> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aftersell.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Post-Purchase-A/B-Tests
> Erfahre, wie du A/B-Tests für deine Post-Purchase-Angebote in Aftersell einrichtest, verwaltest und analysierst
# Post-Purchase-A/B-Tests
Mit A/B-Tests (auch Split-Tests genannt) kannst du bis zu fünf Versionen eines Post-Purchase-Angebots innerhalb eines einzigen Funnels vergleichen, um herauszufinden, welche besser abschneidet. Jede Version wird als **Layout** bezeichnet (Layout A, Layout B, Layout C, Layout D, Layout E). Der Traffic wird automatisch gleichmäßig auf alle aktiven Layouts aufgeteilt und die Performance separat erfasst, sodass du die leistungsstärkere Version identifizieren kannst.
Indem du Varianten deiner Angebote testest, kannst du Conversion-Raten verbessern, den Umsatz steigern und datenbasierte Entscheidungen über deine Upsell-Strategie treffen.
Mit A/B-Tests konfigurierst du jedes Layout manuell als vollständiges Angebot und testest die Layouts gegeneinander. Wenn du einzelne Variablen definieren möchtest (wie Rabatttyp, Timer-Dauer, Produkttyp) und Aftersell sie zu allen möglichen Layout-Kombinationen für den Test zusammenstellen soll, verwende stattdessen [Multivariate Tests](/de/aftersell/multivariate_testing).
A/B-Tests sind nur für Post-Purchase-Upsells verfügbar. A/B-Tests für Thank-You-Page-Angebote sind derzeit nicht verfügbar. Für A/B-Tests von Checkout-Widgets siehe [Checkout-A/B-Tests](/de/aftersell/checkout_a_b_testing).
***
## Was du testen kannst
Du kannst nahezu jedes Element deines Post-Purchase-Angebots testen, darunter:
* **Produkte:** Verschiedene Produkte, Einzelprodukt- vs. Multiprodukt-Angebote oder KI-Empfehlungen vs. bestimmte Produkte
* **Rabatte:** Unterschiedliche Rabatthöhen oder -typen (Prozentsatz vs. fester Betrag)
* **Texte:** Überschriften, Beschreibungen und Call-to-Action-Texte
* **Bilder:** Produktbilder oder Lifestyle-Fotos
* **Dringlichkeitselemente:** Countdown-Timer mit unterschiedlichen Laufzeiten
* **Mengen:** Standardmenge 1 vs. 2 (oder mehr)
* **Angebotsdesign:** Verschiedene Layouts oder visuelle Stile
Für die besten Ergebnisse teste jeweils nur ein Element, damit du klar erkennen kannst, was die Performance-Änderungen verursacht. Wenn du mehrere Variablen definieren möchtest und Aftersell sie zu Layout-Kombinationen für den Test zusammenstellen soll, verwende stattdessen [Multivariate Tests](/de/aftersell/multivariate_testing).
***
## So richtest du einen A/B-Test ein
### Schritt 1: Funnel erstellen oder öffnen
1. Öffne die **Aftersell-App** in deinem Shopify-Admin
2. Gehe in der linken Seitenleiste zu **Post-purchase Funnels**
3. Erstelle entweder einen neuen Funnel oder öffne einen bestehenden Funnel, den du testen möchtest
### Schritt 2: Test erstellen
1. Klicke in deinem Funnel auf **Create Test**
2. Wähle **A/B Test** aus den Optionen
### Schritt 3: Layouts einrichten
Konfiguriere jedes Layout als vollständiges Angebot. Du kannst bis zu 5 Layouts erstellen (Layout A bis Layout E).
Für jedes Layout kannst du anpassen:
* Produktauswahl
* Rabatthöhe und -typ
* Angebotstexte und Messaging
* Bilder und visuelle Elemente
* Countdown-Timer-Einstellungen
* Standardmenge
* Alle weiteren Angebotseinstellungen
### Schritt 4: Test starten
1. Überprüfe alle Layouts, um sicherzustellen, dass sie korrekt konfiguriert sind
2. Klicke auf **Start Test**, um den Traffic auf die Layouts aufzuteilen
3. Stelle sicher, dass dein Funnel **aktiviert** und **veröffentlicht** ist
Dein A/B-Test ist jetzt live.
