z ≈ 0,8416. Die gepoolte Rate p̄ = 3,3 %.

1. Erster Term: 1,96 × √(2 × 0,033 × 0,967) = 1,96 × √0,06382 = 1,96 × 0,2526 = 0,4951
2. Zweiter Term: 0,8416 × √(0,03 × 0,97 + 0,036 × 0,964) = 0,8416 × √(0,02910 + 0,03470) = 0,8416 × 0,2526 = 0,2126
3. Zähler: (0,4951 + 0,2126)² = 0,7077² = 0,5009
4. Nenner: (0,036 - 0,03)² = 0,006² = 0,000036
5. n = 0,5009 / 0,000036 ≈ 13.900 Besucher pro Variante, insgesamt etwa 27.800.

Das entspricht dem, was Evan Millers Stichprobenrechner für dieselben Eingaben liefert, und Ihr eigenes Szenario können Sie in unserem A/B-Test-Rechner prüfen. Beachten Sie, wie gnadenlos die Mathematik ist: Halbieren Sie den MDE auf 10 %, brauchen Sie etwa viermal so viel Traffic. Unser Beitrag zur Stichprobengröße für A/B-Tests enthält Nachschlagetabellen für gängige Basiswerte.

Dauer: Stichprobengröße geteilt durch Traffic, in vollen Wochen

Testdauer = benötigte Gesamtstichprobe / wöchentlich berechtigte Besucher, aufgerundet auf ganze Wochen.

Beispiel: Die Seite oben erhält 7.000 relevante Besucher pro Woche. 27.800 / 7.000 = 3,97, lassen Sie den Test also 4 volle Wochen laufen. Volle Wochen sind wichtig, weil sich Besucher an Werktagen und am Wochenende unterschiedlich verhalten; wer an einem Mittwoch abbricht, übergewichtet einen Teil der Woche. Als Faustregel gilt: Lassen Sie mindestens einen vollständigen Geschäftszyklus laufen und vermeiden Sie Tests, die länger als sechs bis acht Wochen dauern – danach beginnen Cookie-Löschungen und saisonale Veränderungen die Stichprobe zu verfälschen.

Nicht vorzeitig nachsehen (oder eine dafür ausgelegte Methode nutzen)

Einen klassischen Test mit festem Horizont täglich zu prüfen und ihn abzubrechen, sobald p < 0,05 erreicht ist, erhöht die Zahl falsch positiver Ergebnisse drastisch, wie Evan Miller in How Not To Run an A/B Test zeigt. Legen Sie sich entweder auf die geplante Stichprobengröße fest und lesen Sie das Ergebnis erst am Ende ab, oder nutzen Sie ein Tool, dessen Statistik für kontinuierliches Monitoring ausgelegt ist (sequenzielles Testen). Auf ein Dashboard zu schauen ist in Ordnung; das Problem ist, zu früh danach zu handeln.

Auf Sample Ratio Mismatch prüfen

Wenn Sie den Traffic 50/50 aufteilen und 10.000 Besucher in der Kontrolle und 9.400 in der Variante erhalten, ist etwas kaputt: eine Weiterleitung, die Nutzer verliert, ein Bot-Filter, der nur eine Variante trifft, eine Variante, die in manchen Browsern abstürzt. Ein Chi-Quadrat-Test auf die Besucherzahlen deckt das auf. Kohavi und Kollegen betrachten den Sample Ratio Mismatch als einen der wichtigsten Vertrauenschecks; schlägt er fehl, interpretieren Sie das Ergebnis nicht, sondern suchen Sie den Fehler.

Neuheitseffekte, eine primäre Kennzahl und Leitplanken

• Neuheits- und Gewöhnungseffekte: Wiederkehrende Besucher klicken ein neues Element vielleicht an, weil es neu ist, oder ignorieren es, weil sie an das alte Layout gewöhnt sind. Vergleichen Sie die erste Woche mit späteren Wochen; wenn der Effekt nachlässt, seien Sie skeptisch.
• Eine primäre Kennzahl: vorab festgelegt, idealerweise die umsatznächste Kennzahl, die Sie mit ausreichendem Volumen messen können. Zehn „primäre“ Kennzahlen garantieren irgendwo einen falschen Gewinner.
• Guardrail-Kennzahlen: Werte, die sich nicht verschlechtern dürfen, etwa Umsatz pro Besucher, Lead-Qualität, Erstattungsquote, Ladezeit. Eine Variante, die Anmeldungen um 10 % steigert, aber den durchschnittlichen Bestellwert um 15 % senkt, ist kein Gewinner.

