Conversion-Rate berechnen und verbessern: Formel, A/B-Test, Signifikanz

Die Formel: Conversions geteilt durch Besuche

Die Conversion-Rate (CR) gibt an, welcher Anteil der Besuche zu einem gewünschten Ergebnis geführt hat, etwa zu einem Kauf, einer Anmeldung oder einem Download. Die Formel lautet:

CR in % = Conversions ÷ Besuche × 100

Bei 400 Bestellungen aus 10.000 Besuchen liegt die CR bei 4,0 %. Das klingt trivial, aber die Zahl ist nur so gut wie die Antwort auf zwei Fragen: Was zählt als Conversion, und was zählt als Besuch? Wenn du die Rechnung selbst nachvollziehen willst, nutze den Rechner oben auf dieser Seite: Er berechnet die CR und vergleicht zwei Varianten.

Welchen Nenner du wählst

„Besuche" ist kein einheitlicher Begriff. Je nach Nenner ergibt dieselbe Website unterschiedliche Raten, und die Werte sind nicht untereinander vergleichbar.

Google Analytics 4 führt beide Varianten getrennt: Die „Session key event rate" ist laut Analytics-Hilfe der Prozentsatz der Sessions, die konvertiert haben, die „User key event rate" der Prozentsatz der Nutzer, die konvertiert haben (Nutzer mit Key Event geteilt durch alle Nutzer). Schreibe deshalb bei jeder berichteten Rate dazu, welcher Nenner gilt. Beachte außerdem: GA4 spricht inzwischen von „Key Events"; die Zahl der Key Events zählt, wie oft ein Key Event ausgelöst wurde, nicht, wie viele Nutzer es ausgelöst haben.

Mikro- und Makro-Conversions

Eine Makro-Conversion ist das Hauptziel deiner Seite, zum Beispiel die Bestellung oder die Terminbuchung. Mikro-Conversions sind Schritte davor: Produkt in den Warenkorb legen, Newsletter abonnieren, ein Video bis zum Ende ansehen.

Mikro-Conversions helfen, weil Makro-Conversions oft selten sind und ein Test sonst Monate bräuchte. Sie sind aber nur dann ein brauchbarer Ersatz, wenn sie tatsächlich mit dem Hauptziel zusammenhängen. Eine Variante, die mehr Klicks auf einen Button erzeugt, aber nicht mehr Bestellungen, hat nichts gewonnen. Lege deshalb vorab fest, welche Kennzahl über Sieg oder Niederlage entscheidet, und betrachte Mikro-Conversions als Diagnose.

Warum „durchschnittliche Conversion-Rate" kein Ziel ist

Im Netz kursieren Durchschnittswerte pro Branche. Auf solche Zahlen verlässt du dich besser nicht, und PowerWire nennt bewusst keine. Die Gründe liegen in der Definition: Je nach Quelle ist die Conversion etwas anderes (Kauf, Lead, Klick), der Nenner unterschiedlich (Sessions oder Nutzer), und der Traffic-Mix verschiebt das Ergebnis stark. Eine Seite mit vielen Marken-Suchanfragen konvertiert anders als eine, die kalten Social-Traffic bekommt.

Aussagekräftig sind drei Vergleiche, die du selbst herstellen kannst:

1. Mit der eigenen Historie: gleicher Zeitraum im Vorjahr, gleiche Definition.
2. Zwischen Segmenten: Gerät, Traffic-Quelle, neue vs. wiederkehrende Nutzer.
3. Zwischen Varianten: der kontrollierte Test, um den es weiter unten geht.

Für den zweiten Punkt brauchst du saubere Herkunftsdaten. Wie du Kampagnen eindeutig kennzeichnest, steht im Artikel zu UTM-Parametern. Ein Beispiel für eine Verzerrung: Liegt der Durchschnitt über alle Besuche bei 2 %, kann mobiler Traffic bei 1 % und Desktop-Traffic bei 3 % liegen. Wer nur den Durchschnitt betrachtet, sucht das Problem am falschen Ort.

Der CRO-Prozess in vier Schritten

Conversion-Rate-Optimierung (CRO) ist kein Katalog von Tricks, sondern ein Kreislauf:

1. Recherche: Wo springen Nutzer ab? Trichter in der Analytics-Software, Formularfehler, Ladezeiten, Support-Anfragen, Suchbegriffe der internen Suche. Ladezeit ist oft ein erster Kandidat; die Grundlagen dazu findest du bei den Core Web Vitals.
2. Hypothese: Formuliere sie als Satz mit Begründung: „Wenn die Lieferkosten schon auf der Produktseite stehen, brechen weniger Nutzer im Checkout ab, weil die Überraschung entfällt."
3. Test: Eine Änderung, zwei Varianten, vorab festgelegte Kennzahl, Laufzeit und Stichprobengröße.
4. Lernen: Ergebnis dokumentieren, auch wenn die Variante verliert. Ein verlorener Test, der eine Annahme widerlegt, ist ein Ergebnis.