### Wie der Traffic aufgeteilt wird
Der Traffic wird automatisch gleichmäßig auf alle Layouts im Test verteilt. Es gibt keine Möglichkeit, den Traffic-Anteil für einzelne Layouts manuell anzupassen. Zum Beispiel:
* Bei **2 Layouts** wird der Traffic **50 % / 50 %** aufgeteilt
* Bei **3 Layouts** wird der Traffic ungefähr **33 % / 33 % / 33 %** aufgeteilt
* Bei **4 Layouts** erhält jedes Layout **25 %**
* Bei **5 Layouts** erhält jedes Layout **20 %**
Alle Layouts innerhalb desselben Tests erhalten die gleiche Traffic-Verteilung. Es gibt keine Option für benutzerdefinierte Prozentsätze (du kannst z. B. nicht Layout A auf 80 % und Layout B auf 20 % setzen).
***
## Deinen Test verwalten
Sobald dein A/B-Test live ist, wird sein Status als **In progress** angezeigt. Von hier aus kannst du den Test pausieren, bearbeiten, zurücksetzen, löschen oder einen Gewinner auswählen.
### Teststatus
* **Not started**: Der Test wurde erstellt, ist aber nicht aktiv. Der Traffic wird nicht aufgeteilt. Wenn 100 % des Traffics an ein Layout gehen, klicke auf **Start test**.
* **In progress**: Der Traffic wird gleichmäßig auf alle Layouts aufgeteilt.
* **Paused**: Die Traffic-Aufteilung ist gestoppt.
* **Finished**: Der Test ist abgeschlossen. Die Ergebnisse sind im Tab Analytics > Tests verfügbar.
Fahre mit der Maus über das Status-Badge, um einen Datums-Tooltip zu sehen. Der Tooltip zeigt:
* **Started \[Datum]** — für Tests, die laufen, pausiert oder abgeschlossen sind
* **Last reset \[Datum]** — für Tests, die nicht gestartet wurden, deren Analytics aber zurückgesetzt wurden
* **Created \[Datum]** — für Tests, die noch nicht gestartet und nie zurückgesetzt wurden
### Test pausieren
Klicke auf **Pause**, um die Traffic-Aufteilung vorübergehend zu stoppen. Wenn ein Test pausiert ist:
* Der Traffic wird nicht mehr zwischen den Layouts aufgeteilt
* Es wird nur das zuerst erstellte Layout, Layout A, angezeigt
* Du kannst nicht auswählen, welches Layout während der Pause angezeigt wird
Um dauerhaft ein anderes Layout anzuzeigen, musst du einen Gewinner auswählen oder den Test löschen. Wenn du die Pause aufhebst, wird die Traffic-Aufteilung gleichmäßig fortgesetzt.
### Test bearbeiten
Verwende das Drei-Punkte-Menü und wähle **Edit test**, wenn du Produkte, Preise, Layout oder Messaging anpassen musst. Für genaue Ergebnisse solltest du größere Änderungen während eines laufenden Tests vermeiden.
### Analytics zurücksetzen
Wähle **Reset analytics**, um die aktuellen Testdaten zu löschen und das Tracking von null neu zu starten. Dies setzt nur die A/B-Testdaten zurück. Historische Lifetime-Angebotsdaten werden nicht gelöscht.
### Test löschen
Wähle **Delete test**, um den A/B-Test dauerhaft zu entfernen. Nach dem Löschen:
* Der Traffic wird nicht mehr aufgeteilt
* Das Angebot kehrt zum normalen Verhalten zurück
* Die Lifetime-Angebots-Analytics sind wieder sichtbar
### Gewinner auswählen
Wenn du bereit bist, den Test zu beenden:
1. Klicke auf **Select winner**
2. Wähle das Layout aus, das du behalten möchtest
3. Bestätige
Dies beendet den Test und übernimmt das ausgewählte Layout als aktives Angebot. Alle Kund:innen sehen fortan das gewählte Layout.
