A/B-Test im Onlineshop: Wann er sich lohnt und wie du ihn richtig aufsetzt
Was ein A/B-Test ist, wie viele Besuche er braucht und was du tust, wenn dein Traffic nicht reicht. Mit Rechner für deinen Shop.
Jason Spizert
Aktualisiert am 21. Oktober 2026
Veröffentlicht ca. 5 Min.
Die kurze Antwort
Ein A/B-Test zeigt zwei Gruppen von Besuchern zwei Varianten derselben Seite und misst, welche mehr verkauft. Er lohnt sich nur, wenn dein Shop genug Besuche und Käufe hat: Bei 1 % Conversion Rate braucht ein Test rund 79.000 Besuche, um 20 % Unterschied sicher zu erkennen. Reicht der Traffic nicht, ist ein Vorher-Nachher über feste Zeiträume die bessere Wahl.
A/B-Tests gelten als der Standard der Conversion-Optimierung. Das stimmt, mit einer Bedingung, die selten jemand ausspricht: Ein Test braucht Volumen. Ohne genug Käufe misst er Zufall, und du entscheidest auf einer Zahl, die beim nächsten Test anders aussähe.
Was ist ein A/B-Test?
Bei einem A/B-Test, auch Split-Test genannt, teilt ein Tool deine Besucher zufällig in zwei Gruppen: A sieht die bisherige Seite, B eine geänderte. Beide laufen gleichzeitig unter denselben Bedingungen. Genau das unterscheidet ihn vom Vorher-Nachher-Vergleich:
Bauchgefühl gegen Daten
In fast jedem Shop gibt es diese Diskussion: „Die neue Seite ist doch viel schöner.“ Am Ende entscheidet, wer am lautesten ist oder das meiste Geld verantwortet. Jeder ist sich seiner Meinung sicher, und die Kunden fragt niemand.
Was ein Test ersetzt
Ein sauberer A/B-Test ersetzt „Ich finde“ durch „Die Kunden haben gezeigt“. Ein schlecht gerechneter ersetzt eine Meinung durch Zufall, und der ist gefährlicher, weil er wie ein Beweis aussieht.
Was statistische Signifikanz bedeutet
Signifikanz beantwortet eine einzige Frage: Wie wahrscheinlich ist es, dass ein Unterschied nur Zufall ist? Am einfachsten sieht man das an einer Münze.
Als signifikant gilt ein Ergebnis meist, wenn so ein Abstand bei zwei gleich guten Varianten in weniger als 5 von 100 Fällen vorkäme. Das sind die 95 % der Testing-Tools. Aber signifikant heißt nicht wichtig: Ein winziger Unterschied kann signifikant sein und sich trotzdem nicht lohnen.
Wann sich ein A/B-Test lohnt
Wie viele Besuche ein Test braucht, hängt an deiner Conversion Rate und am Unterschied, den du erkennen willst. Je kleiner beides, desto mehr Besuche. Rechne es für deinen Shop aus:
Viele Shops liegen im niedrigen einstelligen Prozentbereich, und kleine Änderungen wie eine neue Buttonfarbe verschieben das Ergebnis selten um mehr als ein paar Prozent. Große Änderungen, etwa eine neu aufgebaute Produktseite, haben eher eine Chance, sichtbar zu werden:
Ab welcher Shopgröße sich Testing lohnt
Daraus folgt eine unbequeme Wahrheit: Bei kleinen Shops lohnt sich Conversion-Optimierung über A/B-Tests nicht. Zwei Shops, beide mit 50 € Bestellwert und 1,5 % Conversion Rate:
Der kleine Shop wartet vier Monate auf 2.000 € mehr im Monat, und in der Zeit ändern sich Saison, Werbung und Sortiment. Ihm bringen ein klares Angebot, mehr passende Besucher und das Beheben offensichtlicher Brüche im Shopmehr. Der große Shop weiß nach knapp einem Monat, ob eine Änderung 20.000 € im Monat bringt. Für ihn ist Testing der schnellste Hebel, den es gibt.
So setzt du einen A/B-Test richtig auf
Die Hypothese ist der wichtigste Teil. Sie sagt, was du änderst, was passieren soll und warum. Woher gute Hypothesen kommen, zeigt unser Blueprint in vier Schritten.
Die häufigsten Fehler
Die meisten Tests scheitern nicht am Tool, sondern an einem dieser vier Punkte:
Was tun, wenn der Traffic nicht reicht?
Dann ist ein A/B-Test das falsche Werkzeug, und das ist kein Makel. Der ehrlichere Weg hat drei Schritte. Wie wir dabei vorgehen, beschreibt unsere Seite zur Conversion-Optimierung.
A/B-Testing-Tools
Welches Tool passt, hängt vor allem davon ab, was du testen willst und wie sauber es sich mit deiner Messung verträgt.
Wir halten jeden Test in unserem eigenen CRO-Cockpit fest: Hypothese, Laufzeit, Ergebnis und was wir daraus lernen. So geht auch ein Test ohne Gewinner nicht verloren.
Häufige Fragen
Bei einem A/B-Test sehen zufällig ausgewählte Besucher zwei Varianten derselben Seite: A ist die bisherige, B die geänderte. Gemessen wird, welche Variante mehr Käufe oder Umsatz bringt. Weil beide Gruppen zur selben Zeit unter denselben Bedingungen laufen, lässt sich der Unterschied auf die Änderung zurückführen.
So lange, bis die vorher berechnete Zahl an Besuchen erreicht ist, und mindestens zwei volle Wochen, damit jeder Wochentag doppelt enthalten ist. Wer abbricht, sobald eine Variante vorne liegt, bekommt oft ein Ergebnis, das sich später nicht bestätigt.
Das hängt von deiner Conversion Rate und vom Unterschied ab, den du erkennen willst. Bei 1 % Conversion Rate braucht ein Test rund 79.000 Besuche, um einen Unterschied von 20 % verlässlich zu erkennen. Der Rechner im Artikel zeigt dir den Wert für deinen Shop.
Das hängt an Besuchen und Bestellungen, nicht am Umsatz allein. Als grobe Orientierung: Ein Shop mit 10.000 € Monatsumsatz braucht bei 50 € Bestellwert rund vier Monate, um eine Verbesserung von 20 % sicher zu erkennen. Ein Shop mit 200.000 € erkennt 10 % in knapp einem Monat. Darunter bringen Angebot, Traffic und offensichtliche Brüche mehr als Tests.
Sie beschreibt, wie unwahrscheinlich es ist, dass der gemessene Unterschied nur Zufall ist. Üblich sind 95 %. Signifikanz sagt aber nichts darüber, ob der Unterschied groß genug ist, um sich wirtschaftlich zu lohnen.
A/B-Test und Split-Test meinen meist dasselbe: zwei Varianten gegeneinander. Beim multivariaten Test werden mehrere Elemente gleichzeitig in Kombinationen getestet. Er braucht deutlich mehr Traffic und lohnt sich für die meisten Shops nicht.
Ja, über Apps oder externe Testing-Tools. Welches passt, hängt davon ab, was du testen willst: Seiteninhalte, Themes oder Preise. Wichtiger als das Tool ist, dass Messung, Laufzeit und Zielgröße vorher feststehen.
