Feedoptimise
Feedoptimise
menu
Testen Demo buchen

A/B-Tests für Produktfeeds

Führen Sie Experimente mit jedem Feed-Attribut durch, planen Sie, wann jede Variante live geht, und lassen Sie Leistungsdaten entscheiden, welche bleibt

TestenDemo buchen

Richten Sie jedes Experiment visuell ein, ganz ohne Code

Erstellen Sie ein Feed-Experiment genauso, wie Sie Ihre Feed-Regeln erstellen, indem Sie direkt auf dem Bildschirm auswählen, was geändert werden soll, wann es läuft und für welche Produkte es gilt

  • Ein Attribut oder mehrere ändern

    Ein einzelnes Experiment kann ein Feld oder viele gleichzeitig ändern, von Titeln und Bildern bis zu Kategorien oder jedem anderen Attribut in Ihrem Feed.

  • Planen, wann jedes Experiment läuft

    Legen Sie ein Startdatum und ein optionales Enddatum fest, damit ein Test von selbst live geht und endet, ohne dass Sie den Kalender im Blick behalten müssen.

  • Zielen Sie nur auf die Produkte ab, die Sie möchten

    Fügen Sie Bedingungen hinzu, um ein Experiment auf Kategorien, Marken oder Produktbereiche einzugrenzen, oder verwenden Sie einen beliebigen Modifikator, um die Auswahl zu erstellen, einschließlich zufälliger Zuweisung. Sie testen nur die Produkte, die Sie auswählen, und lassen den Rest unverändert.

Wählen Sie, wie Ihr Experiment läuft

Feed-A/B-Tests funktionieren auf drei Arten: eine saubere parallele Aufteilung, eine direkte Rotation oder ein Hybrid, der beides kombiniert

  • Dupliziert, parallel ausführen

    Die duplizierte Methode klont das Originalprodukt unter einer neuen ID und führt die geänderte Variante daneben aus, sodass beide gleichzeitig konkurrieren, ohne miteinander in Konflikt zu geraten.

  • Rotiert, im Laufe der Zeit wechseln

    Die rotierte Methode behält die bestehende ID bei und lässt Ihre Varianten nach einem Zeitplan darüber laufen, zum Beispiel eine Version in dieser Woche und eine andere in der nächsten.

  • Hybrid, das Beste aus beidem

    Die Hybridmethode rotiert neue Kopien und misst sie weiterhin am unveränderten Original, wodurch eine saubere Kontrollversion mit Rotation über die Zeit kombiniert wird.

Lassen Sie statistische Signifikanz den Test beenden

Legen Sie einen Datenschwellenwert für die Kennzahl Ihrer Wahl, ein Konfidenzniveau und eine maximale Laufzeit fest, und das Experiment schließt sich selbst in dem Moment ab, in dem das Ergebnis statistisch signifikant ist

  • Definieren, wann ein Ergebnis zählt

    Wählen Sie die Kennzahl, die für den Test wichtig ist, ROAS, Klicks, Impressionen, Conversions oder etwas anderes, das Sie erfassen, legen Sie das Minimum fest, das jede Version sammeln muss, und die gewünschte Konfidenz, zum Beispiel 100 Klicks pro Version bei 95 % Konfidenz.

  • Rotieren, bis die Zahlen vorliegen

    Versionen laufen weiter nach Zeitplan, bis jede von ihnen Ihre Schwellenwerte erfüllt. So beendet eine langsame Woche ein Experiment nicht zu früh und ein Glückstag kürt keinen falschen Gewinner.

  • Ein Zeitlimit festlegen, damit kein Test ewig läuft

    Geben Sie jedem Experiment eine maximale Dauer, zum Beispiel 30 Tage. Wenn die Schwellenwerte bis dahin nicht erreicht sind, wird der Test von selbst beendet, entweder zurück zu Ihren Originaldaten oder vorwärts zur getesteten Version, je nachdem, was Sie vorab gewählt haben.

