SEO-A/B-Testing: Der ultimative Guide für Online-Shops

Welche SEO-Maßnahmen erzielen nachweislich die besten Effekte? Wann lohnt es sich, Zeit und Geld in die OnPage-Optimierung zu investieren? Antworten auf diese und weitere Fragen liefern dir sogenannte SEO-A/B-Tests. Wie diese funktionieren und worauf du bei der Durchführung achten solltest, erfährst du in diesem Blogbeitrag.

SEO-A/B-Testing ist ein Verfahren zur Bewertung der Wirksamkeit verschiedener SEO-Strategien und SEO-Taktiken auf einer Website. Dabei werden mehrere Seiten in zwei Gruppen unterteilt, die dann miteinander verglichen werden. Auf diese Weise soll getestet werden, welche der beiden untersuchten Gruppen bessere Ergebnisse hinsichtlich bestimmter SEO-KPIs und Metriken, wie z. B. der Klickrate (CTR), der Verweildauer oder der Conversion-Rate, erzielt. Das Vorgehen entspricht also eher einem Split-Test als einem klassischen A/B-Test.

Ziel des SEO-A/B-Testings ist es, datenbasierte Entscheidungen zu treffen, die dazu beitragen, das Ranking einer Website in den Suchergebnissen zu verbessern und die CTR zu erhöhen.

Hinweis: Es handelt sich bei einem SEO-A/B-Test nicht um einen A/B-Test im klassischen Sinne, in dem zwei verschiedener Varianten einer Seite miteinander verglichen werden. Das ist im SEO nicht möglich, da Google immer nur eine Variante einer URL im Index aufnehmen würde.

Im Wesentlichen stehen dir zwei Möglichkeiten zur Verfügung, SEO-A/B-Tests durchzuführen. Die beiden Methoden stelle ich dir im Folgenden einmal näher vor.

Mit einem zeitbasierten Test kannst du einzelne Seiten oder Gruppen von Seiten miteinander vergleichen. So kannst du überprüfen, ob sich der organische Traffic im Testzeitraum (Zeitpunkt, nachdem du Änderungen durchgeführt hast) im Vergleich zum Kontrollzeitraum (Zeitraum vor den Änderungen) verändert hat. Auch wenn sich die statistische Signifikanz auf diese Weise nicht berechnen lässt, so kann ein solcher Test für kleine Websites dennoch in Betracht gezogen werden.

Für größere Websites empfiehlt er sich allerdings nicht, und das gleich aus mehreren Gründen:

• Der Vergleich von unterschiedlichen Seiten lässt keine präzisen Rückschlüsse auf die Wirksamkeit der Änderungen zu, da jede Seite individuelle Merkmale und Traffic-Muster aufweist.
• Einen Einfluss auf die Rankings haben auch externe Faktoren, wie etwa Google Everflux, Google Updates, saisonale Schwankungen und SEO-Taktiken der Konkurrenz.

Beispiel für einen zeitbasierten SEO Group Test

Enthalten Websites eine ausreichende Anzahl an Inhaltsseiten, so empfiehlt sich ein SEO-A/B-Split-Test. Dadurch soll ermittelt werden, ob noch weiteres Content-Potenzial ausgeschöpft werden kann. Der Test wird an einer bestimmten Menge an Seiten durchgeführt. Im Mittelpunkt steht dabei der Vergleich zwischen optimierten und unveränderten Seiten.

Ein wesentlicher Vorteil des SEO-A/B-Tests besteht darin, dass die Schlussfolgerungen aus den Daten schon innerhalb eines kurzen Zeitraums von zwei bis sechs Wochen gezogen werden können.

Websites, die alle erforderlichen Anforderungen erfüllen, können dann auf das von Google entwickelte Open-Source-Tool „Causal Impact“ zugreifen. Es nutzt statistische Methoden zur Analyse der Auswirkungen von Veränderungen oder Eingriffen in Zeitreihendaten.

Damit kannst du überprüfen, ob und wie stark sich eine bestimmte KPI durch die von dir veranlasste Optimierung verändert hat. Getestet wird dabei stets gegenüber einer unveränderten Kontrollgruppe.

Beispiel für einen SEO A/B Split-Test

Für dich als Shop-Betreiber ist das SEO-A/B-Testing deshalb relevant, weil es sich dabei um eine präzise und datengestützte Methode handelt, um die Effektivität von Änderungen an einer Website zu bewerten.

