In der Vergangenheit hat der Begriff „Statistik“ im Marketingbereich oft zu Abwehrreaktionen geführt. Doch wenn Sie heute bei Ihren Marketingstrategien nicht mit Statistik und Analysen arbeiten, verlieren Sie schnell den Anschluss.
Die gute Nachricht dabei ist allerdings, dass die Datenanalyse durch Unternehmen wie Minitab erheblich erleichtert wird. Wie Sie am Beispiel eines A/B-Tests unten sehen werden, ist der Einstieg in die Statistik ganz einfach.
Ein A/B-Test (auch als Split-Test bezeichnet) ist ein randomisiertes Versuchsverfahren, bei dem zwei oder mehr Versionen einer Variablen (Website, Seitenelement, E-Mail usw.) gleichzeitig unterschiedlichen Zielgruppen gezeigt werden, um zu bestimmen, welche Version den größten Effekt hat. Beispiele hierfür sind z. B. das Senden mehrerer E-Mails, um zu bestimmen, welche zu mehr Interaktionen führt, der Einsatz verschiedener Werbungen, um die Click-Through-Raten zu messen, oder das Split-URL-Testing, bei dem Website-Datenverkehr zwischen einer Kontrollgruppe (häufig die ursprüngliche Webseite) und einer Variation (z. B. ein neues Design) aufgeteilt wird.
Die meisten Marketingexperten setzen eine Form von A/B-Tests ein. Trotz großer Bemühungen, den Content zu ermitteln, der zu den meisten Interaktionen führt, wird im Marketing leider in den meisten Fällen kein Hypothesentest durchgeführt, um zu bestimmen, welche Ergebnisse tatsächlich statistisch signifikant sind.
Es gibt verschiedene Arten von A/B-Tests, u. a. multivariate Tests, bei denen mehrere Faktoren gleichzeitig verändert werden. Heute betrachten wir einen einfachen A/B-Test, mit dem zwei Gruppen verglichen werden. Das am besten geeignete Werkzeug für diesen Zweck ist ein benutzerfreundlicher Hypothesentest mit der Bezeichnung „Test von Anteilen bei zwei Stichproben“.
Stellen Sie sich vor, eine Marketingfachkraft versendet monatlich eine E-Mail, in der Schulungskurse beworben werden. Hiermit soll Kundeninteresse generiert und auf die Schulungen aufmerksam gemacht werden. Sie war in der Vergangenheit recht erfolgreich, möchte aber sehen, ob sie die Leistung noch steigern kann.
Sie entscheidet sich dafür, einen A/B-Test durchzuführen. Sie möchte 2.329 Kunden ansprechen. Abhängig davon, welche E-Mail sie erhalten, teilt sie sie in zwei Gruppen auf: „E-Mail 1“ und „E-Mail 2“. Für E-Mail 1 bleibt sie bei derselben E-Mail wie im letzten Monat und sendet diese an ca. 50 % ihrer Kunden. Die anderen 50 % erhalten die andere E-Mail.
Sie sendet die E-Mails. Für E-Mail 1 liegt die Öffnungsrate bei 12 % (140-mal geöffnet) und für E-Mail 2 bei 9,8 % (115-mal geöffnet). Die meisten Marketingexperten würden sagen, dass E-Mail 1 erfolgreicher war, oder?
Wir können mit Hilfe von Statistik ermitteln, ob die Differenz von 2,2 % (12 %–9,8 %) statistisch signifikant ist. Doch viele tun das nicht, weil sie nicht wissen, wie diese Frage schnell und einfach beantwortet werden kann. Dabei lässt sich mit drei Klicks und vier Zahlen zeigen, ob die Differenz statistisch signifikant ist!
Dieses Verfahren ist ein Test von Anteilen bei zwei Stichproben in Minitab. Ich kann Ihnen auf der Grundlage des Stichprobenumfangs, des Konfidenzniveaus und der beobachteten Öffnungsraten sagen, ob diese beiden Anteile statistisch unterschiedlich sind. Unter Statistik > Statistische Standardverfahren > Test von Anteilen, 2 Stichproben lässt sich in Minitab ein Dialogfeld aufrufen, in dem ich schnell Berechnungen für meine zusammengefassten Daten durchführen kann. Ich gebe einfach meine Daten ein (wobei Ereignisse den geöffneten E-Mails entsprechen und die Stichprobe jeweils die Anzahl der E-Mails ist) – und Minitab erledigt den Rest!
Wenn wir die Ergebnisse unten betrachten, sehen wir, dass die tatsächliche Differenz zwischen den Gruppen bei einem 95%-Konfidenzintervall mit derselben Wahrscheinlichkeit 0 oder 0,022 (bzw. 2,2 %) sein kann. In der Statistik-Fachsprache würde man jetzt sagen, dass wir „die Nullhypothese nicht zurückweisen konnten, die besagt, dass die beiden Anteile gleich sind“. Anders ausgedrückt, sind die beiden Gruppen bei einem Konfidenzniveau von 95 % NICHT statistisch unterschiedlich. Auch wenn die Öffnungsrate für die eine E-Mail bei 12 % und für die andere bei 9,8 % liegt, gibt es keine statistische Differenz zwischen dem Erfolg der beiden E-Mails. Wenn man also schließt, dass diese beiden E-Mails zu unterschiedlichen Öffnungsraten führen, könnte dies ein Fehler sein.
Zwei Anteile zu vergleichen, ist ein sinnvolles Verfahren, um sicherzustellen, dass Sie bei A/B-Tests aussagekräftige Ergebnisse erhalten. Wenn Sie Analysen beim Marketing mit einbeziehen und in Ihrem Team das Verständnis für Daten steigern, können Sie im Endeffekt bessere Entscheidungen treffen.