Conversion messbar steigern statt Bauchgefühl

Was Conversion-Rate genau misst

Die Conversion-Rate ist der Anteil der Besucher, die eine vorher definierte Handlung ausführen, geteilt durch die Gesamtzahl der Besucher. Klingt simpel, der Streit beginnt bei der Definition der Handlung. Ein abgeschicktes Kontaktformular, ein Kauf, ein Newsletter-Abo und ein Klick auf eine Telefonnummer sind vier völlig verschiedene Conversions mit völlig verschiedenem Wert.

Wer Conversion steigern will, legt zuerst fest, was überhaupt zählt. Häufig lohnt eine Trennung in Makro-Conversion (das eigentliche Geschäftsziel, etwa ein Kaufabschluss) und Micro-Conversion (ein Zwischenschritt, etwa das Anlegen eines Warenkorbs). Ohne diese Klarheit optimiert man eine Kennzahl, die niemand wirklich braucht.

Eine Conversion-Rate ohne definiertes Ziel ist keine Kennzahl, sondern eine Dekoration.

Wichtig ist außerdem die Bezugsgröße. Rate auf Basis aller Sitzungen, auf Basis eindeutiger Nutzer oder auf Basis der Sitzungen, die überhaupt eine Landingpage erreicht haben, liefern unterschiedliche Werte. Solange die Bezugsgröße über die Zeit konstant bleibt, ist der Vergleich gültig. Wechselt sie unbemerkt, vergleicht man Äpfel mit Birnen.

Der Funnel als Landkarte

Conversion entsteht selten in einem einzigen Schritt. Zwischen Erstkontakt und Abschluss liegt eine Kette von Stufen, und an jeder fällt ein Teil der Nutzer ab. Diese Kette heißt Funnel. Sie sichtbar zu machen ist der schnellste Weg, um zu erkennen, wo Potenzial liegt.

Ein vereinfachtes Beispiel für einen Online-Shop mit 10.000 Besuchern im Monat zeigt, wie schnell sich Verluste summieren.

Die Gesamt-Conversion liegt hier bei drei Prozent. Interessant ist nicht diese Endzahl, sondern die schwächste Übergangsstufe. Vom Warenkorb in die Kasse gehen nur 50 Prozent, und genau dort lohnt der erste Eingriff. Würde dieser Übergang von 50 auf 60 Prozent steigen, ergäben sich 360 statt 300 Käufe, ein Plus von 20 Prozent bei gleichem Traffic. Die gleiche Verbesserung ganz oben im Funnel hätte deutlich weniger Hebel.

Diese Denkweise gehört für uns zu "weiter planen". Erst die Stufe mit dem größten Verlust und dem realistischsten Gewinn identifizieren, dann gezielt eingreifen, statt überall gleichzeitig zu schrauben. Mehr zu dieser Haltung steht auf der Seite Mission.

A/B-Tests sauber aufsetzen

Ein A/B-Test vergleicht zwei Varianten einer Seite unter echten Bedingungen, indem der Traffic zufällig aufgeteilt wird. Sauber wird er erst durch Disziplin vor dem Start.

• Hypothese zuerst. Nicht "wir testen mal einen grünen Button", sondern "ein kontraststärkerer Button erhöht die Klickrate, weil er im Layout schneller gefunden wird". Eine Hypothese lässt sich widerlegen, ein Bauchgefühl nicht.
• Eine Variable pro Test. Werden Überschrift, Button und Bild gleichzeitig geändert, lässt sich später nicht sagen, welche Änderung gewirkt hat. Wer mehrere Faktoren zugleich prüfen will, braucht einen multivariaten Test mit entsprechend größerer Stichprobe.
• Stichprobengröße vorher berechnen. Die nötige Besucherzahl ergibt sich aus der aktuellen Rate, dem kleinsten Effekt, der sich noch lohnt, und dem gewünschten Sicherheitsniveau. Ohne diese Rechnung läuft ein Test entweder zu kurz oder unnötig lang.
• Volle Wochen laufen lassen. Nutzerverhalten am Dienstag unterscheidet sich vom Sonntag. Ein Test über krumme Zeiträume mischt Wochentags- und Wochenend-Effekte und verzerrt das Ergebnis.

