Wie funktioniert eine Conversion-Rate?
Kurzantwort
Conversion-Rate-Optimierung funktioniert als wiederholter Kreislauf: Du misst den Ausgangswert, findest Schwachstellen im Weg zur Conversion, formulierst eine Hypothese, setzt eine gezielte Änderung um und misst deren Wirkung. Bei ausreichender Datenmenge testest du Varianten gegeneinander. Bei wenigen Abschlüssen liefern Nutzertests meist verlässlichere Erkenntnisse.
Die Conversion-Rate zeigt, welcher Anteil deiner Besucher eine gewünschte Handlung abschließt. Conversion-Rate-Optimierung betrifft deshalb die gesamte Strecke vom Suchergebnis oder der Anzeige bis zur Anfrage, Registrierung oder Bestellung. Entscheidend sind ein korrektes Tracking, eine passende Suchintention und genügend Daten für belastbare Entscheidungen.
1. Optimierung folgt einem Kreislauf
Eine neue Buttonfarbe oder ein moderneres Layout ist noch keine Conversion-Rate-Optimierung. Optimierung beginnt mit einem messbaren Ausgangspunkt und endet mit der Entscheidung, ob eine Änderung beibehalten, angepasst oder verworfen wird. Danach beginnt der Kreislauf erneut.
| Schritt | Leitfrage | Konkretes Ergebnis |
|---|---|---|
| 1. Ausgangswert messen | Wie viele Besucher schließen aktuell ab? | Conversion-Rate je Seite, Gerät, Kanal oder Kampagne |
| 2. Schwachstelle finden | An welcher Stelle brechen Besucher ab? | Priorisierte Problemstelle im Funnel |
| 3. Hypothese formulieren | Warum entsteht der Abbruch? | Überprüfbare Annahme mit einer Zielkennzahl |
| 4. Änderung umsetzen | Welcher einzelne Faktor wird verändert? | Neue Variante oder gezielte Seitenanpassung |
| 5. Wirkung messen | Hat sich die Zielkennzahl belastbar verändert? | Behalten, überarbeiten oder verwerfen |
Die Formel für die Conversion-Rate lautet: Anzahl der Conversions geteilt durch Anzahl der Besucher, multipliziert mit 100. Erreichen 2.000 Besucher eine Landingpage und 40 davon senden eine Anfrage, beträgt die Conversion-Rate 2 Prozent. Als Conversion zählen Hauptziele wie Bestellungen und Anfragen. Klicks auf einen Call-to-Action oder ein gestarteter Checkout sind dagegen Mikro-Conversions auf dem Weg zum Hauptziel.
Eine Änderung pro Hypothese
Verändere in einem Test nur den Faktor, dessen Wirkung du prüfen möchtest. Werden gleichzeitig Überschrift, Formular, Preisargument und Button angepasst, kennst du anschließend zwar das Gesamtergebnis, aber nicht den wirksamen Hebel.
2. Schwachstellen im Funnel finden
Der größte Fehler passiert oft vor dem ersten Test: Das Team optimiert die auffälligste Seite, obwohl die meisten Abschlüsse an einer anderen Stelle verloren gehen. Ein Onlineshop kann überzeugende Produktseiten haben und trotzdem Umsatz im Checkout verlieren. Bei einem B2B-Anbieter kann der Engpass in einem Formular liegen, das bereits vor dem Erstgespräch Steuernummer, Branche und Umsatz abfragt. Solche Felder erzeugen Aufwand, bevor der Interessent einen ausreichenden Gegenwert erkennt.
Untersuche deshalb den vollständigen Weg bis zur Conversion. Relevante Kennzahlen sind beispielsweise die Klickrate vom Suchergebnis zur Einstiegsseite, Klicks auf den Call-to-Action, Warenkorbstarts, begonnene Checkouts und abgeschlossene Bestellungen. Für Leadseiten vergleichst du Formularaufrufe, Eingaben, Fehlermeldungen und erfolgreich gesendete Anfragen. Diese Funnel-Stufen zeigen genauer als eine allgemeine Absprungrate, wo Nutzer tatsächlich hängen bleiben.