Und testen Sie pro Variante eine in sich stimmige Änderung, sofern Sie nicht sehr viel Traffic haben. Unser Vergleich A/B-Tests vs. multivariate Tests erklärt, wann sich der multivariate Weg trotz seines Traffic-Bedarfs lohnt (selten, unter sechsstelligen monatlichen Besucherzahlen).

CRO für B2B-Websites mit wenig Traffic

Die meisten CRO-Ratschläge stammen von Leuten, die Consumer-Websites mit hohem Volumen optimieren. B2B-Websites und kleine Consumer-Websites haben drei strukturelle Probleme:

1. Wenig Traffic. Das Rechenbeispiel oben braucht etwa 27.800 Besucher für einen Test. Eine Seite mit 5.000 Besuchern im Monat bräuchte fünf bis sechs Monate – bis dahin haben sich Markt, Anzeigen und die Seite selbst verändert.
2. Lange Sales-Zyklen. Ein Test kann Formulareinsendungen in Wochen zählen, aber ob diese Leads zu Pipeline wurden, zeigt sich erst nach Monaten. Die Variante, die im Februar bei den Demo-Anfragen gewinnt, kann bis Juni beim Umsatz verlieren, wenn sie schlecht passende Unternehmen angezogen hat.
3. Ungleicher Conversion-Wert. Eine Demo-Anfrage kommt vielleicht von einem Unternehmen, das Ihr größter Kunde werden könnte, eine andere von einem Studenten. Die Conversion-Rate behandelt beide gleich, und umsatzgewichtete Kennzahlen schwanken viel stärker, brauchen also noch mehr Daten.

Nichts davon heißt „kein CRO“. Es heißt, die Methode zu ändern.

Was Sie zuerst testen sollten

Wenn Sie nur eine Handvoll Tests pro Jahr durchführen können, wählen Sie die mit großen erwarteten Effekten auf umsatznahen Seiten. Eine sinnvolle Reihenfolge:

1. Überschriften und Nutzenversprechen auf Ihren kommerziellen Seiten mit dem meisten Traffic: ergebnis- gegenüber funktionsorientiert, zielgruppenspezifisch gegenüber allgemein, problem- gegenüber lösungsorientiert.
2. Angebot und CTA: nicht nur der Buttontext, sondern was Sie anbieten (Demo, Produkttour, Assessment, Preisgespräch) und wo es erscheint.
3. Formulare: Felder, Qualifizierungsfragen, einstufig oder mehrstufig. Messen Sie die Lead-Qualität, nicht nur die Abschlussrate.
4. Layout und Seitenstruktur zuletzt: am teuersten zu bauen, im Durchschnitt mit der kleinsten Wirkung und am langsamsten zu messen.

Mutigere Änderungen wagen

Die benötigte Stichprobengröße skaliert mit dem Kehrwert des Quadrats des Effekts. Einen Uplift von 40 % zu erkennen braucht etwa ein Viertel des Traffics für 20 %. Kleine Anpassungen sind bei wenig Traffic nicht testbar; mutige, durch Research gestützte Änderungen (ein komplett anderes Headline-Argument, ein anderes Angebot) schon. Sie lehren Sie auch mehr über Ihre Käufer, während kleine Anpassungen Sie nur etwas über die Seite lehren.

Vorgelagerte Mikro-Conversions testen

Sind Demo-Anfragen zu selten, wählen Sie eine primäre Kennzahl weiter oben im Funnel, die plausibel damit zusammenhängt: Klicks zur Demo-Seite, begonnene Formulare, Besuche der Preisseite von der Startseite aus. Eine Kennzahl, die zehnmal so häufig auftritt, macht Tests etwa zehnmal schneller aussagekräftig. Der Haken: Sie müssen die Makro-Conversion weiterhin als Leitplanke im Blick behalten, denn eine Mikro-Conversion kann steigen, während echte Conversions stagnieren.

