Für Chad Sanderson, Head of Product – Data Platform bei Convoy, sind die Rolle von Daten und Experimenten untrennbar miteinander verbunden.

Bei Convoy leitet er das End-to-End-Team für die Datenplattform, das u. a. die Bereiche Data Engineering, Machine Learning, Experimentation und die Data Pipeline umfasst – sowie zahlreiche weitere Teams, die alle dazu beitragen, dass Tausende von Transportunternehmen ihre Fracht effizienter verschicken können. Diese Rolle verschafft ihm einen umfassenden Überblick über den gesamten Prozess, von der Ideenfindung über die Entwicklung bis hin zur Umsetzung.

Dadurch hat Chad eine Perspektive, die den meisten Praktikern verwehrt bleibt: den End-to-End-Prozess der Experimentation – von der Hypothese über die Definition von Daten, die Analyse und das Reporting bis hin zu den Finanzkennzahlen am Jahresende. Im Gespräch mit Marylin Montoya, VP Marketing bei AB Tasty, teilte er daher einige seiner Erkenntnisse über die Disziplin der Experimentation und die Herausforderungen bei der Identifikation vertrauenswürdiger Kennzahlen.

Einführung von Experimentation als Disziplin

Experimente, trotz all ihrer Anerkennung, sind noch immer ein relativ neues Feld. Es ist schwierig, umfangreiche Sammlungen von Fachliteratur oder einen akademischen Ansatz zu finden (auch wenn Ronny Kohavi einige Gedanken zu diesem Thema niedergeschrieben hat). Außerdem wird Experimentation nicht als eigenständige Disziplin der Datenwissenschaft angesehen, insbesondere im Vergleich zu Bereichen wie Machine Learning oder Data Warehousing.

Auch wenn es hier und da einige Tipps in Blogs gibt, fehlt es häufig an fundiertem technischem Wissen und bewährten Praktiken, um eine Plattform aufzubauen, eine Metrikbibliothek zu erstellen und die richtigen Kennzahlen systematisch auszuwählen.

Chad beschreibt die Zugänglichkeit von Experimenten als zweischneidiges Schwert. Viele Unternehmen wenden nicht die gleiche Strenge an wie in anderen Bereichen der Datenwissenschaft, weil es leicht ist, mit einem Marketingansatz zu starten. Doch mit dem Wachstum des Unternehmens steigen auch die Reife und die Komplexität der Experimente. Genau dann ist die Fachliteratur zu Plattformentwicklung und Skalierung jedoch spärlich, was dazu führt, dass das Feld unterschätzt wird und es schwierig ist, die richtigen Profile zu rekrutieren.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Wann kleinskalige Experimente die beste Wahl sind

Wenn du ein Unternehmen in gigantischem Maßstab bist – wie Microsoft oder Google mit unterschiedlichen Geschäftseinheiten, Datenquellen, Technologien und Abläufen – ist die Einführung neuer Features oder Änderungen ein extrem riskantes Unterfangen. Jeder Fehler könnte Millionen von Nutzern betreffen. Stell dir vor, ein Bug würde versehentlich in Microsoft Word oder PowerPoint eingeführt werden: Die Auswirkungen auf das Geschäftsergebnis wären verheerend.

Der beste Ansatz für solche Unternehmen ist ein vorsichtiger, kleinskaliger Experimentierprozess. Das Ziel besteht darin, schnelle Maßnahmen zu ergreifen, Probleme in Echtzeit zu erkennen und sie umgehend rückgängig zu machen.

Andererseits sieht der Ansatz völlig anders aus, wenn du ein Startup in einer Phase des Hyperwachstums bist. Diese kleineren Unternehmen müssen ihren Investoren in der Regel zweistellige Wachstumsraten mit jeder neuen Funktion vorweisen. Das bedeutet, dass ihre Maßnahmen darauf abzielen, die positive Wirkung der Funktion und die Nachhaltigkeit ihres Erfolgs zu beweisen.

Mach Kennzahlen zu deinen vertrauenswürdigen Verbündeten

Jedes Unternehmen hat sehr unterschiedliche Kennzahlen, je nachdem, was es erreichen möchte. Es ist entscheidend, genau zu definieren, was du willst, bevor du mit dem Experimentieren beginnst und dein Programm aufbaust.

Eine wichtige Frage, die du dir stellen solltest, ist: Was ist den Entscheidungsträgern wichtig? Was möchte die Führungsebene erreichen? Dies ist der Schlüssel, um die richtigen Kennzahlen zu definieren, die dein Unternehmen tatsächlich in die gewünschte Richtung bewegen. Chad empfiehlt, dies zu tun, indem du zwischen Frontend- und Backend-Kennzahlen unterscheidest: Erstere sind leicht verfügbar, letztere eher weniger. Client-seitige Kennzahlen, die er als Frontend-Kennzahlen bezeichnet, messen beispielsweise den Umsatz pro Transaktion. Alle Kennzahlen führen letztlich zum Umsatz, was an sich nicht unbedingt schlecht ist. Allerdings bedeutet das, dass alle Entscheidungen auf Umsatzwachstum basieren und weniger darauf, die Skalierbarkeit oder den tatsächlichen Erfolg einer Funktion zu beweisen.

Chad rät, mit den bestehenden Messproblemen zu beginnen, daraus eine Experimentierkultur aufzubauen, das System zu entwickeln und schließlich eine Plattform auszuwählen.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Was kannst du noch aus unserem Gespräch mit Chad Sanderson lernen?

• Unterschiedliche Anforderungen an Experimente in Engineering und Marketing
• Aufbau einer Experimentierkultur von oben nach unten
• Die Nachteile bei der Skalierung von MVPs
• Warum Marketer die Vorreiter der Experimentation sind

Über Chad Sanderson

Chad Sanderson ist Experte für digitale Experimente und Analysen im großen Maßstab. Er ist Produktmanager, Autor und Redner, der Vorträge zu Themen wie fortgeschrittene Experimentanalyse, die Statistik digitaler Experimente, kleinskalige Experimente für kleine Unternehmen und mehr gehalten hat. Zuvor war er als Senior Program Manager für Microsofts KI-Plattform tätig. Davor arbeitete Chad im Experimentation-Team von Subway als Personalisierungsmanager.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um Erkenntnisse darüber zu sammeln, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit Ronny Kohavi, mit dem wir darüber gesprochen haben, warum Scheitern eigentlich eine gute Sache ist.

Der Beitrag 1,000 Experiments Club: Ein Gespräch mit Chad Sanderson von Convoy erschien zuerst auf abtasty.

Ruben de Boer ist ein leitender CRO-Manager und Consultant mit über 14 Jahren Erfahrung im Bereich Daten und Optimierung. Bei Online Dialogue leitet Ruben das Team der Conversion Manager, entwickelt die Fähigkeiten und die Qualität des Teams und legt die Strategie und die Ziele des Teams fest. Er gibt sein Wissen sowohl als Lehrer bei Udemy mit über 12.000 Studenten als auch als öffentlicher Redner zu Themen wie Experimentation, Change Management, CRO und persönliches Wachstum weiter.

Im Jahr 2019 gründete Ruben sein Unternehmen Conversion Ideas. Mit diesem hilft er Menschen dabei, ihre Karriere in den Bereichen Conversion Rate Optimization und Experimentation zu starten. In diesem Kontext bietet er erschwingliche, hochwertige Online-Kurse und eine Reihe von Ressourcen an.

Marylin Montoya, VP Marketing von AB Tasty, sprach mit Ruben über spannende Trends und Entwicklungen in der Welt des Experimentierens. Darunter auch über die verschiedenen Möglichkeiten, wie KI die Optimierung des Experimentierprozesses beeinflussen kann. Ruben erzählt auch, wie man funktionsübergreifende Teams einbeziehen kann, um eine erfolgreiche Experimentierkultur im Unternehmen zu implementieren. Er geht außerdem darauf ein warum es wichtig ist, ein ergebnis- statt output-orientiertes Mindset zu entwickeln.

Hier sind einige der wichtigsten Erkenntnisse aus ihrem Gespräch.

Das Ziel sollte immer ergebnisorientiert sein

Basierend auf seiner Erfahrung, ist Ruben der Meinung, dass einer der größten Fehler, mit dem Unternehmen beim Start der Experimentierphase konfrontiert sind, darin besteht, dass sie sich mehr auf den Output als auf die Ergebnisse fokussieren.

„Wenn ein Unternehmen immer noch sehr output-orientiert ist, im Sinne von, wir müssen eine bestimmte Anzahl von Sprint-Punkten pro Sprint liefern und wir müssen in diesem Jahr so viele neue Funktionen veröffentlichen, dann können Experimente natürlich als etwas angesehen werden, das die Arbeit verlangsamt, nicht wahr? Nehmen wir als Faustregel an, dass 25 % der A/B-Tests oder Experimente zu einem Gewinner führen, dann werden 75 % dessen, was entwickelt wurde, nicht veröffentlicht, was bedeutet, dass der Manager die Output-Ziele nicht erreicht.“

In diesem Szenario wird das Experimentieren zu einem Hindernis, das diese Ergebnisse verlangsamt. Wenn ein Unternehmen hingegen eine Ergebnisorientierung anstrebt, macht es mehr Sinn, Experimente durchzuführen, mit dem Ziel, mehr Wert für den Kunden zu schaffen. Mit einem ergebnisorientierten Mindset lassen sich die Teams auf Experimente ein, bei denen die Kunden im Zentrum des Prozesses stehen.

Wenn Teams stärker ergebnisorientiert arbeiten, basiert das Produkt eher auf Forschung und Experimenten als auf einem festen langfristigen Fahrplan. Laut Ruben ist es entscheidend, dass Unternehmen eine solche Arbeitsweise annehmen, da sie dadurch bessere Produkte und Geschäftsergebnisse erzielen können, was ihnen letztlich hilft, ihren Wettbewerbsvorteil zu bewahren.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Die Bedeutung von funktionsübergreifenden Teams

Ruben vertritt die Ansicht, dass das Experimentieren insofern reift, als dass es immer stärker in die Produktteams integriert wird.

Er stellt fest, dass der Trend zur Zusammenarbeit verschiedener Teams zunimmt. Nach Rubens Ansicht ist das für den Wissensaustausch wichtig, wenn es darum geht, Neues über die Customer Journey und das Produkt selbst zu lernen. Für Ruben schafft dies eine ideale, gesunde Experimentierumgebung, in der Teams besser experimentieren und die gewünschten Ergebnisse erzielen können.

Im Idealfall gibt es Experten für Experimente, die aus verschiedenen Teams kommen und regelmäßig Wissen, Ideen und Erkenntnisse austauschen. Das trägt zu Inspiration und Innovation bezüglich zukünftiger Testideen bei.

Das Erfolgsrezept dieser Experimentierteams ist unterschiedlich und hängt von der Reife des Experimentierprogramms und den Fähigkeiten dieser Teams ab.

Das könnte mit einem Blick auf die Unternehmenskultur beginnen, indem Fragebögen an verschiedene Teams verschickt werden, um deren Arbeitsabläufe und den Grad der Autonomie zu verstehen. Diese Analyse würde helfen zu verstehen, wie es um die Experimentierfreudigkeit bestellt ist, z. B. wie experimentierfreudig die Teams sind. Dies hilft bei der Ausarbeitung einer Strategie und eines Fahrplans für die erfolgreiche Implementierung einer Experimentierkultur in der gesamten Organisation.

Dieser Kultur-Scan hilft auch dabei, den Reifegrad eines Experimentierprogramms zu bestimmen.

„Prozess, Daten, Team, Umfang, Ausrichtung und Unternehmenskultur: Das ist es, was ich im Allgemeinen betrachte, wenn ich den Reifegrad einer Organisation bewerte. Gibt es in den verschiedenen Produktteams einen CRO-Spezialisten? Wie wird die Entscheidungsfindung von den Führungskräften durchgeführt? Basiert sie auf den HIPPO-Entscheidungen oder beruht sie vollständig auf Experimenten? Dann gibt es da noch die Ergebnis- gegenüber der Output-Mentalität, den Umfang und die Ausrichtung der Experimente sowie die Struktur des Teams – ist es nur ein einzelner CRO-Spezialist oder ein multidisziplinäres Team? Wie sieht der Prozess aus? Handelt es sich nur um einen einzelnen CRO-Prozess oder um einen Prozess, der in ein Projektteam eingebettet ist?“ sagt Ruben.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Eine Welt voller Möglichkeiten mit KI

Ruben glaubt, dass es durch das Aufkommen der KI-Technologie eine Menge Möglichkeiten gibt, besonders im Hinblick auf Experimentierprozesse.

