---
title: "Traffic aufteilen: CheckoutOS-Doku | Chargezen"
description: "Traffic für A/B-Tests wirksam aufteilen. Aus dem Bereich „A/B-Tests“ der Doku zu Chargezen CheckoutOS."
url: "https://chargezen.com/de/docs/checkoutos/ab-testing/traffic"
lang: "de"
updated: "2025-01-16"
---

Canonical URL: https://chargezen.com/de/docs/checkoutos/ab-testing/traffic

# Traffic aufteilen

Traffic für A/B-Tests wirksam aufteilen

Zuletzt aktualisiert: 2025-01-16

Die **Traffic-Zuteilung** bestimmt die Verteilung von Besuchern auf Experimentvarianten. Die richtige Strategie verbindet statistische Stärke mit vertretbarem Geschäftsrisiko.

## Grundlagen der Zuteilung

Betritt ein Besucher den Checkout, ordnet CheckoutOS ihn anhand deiner Einstellungen zufällig einer Variante zu. Diese Zuordnung gilt für die gesamte Sitzung und künftige Besuche.

Beispiel einer Traffic-Zuteilung

```json
{
  "traffic_allocation": {
    "method": "random",
    "variants": [
      { "name": "Control", "weight": 50 },
      { "name": "Variant A", "weight": 50 }
    ],
    "sticky_assignment": true,
    "assignment_key": "visitor_id"
  }
}
```

## Zuteilungsstrategien

### Gleichmäßige Aufteilung, 50/50

Der Standardansatz für die meisten Experimente:

*   **Am schnellsten zur Signifikanz** – Gleiche Stichproben optimieren die statistische Stärke
*   **Einfach zu analysieren** – Keine Gewichtung bei Berechnungen nötig
*   **Geeignet für** – Die meisten üblichen A/B-Tests

### Vorsichtige Aufteilung, 90/10

Begrenze das Risiko potenziell störender Änderungen:

*   **Geringeres Risiko** – Nur 10 % sehen die neue Variante
*   **Langsamere Ergebnisse** – Signifikanz dauert länger
*   **Geeignet für** – Große Änderungen, neue Funktionen und riskante Experimente

Vorsichtige Zuteilung

```json
{
  "traffic_allocation": {
    "variants": [
      { "name": "Control", "weight": 90 },
      { "name": "New Checkout Flow", "weight": 10 }
    ]
  }
}
```

### Schrittweise Einführung

Erhöhe schrittweise den Anteil, der die Variante sieht:

Gestufte Zuteilung

```json
{
  "traffic_allocation": {
    "method": "ramped",
    "stages": [
      { "day": 1, "control": 95, "variant": 5 },
      { "day": 3, "control": 80, "variant": 20 },
      { "day": 7, "control": 50, "variant": 50 }
    ],
    "auto_progress": true,
    "hold_on_degradation": true
  }
}
```

Wann schrittweise einführen?

Nutze diesen Ansatz, wenn du testen und zugleich Risiken minimieren möchtest. Schneidet die Variante schlecht ab, bleibt die Wirkung auf einen kleinen Anteil begrenzt.

### Mehrarmiger Bandit

Verschiebe Traffic automatisch zu besser abschneidenden Varianten:

Bandit-Zuteilung

```json
{
  "traffic_allocation": {
    "method": "bandit",
    "algorithm": "thompson_sampling",
    "exploration_rate": 0.1,
    "optimize_for": "revenue_per_visitor",
    "minimum_traffic_per_variant": 0.05
  }
}
```

#### Vor- und Nachteile des Banditen

*   Vorteil: maximiert den Umsatz während des Tests
*   Vorteil: passt sich automatisch der Leistung an
*   Nachteil: Signifikanz ist schwerer zu berechnen
*   Nachteil: kann zu früh konvergieren

## Zielgruppenauswahl

Führe Experimente mit bestimmten Kundensegmenten durch:

Gezieltes Experiment

```json
{
  "audience": {
    "include": [
      { "type": "customer_tag", "value": "vip" },
      { "type": "order_count", "operator": "gte", "value": 2 }
    ],
    "exclude": [
      { "type": "customer_tag", "value": "wholesale" }
    ],
    "percentage_of_audience": 100
  }
}
```

#### Zielgruppenoptionen

*   Kunden-Tags und Segmente
*   Neue oder wiederkehrende Besucher
*   Bestellhistorie: Erstkauf oder Wiederholung
*   Warenkorbwert-Schwellen
*   Geografischer Standort
*   Gerätetyp: mobil oder Desktop
*   Traffic-Quelle: organisch, bezahlt oder verweisende Websites

## Ausschlussregeln

Schließe bestimmte Besucher von Experimenten aus:

Ausschlüsse einrichten

```json
{
  "exclusions": {
    "other_experiments": ["experiment-123", "experiment-456"],
    "customer_segments": ["employees", "testers"],
    "conditions": [
      { "type": "cart_value", "operator": "lt", "value": 20 }
    ]
  }
}
```

Gegenseitiger Ausschluss

Stelle bei mehreren Experimenten sicher, dass sie sich nicht beeinflussen. Ein Kunde in einem Upsell-Preistest sollte nicht zugleich an einem Upsell-Platzierungstest teilnehmen: Die Ergebnisse wären vermischt.

## Stichprobenrechner

CheckoutOS enthält einen Stichprobenrechner. Gib Folgendes ein:

*   **Ausgangs-Conversion-Rate** – Deine aktuelle Leistung
*   **Minimal erkennbarer Effekt** – Kleinste Verbesserung, die sich zu erkennen lohnt
*   **Statistische Signifikanz** – Üblicherweise 95 %
*   **Statistische Stärke** – Üblicherweise 80 %

Der Rechner zeigt die benötigte Besucherzahl und die ungefähre Testdauer auf Grundlage deines Traffics.

## Bewährte Vorgehensweisen

Tipps zur Zuteilung

*   **Mit 50/50 beginnen** – Sofern nichts dagegen spricht
*   **Zuordnung beibehalten** – Besucher sollen eine einheitliche Variante sehen
*   **Nicht während des Tests umverteilen** – Das macht Ergebnisse ungültig
*   **Andere Experimente ausschließen** – Wechselwirkungen vermeiden
*   **Geschäftszyklen berücksichtigen** – Tests über vollständige Wochen laufen lassen

## Verwandte Themen

[

### Experimente erstellen

A/B-Tests einrichten

Mehr erfahren



](https://chargezen.com/de/docs/checkoutos/ab-testing/creating)[

### Ergebnisse analysieren

Experimentdaten interpretieren

Mehr erfahren



](https://chargezen.com/de/docs/checkoutos/ab-testing/results)

War diese Seite hilfreich?

Brauchst du mehr Hilfe? [Support kontaktieren](https://chargezen.com/de/docs/checkoutos/troubleshooting/support)