  • Gewinner pro Artikel oder pro Gruppe bestimmen

    Wählen Sie, wie der Test ausgewertet wird. Auf Artikelebene erhält jedes Produkt sein eigenes Urteil auf Basis seiner eigenen Daten, sodass Version B bei einem Produkt gewinnen kann, während Version A bei einem anderen bestehen bleibt. Auf Gruppenebene wird ein Gewinner für den gesamten Test bestimmt.

  • Mit einer Entscheidung abschließen, nicht mit einem Bericht

    Wenn das Experiment endet, werden Gewinner-Versionen in Ihren Live-Feed übernommen und Verlierer-Versionen entfernt, pro Produkt oder über die Gruppe hinweg, je nachdem, wie Sie auswerten. Das Konfidenzniveau und die Kennzahlen pro Version werden gespeichert, damit Sie genau sehen können, warum jede Entscheidung getroffen wurde.

Testen Sie alles in Ihrem Feed

Jedes Attribut, geändert durch jeden Modifikator, bedeutet, dass es fast nichts gibt, das Sie nicht in ein Experiment verwandeln können

Sehen Sie, welche Version gewinnt

Jedes Experiment wird anhand realer Channel-Performance gemessen, sodass die Daten die Gewinnervariante bestimmen

  • Varianten anhand realer Daten vergleichen

    Verfolgen Sie Klicks, Conversions und Return on Ad Spend für jede Variante auf Produktebene, mit Ergebnissen basierend auf tatsächlicher Channel-Performance.

  • Auf Ihrem Reporting aufgebaut

    Experimente fließen in dasselbe Reporting auf Artikelebene ein, das Sie bereits verwenden, mit Daten aus Ihren Werbeplattformen, Analytics und Ihrem Shop.

  • Gewinner in einem Schritt anwenden

    Beenden Sie den Test und übernehmen Sie die Gewinnervariante direkt in Ihren Live-Feed, ohne manuellen Neuaufbau.

  • Live verfolgen, danach prüfen

    Verfolgen Sie jedes Experiment in Echtzeit, mit aktuellem Status, Klicks, Conversions und der bisher erreichten Konfidenz, pro Produkt oder für den gesamten Test, je nachdem, wie Sie auswerten. Nach Abschluss bleiben das endgültige Konfidenzniveau und die Kennzahlen pro Version gespeichert, sodass Sie sehen können, warum jeder Gewinner bestimmt wurde.

Häufig gestellte Fragen

Häufige Fragen zu A/B-Tests Ihrer Produktfeeds mit Feedoptimise

  • Was sind A/B-Tests für Produktfeeds?

    A/B-Tests für Produktfeeds sind der Prozess, zwei oder mehr Versionen Ihrer Produktdaten gegeneinander laufen zu lassen, um zu sehen, welche auf einem Channel besser abschneidet. Mit Feedoptimise können Sie jedes Attribut testen, zum Beispiel Titel oder Bilder, jede Variante anhand realer Channel-Daten messen, zum Beispiel von Google Shopping, und die Gewinnerversion auf Ihren Live-Feed anwenden.

  • Kann ich in einem einzigen Experiment mehr als ein Attribut testen?

    Ja. Ein einzelnes Experiment kann ein Attribut oder mehrere gleichzeitig ändern, zum Beispiel einen neuen Titel und ein neues Bild zusammen, und Sie wählen genau aus, welche Felder jeder Test ändert.

  • Was ist der Unterschied zwischen der duplizierten, rotierten und hybriden Methode?

    Die duplizierte Methode klont das Originalprodukt unter einer neuen ID und führt die Variante daneben aus. Die rotierte Methode behält dieselbe ID bei und lässt Varianten im Laufe der Zeit darüber laufen. Die Hybridmethode rotiert neue Kopien und vergleicht sie weiterhin mit dem Original.