Eine der Entscheidung angemessene Konfidenz akzeptieren

Nicht jede Entscheidung braucht 95 % Konfidenz. Bei leicht umkehrbaren Textänderungen ist ein niedrigerer Schwellenwert (oder eine Bayes'sche Auswertung „Wahrscheinlichkeit, die beste zu sein“) ein vernünftiger Kompromiss zwischen Geschwindigkeit und Sicherheit. Bei strukturellen Änderungen, deren Rücknahme teuer ist, etwa einem Redesign der Preisseite, warten Sie auf starke Belege. Legen Sie den Schwellenwert vor dem Test fest, nicht nachdem Sie die Zahlen gesehen haben.

Sequenzielle und Vorher-Nachher-Tests, mit Einschränkungen

Ist ein Split-Test unmöglich (Zielaccount-Erlebnisse mit ein paar Dutzend Besuchen, eine websiteweite Änderung der Navigation), ist ein Vorher-nachher-Vergleich besser als nichts, aber seien Sie ehrlich zu seinen Schwächen: Saisonalität, Kampagnen, Vertriebsaktivität und Marktnachrichten ändern sich gleichzeitig mit Ihrer Seite. Verringern Sie das Risiko, indem Sie gleich lange Zeiträume vergleichen, eine Kontrollkennzahl prüfen, die Ihre Änderung nicht beeinflussen sollte (hat sie sich ebenfalls bewegt, ist die Verschiebung vermutlich extern), und den Wechsel wo möglich wiederholen (an, aus, an).

Auf qualitative Forschung setzen

Bei wenig Traffic sind fünf Kundeninterviews und zwanzig Aufzeichnungen von Vertriebsgesprächen mehr wert als ein Test mit zu geringer Power. Nutzen Sie qualitative Arbeit für Änderungen, bei denen Sie ziemlich sicher sind, und heben Sie Tests für die wirklich unsicheren Entscheidungen mit hoher Tragweite auf.

Messen Sie Pipeline, nicht Formulareinträge

Beispiel: Variante A erzeugt 20 Leads, von denen 25 % zu Opportunities werden (5 Opportunities). Variante B erzeugt 30 Leads, von denen 10 % zu Opportunities werden (3). B hat bei der Conversion-Rate „gewonnen“ und bei der Kennzahl verloren, auf die es ankommt. Verbinden Sie Ihr Testing-Tool oder Ihre Analytics mit dem CRM, damit jeder Lead seine Variante mitführt, und sehen Sie sich die Ergebnisse erneut an, sobald die Opportunity-Daten ausgereift sind. Prüfen Sie auch die Segmentergebnisse: Ein unverändertes Gesamtergebnis kann einen Gewinner bei Enterprise-Besuchern und einen Verlierer bei kleinen Unternehmen verbergen, die sich gegenseitig aufheben. B2B-spezifische CRO-Taktiken wie qualifizierende Formulare, Enterprise-Social-Proof und Inhalte für das Buying Center finden Sie in unserem ausführlichen Leitfaden zur B2B-Conversion-Rate-Optimierung.

Ein CRO-Audit durchführen

Ein CRO-Audit ist der Research-Schritt, komprimiert zu einer einmaligen Prüfung – nützlich, wenn Sie eine Website übernehmen oder schnell einen priorisierten Plan brauchen. Die Kurzfassung:

1. Messung prüfen: Conversion-Events, Funnel-Schritte, domainübergreifendes Tracking, gefilterter interner Traffic.
2. Bilden Sie den Funnel ab nach Gerät und Kanal und finden Sie die zwei Schritte mit dem größten absoluten Verlust.
3. Prüfen Sie diese Seiten heuristisch: Klarheit des Angebots in fünf Sekunden, Relevanz für die Traffic-Quelle, Reibung (Felder, Schritte, Ladezeit), Unsicherheit (Vertrauen, Preis, Datenschutz) und Ablenkung.
4. Sammeln Sie qualitative Belege auf denselben Seiten: Aufzeichnungen, eine kurze Umfrage, ein paar Nutzertests.
5. Erfassen Sie Befunde als „einfach beheben“ (Bugs, defekte Abläufe), „untersuchen“ oder „testen“, jeweils mit Hypothese und Prioritätswert.