Er räumt ein, dass es noch zu früh ist, um darüber zu spekulieren, und dass es auch viele Bedenken hinsichtlich des Datenschutzes gibt, die mit der Nutzung einer solchen Technologie einhergehen. Aber er glaubt, dass die KI in Zukunft viele spannende Dinge hervorbringen kann.

„Es wäre großartig, eine KI zu haben, die alle Experimente auf der Produktdetailseite, mit allen Ergebnissen und Erkenntnissen, durchgeht und der man einfach die Frage stellen kann: ‚Was habe ich eigentlich daraus gelernt und welche Anschluss-Experimente wären sinnvoll?‘ Es wäre unglaublich spannend, eine KI durch alle Experimente in der Datenbank laufen zu lassen“, sagt Ruben.

Ruben räumt daher ein, dass es eine Reihe von Möglichkeiten gibt, was Teams tun können, wenn es darum geht, Experimente effektiv zu planen und Zeit und Schritte im Experimentierprozess zu sparen.

„Und stell dir vor, dass in drei oder vier Jahren jeder eine KI-App auf seinem Handy hat und sagt: ‚Ich muss das kaufen‘, und die App erledigt den Kauf. Und vielleicht gibt es dann eine Website, die nur für KI-Apps zum Einkaufen gedacht ist – wer weiß? Und dann wird die Optimierung plötzlich ganz anders aussehen.“

Es gibt auch ein erhebliches Potenzial für KI, wenn es darum geht, die Arbeitsweise der Menschen zu verändern, Inspirationen zu liefern und letztendlich den Experimentierprozess zu optimieren und Innovationen zu fördern.

„Vielleicht können wir auf Basis aller Eingaben, die wir aus Chatprotokollen, Social-Media-Kanälen, Bewertungen und Umfragen machen, die KI irgendwann so gestalten, dass sie sich wie ein Nutzer verhält. Dann müssten keine Nutzertests mehr durchgeführt werden, da die KI einfach selbst die Website analysieren könnte.“

Was kannst du noch aus unserem Gespräch mit Ruben de Boer lernen?

• Welche Trends sich im Hinblick aufs Experimentieren entwickeln
• Seine Auffassung von Change Management, um Organisationen bei der Einführung von Experimenten zu unterstützen
• Seine eigenen Erfahrungen mit dem Aufbau funktionsübergreifender Teams
• Wie man mit Widerständen gegenüber Experimenten umgeht

Über Ruben de Boer

Ruben ist mit über 14 Jahren Erfahrung leitender CRO-Manager und Berater für Daten und Optimierung. Er ist zweifacher Gewinner der Experimentation Elite Awards 2023 und ein Bestseller-Dozent auf Udemy mit über 12.000 Studenten. Er ist auch ein öffentlicher Redner zu Themen wie Experimentierkultur, Change Management, Conversion Rate Optimization und persönliches Wachstum. Heute ist Ruben als Lead Conversion Manager verantwortlich für die Leitung des Conversion Manager Teams, die Entwicklung der Fähigkeiten und der Qualität des Teams, die Festlegung der Teamstrategie und der Ziele sowie die Geschäftsentwicklung.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um Erkenntnisse darüber zu sammeln, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit David Mannheim, mit dem wir über einen neuen Ansatz zur Personalisierung gesprochen haben.

Der Beitrag Ein ergebnisorientierter Ansatz | Ruben de Boer erschien zuerst auf abtasty.

Deshalb freue ich mich, ein Update zu unserer Leistung zu geben und zu zeigen, wie hart wir daran gearbeitet haben, die Besten zu sein. Wir bieten jetzt Ladezeiten, die bis zu 4-mal schneller sind als andere Lösungen auf dem Markt.

In einer Welt, in der jede Sekunde zählt, führen langsam ladende Seiten schnell zu Umsatzeinbußen. Bei AB Tasty wissen wir, dass Geschwindigkeit nicht nur eine Frage des Komforts ist, sondern entscheidend für ein reibungsloses, verlässliches Erlebnis, das heutige Verbraucher erwarten.

Deshalb sind wir stolz darauf, von ThirdPartyWeb.today als eine der Plattformen mit den geringsten Auswirkungen auf die Web-Performance unter den führenden Experimentation- und Personalisierungsplattformen anerkannt zu werden. Diese Auszeichnung bestätigt unser Engagement für Geschwindigkeit, Skalierbarkeit und Kundenzufriedenheit.

Aber was bedeutet das eigentlich für Marken, die AB Tasty nutzen?

Werfen wir einen Blick darauf, wie die Priorisierung der Performance deine SERP-Rankings, die Customer Experience (CX) und die Effektivität deiner Kampagnen insgesamt verbessern kann.

Warum Web-Performance deine Ergebnisse beeinflusst

Stell dir vor, du klickst auf eine Seite, die ewig lädt. Wahrscheinlich wärst du schneller wieder weg, als du „Conversion Rate“ sagen kannst. Und du wärst nicht allein: Langsame Ladezeiten führen oft zu höheren Absprungraten, verpassten Chancen und letztlich frustrierten Besuchern.

Gute Performance bedeutet eine reibungslose Customer Journey, was zu besserem Engagement und höheren Conversion Rates führt.

ThirdPartyWeb.today: Der Performance-Benchmark

ThirdPartyWeb.today ist eine unabhängige Plattform zur Visualisierung von Performance-Daten, die den Einfluss verschiedener Tools auf die Seitenladezeit analysiert. Sie stuft Tools nach ihrem Performance-Kostenfaktor ein, basierend auf Daten von fast 4 Millionen Websites, und schafft so einen objektiven Performance Benchmark. Für Marken, die eine nahtlose Benutzererfahrung ohne Geschwindigkeitseinbußen bieten wollen, ist ThirdPartyWeb.today eine zuverlässige Quelle zur Bewertung der Performance-Auswertungen ihrer Tools.

Dass wir von ThirdPartyWeb.today als eine der performancefreundlichsten Experience-Optimierungsplattformen anerkannt wurden, zeigt, dass unsere Kunden auf eine Technologie setzen, die Geschwindigkeit in den Vordergrund stellt.

Warum ist AB Tasty so schnell?

Unsere Entwicklerteams haben hart daran gearbeitet, AB Tasty nicht nur zu einer intuitiven Plattform für Experimentation und Personalisierung zu machen, sondern auch eine, die hohe Performance in den Vordergrund stellt. Hier ein kurzer Überblick über die Innovationen, die AB Tasty so schnell und zuverlässig machen:

1. Modulare Architektur mit innovativem Dynamic Importing und Smart-Caching-Technologie

Unsere Plattform basiert auf einer modularen Architektur, bei der nur der essentielle Code für jede Kampagne geladen wird. So bleiben die Dateigrößen schlank, was Ladezeit und Ressourcenverbrauch reduziert. Unsere firmeneigene Smart-Caching-Technologie stellt sicher, dass Besucher nur die Daten laden, die sie noch nicht abgerufen haben. Durch die Minimierung redundanter Datenabrufe verkürzen wir die Ladezeiten auf allen Geräten erheblich. Zusätzlich bieten wir weltweite API-Endpunkte und verfügen über eine globale CDN-Präsenz mit mehreren Edge-Standorten und regionalen Edge-Caches, die schnelle Antwortzeiten gewährleisten – egal, wo du und deine Website-Besucher sich befinden.

2. Performance Center

Das spezielle Performance Center von AB Tasty ermöglicht es dir, die Performance deiner Kampagnen in Echtzeit zu überwachen. Dieses Tool bietet dir volle Transparenz darüber, was hinter den Kulissen passiert, sodass du bei Bedarf Anpassungen vornehmen kannst, um einen reibungslosen Ablauf zu gewährleisten. Es gibt Empfehlungen, um die Tag-Größe zu überwachen und zu optimieren.

Erfahre hier alles darüber.

3. Kompatibilität mit Single-Page Applications (SPA)

Die Plattform von AB Tasty ist ohne benutzerdefinierten Code SPA-kompatibel, was es Entwicklern erleichtert, AB Tasty in ihre Technologie-Umgebung zu integrieren. AB Tasty basiert auf einem nativen Vanilla-TypeScript-Framework. Unser Tag ist kompatibel mit modernen JS-Frameworks wie React, Angular, Vue, Meteor und Ember. Das Tag ist für alle Umgebungen einzigartig und erfordert keine zusätzliche Implementierung. Viele unserer Kunden sind von ihrem vorherigen Anbieter zu uns gewechselt, da es bei anderen Tools Herausforderungen mit SPA-Seiten gab. In diesen Tools sind Änderungen bei dynamischem Content oft nicht „persistent“ oder flackern. Zudem benötigen SPA-Tests in solchen Umgebungen häufig benutzerdefinierten Code für jeden Test, was das Testen komplizierter und weniger benutzerfreundlich macht.

4. Flicker-freie Erlebnisse

Das Tag von AB Tasty verwendet eine kombinierte Methode aus synchronen und asynchronen Skripten, um Flackern zu vermeiden und gleichzeitig eine optimierte Performance aufrechtzuerhalten. Andere Lösungen empfehlen „Anti-Flicker“-Snippets, um das Flackern zu verhindern – was jedoch nicht als bestes Verfahren gilt. Dabei wird der Seiteninhalt ausgeblendet, während das Tag lädt, was letztlich die Seitenanzeige verzögert. Dies verschlechtert das Benutzererlebnis, erhöht den Largest Contentful Paint (LCP)-Wert und kann letztlich zu höheren Absprungraten und geringeren Conversions führen. Im Gegensatz dazu verwendet das synchrone Tag von AB Tasty nur 3 KB render-blockierende Daten, um eine schnelle Ausführung des Tags vor dem Laden der Seite zu ermöglichen, anstatt die gesamte Seitensichtbarkeit für die volle Paketgröße zu blockieren.

Und das bedeutet…

Erste Ladezeit < 100 ms
Cache-Ladezeit < 10 ms
Ausführungszeit < 500 ms
Minimale Auswirkungen auf die Core Web Vitals von Lighthouse

Ein Dank an unsere Produkt- und Tech-Teams

Das wäre ohne das Engagement unserer Produkt- und Tech-Teams nicht möglich (danke, Team!). Wir haben es gewagt, innovativ zu sein und die Grenzen dessen, was im Bereich Web-Performance für Experimentation und Personalisierung möglich ist, neu zu definieren.

Fazit

Wenn Marken sich für AB Tasty entscheiden, wählen sie eine Plattform, die sowohl Innovation als auch Performance priorisiert. Indem wir die Auswirkungen auf die Web-Performance minimieren, helfen wir Marken, schnellere und bessere Erlebnisse zu schaffen, die Kunden begeistern und Ergebnisse liefern.

Neugierig, mehr zu erfahren? Kontaktiere uns noch heute, um herauszufinden, was uns sonst noch auszeichnet.

Der Beitrag Skriptausführungszeit: Warum AB Tasty 4x schneller liefert erschien zuerst auf abtasty.

Mit zwei Abschlüssen in Evolutionary Behavior und Conservation Research Science verbrachte Ben Labay ein Jahrzehnt in der akademischen Welt mit einem breit gefächerten Hintergrund in Forschung und Experimenten, geprägt von der Arbeit mit technischen Daten.

Heute ist er CEO der Experimentier- und Conversion-Optimization-Agentur Speero. Ben beschreibt seine Arbeit im Bereich Experimentieren als seine „Geek-Out“-Area, d. h. Forschung im Bereich Customer Experience und Umgang mit Kundendaten.

Bei Speero arbeitet Ben daran, Forschungs- und Testprogrammstrategien für Unternehmen wie Procter & Gamble, ADP, Codecademy, MongoDB, Toast und viele andere auf der ganzen Welt zu entwickeln und zu implementieren.