  • Welche Feed-Attribute kann ich per A/B-Test testen?

    Sie können jedes Attribut in Ihrem Feed testen, einschließlich Titel, Beschreibungen, Bilder, Produkttypen, Preise und benutzerdefinierte Labels. Jeder Modifikator auf der Plattform kann die Variante generieren, sodass KI-Titel, bearbeitete Bilder, Formeln und Überschreibungen alle getestet werden können.

  • Kann ich ein Feed-Experiment so planen, dass es automatisch startet und endet?

    Ja. Jeder Test hat ein Startdatum und ein optionales Enddatum, sodass er automatisch live geht und abgeschlossen wird. Sie können ihn außerdem mit Bedingungen eingrenzen, damit er nur für bestimmte Kategorien oder Produktbereiche gilt.

  • Woher weiß ich, welche Version gewonnen hat?

    Jede Variante wird anhand der tatsächlichen Channel-Performance gemessen, etwa Klicks, Conversions, CTR, ROAS und mehr, alles auf Produktebene. Nach Abschluss des Tests können Sie Feedoptimise so einstellen, dass die Gewinnervariante direkt in Ihren Live-Feed übernommen wird.

  • Was misst das Konfidenzniveau eigentlich?

    Konfidenz misst, wie unwahrscheinlich es ist, dass der Unterschied zwischen Ihren Versionen auf zufällige Schwankungen und nicht auf die von Ihnen vorgenommene Änderung zurückzuführen ist. Bei 95 % Konfidenz ist der Abstand groß genug, dass Zufall als Erklärung unwahrscheinlich wird. Das meinen die meisten Menschen, wenn sie ein Ergebnis als statistisch signifikant bezeichnen. Bis dahin läuft das Experiment weiter, statt auf Basis weniger verrauschter Datentage einen Gewinner zu bestimmen.

  • Ist Konfidenz dasselbe wie statistische Signifikanz?

    Sie beschreiben dieselbe Idee aus zwei Richtungen. Ein Ergebnis ist statistisch signifikant, wenn es wahrscheinlich nicht auf Zufall zurückzuführen ist, und das Konfidenzniveau ist der Schwellenwert, den Sie dafür festlegen. Ein Experiment mit 95 % Konfidenz erklärt nur dann einen Gewinner, wenn das Ergebnis auf diesem Niveau statistisch signifikant ist. Feedoptimise verwendet Konfidenz in der Oberfläche, weil Sie sie als Zahl eingeben, zum Beispiel 95 %, und beobachten können, wie sie sich während des laufenden Tests aufbaut.

  • Was passiert, wenn ein Test nie statistische Signifikanz erreicht?

    Die maximale Laufzeit dient als Sicherheitsnetz. Wenn das Zeitlimit erreicht wird, ohne dass ein statistisch signifikantes Ergebnis vorliegt, wird das Experiment automatisch auf die Version zurückgesetzt, die Sie im Voraus festgelegt haben: die Originaldaten oder die getestete Version. Nichts läuft unbegrenzt weiter und kein nicht eindeutiger Test blockiert Ihren Feed.

  • Woher weiß ich, welche Version gewonnen hat?

    Jede Version wird anhand echter Kanal-Performance wie Klicks, Conversions, CTR, ROAS und mehr gemessen, alles auf Produktebene. Wenn der Test endet, können Sie Feedoptimise so einstellen, dass die Gewinner-Version direkt in Ihren Live-Feed implementiert wird.

  • Erhält jedes Produkt denselben Gewinner?

    Das liegt bei Ihnen. Jedes Experiment kann auf Gruppenebene ausgewertet werden, ein Gewinner für den gesamten Test, oder auf Artikelebene, wobei jedes Produkt sein eigenes Urteil auf Basis seiner eigenen Daten erhält und Version B bei einigen Produkten live sein kann, während Version A bei anderen bestehen bleibt.

TestenDemo buchen