Unsere CRO-Audit-Checkliste listet jede Prüfung auf, und der CRO-Audit-Walkthrough zeigt, wie Sie aus den Ergebnissen eine Roadmap machen.

Worauf Sie sich je Seitentyp konzentrieren sollten

Zwei externe Benchmarks sind wissenswert. Das Baymard Institute beziffert die dokumentierte Abbruchrate von Online-Warenkörben im Mittel aus 50 Studien auf etwa 70 %; unter Käufern, die aus anderen Gründen als „nur stöbern“ abbrachen, rangieren Zusatzkosten (40 %) und eine erzwungene Kontoerstellung (18 %) weit oben, und Baymard schätzt, dass ein idealer Checkout nur 7-8 Formularfelder braucht, gegenüber einem US-Durchschnitt von etwa 15. Für Formulare allgemein sind die Empfehlungen der Nielsen Norman Group zur Formular-Usability (Formulare kurz halten, einspaltig, Anforderungen vorab erklären, konkrete Fehlermeldungen) eine solide Checkliste. B2B-Formulare sind eine teilweise Ausnahme von „kürzer ist immer besser“, weil qualifizierende Felder die Zeit des Vertriebs schützen; unser Leitfaden zum Design von Lead-Capture-Formularen zeigt, wie Sie die Formularlänge an die Kaufabsicht anpassen, und die Optimierung von B2B-Landingpages geht tiefer auf Kampagnenseiten ein.

Personalisierung als CRO-Hebel

Ein klassischer A/B-Test fragt: „Welche Version ist für alle am besten?“ Manchmal lautet die ehrliche Antwort „keine“: Ein Enterprise-Käufer und ein Fünf-Personen-Start-up wollen andere Belege, eine andere Sprache und einen anderen nächsten Schritt, und das Durchschnittsergebnis verdeckt das. Personalisierung bedeutet, definierten Segmenten unterschiedliche Erlebnisse auszuspielen und jedes gegen eine Kontrollgruppe dieses Segments zu messen.

Sie schlägt Einheitstests, wenn drei Bedingungen erfüllt sind: Ihre Zielgruppe zerfällt in Segmente mit wirklich unterschiedlichen Bedürfnissen (nach Branche, Unternehmensgröße, Funnel-Phase oder Traffic-Quelle), Sie können diese Segmente beim Eintreffen zuverlässig erkennen, und Sie haben Inhalte, die sich für jedes tatsächlich unterscheiden. Fehlt eine davon, erhöht Personalisierung die Komplexität ohne Uplift. Außerdem teilt sie Ihren Traffic auf und ist daher keine Abkürzung um die Stichprobenmathematik herum; beginnen Sie mit ein oder zwei großen Segmenten und einer Seite. Wenn Sie die Segmente zuerst strukturieren möchten, führt Sie der Leitfaden zur Segmentierungsstrategie durch den Prozess, und unsere Segmentierungsfunktionen zeigen, wie Markettailor segmentspezifische Varianten mit Holdout-Kontrolle ausspielt.