2.1 Suchintention vor Seitendesign
Eine Landingpage kann übersichtlich sein und trotzdem schlecht konvertieren, wenn sie die falsche Erwartung bedient. Wer nach „Kosten einer Wärmepumpe“ sucht, braucht Preise, Einflussfaktoren und eine belastbare Einordnung. Eine Seite, die sofort einen Beratungstermin verlangt, überspringt einen wichtigen Schritt. Prüfe daher für jede Einstiegsseite, welches Problem die Suchanfrage erkennen lässt und welche Information vor einer Anfrage oder einem Kauf fehlt.
Besonders bei Google Ads zeigt sich dieser Bruch schnell: Die Anzeige verspricht eine konkrete Lösung, der Klick führt jedoch auf eine allgemeine Startseite. Die Kampagne bringt dann Besucher, aber die Seite setzt das Versprechen nicht fort. Keywords, Anzeigentext und Landingpage müssen dieselbe Absicht bedienen. Für die Umsetzung auf der Website helfen ein conversionorientiertes Webdesign und eine gezielte Usability-Optimierung.
2.2 Echte Nutzer gezielt beobachten
Dashboards zeigen, wo Menschen abbrechen. Sie erklären selten vollständig, warum. Lass deshalb einige Personen aus der Zielgruppe eine konkrete Aufgabe erledigen, etwa ein Produkt auswählen, Lieferkosten finden oder eine Anfrage absenden. Bitte sie, dabei laut auszusprechen, was sie suchen und was sie irritiert. Bereits wiederkehrende Probleme bei drei oder vier Nutzern sind ein starkes Signal für eine qualitative Überarbeitung, auch wenn daraus noch keine statistische Aussage entsteht.
In Seitenanalysen erleben wir regelmäßig denselben Moment: Intern gilt ein Begriff als selbstverständlich, während ein Nutzer an genau diesem Wort hängen bleibt. Das betrifft Produktbezeichnungen, Tarifnamen und Call-to-Action-Texte. Frage nicht, ob die Seite gefällt. Gib eine Aufgabe und beobachte, ob sie ohne Hilfe abgeschlossen wird. Verhalten liefert konkretere Hinweise als Geschmacksurteile.
3. Hypothesen überprüfbar formulieren
Eine brauchbare Hypothese verbindet Problem, Änderung und erwartete Kennzahl. „Wir gestalten die Produktseite moderner“ ist nicht überprüfbar. Präziser ist: „Wenn wir Lieferzeit und Versandkosten direkt neben dem Kaufbutton anzeigen, schließen mehr Besucher den begonnenen Checkout ab, weil die Gesamtkosten früher verständlich sind.“
Priorisiere Hypothesen nach Reichweite, wirtschaftlichem Wert und Umsetzungsaufwand. Eine Verbesserung auf einer häufig besuchten Kategorie verdient meist Vorrang vor einer Detailseite mit zehn Aufrufen im Monat. In Funnel-Analysen werden deshalb zuerst Seiten mit viel Traffic und schwacher Conversion-Rate sowie Formulare oder Checkouts mit hohen Abbruchraten geprüft.
Du möchtest zuerst prüfen, welche Daten für deine Kampagnen verfügbar sind?
4. Datenmenge vor jedem Test prüfen
Die häufigste methodische Schwäche bei A/B-Tests ist keine falsche Buttonfarbe, sondern eine zu kleine Stichprobe. Hat eine Seite 1.000 Besucher und 20 Abschlüsse pro Monat, liegt ihre Conversion-Rate bei 2 Prozent. Bei einer gleichmäßigen Aufteilung erhalten zwei Varianten jeweils etwa 500 Besucher und zehn Abschlüsse. Schon eine einzige zusätzliche Bestellung verschiebt das Ergebnis einer Variante auf 2,2 Prozent. Daraus lässt sich noch kein belastbarer Gewinner ableiten.