A/B-Testing: zwei Varianten fair vergleichen

Bei einem A/B-Test teilst du den Traffic zufällig auf Variante A (Kontrolle) und Variante B (Änderung) auf. Weil Zufall im Spiel ist, zeigen beide Varianten auch ohne echten Unterschied leicht abweichende Raten. Die Frage lautet: Ist der beobachtete Unterschied größer, als Zufall allein plausibel erklärt?

Das Standardverfahren für Anteile ist der Zwei-Anteile-z-Test. Das NIST Engineering Statistics Handbook beschreibt ihn für große Stichproben über die Normalapproximation der Binomialverteilung. Die Prüfgröße lautet:

p̂ = (x₁ + x₂) / (n₁ + n₂)                    (gepoolter Anteil)
z = (p̂₁ − p̂₂) / √( p̂ · (1 − p̂) · (1/n₁ + 1/n₂) )

Dabei sind x die Conversions und n die Besuche je Variante. Bei einem zweiseitigen Test lehnst du die Nullhypothese „beide Anteile sind gleich" ab, wenn |z| größer ist als der kritische Wert der Normalverteilung zum Niveau 1 − α/2. Der p-Wert ist die Wahrscheinlichkeit, unter der Nullhypothese einen mindestens so extremen |z|-Wert zu erhalten. Genau diesen Test führt der Rechner oben auf dieser Seite aus und gibt dir den p-Wert zweiseitig aus.

Ein durchgerechnetes Beispiel

Die Zahlen sind fiktiv und dienen nur der Illustration. Variante A: 400 Conversions aus 10.000 Besuchen. Variante B: 460 Conversions aus 10.000 Besuchen. Das Python-Skript nutzt nur die Standardbibliothek:

from math import sqrt, erfc

def zwei_anteile_test(x_a, n_a, x_b, n_b):
    p_a, p_b = x_a / n_a, x_b / n_b
    p_gesamt = (x_a + x_b) / (n_a + n_b)
    se = sqrt(p_gesamt * (1 - p_gesamt) * (1 / n_a + 1 / n_b))
    z = (p_b - p_a) / se
    p_wert = erfc(abs(z) / sqrt(2))  # zweiseitig
    return p_a, p_b, z, p_wert

p_a, p_b, z, p_wert = zwei_anteile_test(400, 10_000, 460, 10_000)
print(f"CR A = {p_a:.2%}, CR B = {p_b:.2%}")
print(f"z = {z:.3f}, p = {p_wert:.4f}")

Ausgabe:

CR A = 4.00%, CR B = 4.60%
z = 2.091, p = 0.0365

Der gepoolte Anteil beträgt 4,3 %. Mit z = 2,091 und p = 0,0365 liegt das Ergebnis unter der üblichen Schwelle von 0,05, du würdest die Nullhypothese also bei diesem Niveau ablehnen. Hätte Variante B 430 statt 460 Conversions erzielt, wäre z = 1,064 und p = 0,2875: derselbe Test, aber kein Anhaltspunkt für einen echten Unterschied. Die Schwelle 0,05 ist übrigens eine Konvention, kein Naturgesetz; lege sie vor dem Test fest.

Wichtig: Ein kleiner p-Wert beweist weder, dass B „besser" ist, noch wie groß der Effekt in Euro ist. Er sagt nur, dass der Unterschied unter der Annahme „kein echter Unterschied" selten wäre. Prüfe zusätzlich die Größe des Unterschieds und ob er für dein Geschäft relevant ist.

Das Peeking-Problem

Der Test oben ist für eine Auswertung am vorab festgelegten Ende konstruiert. Wer täglich nachsieht und stoppt, sobald p unter 0,05 fällt, erhöht die Rate falscher Alarme deutlich. Das lässt sich simulieren: Zwei identische Varianten (beide 4 % Conversion-Rate, also ohne echten Unterschied) werden zehnmal in Schritten von je 500 Besuchen pro Variante ausgewertet.

