Growth

A/B Testing

Vergleicht zwei oder mehr Varianten anhand definierter Erfolgsmetriken.

GrowthHighAsync1-4 Wochen

Run Sheet öffnen Session planenVergleich starten

Zweck

Produkt- oder Marketingentscheidungen mit kausaler Evidenz absichern.

Funktionsweise

Traffic wird zufällig auf Varianten verteilt, Ergebnisse werden statistisch ausgewertet.

Visuelle Orientierung

Methodenskizze für ein schnelles Grundgefühl.

Visuelle MethodenskizzeKontroll- und Variantenmessung direkt gegenüberstellen

Ablauf

1Hypothese formulieren
2Metrik und Sample planen
3Varianten bauen
4Experiment laufen lassen
5Ergebnis interpretieren

Ideal für

Conversion Optimization
Messaging Tests
Feature Validation

Nicht gut für

Sehr kleiner Traffic
Unklare Hypothesen

Vertiefung

Im Detail

A/B Testing folgt einer klaren Arbeitslogik: Hypothese formulieren, Metrik und Sample planen, Varianten bauen, Experiment laufen lassen und Ergebnis interpretieren. Dadurch wird die Methode nicht nur als Gespräch geführt, sondern als sichtbarer Denkprozess aufgebaut. Die Beteiligten bewegen sich schrittweise von Rohmaterial, Beobachtungen oder Optionen zu einer gemeinsamen Struktur. Als Ergebnis entstehen Experiment Result, Decision Log und Learning Summary, die Entscheidungen, Lernen oder weitere Planung anschlussfähig machen.

Einordnung

A/B Testing eignet sich besonders für Conversion Optimization, Messaging Tests und Feature Validation. Die Methode unterstützt Arbeit rund um experiment, growth und analytics und hilft, implizite Annahmen explizit zu machen. Vorsicht ist in Kontexten wie Sehr kleiner Traffic und Unklare Hypothesen geboten; dann sollte vorher geklärt werden, ob genug Kontext, Beteiligung und Entscheidungsspielraum vorhanden sind.

Durchführung

Bereite eine klare Leitfrage, die passenden Informationen und eine sichtbare Arbeitsfläche vor. Plane etwa 1-4 Wochen mit 1-6 Personen und nutze das Format asynchron. Die Durchführung ist anspruchsvoll und sollte sorgfältig vorbereitet werden; hilfreich sind kurze Timeboxes, sichtbare Zwischenergebnisse und ein Parkplatz für offene Fragen.

Output-Artefakte

Experiment ResultDecision LogLearning Summary

Quellen

Optimizely: AB Testing

In Playbooks

Growth Experiment Loop aufsetzenVon Funnel-Problem zu Hypothese, Experiment, Messung und nächster Wachstumsentscheidung.

Artefakt-Vorlagen

A/B Testing ArbeitsvorlageKompakte Arbeitsvorlage für A/B Testing mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.

markdown

# A/B Testing Arbeitsvorlage

## Ziel

Vergleicht zwei oder mehr Varianten anhand definierter Erfolgsmetriken.

## Kontext

Wann und wofür nutzen wir diese Methode?

## Input

Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?

## Durchführung

Kurze Notizen entlang des Run Sheets.

## Ergebnisartefakte
- Experiment Result:
- Decision Log:
- Learning Summary:

## Annahmen und offene Fragen

- ...

## Entscheidung / Nächster Schritt

Owner, Datum und Erfolgssignal.