Marylin Montoya, VP Marketing von AB Tasty, sprach mit Ben darüber, wie man Mechanismen für Unternehmen schaffen kann, um nicht nur zu optimieren, sondern auch disruptiver zu sein, wenn es um Webexperimente zur Förderung des Wachstums geht.

Hier sind einige der wichtigsten Erkenntnisse aus ihrem Gespräch.

Erwäge ein Portfoliomanagement beim Experimentieren

Inspiriert durch das Buch „Built to Last“ von Jim Collins und Jerry I. Porras erörtert Ben ein Framework, welches das Buch für das Wachstum eines Unternehmens auf der Grundlage der besten Praktiken von 18 erfolgreichen Unternehmen bietet.

Er identifiziert eine große Säule, die viele Unternehmen oft vernachlässigen: das Experimentieren. Um das in Angriff zu nehmen, schlägt Ben ein Portfoliomanagement für Experimente vor, das aus drei Portfolio-Tags besteht, die ein Lösungsspektrum für iterative Änderungen zur Optimierung bieten.

Die erste Stufe besteht darin, auf der Grundlage von Kundenfeedback kleine Verbesserungen oder Änderungen an einer Website vorzunehmen, wie z. B. die Verbesserung des Layouts. Die zweite Stufe umfasst umfangreichere Änderungen, wie z. B. neue Inhalte.

Aber es gibt noch eine dritte, größere Ebene, die Ben als „disruptiv“ und „innovativ“ bezeichnet, wie z. B. ein brandneues Produkt oder Preismodell. Dinge, die eine enorme Lernerfahrung darstellen können.

Da es drei verschiedene Stufen der Veränderung gibt, ist es wichtig, dass die Zeit, die für jede Stufe aufgewendet wird, klar aufgeteilt wird und dass sich deine Teams untereinander abstimmen.

Um es mit den Worten von Ben zu sagen: „Lasst uns 20 % unserer Energie in die Iteration stecken, 20 % in das Wesentliche und 20/30 oder 40 % in das Disruptive. Und diese Karte – dieses Framework – hat sich als wirklich gesundes Werkzeug erwiesen, um die Teams auf dieselbe Seite zu bringen.“

Für Ben ist die Anwendung eines solchen Frameworks der Schlüssel, um alle Teams auf die gleiche Seite zu bringen, da es dazu beiträgt, dass Unternehmen nicht zu wenig Ressourcen für disruptive und „Big Need Movers“ bereitstellen. Das Arbeitstempo ist neben der Qualität der Idee wichtig, argumentiert er.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Lass dich von deinem Baumdiagramm leiten

Jeder A/B-Test oder jede Personalisierungskampagne muss mit guten Zutaten gefüttert werden, die die Qualität der Hypothese bestimmen.

„Jede Agentur, jedes interne Unternehmen recherchiert. Wir betreiben Forschung. Wir sammeln Daten, wir haben Informationen, wir bekommen Einblicke, und dann wird auf Basis dieser Einblicke getestet. Aber da kann man nicht aufhören.“ sagt Ben.

Der Trick besteht darin, nicht bei den Erkenntnissen stehen zu bleiben, sondern auf der Grundlage dieser Erkenntnisse ein Thema zu entwickeln. Auf diese Weise können die Unternehmen die zugrunde liegenden Stärken und Schwächen herausfinden und sie in ihren OKRs abbilden.

Du kannst z. B. eine Reihe von Erkenntnissen haben, wie bspw. dass eine Seite unterdurchschnittlich abschneidet, dass die Nutzer über die Preisgestaltung verwirrt sind oder dass Social Proof übersprungen wird. Der Schlüssel liegt in der Durchführung einer thematischen Analyse und der Suche nach Mustern auf der Grundlage dieser verschiedenen Erkenntnisse.

Folglich ist es für Unternehmen wichtig, ein Baumdiagramm zu erstellen, um zu verstehen, wie die Dinge kaskadenartig abwärts laufen. Das ist wichtig, um taktischer und SMARTer in Bezug auf Ziele zu werden und um OKRs entsprechend festzulegen, um die riesige Menge an Daten zu organisieren und sinnvoll zu nutzen.

Wenn es an der Zeit ist, ein Testprogramm aufzustellen, verfügen die Teams über einen strategischen Testfahrplan für ein bestimmtes Thema, der mit diesen OKRs verknüpft ist. Das hilft dabei, die Metriken in besser umsetzbare Frameworks umzuwandeln.

Am Ende eines jeden Quartals können die Unternehmen ihre Leistung auf der Grundlage dieser Scorecard mit Kennzahlen bewerten und feststellen, wie sich die im Quartal durchgeführten Tests auf diese Kennzahlen ausgewirkt haben.

Integriere Engagement und Effizienz in deine Testprogrammstrategie

Der Hauptnutzen des Testens konzentriert sich auf die Erzielung von Gewinn, aber Ben plädiert für einen zweiten Nutzwert, der sich um die Arbeitsweise des Unternehmens dreht. Dies erfordert eine Verlagerung des Schwerpunkts auf die Effizienz und die Art und Weise, wie verschiedene Teams in einem Unternehmen zusammenarbeiten.

Ben zieht Parallelen zwischen der A/B-Testing-Branche und Devops, da sie versucht, Elemente der DevOps-Kulturbewegung einzubringen, wenn wir uns auf eine Kultur des Experimentierens und der Datenorientierung beziehen. In vielerlei Hinsicht spiegelt dies die DevOps-Methodik wider, die sich darauf konzentriert, Silos zwischen Entwicklungs- und Betriebsteams aufzubrechen, um die Zusammenarbeit und Effizienz zwischen diesen Teams zu verbessern. „Die ganze Idee ist, die Effizienz eines großen Teams, das zusammenarbeitet, zu optimieren“, sagt Ben.

Das bedeutet, dass Unternehmen ihr Testprogramm und die Komponenten, aus denen das Programm besteht, genau unter die Lupe nehmen sollten, wozu auch gehört, dass die richtigen Leute dahinter stehen. Es geht auch darum, kundenorientierter zu werden und Misserfolge in Kauf zu nehmen.

Ben bezeichnet dies als die „programmatische Seite“ des Programms, die als Rahmen oder Blaupause für die Entscheidungsfindung dient. Sie hilft bei der Beantwortung von Fragen wie „Wie organisiere ich meine Teamstruktur?“ oder „Wie sieht mein Besprechungsrhythmus mit dem Team aus?“

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Letztlich geht es darum, deinen aktuellen Prozess zu ändern und in Frage zu stellen und deine Kultur intern zu verändern. Das funktioniert indem du dein Team dazu bringst, dein Programm und die Art und Weise, wie du Daten zur Entscheidungsfindung nutzt, zu testen.

Was kannst du aus unserem Gespräch mit Ben Labay noch lernen?

• Wie man aus dem Trott des Testens herauskommt
• Wie man Experimentation Meetings strukturiert, um Hindernisse zu beseitigen
• Wie das Experimentieren mit der Spieltheorie zusammenhängt
• Wie wichtig es ist, einen handlungsfähigen Rahmen für die Entscheidungsfindung anzunehmen 

Über Ben Labay

Ben Labay kombiniert eine jahrelange akademische und statistische Ausbildung mit Kundenerfahrung und UX-Wissen. Derzeit ist Ben der CEO von Speero. Mit zwei Abschlüssen in Evolutionary Behavior und Conservation Research Science (Ressourcenmanagement) begann Ben seine akademische Laufbahn als wissenschaftlicher Mitarbeiter an der University of Texas. Dort konzentrierte er sich auf Forschung und Datenmodellierung. Dies bildete die Grundlage für seine derzeitige Leidenschaft und Arbeit bei Speero, die sich darauf konzentriert, Unternehmen bei der Entscheidungsfindung anhand von Kundendaten zu unterstützen.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um Erkenntnisse darüber zu sammeln, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit Carlos González de Villaumbrosia, mit dem wir über den Zweck, die Zugänglichkeit und die Umsetzung von Experimenten gesprochen haben.

Der Beitrag Wie man Disruption bei Experimenten ausnutzen kann | Ben Labay erschien zuerst auf abtasty.

Code Freezes mögen heutzutage wie ein veraltetes Konzept erscheinen, ein Überbleibsel aus der Zeit, als starre Wasserfallmodelle die einzige Option für die Produktentwicklung und Releases waren.

Das ganze Konzept, die Produktion zu stoppen und Releases zu verzögern, nur um Bugs und andere funktionale Probleme zu testen, hat keinen Platz mehr im modernen agilen Produktmanagement und in DevOps-Praktiken, bei denen der Code in jeder Phase des Entwicklungsprozesses getestet und überprüft wird.

Zumindest scheint dies der allgemeine Konsens in vielen technischen Teams zu sein.

Aber ist das wirklich so? Wenn man erstmal an der Oberfläche der häufigsten Argumente gegen die Integration von Code Freezes in das agile Produktmanagement kratzt, erscheinen sie dann immer noch veraltet?

In diesem Artikel gehen wir auf die drei Hauptargumente ein, die gegen die Integration von Code Freezes in dein agiles Produktmanagement sprechen, und wir zeigen auf, wo diese Argumente nicht zutreffen, um dir zu helfen, eine bessere Entscheidung zu treffen, ob du Code Freezes in die Arbeitsabläufe deines Unternehmens integrieren solltest oder nicht.

Was ist ein Code Freeze?

Beginnen wir zunächst damit, was ein Code Freeze eigentlich ist, um zu verstehen, ob es in der modernen Softwareentwicklung noch einen Platz hat.

Ein Code Freeze ist eine traditionelle Praxis unter Entwicklern, die Änderungen oder die Veröffentlichung neuen Codes zu stoppen, um die Stabilität der Website oder App während eines bestimmten Zeitraums zu gewährleisten. Ein Code Freeze wird in der Regel in Zeiten implementiert, in denen ein höherer Traffic als normal erwartet wird, insbesondere bei E-Commerce-Websites in der Peak Season.

Was bedeutet das? In traffic-starken Zeiten im E-Commerce unterlässt du vorübergehend sämtliche Änderungen an der Website. Jegliche Änderungen mit Auswirkung auf die User Experience während der Peak Season können letztlich zu einem Verlust an Conversions und Gewinn führen.

Mit anderen Worten: Ein Code Freeze wird durchgeführt, um sich vor möglichen Fehlern zu schützen, die durch die zusätzliche Belastung der Website entstehen.

Betrachten wir ein praktisches Beispiel: Die Entwickler beschließen, eine neue Code-Änderung während des „Black Friday“ einzuführen, an dem der Traffic besonders hoch ist, da die Kunden auf der Suche nach den besten Angeboten sind. Es stellt sich jedoch heraus, dass es einen Fehler gibt, mit dem sie nicht gerechnet hatten. Während die Entwickler versuchen, das Problem zu beheben, kommt es zu Ausfallzeiten auf der Website, was zu Umsatzeinbußen führen kann, da die Kunden ihre Einkäufe nicht abschließen können.

Um dieses Worst-Case-Szenario zu vermeiden, verhängen die Entwickler stattdessen eine Code-Freeze-Zeit, in der keine weiteren Code-Änderungen vorgenommen werden. Auf diese Weise wird sichergestellt, dass eine Website bis zum Ende der Zeit mit hohem Traffic-Aufkommen ohne Probleme funktioniert.

Was beinhaltet eine agile Methodik?

Im Folgenden werden wir die Idee hinter dem agilen Konzept erörtern, um besser beurteilen zu können, ob es mit Code Freezes vereinbar ist, bevor wir die häufigsten Argumente gegen diese Methode untersuchen.

Die agile Methodik zielt darauf ab, Projekte in regelmäßig wiederkehrende Zyklen, sogenannte Sprints, aufzuteilen, und wird weitgehend durch das Feedback der Kunden bestimmt. Dies hilft den Teams, den Verbrauchern schnell einen größeren Wert zu liefern.

Mit anderen Worten: Diese Methodik fördert die kontinuierliche Iteration und Verbesserung von Produkten und Tests während des gesamten Software Development Life Cycles.