Hier sind einige Gründe, warum SEO-A/B-Testing eine entscheidende Rolle in der Suchmaschinenoptimierung spielt:

• Datenbasierte Entscheidungen: Anstatt auf Vermutungen oder allgemeine Best Practices zu vertrauen, liefert A/B-Testing konkrete Daten darüber, welche Änderungen tatsächlich zu einer Verbesserung der Suchmaschinen-Rankings oder des organischen Traffics führen.
• Messbare Ergebnisse: SEO-A/B-Tests ermöglichen es, den direkten Einfluss von Änderungen auf spezifische KPIs, wie z. B. die CTR, die Verweildauer oder die Conversion-Rate, zu messen, sodass der Erfolg einer Maßnahme klar nachvollziehbar ist.
• Risiko-Minimierung: Durch das Testen von Änderungen an einem Teil der Seiten können potenziell schädliche Auswirkungen frühzeitig erkannt und vermieden werden, bevor sie auf die gesamte Website angewendet werden. Zudem minimierst du das Risiko deine Ressourcen falsch einzusetzen.
• Priorisierung von SEO-Maßnahmen: Durch das Testen unterschiedlicher SEO-Strategien können Unternehmen erkennen, welche Maßnahmen die größten positiven Effekte erzielen und auf diese Weise ihre Ressourcen noch effizienter planen.
• Langfristige Wettbewerbsvorteile: Wer regelmäßig SEO-A/B-Tests durchführt, der kann seine Website kontinuierlich verbessern und sich so einen Vorsprung gegenüber der Konkurrenz sichern und diesen sogar noch weiter ausbauen.

Dieses Verfahren eignet sich vor allem für größere Websites. Welche speziellen Anforderungen diese dann erfüllen müssen, erfährst du in der folgenden Übersicht:

• Sie sollten mindestens 1.000 organische Klicks/Tag über die Test- und Kontrollgruppe generieren.
• Es sollten insgesamt mindestens 300 URLs für den Test bereitstehen.
• Dabei sollte es sich immer um das gleiche Template handeln.

Außerdem solltest du imstande sein, entsprechende Änderungen auf deiner Website vorzunehmen.

Kleine Websites erfüllen diese Anforderungen zumeist nicht. Dennoch können auch sie von dieser Methode profitieren.

Wichtiger Hinweis: Bitte beachte, dass die Ergebnisse bei kleinen Untersuchungsmengen häufig statistisch nicht signifikant sind. Führst du einen SEO-A/B-Test also mit einer geringen Anzahl von Klicks und URLs durch, so lässt sich daraus leider keine allgemeingültige Aussage ableiten.

Nun weißt du, was ein SEO-A/B-Test ist, welche Funktion er hat und für wen er am besten geeignet ist. Wie aber lässt er sich in der Praxis umsetzen? Dies verrate ich dir im Folgenden.

Seitenauswahl: Zunächst einmal legst du Seiten fest, die es zu optimieren gilt. Besonders wichtig dabei ist, dass diese den gleichen Seitentyp aufweisen und einem einzigen Template zugeordnet sind. Nur so lässt sich eine Vergleichbarkeit der untersuchten Objekte gewährleisten.

Anzahl der Klicks über den organischen Traffic: Dies ist eine wichtige Voraussetzung für den Test. Denn für eine statistische Signifikanz sind mindestens 100 Klicks/Tag pro Seitentyp erforderlich!

Hypothesenbildung: Nun stellst du eine Hypothese auf, wie sich eine Verbesserung einer von dir definierten Metrik, wie z. B. der Klickrate, des Rankings oder der Impressionen, erzielen lässt.

Zieldefinition: Anschließend legst du konkrete Zielvorgaben anhand deiner KPIs fest.

Testdurchführung: Achte bitte darauf, dass die von dir getesteten Seiten eine hohe Ähnlichkeit aufweisen. So bringt es beispielsweise nichts, Kategorieseiten mit Produktseiten zu vergleichen.

Testzeitraum: Brich den Test unter gar keinen Umständen früher ab! Halte unbedingt den von dir definierten Testzeitraum ein, bis sich eindeutig positive oder negative Signale erkennen lassen.

Fokus auf bestimmte Bereiche: Optimiere nicht alles auf einmal! Konzentriere dich lieber auf einige wenige Aspekte oder setze klare Prioritäten, was zuerst getestet werden soll und welche Bereiche zu einem späteren Zeitpunkt untersucht werden können.