***
## So funktionieren die A/B-Test-Analytics
Sobald dein Test läuft, kannst du die Performance im Bereich **Analytics** deines Aftersell-Dashboards im Tab **Tests** verfolgen.
Eine vollständige Übersicht aller Metriken des Tests-Tabs — einschließlich Analytics auf Gruppenebene, Performance by Variable, der Tabelle „All Groups“ und der Testauswahl — findest du unter [Post-Purchase-Analytics](/de/aftersell/analytics_in_aftersell).
***
## Einschränkungen
### A/B-Tests nur innerhalb eines einzelnen Funnels
A/B-Tests vergleichen Layouts innerhalb desselben Funnels. Du kannst nicht einen Funnel per A/B-Test gegen einen anderen Funnel testen.
### A/B-Tests nur für Post-Purchase-Upsells
A/B-Tests sind derzeit nicht für Thank-You-Page-Angebote verfügbar. Sie werden nur für Post-Purchase-Upsell-Funnels unterstützt.
### Benutzerdefinierte Traffic-Prozentsätze werden nicht unterstützt
Der Traffic wird immer gleichmäßig auf alle aktiven Layouts aufgeteilt. Es gibt keine Option, einzelnen Layouts benutzerdefinierte Prozentsätze zuzuweisen.
***
## Best Practices für A/B-Tests
### Tests lange genug laufen lassen
* **Mindestdauer:** 2–4 Wochen
* **Mindest-Impressions:** Mindestens 100–200 Impressions pro Layout (mehr ist besser)
* Kürzere Tests liefern möglicherweise keine statistisch verlässlichen Ergebnisse, insbesondere bei geringem Traffic.
Das Analytics-Dashboard zeigt dir die für statistische Aussagekraft benötigten Impressions an und hilft dir zu erkennen, wann die Daten belastbar genug sind.
### Jeweils nur ein Element testen
Wenn du mehrere Elemente gleichzeitig änderst, weißt du nicht, welche Änderung die Ergebnisse beeinflusst hat. Teste jeweils eine Variable für klare Erkenntnisse:
**Gut**: 10 % Rabatt vs. 20 % Rabatt testen (eine Variable)
**Vermeiden**: 10 % Rabatt + Produkt A vs. 20 % Rabatt + Produkt B testen (zwei Variablen)
### Auf konsistente Performance achten
Triff keine Entscheidungen auf Basis einer einzelnen Metrik. Ein Gewinner-Layout sollte über mehrere Metriken hinweg gut abschneiden:
* Höhere Conversion-Rate
* Höherer Umsatz pro Besuch
* Vergleichbarer oder besserer durchschnittlicher Upsell-Wert
### Statistische Signifikanz berücksichtigen
Bevor du einen Gewinner erklärst, stelle sicher, dass deine Ergebnisse statistisch signifikant sind. Achte auf:
* Deutliche Performance-Unterschiede (nicht nur Abweichungen von 1–2 %)
* Konsistente Trends über die Zeit
* Ausreichende Stichprobengröße (Impressions)
### Das Gewinner-Layout übernehmen
Sobald du einen klaren Gewinner identifiziert hast:
1. Beende den Test
2. Übernimm das Gewinner-Layout in deinen Funnel
3. Überwache die Performance, um sicherzustellen, dass die Ergebnisse konsistent bleiben
4. Erwäge einen neuen Test zur weiteren Optimierung
***
## A/B-Test vs. multivariater Test
Unsicher, welche Testmethode du verwenden sollst?