Durch die Aufteilung der Entwicklung in Sprints wird die Zykluszeit verkürzt, was die Markteinführung beschleunigt und es den Teams ermöglicht, schneller auf Marktanforderungen zu reagieren.

Vor diesem Hintergrund kann ein Code Freeze die Fähigkeit von Teams, schnell einen Mehrwert zu liefern, potenziell einschränken, da sie eine Freeze-Phase festlegen.

Als Nächstes werden wir uns einige der gängigen Argumente gegen Code Freezes im Kontext einer agilen Methodik ansehen.

Argument 1: Code Freezes sind irrelevant und unnötig

Dieses Argument ist ziemlich simpel und konkret – aufgrund moderner Agile Methodiken und Tools sind spezielle QAs und Testzeitfenster nicht mehr notwendig.

Agile Methoden wie Peer Code Reviews, Pair Programming und die ständige Überwachung des Systemzustands geben dir einen viel besseren Einblick in die Leistung einer Anwendung oder eines Features, während diese entwickelt werden. Fehler und Probleme lassen sich leichter und mit größerer Wahrscheinlichkeit bereits während der Entwicklung erkennen und beheben, bevor spezielle Tests und QA-Aktivitäten durchgeführt werden.

Je ausgefeilter dein agiler Ansatz ist, desto mehr wirst du versuchen, dieses Zeitfenster zu verkleinern. Die derzeit raffiniertesten Agile-Ansätze sind Continuous Integration und Continuous Deployment (CI/CD).

Diese Prozesse zielen darauf ab, die Entwicklung in kleine, inkrementelle Änderungen aufzuteilen, um Änderungen am Code so schnell wie möglich „freizugeben“. Bei der reinsten Anwendung von CI/CD existieren Entwicklung und Release kaum noch als getrennte Phasen – neuer Code wird fast unmittelbar nach seiner Fertigstellung in die Anwendung integriert.

Neue Tools haben auch viele Tests automatisiert. Sie evaluieren permanent den Code, um sicherzustellen, dass er fehlerfrei und jederzeit produktionsfähig ist. Probleme werden in Echtzeit erkannt, und es werden sofort Warnmeldungen zu ihrer Behebung verschickt, so dass weniger manuelle Tests durchgeführt werden müssen.

Das Ergebnis dieser neuen agilen Methoden und Tools liegt klar auf der Hand. Die meisten der wichtigsten Test- und QA-Aktivitäten, die während eines Code Freeze durchgeführt werden, werden entweder während der Entwicklung oder von einer Software durchgeführt.

Bei Agile verlassen Software und Funktionen die Entwicklung jetzt mit einem deutlich höheren Maß an Vertrauen als zuvor, wodurch ein dedizierter Code Freeze immer schwerer zu rechtfertigen ist.

Argument 2: Code-Freezes brechen ein zentrales agiles Prinzip

Das zweite Argument ist ein wenig übergeordneter Natur. Es besagt, dass Code Freezes in der agilen Methodik nichts zu suchen haben, weil sie gegen eines der Grundprinzipien dieser Methodik verstoßen – die Verkürzung der Zeit zwischen Entwicklung und Release.

Im Gegensatz dazu musst du getrennte Entwicklungs- und Release-Phasen beibehalten, wenn du Code Freezes einsetzen willst. Schließlich befindet sich der Code Freeze genau zwischen diesen beiden Phasen.

Anstatt zu versuchen, das Zeitfenster zwischen Entwicklung und Release zu minimieren oder zu eliminieren, wie es bei den meisten agilen Methoden der Fall ist, zwingen Code Freezes dich dazu, dieses Zeitfenster so zu formalisieren, dass du deine Zeitpläne für Entwicklung und Release „drum herum“ erstellen musst.

Wenn Code Freezes nicht mit den Grundprinzipien der agilen Methodik übereinstimmen, dann ist es schwer zu argumentieren, sich methodisch weiter an sie zu halten.

Argument 3: Code Freezes führen zu langsameren Releases minderer Qualität

Dieses letzte Argument ist wichtig und sollte unter verschiedenen Blickwinkeln betrachtet werden.

Erstens wird behauptet, dass Code Freezes die Roadmap komplexer machen und die Wahrscheinlichkeit erhöhen, dass etwas schief geht und der Zeitplan durcheinander gerät.

Selbst wenn nichts schief geht, ist die Arbeit, die mit Code Freezes verbunden ist, zeitintensiv und unvorhersehbar (da man nicht weiß, welche Bugs man finden wird und wie lange es dauern wird, sie zu beheben), so dass die bloße Aufnahme von Code Freezes in die Roadmap zu langsameren Entwicklungs- und Release-Zyklen führt.

Einerseits werden die Entwickler während eines Code Freeze weiterhin Code entwickeln, ohne ihn jedoch zu integrieren oder zu testen, während sie darauf warten, dass der Freeze vorbei ist. Dies führt zu einer Anhäufung von Code und damit zu größeren Risiken und Instabilitäten, was die Dynamik deiner CI/CD-Prozesse erheblich verlangsamen könnte. 

Andererseits möchten die Entwickler vielleicht neue Code-Änderungen herausbringen, bevor der Code Freeze beginnt. Dies kann zu unvollständigem oder schlecht geschriebenem Code führen, der aus Zeitgründen nicht den üblichen gründlichen Tests unterzogen wird, da sie sich beeilen, ihre Projekte vor dem Code Freeze abzuschließen. Das Ergebnis ist eine minderwertige, weniger umfangreiche Software und Anwendung.

Außerdem können Code Freezes die Produktivität deines Entwicklungsteams reduzieren. Während agile Methodiken im Allgemeinen und CI/CD im Besonderen dafür sorgen, dass die Entwickler permanent in einer ungebrochenen Produktionskette arbeiten, zwingen Code Freezes deine Entwickler dazu, die Arbeit in vordefinierten Abständen zu unterbrechen.

Mit anderen Worten: Es könnte deine CI/CD-Pipeline unterbrechen.

Dadurch unterbrichst du den Arbeitsrhythmus deines Teams und zwingst es, deine Code-Freeze-Richtlinien zu umgehen, anstatt den Arbeitsfluss zu suchen und aufrechtzuerhalten, der die größte Produktivität verspricht.

Sich für Code Freezes einsetzen: Ein aussichtsloser Kampf?

An dieser Stelle sieht es für jeden düster aus, der Code Freezes immer noch in die agile Methodik integrieren möchte. Es gibt einige sehr überzeugende Argumente und ein insgesamt solides Argument dafür, dass Code Freezes seit der Entwicklung der modernen agilen Methodik zu etwas anderem geworden sind:

1. Obsolet und irrelevant
2. Nicht mit modernen Entwicklungspraktiken übereinstimmend
3. Ein Hindernis für schnelle, qualitativ hochwertige Releases

Diese Argumente sind zwar überzeugend und enthalten viele zutreffende Informationen, aber sie sind nicht unerschütterlich. Und jedes dieser Argumente weist grundlegende Mängel auf, die diskutiert werden müssen, ehe das Kapitel über Code Freezes als nützliche Komponente des agilen Produktmanagements geschlossen werden kann.

Das Problem mit Argument 1: Automatisierte Tests sind nicht umfassend

Automatisierte QA und agile Entwicklungspraktiken haben die Qualität des Quellcodes verbessert, das ist eine Tatsache. Doch nur weil ein Stück Code die Unit-Tests bestanden hat, heißt das noch lange nicht, dass es tatsächlich produktionsreif ist.

Selbst die ausgefeiltesten CI/CD-Ansätze umfassen nicht immer entscheidende Schritte wie Regressionstests, die sicherstellen, dass ein Code-Teil fehlerfrei ist. Letzten Endes gibt es einfach einige Dinge, die man nicht testen und beheben kann, während ein Code-Teil in Produktion ist.

Wenn du dich für die Verwendung von Code Freezes entscheidest, musst du nicht auf die Vorteile der automatisierten QA und der bewährten agilen Verfahren verzichten.

Du und dein Team werden während der Produktion einfach die kleineren, trivialeren Probleme des Codes erkennen, um die Lage zu sondieren und sich auf größere Probleme mit größeren Auswirkungen während des Freeze zu konzentrieren wie zum Beispiel die Gesamtstabilität und -zuverlässigkeit der neuen Software oder Funktion.

Das Problem mit Argument 2: „Reduzieren“, nicht „eliminieren“

Agile ist zwar darauf ausgelegt, die Zeit zwischen Entwicklung und Release zu verkürzen, aber es besteht ein großer Unterschied zwischen dem Versuch, dieses Zeitfenster zu verkürzen, und dem Versuch, es vollständig zu eliminieren. Dies wäre vor allem bei größeren Projekten nahezu unmöglich.

Der Code Freeze kann bei CI/CD sehr kurz sein – oder nur für eine bestimmte Branche gelten, während die Entwicklung in anderen Branchen fortgeführt wird -, aber es existiert trotzdem.

Unabhängig davon, wie ausgefeilt Agile geworden ist, wird es fast immer einen Punkt in allen Roadmaps für Entwicklung und Releases geben, an dem ein neues Softwareteil oder ein neues Feature in einem festen Zustand evaluiert wird, bevor es an die User in der realen Welt geht.

Das Problem mit Argument 3: Geschwindigkeit und Qualität überdenken

Wenn du Code Freezes verwendest, wird die Entwicklung und dein Release-Zyklus um einen neuen Schritt erweitert, und jedes Mal, wenn du einem Prozess einen neuen Schritt hinzufügst, verlangsamst du diesen Prozess und schaffst eine neue potenzielle Schwachstelle. Code Freezes sind da keine Ausnahme.

Aber es ist wichtig, einen Schritt zurückzutreten und diese „Verlangsamung“ und den Produktivitätsverlust aus einem breiteren Blickwinkel zu betrachten.

Wenn deine Funktion Fehler aufweist, musst du diese beheben, unabhängig davon, ob du diese Fehler während eines Code Freeze entdeckt hast oder ob sie erst nach dem Release bekannt wurden. Aus der reinen Entwicklungsperspektive betrachtet, ist der Zeitaufwand für die Fehlerbehebung in beiden Szenarien in etwa gleich.

Wenn du jedoch mit Fehlern in einer Live-Umgebung zu tun hast, musst du dich für eine ganze Reihe anderer Probleme Zeit nehmen, darunter:

• Die Entscheidung, ob du die fehlerhafte Funktion zurücknimmst oder sie in Betrieb lassen sollst.
• Deine Entwickler von ihren neuen Projekten abziehen, nachdem sie mit der Arbeit begonnen haben.
• Die Wiedergutmachung gegenüber den Nutzern, die von den Fehlern betroffen waren.
• Die Beantwortung von Fragen und der Umgang mit internen Stakeholdern, die über die fehlerhafte Version nicht sehr glücklich sind.

Die Liste ließe sich weiter fortsetzen. Es gibt nichts Komplizierteres, Zeitaufwändigeres und Produktivitätsschädigenderes – für dich und dein Team – als die Veröffentlichung eines fehlerhaften Features oder Produkts. Code Freezes minimieren die Wahrscheinlichkeit, dass dies geschieht.

Und was das Argument angeht, dass Code Freezes zu qualitativ minderwertigen Funktionen und Produkten führen, weil sie die Menge der Geschäftsanforderungen reduzieren, die du sammeln kannst?

Deine geschäftlichen Anforderungen werden immer nur eine „beste Spekulation“ darüber sein, wie dein Produkt oder dein Feature funktionieren sollte. Die wertvollsten Ansprüche werden immer von Usern in der realen Welt gestellt, wenn dein Produkt oder dein Feature in echten Szenarien eingesetzt wird.

Wie Feature Flags Code Freezes ersetzen können

Wie wir bereits erwähnt haben, wird ein Code Freeze als Präventivmaßnahme gegen riskante und/oder fehlerhafte neue Code-Änderungen in sensiblen Phasen durchgeführt. 

Ein Code Freeze könnte jedoch das Risiko sogar erhöhen. Da die Entwickler weiterhin an neuen Änderungen arbeiten, die während des Code-Freeze-Zeitraums nicht freigegeben werden, bedeutet dies, dass sich in der nächsten Version eine Reihe von Commits ansammeln wird, was diese Version unglaublich riskant macht. 