Parallelität: Führe den Test für beide Gruppen unbedingt zeitgleich durch, um eine Ergebnisverzerrung durch äußere Faktoren wie Algorithmus-Änderungen zu vermeiden.

Tools: Für eine gründliche Analyse benötigst du die Daten aus der Google Search Console sowie aus Google Analytics.

Ergebnisanalyse, Erkenntnisgewinn und Ableiten von Handlungsempfehlungen: Diese Vorgehensweise ermöglicht es dir, datengestützte Entscheidungen zu treffen und mögliche Fehlinvestitionen zu vermeiden.

Wie genau das in der Praxis funktioniert, möchte ich dir anhand einiger Beispiele zeigen.
Doch zunächst einmal werfen wir einen Blick auf den grundsätzlichen Aufbau eines SEO-A/B-Tests.

Bevor wir einen SEO-A/B-Test durchführen, legen wir gleich mehrere Faktoren fest: den Untersuchungsgegenstand, eine relevante Metrik bzw. einen Key Performance Indicator und ein Template.

Neben dem Untersuchungsobjekt sind beim SEO-A/B-Testing auch die Metrik bzw. der entsprechende KPI sowie das Template von entscheidender Bedeutung.

Die Kernfrage lautet also immer: Was prüfen wir auf welche Metrik/KPI hin an welchem Template?

Die Durchführung von SEO-A/B-Tests gehört zu unserem Spezialgebiet. Dabei stehen verschiedene Untersuchungsobjekte im Mittelpunkt. Einige von ihnen stelle ich im folgenden Kapitel einmal näher vor.

Nehmen wir also an, dass wir prüfen wollen, ob sich eine Optimierung des Title-Tags, auch „Meta-Title“ genannt, wirklich lohnt. In diesem Fall würde unsere Hypothese lauten:

• Ein keywordoptimierter Title-Tag verbessert die Klickrate auf den Kategorieseiten eines Online-Shops um 20 Prozent.

Dies gilt es, in einem vordefinierten Testzeitraum zu prüfen. Weitere mögliche Hypothesen sind folgende:

• Durch die Platzierung des Produktnamens an den Anfang des Title-Tags verbessert sich dessen Position um 10 Prozent.
• Integriert man einen USP am Ende des Title-Tags einer Kategorieseite, so verbessert sich die Klickrate um 40 Prozent.
• Die Verwendung eines konkreten Call-to-Action im Title-Tag einer Produktdetailseite führt zu einer Verbesserung der Klickrate um 8 Prozent.

Auch Veränderungen an der Meta-Description können durchaus signifikante Effekte erzielen. Was die Optimierung bringt, prüfst du mithilfe eines SEO-A/B-Tests.

• Die dazugehörige Hypothese lautet dann beispielsweise wie folgt: Eine pointiert formulierte Meta-Description erhöht die CTR um 20 Prozent im Vergleich zur bisherigen Kurzbeschreibung.
• Oder aber: Die Verwendung von Emojis oder Sonderzeichen verbessert die Klickrate um 15 Prozent im Vergleich zu einer rein textbasierten Meta-Description.

Die Hauptüberschrift wiederum hat einen unmittelbaren Einfluss auf die absolute Anzahl an Klicks und auf die Ranking-Position. Eine dazu passende Hypothese könnte wie folgt lauten:

• Eine optimierte Hauptüberschrift (H1), die das Hauptkeyword enthält, führt zu einer Erhöhung der absoluten Anzahl an Klicks und verbessert die Rankingposition in den Suchergebnissen um 10 Prozent.

Du möchtest eine Content-Optimierung durchführen? Dann könnte die folgende Hypothese für dich infrage kommen:

• Eine ausführliche Produktbeschreibung verbessert das Ranking einer Produktdetailseite für den Produktnamen um 15 Prozent.

Ein weiterer Ansatz könnte sein, Bulletpoints im sichtbaren Bereich zu platzieren und anschließend zu prüfen, ob dieses Vorgehen die Klickrate erhöht.

Die dazugehörige Hypothese lautet dann:

• Bulletpoints im direkt sichtbaren Bereich einer Produktdetailseite mit den wichtigsten Produktmerkmalen (USPs) erhöhen die absolute Anzahl an Klicks der PDP.