Was einen Test zerstört

Der häufigste Fehler ist das vorzeitige Abbrechen. Sobald eine Variante kurz vorne liegt, wird der Test gestoppt und zum Erfolg erklärt. Das nennt sich Peeking, und es treibt die Rate falscher Schlüsse weit über die geplanten fünf Prozent hinaus. Eine Laufzeit wird vorher festgelegt und durchgehalten, auch wenn die Kurven zwischendurch zappeln.

Ebenso tückisch ist das parallele Laufenlassen mehrerer Tests auf denselben Seiten. Überlappen sich die Varianten, beeinflussen sie sich gegenseitig, und keine Auswertung ist mehr sauber.

Die drei Hebel mit der größten Wirkung

Über Branchen hinweg wirken drei Hebel zuverlässiger als jede Detailoptimierung an Farben oder Eckenradien.

Klarheit. Innerhalb weniger Sekunden muss erkennbar sein, worum es geht und was der nächste Schritt ist. Eine vage Überschrift kostet mehr Conversions als jeder zu kleine Button. Konkret schlägt clever, eine verständliche Aussage schlägt einen Wortwitz.

Vertrauen. Eine Handlung, die Geld oder Daten kostet, verlangt Sicherheit. Echte Referenzen, transparente Preise, erreichbare Ansprechpartner und eine saubere Datenschutz-Grundlage nach DSGVO Art. 6 senken die wahrgenommene Unsicherheit. Vertrauen ist kein weicher Faktor, es ist direkt messbar an der Abschlussquote.

Reibung reduzieren. Jedes Pflichtfeld, jeder unnötige Schritt und jede Sekunde Ladezeit kostet Nutzer. Die Core Web Vitals geben dafür harte Schwellen vor, ein Largest Contentful Paint unter 2,5 Sekunden, ein Interaction to Next Paint unter 200 Millisekunden und ein Cumulative Layout Shift unter 0,1. Ein Formular von neun auf vier Felder zu kürzen bewegt die Abschlussquote oft stärker als jede gestalterische Änderung.

Signifikanz nicht überinterpretieren

Statistische Signifikanz beantwortet eine einzige Frage. Wie wahrscheinlich wäre der gemessene Unterschied, wenn in Wahrheit gar kein Unterschied bestünde. Auf dem üblichen 95-Prozent-Niveau gilt ein Ergebnis als signifikant, wenn diese Wahrscheinlichkeit unter fünf Prozent liegt. Das ist nützlich, wird aber regelmäßig überdehnt.

Drei Verwechslungen treten besonders oft auf.

Ein Beispiel macht die erste Verwechslung greifbar. Eine Variante steigert die Rate von 3,00 auf 3,05 Prozent. Bei einer Million Besuchern ist dieser Unterschied statistisch signifikant, praktisch ist er fast wertlos. Aussagekräftig sind deshalb immer zwei Werte zusammen, die statistische Sicherheit und die wirtschaftliche Größe des Effekts, idealerweise mit einem Konfidenzintervall, das die plausible Spannweite zeigt.

Robust bleibt, wer einen Gewinner erst akzeptiert, wenn die vorher festgelegte Stichprobe erreicht ist, der Effekt groß genug ist, um sich zu lohnen, und das Ergebnis sich in einer kurzen Nachbeobachtung bestätigt. Conversion-Optimierung ist kein einmaliger Treffer, sondern eine geplante Folge von Tests, bei der jeder bestätigte Lerneffekt die nächste Hypothese schärft.

Wer einen Funnel sauber vermessen und die richtigen Stellen testen will, findet über das Kontaktformular den Einstieg.

---

Wo verliert ein Funnel die meisten Nutzer? Wir vermessen die Stufen und zeigen, welcher Hebel den größten Zuwachs bringt.