Testen für Entwickler: Verhaltenswissenschaftliche Design-Methodik richtig anwenden

Wäre es bei der Entwicklung von Produkten oder der Gestaltung von Erlebnissen nicht toll zu wissen, was funktioniert und was nicht, bevor Sie Ressourcen einsetzen? Mithilfe von Verhaltenswissenschaft und Designmethodik können Sie beim Experimentieren in großem Maßstab auf Ursache und Wirkung testen, damit Sie digitale Touchpoints in fundierte Entscheidungen umsetzen können.

Leider wird A/B-Testing häufig missverstanden und missbraucht. A/A-Testing kann zwar ein leistungsfähiges Instrument zum Testen von Hypothesen, Lernen und Optimieren sein, aber wenn Sie es ohne theoretische Untermauerung und ein strenges Experimentieren Framework einsetzen, kann dies zu ungenauen Schlussfolgerungen und verschwendeten Marketinggeldern führen.

In diesem Blogbeitrag zeige ich Ihnen, wie Sie den Lerneffekt maximieren können, damit Sie mit Zuversicht voranschreiten können.

Erstellen Sie eine Theorie, bevor Sie Ihren Testrahmen aufbauen.

Beginnen Sie mit einer Hypothese, die auf der menschlichen Entscheidungsfindung basiert[Beispiele für häufige Verzerrungen finden Sie im Artikel zur Verhaltenswissenschaft], damit Sie nicht nur Versionstests durchführen. Wenn Sie mit einer Theorie beginnen, können Sie herausfinden, was funktioniert und warum. Andernfalls werden Sie nach dem "Mad Men"-Prinzip zwei Ideen auf den Markt werfen und sehen, welche davon gewinnt. Diese alte Art des Testens führt nicht zu genauen Schlussfolgerungen.

Nehmen wir an, Sie erstellen zwei Versionen einer App für ein A/B-Testing. Version eins hat andere Texte, Bilder und eine andere Benutzeroberfläche als Version zwei. Wenn die erste Version besser abschneidet, woher wissen Sie dann, ob es die Bilder, die Texte oder die CTA waren, die die Leistung beeinflusst haben? Waren es alle Variablen zusammen? Oder nur ein einziges überzeugendes Bild? Um das herauszufinden, müssten Sie drei weitere Tests durchführen. Und wenn Sie herausfinden, dass es die Texte sind, die aber nicht auf einer Theorie der menschlichen Entscheidungsfindung beruhen, haben Sie nur eine Vermutung, was an diesem bestimmten Absatz funktioniert hat. Das ist ein weiterer Test, den Sie durchführen müssen.

Diese Vorgehensweise erfordert auch eine enorme Stichprobengröße. Um eine Veränderung von 15 % bis 20 % messen zu können, müssen Hunderte, wenn nicht Tausende von Menschen mit der zu testenden Variable interagieren, damit Sie sich auf Ihre Ergebnisse verlassen können. Um nur die vier hier vorgeschlagenen Tests durchzuführen, müssten Sie Hunderttausende von Besuchern auf die Site locken (was möglicherweise Geld für Werbung kostet), und Sie würden vielleicht nur feststellen, dass Sie ein schönes Bild verwendet haben.

Stattdessen ist es viel effektiver, frühzeitig ein paar Hypothesen zu formulieren und einige quantitative und qualitative Untersuchungen durchzuführen, um sicherzustellen, dass Sie davon überzeugt sind. Wenn es dann ein paar Ideen, Abbruchpunkte oder wichtige Variablen gibt, die noch in Frage stehen, können Sie einige strategische A/B-Tests durchführen. Auf diese Weise maximieren Sie Ihren Lerneffekt, Ihr Budget und Ihre Ergebnisse.

Ein Beispiel dafür, wie Sie Ihre Theorien testen können, finden Sie in der Arbeit mit einem unserer jüngsten Kunden, einem mächtigen Handelsverband für mehr als 1.000 Unternehmen aus der Bau- und Landwirtschaftsbranche, der den realen Erfolg seiner Fachmesse in eine robuste Online-Plattform für Käufer und Verkäufer übertragen wollte.

Wir sprachen mit 10 Bauunternehmern (Käufern) und 3 Herstellern (Verkäufern), um herauszufinden, welche der ursprünglich ~15 einzigartigen Wertvorteile (UVPs) des Kunden sie am meisten schätzten. Außerdem wollten wir herausfinden, wie die Leute die Ausrüstung recherchieren und wie technisch versiert sie sind.

Nun mussten wir wissen, ob die Menschen diese Vorteile auch tatsächlich nutzen würden:

1. Social Proof: Die Möglichkeit, Bewertungen über Geräte zu hinterlassen.
2. Relativität: Die Möglichkeit, mehrere Produkte nebeneinander auf standardisierte Weise zu vergleichen.
3. Sprechen Sie mit Technikern und Ingenieuren: Bauunternehmer möchten mit den Leuten sprechen, die die Maschinen kennen und ihnen ehrlich sagen können, wie es ist, ein Gerät zu besitzen. Sie wollten mit Technikern sprechen, nicht mit Vertriebs- oder Marketingmitarbeitern.

Um diese Hypothese zu testen, haben wir einen Test mit 5 verschiedenen Anzeigen durchgeführt:

• Eine für jedes Wertversprechen (siehe oben)
• Eine, die alle 3 kombinierte
• Eine Anzeige als Kontrolle

Diese Anzeigen schnitten bemerkenswert gut ab. Platziert:

1. Alle unsere Anzeigen übertrafen die durchschnittliche Klickrate des Kunden.
2. Relativität: Übertraf unsere Kontrolle um 146%
3. Alle 3 und Talk to Techs übertrafen die Kontrolle um 66%.
4. Social Proof: Übertraf die Kontrolle um 35%
5. Kontrolle: Unsere Kontrolle übertraf die durchschnittliche Klickrate des Kunden um 75%

Mit diesen eindeutigen Ergebnissen hatte der Kunde nun einen klaren Weg vor sich, um die Plattform für seine Nutzer radikal zu verbessern.

Wenn Sie es richtig anstellen, können Sie mit kontrolliertem Experimentieren genaue, verwertbare Daten erfassen, um die Abwanderung zu verringern, Ihre Forschung und Entwicklung zu optimieren und bessere Ergebnisse zu erzielen. Heute kann jedes Unternehmen die Vorteile digitaler Berührungspunkte nutzen, um groß angelegte Tests durchzuführen. Ganz gleich, ob Sie Produkte entwickeln oder Erlebnisse für Ihre Kunden entwerfen, rigoroses Experimentieren macht das Rätselraten überflüssig.