Wenn irgendwelche Probleme auftauchen, wird es viel schwieriger sein, die Quelle des Problems zu lokalisieren, was bedeutet, dass mehr Zeit damit verschwendet wird, es zu finden und zu beheben.

An dieser Stelle kommen Feature Flags ins Spiel. Durch die Verwendung von Feature Flags sind die Entwickler nicht mehr auf Code Freezes während Zeiten mit hohem Traffic angewiesen, um das Risiko von Code-Änderungen zu verringern. 

Durch die Entkopplung von Bereitstellung und Release ermöglichen es Feature Flags den Entwicklern, eine neue Funktion oder eine Code-Änderung in die Produktion zu überführen und sie für die Benutzer unsichtbar zu machen, um sie dann nach und nach für bestimmte Benutzergruppen freizugeben – zum Beispiel intern in deinem Unternehmen.

Auf diese Weise können Teams kontinuierlich neuen Code bereitstellen und an neuen Funktionen arbeiten, ohne dass die Kunden davon etwas mitbekommen, da sie hinter diesen Flags versteckt sind und jederzeit ein- oder ausgeschaltet werden können. Teams können eine fehlerhafte Änderung auch jederzeit mit einem Kill Switch ausschalten oder zurücknehmen, so dass die Benutzer während der Korrektur keinen Zugriff mehr darauf haben.

Zusammenfassend lässt sich sagen, dass Feature Flags den Teams mehr Kontrolle über den Release-Prozess geben und dazu beitragen, das Risiko der Bereitstellung in der Produktion zu verringern, insbesondere in besonders sensiblen Zeiten mit hohem Traffic, ohne die Benutzererfahrung negativ zu beeinflussen. 

Ist es an der Zeit, den Code Freeze abzuschaffen?

Letztendlich spielen Code Freezes immer noch eine wichtige Rolle, um Ausfallzeiten oder unerwartete Fehler in besonders geschäftigen Zeiten zu vermeiden.

Da jede E-Commerce-Website anders ist, musst du entscheiden, ob ein Code Freeze die richtige Wahl für deine Website ist. Wenn du dich für einen Code Freeze entscheidest, solltest du gemeinsam mit deinem Entwicklungsteam im Voraus einen detaillierten Plan aufstellen. 

So kannst du feststellen, welcher Code „eingefroren“ werden muss, welcher optimiert werden muss und welche Projekte auf Eis gelegt werden sollten, um „unsaubere“ Releases zu vermeiden, bevor du mit dem Freeze beginnst.

Es gibt Fälle, in denen sie eine weniger kritische Rolle spielen. Bei sehr kleinen Projekten sind beispielsweise keine speziellen Code-Freeze-Zeiten erforderlich.

Bei neuen Features, die relativ geringe Auswirkungen haben, lohnt sich vermutlich kein Freeze. Dasselbe gilt für Release-Pläne, die schrittweise erfolgen, wenn du neue Features nur mit einer warmen Zielgruppe testen willst, die du darauf vorbereitet hast, ein fehlerhaftes, nicht perfektes Szenario zu erwarten; in diesem Fall sind Feature Flags ein effizienter Weg, diese Funktionen schrittweise einzuführen.

Aber in den meisten Fällen lohnt sich der Zeitaufwand – auch wenn er noch so klein ist – um sicherzustellen, dass deine neuen Funktionen so perfekt sind, wie du es dir vorstellst, bevor du sie in die Hände der Menschen gibst, die am wichtigsten sind: Deine User in der realen Welt.

An dieser Stelle werden Feature Flags zu deinen größten Verbündeten, da sie es dir ermöglichen, ein optimales Kundenerlebnis zu bieten, ohne deine Implementierungen unterbrechen zu müssen.

Denke jedoch daran, dass Feature Flags ein großartiges Hilfsmittel sind, welches das ganze Jahr über und nicht nur in Zeiten hohen Traffics eingesetzt werden sollte, um das Risiko zu minimieren und die Qualität zu maximieren.

Der Beitrag Code Freezes: Sind sie für agile Produktmanager noch relevant? erschien zuerst auf abtasty.

Bevor Marianne Stjernvall zu einer führenden Spezialistin für CRO und A/B-Tests wurde, studierte sie Computer- und Systemwissenschaften. Ein Unternehmen bot ihr über LinkedIn eine Stelle als CRO-Spezialistin an, was sich für sie als die perfekte Mischung aus logischer Programmierung, Daten, Business und Menschen herausstellte.

Seitdem gründete sie die Queen of CRO, wo Marianne als unabhängige CRO-Beraterin tätig ist. Hierdurch hilft sie vielen Unternehmen bei Experimenten, CRO, Personalisierung und der Implementierung einer datengesteuerten Kultur für Wachstum.

Zuvor war Marianne für Unternehmen wie iProspect, TUI und Coop Sverige tätig. Dort trieb sie die CRO-Roadmap voran und entwickelte eine Kultur des Experimentierens. Außerdem wurde sie 2020 als CRO-Practitioner of the Year ausgezeichnet.

Marylin Montoya, VP Marketing von AB Tasty, sprach mit Marianne über die Bedeutung der Kontextualisierung von A/B-Testdaten, um besser datenbasierte Entscheidungen treffen zu können. Marianne teilte auch ihre eigene Meinung zu dem viel diskutierten Thema „Build vs. Buy“ und gab einige wertvolle Ratschläge aus ihrer langjährigen Erfahrung mit CRO und Experimenten.

Hier sind einige der wichtigsten Erkenntnisse aus ihrem Gespräch.

Die Bedeutung der Kontextualisierung von Daten

Für Marianne ist CRO ein wichtiger Bestandteil der Produktentwicklung und -bereitstellung. Sie hebt die Bedeutung dieser Methodik hervor, wenn es darum geht, Daten zu sammeln und darauf basierend Entscheidungen zu treffen.

Marianne betont, wie wichtig es ist, Daten in einen Kontext zu stellen und daraus Erkenntnisse abzuleiten. Das bedeutet, dass Unternehmen in der Lage sein müssen, zu beantworten, warum sie bestimmte Informationen sammeln und was sie mit diesen Informationen oder Daten zu tun gedenken.

CRO ist der Schlüssel, um viele dieser Erkenntnisse aus den riesigen Datenmengen zu gewinnen, die Unternehmen zur Verfügung stehen, und um genau zu bestimmen, was optimiert werden muss.

„Was wirst du mit diesen Informationen tun? Man braucht einen Kontext, um Erkenntnisse zu gewinnen, und ich denke, darum geht es bei CRO“, sagt Marianne.

Genau das macht CRO so leistungsfähig. Es ermöglicht Unternehmen, auf der Grundlage der aus den Daten gewonnenen Erkenntnissen bessere Maßnahmen abzuleiten und zu ergreifen.

Richtig durchgeführt, kann Testing im Rahmen des CRO-Spektrums dazu beitragen, dass Unternehmen einen völlig anderen Weg einschlagen. Andere als bisher. Nämlich einen Weg geprägt von Innovation und Transformation.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Zentralisierung und Standardisierung deiner Experimentierprozesse

Wenn Unternehmen gerade erst mit der Erstellung ihres Experimentier- oder CRO-Programms beginnen, empfiehlt Marianne, Teile davon zu zentralisieren. Sie empfiehlt die Tests innerhalb eines Rahmens oder Prozesses durchzuführen. Dadurch wird vermieden dass einzelne Teams ihre eigenen Tests durchführen und sich diese gegenseitig überschneiden.

Andernfalls könnten verschiedene Teams, z. B. Marketing-, Produktentwicklungs- und CRO-Teams, Tests ohne festen Prozess durchführen, was zu Chaos führen könnte.

„Du wirst Entscheidungen über A/B-Tests auf der Grundlage von drei verschiedenen Datensätzen treffen, da du verschiedene Arten von Daten überprüfen wirst. Sich dies zu eigen zu machen, um diesen Rahmen und diesen Prozess zu entwickeln, ist die Art und Weise wie Organisationen mit dieser Art von Tests arbeiten sollten“, sagt Marianne.

Mit etablierten Rahmenwerken und Prozessen können Unternehmen Regeln für die Durchführung von Tests aufstellen, um einen besseren Nutzen aus diesen zu ziehen und die Verantwortung für das gesamte Unternehmen zu übernehmen. Der Trick besteht darin, mit einem Team klein anzufangen und diese Prozesse im Laufe der Zeit auf das nächste Team zu übertragen und so weiter.

Laut Marianne ist genau das besonders wichtig. Viele Unternehmen können aufgrund fehlender fester Prozesse bezüglich des Umgangs mit Daten aus A/B-Tests, ihre Testgeschwindigkeit nicht erhöhen. Dazu gehört, wie man die Tests berechnet, wie die Gewinner- oder Verlierervariante bestimmt und welche Art von Zielen oder KPIs aufgestellt werden.

Mit anderen Worten, das Experimentieren muss als Ausgangspunkt demokratisiert werden, damit sich eine Organisation auf natürliche Weise um CRO herum entwickeln kann.

Den Menschen in den Mittelpunkt deines CRO-Programms stellen

In Bezug auf die Debatte „Build vs. Buy“ argumentiert Marianne, dass ein A/B-Testing-Tool nicht automatisch alles lösen wird.

„Ein großartiges A/B-Testing-Tool kann dir die Gewissheit geben, dass damit alle Voraussetzungen erfüllt sind. Jetzt kannst du es tatsächlich umsetzen, aber der Rest sind Menschen und die Organisation. Das ist die große Arbeit.“

Tatsächlich neigen Unternehmen dazu, die Schuld auf die technische Seite zu schieben, wenn ihre A/B-Tests nicht wie geplant verlaufen. Für Marianne hat das nichts mit dem Tool zu tun. Das Problem liegt in erster Linie bei den Menschen und den Prozessen.

Was die Debatte zwischen eigener Entwicklung und Kauf anbelangt, so sollten sich Unternehmen vor der Entscheidung für die Entwicklung eines eigenen Tools zunächst fragen, warum sie ihr eigenes Tool bauen wollen, abgesehen von der Tatsache, dass es kostengünstiger ist. Der Grund dafür ist, dass diese Tools Zeit brauchen, um eingerichtet zu werden und zu laufen. Es ist vielleicht gar nicht so kosteneffizient, wie viele glauben, wenn sich Unternehmen für die Entwicklung eines eigenen Tools entscheiden.

Marianne meint, Unternehmen sollten ihre Energie und Zeit stattdessen auf die Prozessentwicklung und Schulung von Teams in diesen Prozessen konzentrieren. Mit anderen Worten: Es geht in erster Linie um die Menschen; dort liegen die wahren Investitionen.

Dennoch sollten Unternehmen, bevor sie sich darauf einlassen, ein eigenes Tool zu entwickeln, eine interne Bewertung vornehmen. Es ist wichtig zu verstehen, wie die jeweiligen Teams die gewonnenen Daten generell und für ihre Feature Releases nutzen.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Wenn du gerade erst mit deiner CRO-Reise beginnst, geht es vor allem darum, dein Team zu organisieren und es in die Prozesse, die du aufbaust, mit einzubinden. Die Idee ist, das Engagement aller Teams zu fördern, damit die Entwicklung in der Organisation als Ganzes stattfindet. (Eine Meinung, die von Ben Labay, einem Gast des 1,000 Experiments Club Podcasts, geteilt wurde).

Was kannst du aus unserem Gespräch mit Marianne Stjernvall noch lernen?

• Was es bei der Auswahl des richtigen A/B-Test-Tools zu beachten gilt
• Ihre eigenen Erkenntnisse aus durchgeführten Experimenten
• Wie man HIPPOs bei A/B-Tests stärker einbindet
• Wie „gescheiterte“ Tests und Experimente eine Lernerfahrung sein können

Über Marianne Stjernvall

Marianne Stjernvall arbeitet seit einem Jahrzehnt mit CRO und Experimenten und hat mehr als 500 A/B-Tests durchgeführt. Sie hat mehr als 30 Unternehmen dabei geholfen, ihre CRO-Programme auszubauen.