Wenige Conversions erzeugen starkes Rauschen. Wenn Unterschiede zwischen zwei Varianten durch ein oder zwei Abschlüsse entstehen, können Wochentag, Nachfrage, Kampagnenmix oder Zufall das Ergebnis erklären. Berechne deshalb vor dem Test, ob Besucherzahl, Ausgangsrate und erwartete Verbesserung für eine statistisch belastbare Auswertung ausreichen.
Für einen A/B-Test brauchst du genügend Besucher und genügend Haupt-Conversions. Eine lange Laufzeit allein löst das Problem nicht. Ändern sich währenddessen Saison, Preise, Kampagnen oder Sortiment, vergleichst du zunehmend unterschiedliche Rahmenbedingungen. Bei wenigen Conversions pro Monat sind moderierte Nutzertests, Formularprüfungen und Interviews meist sinnvoller als die scheinpräzise Auswertung zweier Varianten.
4.1 Kampagnendaten liefern die Vorprüfung
Bei bezahltem Traffic sollte die Datenprüfung auf Kampagnenebene erfolgen. Die Conversion-Berichte der SEA-Funktionen der Performance Suite zeigen, wie viele Abschlüsse je Kampagne überhaupt zustande kommen. Zusätzlich lassen sich Kosten, Klicks, Conversion-Rate und Kosten pro Conversion auswerten. Damit beantwortest du vor dem Test die wichtigste Frage: Gibt es genug Abschlüsse, um zwei Varianten fair zu vergleichen?
Ein Konto mit vielen Kampagnen kann insgesamt genügend Conversions erzeugen und trotzdem zu wenig Daten je Testbereich haben. Werden Budget und Abschlüsse auf zahlreiche Kampagnen, Produkte oder Regionen verteilt, schwanken die Ergebnisse stark. In kleinen Konten ist es oft sinnvoller, Tests auf umsatzrelevante Kernkampagnen zu konzentrieren und die Auswertung über einen stabilen Zeitraum von mindestens zwei bis vier Wochen laufen zu lassen.
5. Ergebnisse richtig entscheiden
Nach der Messung gibt es drei sinnvolle Entscheidungen. Eine belastbar bessere Variante wird beibehalten und anschließend auf vergleichbare Seiten übertragen. Ein neutrales Ergebnis bleibt neutral, auch wenn die neue Gestaltung intern beliebter ist. Eine schwächere Variante wird verworfen oder mit einer neuen Hypothese überarbeitet.
| Ergebnis | Entscheidung | Nächster Schritt |
|---|---|---|
| Belastbare Verbesserung | Änderung behalten | Auf ähnliche Seiten ausrollen und weiter beobachten |
| Kein klarer Unterschied | Keine Gewinnerbehauptung | Hypothese prüfen oder stärkeren Unterschied testen |
| Schlechteres Ergebnis | Änderung verwerfen | Ursache untersuchen und neue Hypothese bilden |
| Zu wenig Daten | Test nicht bewerten | Qualitativ prüfen oder Testbereich bündeln |
Halte außerdem fest, wann Änderungen umgesetzt wurden und welche Kampagnen, Preise oder Angebote parallel verändert wurden. Ohne diesen Kontext wird ein späterer Vergleich schnell irreführend. Conversion-Rate-Optimierung lebt davon, dass jede Entscheidung auf einer nachvollziehbaren Ursache-Wirkungs-Kette basiert.