import random
from math import sqrt, erfc

def p_wert(x_a, x_b, n):
    p = (x_a + x_b) / (2 * n)
    if p in (0, 1):
        return 1.0
    se = sqrt(p * (1 - p) * 2 / n)
    z = (x_b - x_a) / n / se
    return erfc(abs(z) / sqrt(2))

random.seed(1)
durchlaeufe, zwischenstaende, pro_schritt, cr = 2000, 10, 500, 0.04
am_ende = irgendwann = 0
for _ in range(durchlaeufe):
    x_a = x_b = n = 0
    signifikant = False
    for _ in range(zwischenstaende):
        x_a += sum(random.random() < cr for _ in range(pro_schritt))
        x_b += sum(random.random() < cr for _ in range(pro_schritt))
        n += pro_schritt
        signifikant = signifikant or p_wert(x_a, x_b, n) < 0.05
    irgendwann += signifikant
    am_ende += p_wert(x_a, x_b, n) < 0.05
print(f"Nur am Ende ausgewertet: {am_ende / durchlaeufe:.1%}")
print(f"Nach jedem Zwischenstand geschaut: {irgendwann / durchlaeufe:.1%}")

Ausgabe:

Nur am Ende ausgewertet: 5.7%
Nach jedem Zwischenstand geschaut: 20.0%

Obwohl es keinen Unterschied gibt, meldet der Test bei häufigem Nachsehen in diesem Lauf in 20,0 % der Durchläufe irgendwann „signifikant", statt in den erwarteten rund 5 %. Der Wert am Ende (5,7 %) schwankt durch die begrenzte Zahl von 2.000 Durchläufen um die 5 %. Die genauen Prozentwerte hängen von Zufallszahlen und Parametern ab; die Größenordnung ist der Punkt.

Stichprobe und Laufzeit vorab planen

Wie viele Besuche du brauchst, hängt von drei Größen ab: deiner Ausgangsrate, dem kleinsten Unterschied, den du noch erkennen willst, und dem Signifikanzniveau. Je kleiner der erwartete Effekt und je niedriger die Ausgangsrate, desto mehr Besuche brauchst du. Das ist der Grund, warum kleine Seiten mit wenigen Conversions pro Woche oft keinen sinnvollen A/B-Test fahren können: Statt eines Tests mit unklarem Ergebnis lohnt dort eher eine qualitative Recherche, etwa Nutzergespräche oder das Durchgehen des Checkouts auf dem Smartphone.

Praktisch heißt das: Bestimme vor dem Start, welchen Mindesteffekt du für relevant hältst, berechne daraus die nötige Stichprobe mit einem Stichprobenrechner deiner Wahl, und plane die Laufzeit in vollen Wochen. Entscheide erst am Ende, nicht zwischendurch.

Segmentieren: Durchschnitte verdecken Unterschiede

Eine Gesamtrate kann gegenläufige Entwicklungen verstecken. Prüfe deshalb, ob eine Änderung bei einzelnen Gruppen anders wirkt: mobile gegen Desktop-Nutzer, neue gegen wiederkehrende Besucher, bezahlter gegen organischer Traffic. Das gilt auch für Tests, mit einer Einschränkung: Je mehr Segmente du nachträglich einzeln auswertest, desto eher findest du zufällig ein „signifikantes". Betrachte nachträgliche Segmentanalysen als Anlass für neue Hypothesen, nicht als Beweis.

Typische Fehler bei A/B-Tests

• Zu früh stoppen: siehe Peeking. Lege Laufzeit oder Stichprobengröße vorab fest und lass den Test über volle Wochen laufen.
• Zu viele Varianten und Kennzahlen: Wer 20 Kennzahlen prüft, findet bei 0,05 im Schnitt eine „signifikante" allein durch Zufall.
• Mehrere Änderungen gleichzeitig: Du weißt danach nicht, welche gewirkt hat.
• Zu kleine Stichprobe: Die Normalapproximation des z-Tests gilt für große Stichproben. Bei sehr wenigen Conversions pro Variante ist das Ergebnis unzuverlässig.
• Verzerrter Traffic: Läuft während des Tests eine große Kampagne nur auf eine Variante, ist der Vergleich wertlos.
• Falsche Zuordnung: Wenn Nutzer zwischen Varianten wechseln oder Tracking-Lücken bestehen, stimmen die Zählungen nicht. Zur Messbasis gehört auch, welche Daten dir überhaupt vorliegen, etwa wenn Einwilligungen fehlen; mehr dazu im Artikel zu Server-Side-Tracking.

Dein nächster Schritt

Wähle eine einzige Conversion, die dir wichtig ist, und lege den Nenner fest (Sessions oder Nutzer). Trage Conversions und Besuche der letzten vier vollen Wochen in den Rechner oben auf dieser Seite ein und notiere die Rate als Ausgangswert. Formuliere dann eine Hypothese zu einer Änderung, bestimme vorab Laufzeit und Kennzahl und starte erst danach den Test. Wenn du wiederkehrende Aufgaben rund um Leads oder Bestellungen automatisieren willst, findest du die Grundlagen in der Marketing-Automatisierung.