Heute hat Marianne ihre Leidenschaft für die Schaffung experimenteller Organisationen mit datengesteuerten Kulturen in eine CRO-Beraterin in ihrem eigenen Unternehmen, der Queen of CRO, verwandelt. Sie unterrichtet auch regelmäßig an Schulen, um ihr CRO-Wissen weiterzugeben. Dadurch kann sie das gesamte Spektrum dessen zeigen, was für die Durchführung von CRO, A/B-Tests und Experimenten erforderlich ist.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um Erkenntnisse darüber zu sammeln, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit Ben Labay, mit dem wir über einen strategischen und disruptiven Ansatz für Experimente gesprochen haben.

Der Beitrag Lass Daten ans Steuer | Marianne Stjernvall erschien zuerst auf abtasty.

Jede Marketingstrategie ist verbesserungsfähig, und das Erkennen versteckter Möglichkeiten ist die Voraussetzung dafür, mehr zu erreichen.

Mit Analysedaten und ein wenig Kreativität kannst du wertvolle Erkenntnisse darüber gewinnen, wie du deine Conversion Rate auf deiner Website oder den Landing Pages deiner Kampagne optimieren kannst. Um jedoch strukturierte und optimierte Daten aus deinen Annahmen zu erhalten, musst du sorgfältig testen.

Marketingfachleute haben immer wieder verschiedene Testmethoden wie A/B-Tests, Split-Tests, multivariates Testing (MVT) und Multipage-Tests eingesetzt, um die Conversion Rate zu erhöhen und die digitale Performance zu verbessern.

Experimente und Tests sind unerlässlich, da sie Meinungen und Voreingenommenheit aus dem Entscheidungsprozess ausschließen und datengestützte Entscheidungen gewährleisten.

Angesichts der vielen verschiedenen Testmöglichkeiten kann es schwierig sein, den richtigen Ausgangspunkt zu finden. In diesem Artikel gehen wir auf die Besonderheiten der verschiedenen Testformen ein, um dir die Navigation in dieser Testing-Landschaft zu erleichtern.

Was ist A/B-Testing?

A/B-Testing ist eine Methode der Website-Optimierung, bei der zwei Versionen derselben Seite miteinander verglichen werden: Variante A und Variante B. Für den Vergleich werden üblicherweise die Conversion Rate und die für dein Unternehmen wichtigen Metriken (Klicks, Seitenaufrufe, Käufe usw.) unter Verwendung von Live Traffic betrachtet.

Es ist auch möglich, einen A/B/C/D-Test durchzuführen, wenn du mehr als zwei Inhaltsvarianten testen musst. Mit der A/B/C/D-Methode kannst du drei oder mehr Varianten einer Seite auf einmal testen, anstatt nur eine Variante gegen die Kontrollversion der Seite zu testen.

Wann sind A/B-Tests sinnvoll?

A/B-Tests sind eine hervorragende Methode, um radikal unterschiedliche Ideen zur Optimierung der Conversion Rate oder kleine Änderungen auf einer Seite zu testen.

A/B-Testing ist die richtige Methode für dich, wenn du keine großen Besucherzahlen auf deiner Website hast. Warum ist das so? A/B-Tests können sehr schnell verlässliche Daten liefern, ohne dass eine große Anzahl von Besuchern erforderlich ist. Dies ist ein großartiger Ansatz zum Experimentieren, um die Testzeit zu maximieren und schnelle Ergebnisse zu erzielen.

Wenn du eine stark frequentierte Website hast, kannst du die Performance einer viel breiteren Palette von Varianten bewerten. Es ist jedoch nicht notwendig, 20 verschiedene Varianten desselben Elements zu testen, selbst wenn du genügend Besucher hast. Es ist wichtig, mit einer Strategie an das Experimentieren heranzugehen.

Möchtest du mit dem Testen beginnen? AB Tasty ist die best-in-class Plattform zur Optimierung von Erlebnissen, mit der du schnell eine reichhaltigere digitale Experience schaffen kannst. Von Experimentation bis hin zur Personalisierung kann dir diese Lösung helfen, deine Zielgruppe zu aktivieren und zu binden, um deine Conversions zu steigern.

Split Testing vs. A/B-Testing

A/B-Tests und Split-Tests entsprechen im Wesentlichen demselben Konzept.

„A/B“ bezieht sich auf zwei Varianten derselben URL, wobei die Änderungen „live“ mithilfe von JavaScript auf der Originalseite vorgenommen werden. SaaS-Tools, die dir einen visuellen Editor zur Verfügung stellen, wie AB Tasty, ermöglichen es dir, diese Änderungen schnell und ohne technische Kenntnisse zu erstellen.

Der Begriff „Split“ bezieht sich auf die Umleitung des Traffics auf die eine oder andere Variante, die jeweils unter einer eigenen URL gehostet und im Code völlig neu gestaltet wird.

A/B-Tests funktionieren auf die gleiche Weise wie Split-Tests.

Die Variantenseite kann sich in vielen Aspekten unterscheiden, je nach der von dir aufgestellten Testhypothese und deinen Branchenzielen (Layout, Design, Bilder, Überschriften, Unterüberschriften, Call-to-Actions, Angebote, Button-Farben usw.).

In jedem Fall wird die Anzahl der Conversions auf jeder Seitenvariante verglichen, sobald jede Variante genügend Besucher erhält.

Bei A/B-Tests wird die Auswirkung des Designs als Ganzes verfolgt, nicht einzelne Elemente – auch wenn viele Designelemente bei den Varianten gleichzeitig geändert werden können.

TIPP: Denk daran, dass es beim Testen vor allem darum geht, die Leistung der Varianten zu vergleichen. Es wird empfohlen, nicht zu viele Änderungen zwischen der Kontroll- und der Variationsversion der Seite gleichzeitig vorzunehmen. Du solltest die Anzahl der Änderungen begrenzen, um die Auswirkungen der Ergebnisse besser zu verstehen. Langfristig wird ein kontinuierlicher Verbesserungsprozess zu einer besseren und dauerhaften Leistung führen.

Was ist Multivariate Testing (MVT)?

Multivariate Testing (MVT) oder Multivariantentests sind in ihrem Kernmechanismus und ihrer Philosophie mit A/B-Tests identisch. Der Unterschied besteht darin, dass du mit multivariaten Tests eine größere Anzahl von Variablen und die Wechselwirkungen zwischen ihnen vergleichen kannst. Mit anderen Worten: Du kannst Änderungen an mehreren Abschnitten auf einer einzigen Seite testen und verfolgen.

Für multivariate Tests musst du einige wichtige Seitenabschnitte identifizieren und dann Varianten speziell für diese Abschnitte erstellen. Du erstellst keine Variationen für eine ganze Seite, wie du es bei A/B-Tests tust.

TIPP: Verwende Multivariate Testing (MVT), wenn mehrere Elementkombinationen auf deiner Website oder Landing Page in Frage gestellt werden sollen.

Multivariate Testing (MVT) liefert mehr Informationen darüber, wie diese Änderungen an mehreren Abschnitten miteinander interagieren. Bei multivariaten Tests wird der Website-Traffic auf jede mögliche Kombination einer Seite aufgeteilt, wobei die Wirksamkeit der Änderungen gemessen wird.

Es ist sehr üblich, multivariate Tests zu verwenden, um eine bestehende Website oder Landing Page zu optimieren, ohne eine bedeutende Investition in ein Redesign zu tätigen.

Obwohl diese Art des Testens als eine einfachere Art des Experimentierens wahrgenommen werden kann, sollte man nicht vergessen, dass multivariate Tests komplizierter sind als traditionelle A/B-Tests.

Multivariate Tests sind am besten für fortgeschrittene Tester geeignet, da sie den Besuchern deiner Website viel mehr Kombinationsmöglichkeiten bieten. Zu viele Änderungen auf einer Seite auf einmal können sich schnell summieren. Du möchtest nicht mit einer sehr großen Anzahl von Kombinationen konfrontiert werden, die getestet werden muss.

Beispiel für einen multivariaten Test

Angenommen, du hast beschlossen, einen multivariaten Test auf einer deiner Landing Pages durchzuführen. Du entscheidest dich, zwei Elemente auf deiner Landing Page zu ändern. Bei der ersten Variante tauschst du ein Bild gegen ein Video aus, und bei der zweiten Variante tauschst du das Bild gegen einen Slider aus.

Für jede Seitenvariante fügst du eine weitere Version der Überschrift hinzu. Dies bedeutet, dass du nun drei Versionen des Hauptinhalts und zwei Versionen der Überschrift hast. Dies entspricht sechs verschiedenen Kombinationen der Landing Page.

Wenn du nur zwei Abschnitte änderst, hast du schnell sechs Varianten. An dieser Stelle kann das Multivariate Testing (MVT) knifflig werden.

Wann ist Multivariate Testing (MVT) sinnvoll?

Multivariate Tests werden für Websites mit einem hohen täglichen Besucheraufkommen empfohlen. Du benötigst eine Website mit einem hohen Traffic-Volumen, um mehrere Kombinationen zu testen, und es dauert länger, bis du aussagekräftige Daten aus dem Test erhältst.

Die multivariate Testmethode ermöglicht es dir, ein bestehendes Design schrittweise zu verbessern, während die Testergebnisse für die Neugestaltung einer größeren Website oder Landing Page verwendet werden können.

Was ist Multipage Testing?

Multipage Testing ist eine Testmethode, die dem Standard-A/B-Testing ähnelt. Wie wir bereits besprochen haben, können bei A/B-Tests Änderungen an einer bestimmten Seite oder an einer Gruppe von Seiten vorgenommen werden.

Wenn das geänderte Element auf mehreren Seiten erscheint, kannst du wählen, ob es auf jeder Seite geändert werden soll oder nicht. Wenn das Element jedoch auf mehreren Seiten vorkommt, aber nicht identisch ist, an einer anderen Stelle erscheint oder einen anderen Namen hat, musst du einen Multipage-Test einrichten.

Mehrseitige Tests ermöglichen es dir, Änderungen konsistent über mehrere Seiten hinweg zu implementieren.

Das bedeutet, dass Multipage-Tests es ermöglichen, Varianten verschiedener Seiten miteinander zu verknüpfen, was besonders bei Funnel-Tests nützlich ist.

Bei Multipage-Tests werden die Website-Besucher in die eine oder andere Funnel-Version geleitet. Du musst verfolgen, wie die Besucher mit den verschiedenen Seiten interagieren, die ihnen angezeigt werden, damit du feststellen kannst, welche Funnel-Variante am effektivsten ist.

Du musst sicherstellen, dass die Benutzer eine konsistente Variation von Änderungen auf einer Reihe von Seiten sehen. Dies ist der Schlüssel zur Gewinnung verwertbarer Daten und ermöglicht einen fairen Vergleich zwischen den verschiedenen Varianten.

Beispiel für einen Multipage-Test

Angenommen, du möchtest einen mehrseitigen Test mit einem Gutschein für kostenlosen Versand durchführen, der an verschiedenen Stellen im Funnel angezeigt wird. Du möchtest die Ergebnisse dieses Tests mit dem ursprünglichen Purchase Funnel ohne Coupon vergleichen.

Zum Beispiel könntest du Besuchern auf einer Produktkategorieseite einen Gutschein für den kostenlosen Versand anbieten – wo sie „Kostenloser Versand über 50 €“ als statisches Banner auf der Seite sehen können. Sobald der Besucher ein Produkt in den Einkaufswagen legt, kannst du ihm eine neue dynamische Nachricht je nach dem Stand des Warenkorbs anzeigen – „Füge deinem Warenkorb X € für kostenlosen Versand hinzu“.

In diesem Fall kannst du mit der Position der Nachricht (in der Nähe des Buttons „Zur Kasse gehen“, in der Nähe des Buttons „Einkauf fortsetzen“, in der Nähe der Versandkosten für seine Bestellung oder an anderer Stelle) und mit den Call-to-Action-Varianten der Nachricht experimentieren.

Diese Art von Test hilft dir, das Kaufverhalten der Besucher besser zu verstehen – z. B. wie reduziert die Platzierung eines Gutscheins für kostenlosen Versand den Abbruch des Warenkorbs und erhöht den Umsatz? Nachdem genügend Besucher durch die verschiedenen Designs zum Ende des Purchase Funnels gelangt sind, kannst du die Wirkung der Designstile einfach und effektiv vergleichen.