6. So gehen wir vor
Die OSG beginnt mit Tracking, Funnel und Datenmenge, bevor eine Seite umgebaut wird. Wir prüfen Suchintentionen, Einstiegsseiten, Formulare, Checkout-Stufen und Kampagnenabschlüsse und priorisieren anschließend die Hypothesen mit dem größten wirtschaftlichen Hebel. Die Umsetzung erfolgt gezielt auf der Seite, bei Bedarf über unsere Leistungen für conversionorientierte Websites. Wenn deine Zahlen für A/B-Tests zu klein sind, empfehlen wir qualitative Nutzertests statt statistischer Scheingenauigkeit. Ein passendes Vorgehen kannst du im unverbindlichen Erstgespräch klären.
7. Häufige Fragen zur Conversion-Optimierung
Was versteht man unter Conversion-Rate-Optimierung?
Conversion-Rate-Optimierung ist das systematische Verbessern einer Website oder Kampagne, damit ein größerer Anteil der Besucher eine gewünschte Handlung abschließt. Grundlage sind Messdaten, überprüfbare Hypothesen und eine anschließende Wirkungskontrolle.
Wie kann ich meine Conversion-Rate verbessern?
Prüfe zuerst, wo Besucher im Funnel abbrechen. Vergleiche Suchintention, Seiteninhalt, Call-to-Action, Formularlänge, Checkout, Ladezeit und mobile Bedienung. Formuliere danach eine konkrete Hypothese und ändere nur den Faktor, dessen Wirkung du messen möchtest.
Was ist eine gute Conversion-Rate?
Eine gute Conversion-Rate hängt von Branche, Angebot, Traffic-Quelle, Preis und Conversion-Ziel ab. Ein Kauf ist schwerer zu erreichen als ein Newsletter-Klick. Vergleiche daher zuerst deine eigene Entwicklung und den wirtschaftlichen Wert der Abschlüsse statt nur allgemeine Branchenwerte.
Wie berechnet man die Conversion-Rate?
Teile die Anzahl der Conversions durch die Anzahl der Besucher und multipliziere das Ergebnis mit 100. Bei 50 Bestellungen und 2.500 Besuchern beträgt die Conversion-Rate 2 Prozent.
Wann lohnt sich ein A/B-Test?
Ein A/B-Test lohnt sich, wenn genügend Besucher und Haupt-Conversions vorhanden sind, um einen realistischen Unterschied statistisch zu erkennen. Bei wenigen Abschlüssen pro Monat sind Nutzertests, Interviews und strukturierte Vorher-Nachher-Prüfungen meist aussagekräftiger.
Wie lange sollte ein Conversion-Test laufen?
Ein Test sollte vollständige Wochenzyklen abdecken und so lange laufen, bis die vorher berechnete Stichprobengröße erreicht ist. Zwei bis vier Wochen können bei hohem Volumen reichen. Bei wenig Traffic entsteht auch nach mehreren Wochen nicht automatisch ein belastbares Ergebnis.
Welche Conversion sollte ich optimieren?
Optimiere primär die Haupt-Conversion, also beispielsweise Bestellung, qualifizierte Anfrage oder Registrierung. Mikro-Conversions wie Warenkorbstarts und Button-Klicks helfen dabei, Engpässe zu finden, ersetzen aber keine wirtschaftlich relevante Haupt-Conversion.
Prüfe vor jeder Änderung drei Dinge: Ist das Tracking korrekt, liegt eine konkrete Hypothese vor und reicht die Datenmenge für eine faire Auswertung? Wenn eine dieser Voraussetzungen fehlt, ist Beobachten und Nachfragen oft wertvoller als ein A/B-Test. So wird Conversion-Optimierung zu einem belastbaren Prozess statt zu einer Folge von Designentscheidungen.
Du möchtest herausfinden, an welcher Stelle deine Website oder Kampagne Abschlüsse verliert? Im kostenlosen Potenzialcheck besprechen wir deine Ausgangslage, die vorhandene Datenmenge und die sinnvolle nächste Prüfung. Das Erstgespräch ist unverbindlich und kein Verkaufsgespräch.
Keine Kommentare vorhanden