Häufige CRO-Fehler (und wie Sie sie beheben)

1. Testen ohne Recherche. Ideen aus Brainstormings gewinnen seltener als Ideen aus Evidenz. Abhilfe: Jeder Test nennt die Beobachtung, auf der er beruht.
2. Tests zu früh abbrechen. Frühe Vorsprünge sind überwiegend Rauschen, und Peeking erhöht die Zahl falsch positiver Ergebnisse. Lösung: Stichprobengröße und Dauer vorab festlegen.
3. Unterpowerte Tests. Ein Test, der nur einen Uplift von 50 % erkennen kann, erklärt die meisten echten Verbesserungen zu „kein Unterschied“. Lösung: Berechnen Sie vor dem Start den MDE, den Sie nachweisen können, und führen Sie nur Tests durch, die ihn plausibel erreichen können.
4. Die falsche Kennzahl optimieren. Mehr Leads, schlechtere Pipeline. Lösung: eine primäre Kennzahl so nah am Umsatz, wie es das Volumen erlaubt, plus Qualitätsleitplanken.
5. Verluste als Fehlschläge bezeichnen. Teams lassen verlorene Tests stillschweigend fallen und verlieren die Erkenntnis. Lösung: jedes Ergebnis protokollieren und festhalten, was es widerlegt hat.
6. Segmente ignorieren oder überinterpretieren. Beides kommt vor. Abhilfe: Legen Sie vorab zwei oder drei Segmente fest (Gerät, neu vs. wiederkehrend, Unternehmensgröße) und behandeln Sie den Rest als Hypothesen.
7. Wettbewerber oder „Best Practice“-Listen kopieren. Sie sehen deren Seite, nicht deren Ergebnisse. Lösung: Nutzen Sie sie als Quelle für Hypothesen, nie als Antwort.
8. QA überspringen. Eine Variante, die in einem Browser kaputtgeht, erzeugt einen falschen Verlierer und einen Sample Ratio Mismatch. Lösung: Testen Sie jede Variante vor dem Start in den wichtigsten Browsern und auf den wichtigsten Geräten.
9. CRO als Projekt behandeln. Ein Audit, fünf Korrekturen, fertig. Lösung: ein fester Rhythmus mit einem Verantwortlichen, einem Backlog und einem Log.
10. Offensichtliche Fehler nicht beheben, weil „wir das testen sollten“. Lösung: Kaputtes wird repariert; Unsicheres wird getestet.

CRO-Tools nach Aufgabe

Wählen Sie Tools nach ihrer Aufgabe und kaufen Sie das Testing-Tool zuletzt: Die meisten Teams brauchen besseres Research, bevor sie mehr Testkapazität brauchen.

• Analytics: Funnels, Segmente und Events. Google Analytics 4, Adobe Analytics oder Produkt-Analytics wie Mixpanel und Amplitude.
• Verhaltensanalyse: Heatmaps und Session-Aufzeichnungen. Microsoft Clarity, Hotjar, Contentsquare.
• Tests und Personalisierung: client- oder serverseitige Experimente. Optimizely, VWO, AB Tasty oder Feature-Flag-Plattformen für serverseitige Tests.
• Umfragen und User Research: Umfragen auf der Seite sowie moderierte oder unmoderierte Nutzertests. Hotjar Surveys, Typeform, UserTesting, Maze.

Einen umfassenderen Vergleich nach Traffic-Niveau und Budget finden Sie in unserer Übersicht über Tools zur Conversion-Rate-Optimierung.

Ein CRO-Programm aufbauen

CRO entfaltet seine kumulative Wirkung nur, wenn es als Programm läuft statt als Reihe einzelner Korrekturen. Die Mindeststruktur:

• Eine verantwortliche Person mit fest reservierter Zeit dafür, plus Zugang zu Design- und Entwicklungskapazität. Ohne Entwicklerzeit wird das Backlog zur Wunschliste.
• Ein Rhythmus: ein Research-Sprint pro Quartal, ein zweiwöchentliches Priorisierungs-Review und eine monatliche Ergebnispräsentation für Stakeholder.
• Ein Test-Log, das jeder durchsuchen kann: Hypothese, Zielgruppe, Screenshots, Stichprobe, Ergebnis, Entscheidung, Erkenntnis. Nach einem Jahr ist es das wertvollste CRO-Asset, das Sie besitzen.
• Ein realistisches Durchsatzziel. Eine Consumer-Website mit viel Traffic kann mehrere Tests pro Monat parallel auf verschiedenen Seiten durchführen. Eine B2B-Website mit 10.000 monatlichen Besuchern schafft vielleicht ein oder zwei pro Monat, kombiniert mit forschungsbasierten Verbesserungen.