Wie testet man erfolgreich?

Denk daran, dass die getesteten Seiten einen hohen Traffic aufweisen müssen, damit die Tests relevante Daten zur Analyse liefern.

Unabhängig davon, ob du A/B-Tests, Split-Tests, multivariate Tests oder Multipage-Tests verwendest, um deine Conversion Rate oder Performance zu steigern, solltest du diese mit Bedacht einsetzen.

Jede Art von Test hat ihre eigenen Anforderungen und ist für bestimmte Situationen besonders geeignet, mit Vor- und Nachteilen.

Die Verwendung des richtigen Tests für die richtige Situation hilft dir, das Beste aus deiner Website herauszuholen und den besten Return on Investment für deine Testkampagne zu erzielen. Auch wenn das Testen einer wissenschaftlichen Methode folgt, ist für die Arbeit mit AB Tasty kein Abschluss in Statistik erforderlich.

Verwandtes Thema: Bayes vs. Frequentist: Wie AB Tasty sich für ein statistisches Modell entschieden hat

Der Beitrag A/B-, Split Testing oder MVT: So wählst du die richtige Testmethode aus erschien zuerst auf abtasty.

Talia Wolf, Gründerin und CEO von Getuplift, verfolgt einen kundenorientierten Marketingansatz. Sie nutzt die Kraft emotionaler Marketingtechniken, um die Besucherzahlen zu steigern.

Ihr Interesse an Conversion-Rate-Optimierung (CRO) und Experimenten wurde durch ihre frühe Arbeit in einer Social-Media-Agentur geweckt. Später entwickelte sie sich zu einer Expertin auf diesem Gebiet, beriet viele Unternehmen zu diesem Thema und hielt Vorträge auf der Bühne bei Google, MozCon und Search Love.

Gastmoderator John Hughes, Head of Growth Marketing UK bei AB Tasty, sprach mit Talia über Emotional Marketing als Optimierungstool und wie Customer Research den Experimentierprozess erleichtern, die Fehlerquote senken und die Zustimmung der beteiligten Unternehmensakteure gewinnen kann.

Hier sind einige der wichtigsten Erkenntnisse aus ihrem Gespräch.

Was ist Emotional Marketing?

Die emotionale Targeting-Methode basiert auf der Idee, dass jede einzelne Entscheidung, die wir im Leben treffen, von Emotionen gesteuert wird. So wird der Schwerpunkt deiner Online-Marketing-Inhalte von deinen Lösungen, Funktionen oder Preisen auf deine Kunden verlagert. Anstatt ein Ratespiel zu spielen und einfach Elemente auf einer Seite umzustellen, erfordert diese Technik ein tieferes Verständnis des menschlichen Verhaltens. Indem du die Absichten und Kaufmotive deiner Kunden ermittelst, kannst du ein optimiertes Erlebnis schaffen, das ihren Bedürfnissen entspricht und die Conversion Rate erhöht.

Die grundlegende Rolle von Emotionen bei unseren täglichen Entscheidungen kann, gestützt durch akademische Forschung, in deine Strategie integriert werden. Dadurch kannst du deine Kunden besser bedienen, indem du a) ihre größten Herausforderungen identifizierst und b) ermittelst, wie sie sich fühlen wollen, nachdem sie eine Lösung gefunden haben. Was ist ihr gewünschtes Ergebnis?

Vor diesem Hintergrund kannst du deine digitale Kommunikation mit hochgradig konvertierenden Texten und visuellen Elementen optimieren, die direkt auf die Bedürfnisse deiner Kunden eingehen. Indem du das Gespräch vom Produkt auf den Kunden verlagerst, eröffnen sich unglaubliche Möglichkeiten zur Skalierung und Vervielfachung der Conversions.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Wie erstellt und misst man ein emotionsbasiertes Experiment?

Erstens sollte Experimentation durch Forschung gestützt werden. Von Kunden- und Besucherbefragungen bis hin zum Review Mining, Social Listening und der emotionalen Konkurrenzanalyse – Talia ermutigt zu umfassender Forschung, um die geeignetste Hypothese zu erstellen, auf der ein A/B-Test basieren kann.

Sobald du mehr über deine Kunden weißt, kannst du beispielsweise die Texte und Bilder auf deiner Produktseite überprüfen. Vielleicht stellst du anhand deiner Recherchen fest, dass deine Inhalte für deine Zielkunden nicht relevant sind. Du kannst dann eine Hypothese aufstellen, die auf den tatsächlichen Bedürfnissen und Interessen der Kunden basiert und durch überzeugenden Social Proof untermauert wird. Auf dieser Grundlage der neuen Informationen kannst du ein Briefing für deine Designer oder Texter verfassen.

Von dort aus kannst du dein Experiment in deine A/B-Testing-Plattform mit einer ausgewählten North Star Metric einbauen, sei es Checkouts, Anmeldungen oder Add-to-Carts, um deine Hypothese zu testen. Und obwohl wir wissen, dass neun von zehn A/B-Tests fehlschlagen, erleichtert Emotional Marketing den Prozess der Hypothesenbildung. Es erhöht die Chance, ein erfolgreiches Experiment zu erstellen, indem Variablen getestet werden, die sich tatsächlich auf die Customer Journey auswirken können.

Wie du die Beteiligten davon überzeugen kannst, deine Experimente zu unterstützen.

Zu viele Köche verderben den Brei. Das gilt auch, wenn es um CRO geht, vor allem in kleineren Organisationen, deren Gründer eine konkrete Vorstellung von ihren Kunden und ihrer Botschaft haben.

Talia erklärt, dass ein forschungsbasierter Ansatz für Experimente als Teil einer langsamen, stetigen und beweisgestützter Strategie, Sicherheit bieten kann. Diese personalisierte Methodik beinhaltet Gespräche mit deinen Kunden und Website-Besuchern sowie die Suche im Internet nach Diskussionen über deine spezifische Branche, anstatt einfach dem Beispiel der Konkurrenz zu folgen.

Es ist viel einfacher, einem Gründer oder CEO einen Test vorzuschlagen, wenn deine Hypothese durch Daten und Forschung gestützt wird. Talia empfiehlt jedoch, dem Drang zu widerstehen, alles auf einmal ändern zu wollen und lieber klein anzufangen. Teste das emotionale Marketing in deinen Anzeigen oder versende eine E-Mail-Sequenz, für die du nur einen Texter benötigst, und teile die Ergebnisse.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Wenn du versuchst, Zustimmung zu erhalten, brauchst du eine starke Hypothese gepaart mit guter Forschung, um zu beweisen, dass sie sinnvoll ist. Wenn dies der Fall ist, kannst du die Kraft des emotionalen Marketings demonstrieren, indem du einige A/B-Tests durchführst: Einen, bei dem die Kontrollgröße der aktuelle lösungsorientierte Inhalt und die Variante eine kundenorientierte Alternative ist, und einen anderen, bei dem hervorgehoben wird, wie sich die Kunden jetzt fühlen und wie sie sich fühlen möchten. Zwei wichtige Varianten, die dir helfen, eine bessere Beziehung zu deinen Kunden aufzubauen. Der Schlüssel zum Erfolg liegt darin, in kleinen Schritten vorzugehen und deine Forschungsergebnisse kontinuierlich zu teilen und zu kommunizieren.

Was kannst du noch aus unserem Gespräch mit Talia Wolf lernen?

• Warum B2B-Käufe emotionaler sind als B2C. (15:50)
• Wie du in einem überfüllten Markt herausstichst, indem du deine Kunden kennst. (20:00)
• Wie sich emotionales Marketing auf die gesamte Customer Journey auswirkt. (25:50)
• Wie du eine Beziehung zu deinen Kunden aufbauen und die Conversion Rate verbessern kannst. (32:40)

Über Talia Wolf

Talia Wolf, Spezialistin für Conversion-Optimierung, ist Gründerin und CEO von Getuplift. Ein Unternehmen, das Optimierungsstrategien wie emotionales Targeting, überzeugendes Design und Verhaltensdaten einsetzt, um Unternehmen dabei zu helfen, mehr Umsatz, Leads, Engagement und Verkäufe zu erzielen.

Talia begann ihre Karriere in einer Social-Media-Agentur, wo sie das Konzept der Conversion-Optimierung kennenlernte. Anschließend wurde sie Marketing Director bei monday.com, bevor sie 2013 ihre erste Agentur für Conversion-Optimierung, Conversioner, gründete.

Heute unterrichtet Talia mit ihrer bewährten Strategie Unternehmen auf der ganzen Welt darin, ihre Online-Präsenz mit emotionalen Techniken zu optimieren.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um ihre Erkenntnisse darüber zu enthüllen, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit Rand Fishkin, mit dem wir über die Culture of Experimentation gesprochen haben.

Der Beitrag Emotional Marketing nutzen | Talia Wolf erschien zuerst auf abtasty.

Mit mehr als 15 Jahren digitaler Wirtschaftserfahrung hat David Mannheim vielen Unternehmen wie ASOS, Sports Direct und Boots geholfen, ihre Digital Experience und Conversion Strategy zu verbessern und zu personalisieren. Darüber hinaus ist er der Gründer eines der größten britischen unabhängigen Beratungsunternehmen für Conversion Optimization – User Conversion.

Basierend auf seiner Erfahrung als Berater für E-Commerce-Unternehmen, denen er bei der schnellen Innovation und Iteration von Personalisierung und Kreativität hilft, hat David kürzlich sein eigenes Buch veröffentlicht. Darin befasst er sich mit der „Person in Personalisierung“ und erklärt, warum er glaubt, dass Personalisierung ihren eigentlichen Zweck verloren hat und was dagegen unternommen werden kann. David arbeitet derzeit an einer Lösung, um diesem Problem entgegenzuwirken: „Made With Intent“ – eine Plattform, die Einzelhändlern hilft, nicht nur das Verhalten ihrer Zielgruppe zu verstehen oder die Seite, auf der sie sich befindet, sondern auch die Absichten und Denkweisen der Nutzer zu erfassen.

Marylin Montoya, VP Marketing bei AB Tasty, sprach mit David über den aktuellen Stand der Personalisierung und betonte die Bedeutung, zu den Grundlagen zurückzukehren und sich darauf zu konzentrieren, die Person in den Mittelpunkt der Personalisierung zu stellen. Er hob auch hervor, dass sich Marken, insbesondere im digitalen Bereich darauf konzentrieren sollten, eine Beziehung zu ihren Kunden aufzubauen, die auf Vertrauen und Loyalität basiert, statt sich auf sofortige Belohnung zu konzentrieren.

Hier sind einige der Key Takeaways des Gesprächs.

Personalisierung bedeutet, persönlich zu sein

David betont, wie wichtig es ist, die ersten drei Silben von Personalisierung nicht zu vergessen. Mit anderen Worten: Es ist wichtig, sich daran zu erinnern, dass es bei der Personalisierung darum geht, persönlich zu sein und den Menschen in den Mittelpunkt zu stellen – es geht um Customer Centricity.

Für David Mannheim ist die Personalisierung heutzutage zu kommerziell geworden und zu sehr auf sofortige Belohnungen ausgerichtet. Stattdessen sollte man sich auf Kennzahlen wie den Customer Lifetime Value und die Loyalität der Kunden konzentrieren. Personalisierung sollte einen strategischen Mehrwert darstellen und kein taktisches Add-on, das nur dazu dient, kurzfristige Umsätze und Wachstum zu erzielen.

„Wenn wir unsere Messgrößen so ändern, dass wir uns stärker auf langfristige Kennzahlen wie Kundenzufriedenheit, auf Qualität statt Quantität, den Customer Lifetime Value und die Kundenloyalität sowie auf die Anerkennung immaterieller und nicht nur materieller Werte, konzentrieren, bin ich überzeugt, dass Marken sich in einer deutlich besseren Position befinden.“

Er argumentiert weiter, dass es eine Art Frustrationspunkt gibt, wenn es um das Thema Personalisierung geht und darum, wer es tatsächlich gut macht. Diese Frustration wurde deutlich, als David für sein Buch 153 Experten befragte, von denen die meisten Schwierigkeiten hatten, die Frage zu beantworten, „wer Personalisierung gut macht“ und Marken außerhalb der typischen „Big Player“ wie Netflix und Amazon zu nennen.

