Experimente erstellen: CheckoutOS-Doku

A/B-Tests in CheckoutOS sind einfach einzurichten. Dieser Leitfaden führt von der Hypothese bis zum Start durch die Experimenterstellung.

Bevor du beginnst

Checkliste vor dem Test

Hypothese definieren – Was erwartest du?
Eine Variable wählen – Jeweils nur eine Änderung testen
Erfolgskennzahlen festlegen – Was misst du?
Stichprobe schätzen – Wie lange muss der Test laufen?
Zustimmung einholen – Alle Beteiligten sollen mit dem Test einverstanden sein

Ein Experiment erstellen

Zu A/B-Tests wechseln

Gehe zu CheckoutOS → A/B Testing → Create Experiment.

Experiment benennen

Nutze einen beschreibenden Namen wie „Upsell-Überschriftentest – Januar 2025“.

Testgegenstand wählen

Wähle das Element: Upsell-Angebot, Checkout-Erweiterung, Bundle und mehr.

Varianten erstellen

Richte die bisherige Kontrollversion und die neue Variante ein.

Traffic-Aufteilung einrichten

Entscheide, wie Besucher auf die Varianten verteilt werden.

Erfolgskennzahl festlegen

Wähle die Hauptkennzahl, etwa Conversion oder durchschnittlichen Bestellwert.

Starten

Prüfe die Einstellungen und starte das Experiment.

Experimentarten

Upsell-Angebot testen

Teste unterschiedliche Upsell-Produkte, Rabatte oder Botschaften:

Upsell-A/B-Test

{
  "experiment": {
    "name": "Premium Product Upsell Test",
    "type": "upsell_offer",
    "variants": [
      {
        "name": "Control",
        "weight": 50,
        "offer": {
          "product_id": "standard-upsell",
          "discount": "15%",
          "headline": "Add this to your order"
        }
      },
      {
        "name": "Premium Offer",
        "weight": 50,
        "offer": {
          "product_id": "premium-upsell",
          "discount": "20%",
          "headline": "Exclusive: Save 20% on this upgrade"
        }
      }
    ],
    "success_metric": "upsell_acceptance_rate"
  }
}

Preistest

Teste verschiedene Rabatthöhen oder Preisstrategien:

Preis-A/B-Test

{
  "experiment": {
    "name": "Discount Format Test",
    "type": "pricing",
    "variants": [
      {
        "name": "Percentage",
        "weight": 50,
        "discount": {
          "type": "percentage",
          "value": 20,
          "display": "20% OFF"
        }
      },
      {
        "name": "Fixed Amount",
        "weight": 50,
        "discount": {
          "type": "fixed",
          "value": 10,
          "display": "$10 OFF"
        }
      }
    ],
    "success_metric": "revenue_per_visitor"
  }
}

Platzierungstest

Teste, wo Angebote im Checkout erscheinen:

A/B-Test der Platzierung

{
  "experiment": {
    "name": "Upsell Placement Test",
    "type": "placement",
    "variants": [
      {
        "name": "Post-Purchase",
        "weight": 50,
        "placement": "post_purchase_page"
      },
      {
        "name": "Thank You Page",
        "weight": 50,
        "placement": "thank_you_page"
      }
    ],
    "success_metric": "conversion_rate"
  }
}

Varianten einrichten

Jede Variante kann Folgendes verändern:

Variantenoptionen

Gezeigtes Produkt oder Angebot
Rabatthöhe und Rabattart
Überschrift und Beschreibung
Text und Farbe der Schaltfläche
Bild oder Medien
Platzierung
Zeitpunkt der Angebotsanzeige

Varianten klar unterscheiden

Sorge für bedeutende Unterschiede. Ein Vergleich von 14 % mit 15 % Rabatt liefert keine handlungsrelevanten Erkenntnisse.

Multivariate Tests

Für fortgeschrittene Nutzer unterstützt CheckoutOS Tests mehrerer Variablen gleichzeitig:

Multivariater Test

{
  "experiment": {
    "name": "Headline + Discount MVT",
    "type": "multivariate",
    "factors": [
      {
        "name": "headline",
        "levels": ["Save Big!", "Exclusive Offer", "Don't Miss Out"]
      },
      {
        "name": "discount",
        "levels": ["10%", "15%", "20%"]
      }
    ],
    "success_metric": "upsell_acceptance_rate"
  }
}

Hinweis zur Stichprobengröße

Multivariate Tests benötigen deutlich größere Stichproben. Das Beispiel oben hat 9 Kombinationen, also 3 × 3, und braucht für statistische Signifikanz 9-mal so viel Traffic.

Experimente planen

Steuere die Ausführungszeiten:

Geplantes Experiment

{
  "schedule": {
    "start_date": "2025-02-01T00:00:00Z",
    "end_date": "2025-02-28T23:59:59Z",
    "auto_conclude": true,
    "minimum_runtime_days": 14,
    "minimum_conversions": 500
  }
}

Bewährte Vorgehensweisen

Tipps zur Einrichtung

Hypothese zuerst aufschreiben – „Wir glauben, dass X die Kennzahl Y um Z % verbessert“
Beschreibende Namen nutzen – Dein zukünftiges Ich wird dir danken
Mit 50/50 beginnen – Gleicher Traffic liefert am schnellsten Ergebnisse
Mindestlaufzeit festlegen – Nicht vorzeitig auf Ergebnisse schauen und abbrechen
Alles dokumentieren – Überlegungen und Ergebnisse festhalten

Experimente erstellen