Setzen Sie vorab realistische Erwartungen an die Erfolgsquote. In Online Experimentation at Microsoft (Kohavi et al., 2009) berichten die Autoren, dass nur etwa ein Drittel der Ideen die Kennzahlen verbesserte, für die sie gedacht waren; rund ein Drittel war neutral, ein Drittel negativ. Microsofts Ideen waren nicht schlecht; gute Ideen sind schlicht schwer vorherzusagen. „Gewinnt“ Ihr Programm 80 % seiner Tests, ist laxe Statistik die wahrscheinlichere Erklärung, nicht außergewöhnliche Ideen. Bewerten Sie ein CRO-Programm nach validierter kumulierter Wirkung und der Qualität der gewonnenen Erkenntnisse, nicht nach seiner Erfolgsquote.

Häufig gestellte Fragen

Was ist eine gute Conversion-Rate?

Es gibt keinen allgemeingültigen guten Wert, denn die Conversion-Rate hängt davon ab, was Sie zählen, von Ihrem Traffic-Mix, Ihrem Preisniveau und Ihrem Kaufzyklus. Eine kostenlose Newsletter-Anmeldung und eine Enterprise-Demo-Anfrage im sechsstelligen Bereich können keinen gemeinsamen Benchmark haben. Sinnvoll ist der Vergleich mit Ihrem eigenen Ausgangswert für dieselbe Seite, Traffic-Quelle und dasselbe Gerät. Verbessern Sie diesen stetig und messen Sie den Erfolg an Umsatz oder Pipeline pro Besucher statt an der Rate allein.

Wie lange sollte ein A/B-Test laufen?

Lassen Sie ihn laufen, bis er die vor dem Start berechnete Stichprobengröße erreicht, aufgerundet auf volle Wochen, damit jeder Wochentag gleich vertreten ist. Teilen Sie die benötigten Besucher insgesamt durch Ihren wöchentlichen berechtigten Traffic. Für die meisten Websites sind das zwei bis sechs Wochen. Ergibt die Rechnung mehrere Monate, testen Sie lieber eine größere Änderung oder eine Kennzahl mit höherem Volumen, statt einen endlosen Test zu fahren.

Was ist der Unterschied zwischen CRO und SEO?

SEO erhöht die Zahl qualifizierter Besucher, die über die organische Suche auf Ihre Website kommen. CRO erhöht den Anteil dieser Besucher, aus jedem Kanal, die eine wertvolle Aktion ausführen. Beides unterstützt sich gegenseitig: Seiten, die die Suchabsicht klar beantworten, ranken und konvertieren meist besser. Konflikte sind selten, vermeiden Sie aber CRO-Änderungen, die Inhalte verstecken oder entfernen, die Suchmaschinen und Besucher brauchen.

Lohnt sich CRO für Websites mit wenig Traffic?

Ja, aber die Methode ändert sich. Bei begrenztem Traffic stützen Sie sich auf qualitative Recherche wie Kundeninterviews, Session-Recordings und Nutzertests, beheben offensichtliche Probleme direkt und reservieren A/B-Tests für mutige Änderungen mit viel Gewicht, gemessen an häufigen vorgelagerten Kennzahlen. Selbst ganz ohne Tests deckt ein recherchebasiertes Audit Ihrer zwei oder drei wichtigsten Seiten meist Reibungspunkte auf, die sich zu beheben lohnen.

Was macht ein CRO-Spezialist?

Ein CRO-Spezialist steuert den Optimierungskreislauf: Funnels analysieren, User Research durchführen, Hypothesen formulieren, Experimente priorisieren und konzipieren, ihre statistische Validität prüfen und Ergebnisse in Empfehlungen übersetzen. Die Rolle verbindet Analytics, UX-Research, Gespür für Texte und genug Statistik, um falsche Gewinner zu vermeiden. Wenn Sie diesen Karriereweg in Betracht ziehen, gibt unsere Übersicht zu Jobs in der Conversion-Rate-Optimierung einen Überblick über Rollen, Fähigkeiten und den Einstieg.