David glaubt, dass diese Frustration von der Schwierigkeit herrührt, das Erlebnis aus dem stationären Handel in einer Beziehung zwischen Mensch und Bildschirm zu reproduzieren. Doch wenn Kunden einer Marke gegenüber loyal sind, sollte diese Loyalität auch von Seiten der Marke erwidert werden, um dem Kunden das Gefühl zu geben, dass er mehr als nur eine Nummer ist. Es geht darum, eine Art von Vertrautheit und Anerkennung mit dem Kunden zu erreichen und eine echte, authentische Beziehung zu ihm aufzubauen. Dies ist der Schlüssel zur Entfaltung der Customer Centricity.

Es geht darum, ein personalisiertes Erlebnis zu bieten, das sich darauf konzentriert, Mehrwert für jeden einzelnen Kunden zu schaffen. Es geht nicht darum, Wert abzuschöpfen, indem den Kunden ein rein kommerzielles Erlebnis geboten wird, welches auf die Förderung des Unternehmenswachstums ausgerichtet ist.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Diskrepanz zwischen Marken und Kunden bezüglich der Wahrnehmung von Personalisierung

Unter Berufung auf den Personalisierungsindex von Sailthru verweist David auf ein bestimmtes Ergebnis des Jahresberichts, wonach 71 % der Marken der Meinung sind, dass sie bei der Personalisierung hervorragend abschneiden, aber nur 34 % der Kunden dem tatsächlich zustimmen.

In diesem Sinne besteht eine Diskrepanz zwischen den Erwartungen der Kunden und den eigenen Erwartungen der Marken an einen kompetenten Customer Service.

Er verweist auf Produktempfehlungen als ein Beispiel, das Marken in erster Linie in ihre Personalisierungsstrategie mit einbeziehen. Er ist jedoch der Meinung, dass solche Empfehlungen nur den Awareness-Teil des AIDA-Modells (Awareness, Interest, Desire und Action) ansprechen.

„Die Erkundung von Produkten ist für mich nur ein Teil des Puzzles. Wenn man die Personalisierung auf das zurückführt, was sie sein soll, nämlich persönlich zu sein, wo bleibt dann die Vertrautheit? Wo ist die Anerkennung? Wo ist die Verbindung? Wo ist das Gespräch?“ argumentiert David Mannheim.

Was fehlt, ist eine zentrale, nicht greifbare Komponente, die dazu beiträgt, eine Beziehung zwischen zwei Individuen zu schaffen, in diesem Fall zwischen einem Menschen und einer Marke. Da es für Marken schwierig ist, diese Komponente zu bestimmen, entscheiden sie sich dafür, ihre Personalisierungsstrategie auf etwas Greifbareres und Sichtbareres zu stützen – Produktempfehlungen.

Für Marken ist das Thema Produktempfehlungen voll und ganz in die Kundenerwartungen eingebettet und umfasst somit die Idee der Personalisierung. Zumal dies der Ansatz ist, den die „größeren“ Marken bei der Personalisierung des Nutzererlebnisses gewählt haben.

„Es wird zu einer Erwartungshaltung. Ich gehe auf die Website von X, also erwarte ich das absolute Minimum, nämlich Dinge zu sehen, die für meine Suche relevant sind oder für die ich mich interessiere… Das ist es, was die Leute mit Personalisierung verbinden“, sagt David.

Produktempfehlungen sind ein wesentlicher erster Schritt der Personalisierung, aber David argumentiert, dass die Zukunft der Personalisierung von den Marken verlangt, noch weiter zu gehen.

Marken sollten sich auf den Aufbau von Vertrauen konzentrieren

Um dieses Gefühl der Vertrautheit aufzubauen und eine wirklich persönliche Beziehung zu den Kunden herzustellen, müssen Marken die Personalisierung über die bloße Awareness hinaus auf die nächste Stufe heben. Die Kunden sollten zum Beispiel darauf vertrauen können, dass eine Marke ihnen das empfiehlt, was sie tatsächlich brauchen, und nicht das, was den meisten Profit bringt.

David ist der Meinung, dass das Konzept des Vertrauens in einer Beziehung zwischen Mensch und Bildschirm fehlt, was die Marken daran hindert, die nächste Stufe zu erreichen.

Mit anderen Worten: Es geht darum, den gesamten Ansatz der Personalisierung zu transformieren, um mehr Sorgfalt bei den wenigen zu zeigen, statt zu versuchen, „die vielen zu erreichen“, um Vertrauen bei den Kunden aufzubauen. Marken sollten ihren Schwerpunkt auf die Kundenbetreuung verlagern, die nach Davids Ansicht eine Marke erst wirklich kundenorientiert macht.

„Ich denke, es ist eine Initiative, wenn man es so nennen kann, die sich auf die Sorgfalt konzentriert. Es macht die Marke kundenorientierter. Du stellst den Kunden, seine Erfahrungen und Erwartungen in den Mittelpunkt, um ihm ein besseres Erlebnis zu bieten.“

In diesem Sinne spielen laut David Mannheim zwei entscheidende Aspekte in das Konzept des Vertrauens hinein: Kompetenz und Sorgfalt.

Marken müssen in der Lage sein, kompetent zu sein, damit Kunden darauf vertrauen können, dass ihnen die für ihre Bedürfnisse am besten geeigneten Produkte empfohlen werden und nicht die mit der höchsten Gewinnspanne. Mit anderen Worten, du musst Produkte empfehlen, die für den Kunden am besten sind und nicht für das Unternehmen. Gleichzeitig müssen Marken ihre Fürsorge zeigen, indem sie den Kunden gegenüber persönlicher auftreten, um eine Verbindung zwischen Marke und Verbraucher herzustellen.

„Je fürsorglicher du bist, desto mehr Vertrauen kannst du zeigen“, sagt David.

„Denk an das Bankwesen. Banking demonstriert alle Kompetenz der Welt, aber keinerlei Sorgfalt. Und das zerstört das Vertrauen der Kunden. Stell dir den umgekehrten Fall vor. Stell dir vor, deine Großmutter schenkt dir zu Weihnachten einen Pullover. Ich bin sicher, dass du deiner Oma vertraust, aber du wirst ihr nicht vertrauen, dass sie dir zum Beispiel ein Weihnachtsgeschenk kauft.“

Für David ist der Kontext eine Voraussetzung für Vertrauen. Der beste Weg, den Kontext des Nutzers zu verstehen, ist die Absicht, die den Unterschied zwischen Überzeugung und Manipulation ausmacht. Aus diesem Grund hat er in den letzten 8 Monaten an der Entwicklung von Made With Intent gearbeitet und sich dabei auf genau dieses Konzept konzentriert.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Vor allem bei Produktempfehlungen ist es wichtig, sie in einen Kontext zu stellen und die Absicht des Kunden zu verstehen. Nur dann kann eine Marke bei ihrer Empfehlungsstrategie glänzen und eine Vertrauensbeziehung aufbauen, bei der die Kunden sicher sein können, dass ihnen nur für sie bestimmte Produkte empfohlen werden.

Was kannst du noch aus unserem Gespräch mit David Mannheim lernen?

• Seine Meinung zu KI und ihrer Rolle bei der Personalisierung
• Wie Marken ihre Sorgfalt demonstrieren können, um Vertrauen und Vertrautheit mit ihren Kunden aufzubauen
• Wie Marken ihren Personalisierungsansatz ändern können

Über David Mannheim

David ist seit über 15 Jahren in der digitalen Marketingbranche tätig. Nebenbei gründete er eines der größten unabhängigen Beratungsunternehmen für Conversion-Optimierung in Großbritannien und hat mit einigen der größten britischen Einzelhändler zusammengearbeitet, um deren digitale Experience und Conversion-Strategie zu verbessern und zu personalisieren.

Heute hat David sein eigenes Buch über Personalisierung veröffentlicht. Außerdem baut er eine neue Plattform auf, die Einzelhändlern hilft, die Absichten und Denkweisen ihrer Zielgruppe zu verstehen, nicht nur ihr Verhalten oder die Seite, auf der sie sich befinden.

Über den 1,000 Experiments Club

Der 1,000 Experiments Club ist ein von AB Tasty produzierter Podcast, der von Marylin Montoya, VP of Marketing bei AB Tasty, moderiert wird. Begleite Marylin und das Marketing-Team, wenn sie sich mit den erfahrensten Experten in der Welt des Experimentierens zusammensetzen, um ihre Erkenntnisse darüber zu enthüllen, was nötig ist, um erfolgreiche Experimente zu entwickeln und durchzuführen.

Kennst du diese Folge schon?

Wenn nicht, wirf doch gerne direkt einen Blick in unseren letzten Artikel zur Podcast-Episode mit Marianne Stjernvall, mit der wir über die Bedeutung der Zentralisierung eines CRO-Programms, um eine datengesteuerte Organisation zu schaffen, gesprochen haben.

Der Beitrag Personalisierungsansatz Remastered | David Mannheim erschien zuerst auf abtasty.

Die Markteinführung ist ein wichtiger Meilenstein für die Partnerschaft zwischen AB Tasty und Shopify, die eine nahtlose User Experience ermöglicht und die Experience Optimization mit einfach zu bedienenden Lösungen zugänglich macht.

Was das für Shopify-Händler bedeutet

Marken, die Shopify nutzen, können ihre Commerce Websites mit AB Tasty verbessern, um die Conversion Rate zu erhöhen und das Erlebnis zu optimieren. Die Einrichtung ist ein Kinderspiel: Such im Shopify App Store nach AB Tasty und installiere das Tag in nur drei Schritten.

Sobald eine Website mit AB Tasty ausgestattet ist, kannst du ganz einfach auf deine bevorzugten Features zugreifen, Tests durchführen und den Inhalt im gesamten Shopping Funnel von der Startseite bis zur Warenkorbseite personalisieren.

Bessere Erlebnisse auf deinen Shopify Websites zu schaffen, ist mit der gebrauchsfertigen Widget-Bibliothek von AB Tasty, die interaktive Features wie die Rubbelkarte enthält, ebenfalls einfach. Oder du kannst dein eigenes benutzerdefiniertes Widget erstellen.

Wenn es an der Zeit ist, die Performance deiner Kampagnen zu überprüfen, verfolge deinen Erfolg mit Analysen, die automatisch Shopify Transaktionen (Transaktionsrate, Gesamtzahl der Transaktionen, durchschnittlicher Warenkorb, Artikel pro Transaktion, durchschnittlicher Artikelpreis pro Transaktion usw.) und andere Transaktionsdaten (wie Währung, Gutscheine, Zahlungsmethode usw.) mit deinen AB Tasty Kampagnen verknüpfen. Ermittle schnell, welche Kampagnen für deine Zielgruppe funktionieren und wo du Anpassungen vornehmen kannst.

Wie funktioniert das?

Wenn du bereit bist, loszulegen, verbinde AB Tasty in drei Schritten mit deiner Shopify Website.

1. Installiere die AB Tasty App direkt aus dem Shopify App Store.
2. Aktiviere die Extension mit deiner AB Tasty Kennung.
3. Klicke auf Speichern.

Jetzt kannst du dich an die Arbeit machen und für bessere Erlebnisse für deine Besucher sorgen. Das war’s dann auch schon.

Über 100 Marken nutzen bereits AB Tasty & Shopify zur Optimierung ihrer Websites

Erfahre mehr darüber, wie die E-Commerce-Teams von Embark Veterinary die Experimentation-Lösung von AB Tasty nutzen, um Produkttexte zu testen und den Umsatz pro Session sowie die Conversion Rate zu steigern.

Abschließende Bemerkung

Wir bei AB Tasty sind deine Optimierungspartner, die den Wandel von innen heraus vorantreiben. Deshalb verbessern wir kontinuierlich die Erfahrungen unserer Kunden, von neuen Integrationen bis hin zu gestärkten Partnerschaften und darüber hinaus.

Um AB Tasty mit deiner Shopify Website zu verbinden, beginne hier.

Der Beitrag AB Tasty ist jetzt im Shopify App Store verfügbar erschien zuerst auf abtasty.