| | **A/B-Test** | **Multivariater Test** |
| ------------------------ | ----------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------- |
| Funktionsweise | Du konfigurierst jedes Layout manuell als vollständiges Angebot und testest die Layouts gegeneinander | Du definierst einzelne Variablen und ihre Optionen, und Aftersell kombiniert sie zu allen möglichen Layout-Kombinationen für den Test |
| Layouts | Bis zu 5 Layouts (Layout A bis E), jeweils manuell konfiguriert | Automatisch generiert auf Basis der Variablenkombinationen (Layout A, B, C usw.) |
| Am besten geeignet für | Vergleich vollständiger Angebotsdesigns gegeneinander | Die beste Kombination einzelner Variablen finden (Rabatt, Timer, Versand, Menge) |
| Traffic-Aufteilung | Gleichmäßig auf alle Layouts | Gleichmäßig auf alle Kombinationen |
| Statistische Signifikanz | Mit weniger Layouts schneller erreichbar | Erfordert mehr Traffic wegen mehr Kombinationen |
| Ergebnisse | Leichter zu interpretieren — ein Layout gewinnt | Komplexer — identifiziert die beste Variablenkombination |
**Verwende A/B-Tests, wenn:**
* Du vollständige Angebotskonfigurationen vergleichen möchtest
* Du moderaten Traffic hast
* Du klare, eindeutige Ergebnisse möchtest
[**Verwende multivariate Tests, wenn:**](/de/aftersell/multivariate_testing)
* Du mehrere Variablen gleichzeitig testen und die beste Kombination finden möchtest
* Du hohen Traffic hast
* Du Variablen definieren möchtest, die Aftersell zu Layout-Kombinationen für den Test zusammenstellt
***
## Gängige A/B-Test-Ideen
Brauchst du Inspiration? Hier sind bewährte A/B-Tests zum Ausprobieren:
### Produktbasierte Tests
* **Gleiches Produkt vs. ergänzendes Produkt:** Teste, ob Kund:innen lieber mehr von dem kaufen, was sie gerade gekauft haben, oder etwas Neues ausprobieren
* **Einzelprodukt- vs. Multiprodukt-Angebot:** Vergleiche ein Angebot mit einem einzelnen Artikel mit einem Multiprodukt-Angebot mit ergänzenden Produkten
* **KI-gestützt vs. statisches Produkt:** Teste dynamische KI-Empfehlungen gegen manuell ausgewählte Produkte
### Rabatt-Tests
* **Rabatthöhe:** Teste 10 % vs. 20 % vs. 30 % Rabatt
* **Rabatttyp:** Vergleiche prozentuale Rabatte (20 % Rabatt) mit festen Beträgen (\$5 Rabatt)
* **Kein Rabatt vs. Rabatt:** Teste, ob ein Rabatt für deine Zielgruppe notwendig ist
### Mengen-Tests
* **Standardmenge:** Teste Menge 1 vs. Menge 2 (besonders wirksam bei Verbrauchsartikeln)
### Text- und Messaging-Tests
* **Überschriften-Varianten:** Teste verschiedene Wertversprechen oder Messaging-Ansätze
* **Dringlichkeits-Messaging:** Teste mit vs. ohne Dringlichkeitssprache
* **CTA-Button-Text:** Teste verschiedene Call-to-Action-Formulierungen
### Design-Tests
* **Langform vs. Kurzform:** Teste ausführliche Produktbeschreibungen gegen kompakte Angebote
* **Bild-Varianten:** Teste verschiedene Produktbilder oder Lifestyle-Fotos
* **Timer-Dauer:** Teste Countdown-Timer mit 5, 10 oder 15 Minuten
Ausführlichere Strategien und Beispiele findest du in unserem Leitfaden zu [Best Practices](/de/aftersell/best_practices).
***
## Häufig gestellte Fragen
### Stoppen A/B-Tests automatisch, nachdem sie statistische Signifikanz erreicht haben?
Nein. Ein Post-Purchase-A/B-Test läuft weiter, bis du ihn selbst beendest — es gibt keinen automatischen Stopp, wenn ein Ergebnis statistische Signifikanz erreicht. Das Analytics-Dashboard zeigt die empfohlene Anzahl an Impressions für ein statistisch belastbares Ergebnis, aber das Erreichen dieser Zahl stoppt den Test nicht und wählt keinen Gewinner aus. Die Entscheidung, wann die Daten aussagekräftig sind, und das Beenden des Tests liegen bei dir. Wenn du bereit bist, beende ihn mit **Select winner** (oder pausiere oder lösche ihn) — siehe [Deinen Test verwalten](#managing-your-test).
***
## Brauchst du Hilfe?
Wenn du Fragen zum Einrichten oder Analysieren deiner A/B-Tests hast, chatte mit unserem Support-Team über den Live-Chat unten rechts in der App.