Darüber hinaus könntest du testen, welchen Einfluss die Auszeichnung mit strukturierten Daten auf die absolute Klickzahl hat. Folgende Hypothese könnte dabei hilfreich sein:

• Die Implementierung von strukturierten Daten vom Typ „Product“ auf den Produktdetailseiten führt zu einer Erhöhung der absoluten Anzahl von Klicks.

Auch wenn SEO-A/B-Tests wertvolle Informationen zur Effektivität von SEO-Maßnahmen liefern, weisen sie einige Einschränkungen auf. Welche das genau sind, erfährst du in diesem Kapitel.

Externe Faktoren können die Testergebnisse signifikant beeinflussen. Dazu gehören saisonale Traffic-Schwankungen genauso wie Google Updates.

Ausreichende Datenmenge: Ein weiteres Problem besteht darin, dass nicht jeder Test ein statistisch signifikantes Ergebnis liefert. Besonders auf kleineren Websites ist es schwierig, die notwendige Datenmenge zu generieren, um am Ende valide Ergebnisse zu erzielen. Dafür müssen die Test- und Kontrollgruppen ausreichend groß sein. Eine statistische Signifikanz ist also nur dann wirklich gegeben, wenn beide Gruppen eine gewisse Anzahl an URLs aufweisen und somit genügend Daten in Form von Klicks und Impressionen liefern. Bei kleinen Gruppen hingegen besteht das erhöhte Risiko, dass Ausreißer die Ergebnisse stark verfälschen können.

Interaktionseffekte: Besondere Vorsicht ist geboten, wenn mehrere A/B-Tests gleichzeitig laufen. Denn so können schnell Interaktionseffekte auftreten, die wiederum die Testergebnisse negativ beeinflussen. Deshalb empfiehlt es sich, immer nur einen Test pro Template zur gleichen Zeit durchzuführen.

Ähnliche Parameter: Zudem sollten die Kontrollgruppe und die Testgruppe ähnliche Werte aufweisen. Vergleiche also nur Gruppen, die in der Vergangenheit eine vergleichbare Anzahl an Impressionen und Klicks hatten. Nur so lässt sich sicherstellen, dass die Unterschiede zwischen den Gruppen auf die getesteten Änderungen zurückzuführen sind und nicht auf vorherige Unterschiede in der Performance.

Automatisch erstellte Meta-Angaben: Ein weiterer limitierender Faktor ist die Tatsache, dass Google Title-Tags und Meta-Descriptions häufig selbstständig umschreibt. Das kann dazu führen, dass die getesteten Elemente von Google durch automatisch generierte Inhalte ersetzt werden, was die Ergebnisse des Tests massiv verfälschen kann.

Zeitlicher Versatz zwischen der Implementierung der Änderungen auf der Website und dem Crawling durch den Googlebot: Dieser Versatz sollte unbedingt berücksichtigt werden, um sicherzustellen, dass die Änderungen in der Testgruppe rechtzeitig erfasst werden. In diesem Fall ist es durchaus ratsam, die URLs in der Testgruppe aktiv „anzupingen“, d. h. eine Indexierung in der Google Search Console zu beantragen. So kann Google die Änderungen schneller erfassen und dem SEO-A/B-Testing steht nichts mehr im Wege.

Zusammenfassend lässt sich sagen, dass SEO-A/B-Testing ein wirksames Instrument ist, um die Effektivität von Optimierungsmaßnahmen an einer Website zu beurteilen und datenbasierte Entscheidungen hinsichtlich der Maßnahmenplanung zu treffen.

Auch wenn der Nutzen eines solchen Tests unbestritten ist, gilt es dennoch eine Reihe von Limitationen zu beachten, damit die Ergebnisse als statistisch signifikant betrachtet werden können. Dazu zählt der Einfluss von externen Faktoren ebenso wie mögliche Interaktionseffekte. Eine wichtige Voraussetzung für das Testing ist darüber hinaus auch noch eine ausreichende Datenmenge, die gewährleistet sein muss. Ist diese zu klein, kann dies nämlich die Aussagekraft der Ergebnisse beeinträchtigen.

Das SEO-A/B-Testing erfordert daher eine sorgfältige Vorbereitung und professionelle Durchführung. Nur so lassen sich repräsentative Ergebnisse erzielen, die Unternehmen strategische Wettbewerbsvorteile verschaffen.

Quellen:

• Was ist der Google Everflux? – SISTRIX
• Causal Impact