Conversion-Rate und ihre Optimierung

Die Conversion-Rate ist der Anteil von Nutzern, Sitzungen oder anderen korrekt definierten Gelegenheiten, die mit einer wichtigen Aktion enden. Das kann ein Kauf, eine qualifizierte Anfrage, eine Registrierung oder die Ausführung einer zentralen Aufgabe in einer Anwendung sein. Conversion-Optimierung (CRO) bedeutet, Hindernisse zu beseitigen und Änderungen zu prüfen — nicht, den Prozentsatz um jeden Preis mechanisch zu erhöhen.

Der größte Wert von CRO liegt in der besseren Nutzung des Traffics, den Sie bereits haben. Das ist nicht zwangsläufig günstiger als die Gewinnung neuer Zielgruppen — auch Analyse, Umsetzung und ein belastbarer Test erfordern Arbeit —, ermöglicht jedoch, Angebot und Erlebnis anhand beobachtbarer Verhaltensweisen zu verbessern.

So berechnen Sie die Conversion-Rate

Die Formel ist einfach:

Anzahl der Conversions ÷ Anzahl der Conversion-Gelegenheiten × 100 %

Hat eine Seite 1.200 Sitzungen erhalten und 24 qualifizierte Anfragen erzeugt, beträgt die sitzungsbezogene Rate 2 %. Voraussetzung für einen sinnvollen Vergleich sind jedoch ein konstanter Zähler und Nenner. Ein Ergebnis pro Nutzer ist nicht dasselbe wie ein Ergebnis pro Sitzung, und eine Person kann mehr als einmal kaufen.

Notieren Sie, bevor Sie den Bericht öffnen:

• welches Ereignis als Conversion gilt und wann genau es erfasst wird;
• ob Nutzer, Sitzungen, Produktaufrufe oder gestartete Prozesse den Nenner bilden;
• welche Testereignisse, Duplikate und internen Zugriffe Sie ausschließen;
• ob sich das Ergebnis auf alle Zielgruppen oder auf eine konkrete Quelle, ein Gerät oder eine Phase bezieht.

Ohne diese Definition können zwei Personen unterschiedliche, formal korrekte Prozentwerte zeigen und gegensätzliche Schlüsse ziehen.

Welche Conversion wirklich zählt

Nicht jede Aktion hat denselben Wert. Ein Dateidownload, ein Videoview oder ein Buttonklick kann eine Mikro-Conversion sein — ein Signal, dass sich ein Nutzer in die richtige Richtung bewegt. Eine Makro-Conversion erfüllt ein Geschäftsziel, etwa einen Verkauf oder ein wertvolles Gespräch.

Situation	Mikro-Conversion	Makro-Conversion
Onlineshop	Wechsel zum Warenkorb	bezahlte Bestellung
B2B-Dienstleistung	Briefing öffnen	qualifizierte Anfrage
SaaS-Produkt	Funktion starten	kostenpflichtige Aktivierung oder Verlängerung

Ein hoher Anteil einer unterstützenden Aktion garantiert kein Endergebnis. Wenn ein vereinfachtes Formular die Zahl der Anfragen steigert, aber ihre Qualität senkt, kann eine lokale „Conversion-Verbesserung“ die Bearbeitungskosten erhöhen. Beobachten Sie immer die Zielkennzahl und mindestens eine Schutzmetrik, etwa Stornierungen, Rückgaben oder den Anteil nicht qualifizierter Kontakte.

Wo Sie nach der Ursache einer niedrigen Conversion suchen

Beginnen Sie beim Weg, nicht bei der Buttonfarbe. Verbinden Sie vier Arten von Informationen:

1. Quantitative Daten zeigen, an welchem Schritt Nutzer am häufigsten abbrechen und aus welchen Quellen sie kommen.
2. Qualitative Daten — Gespräche, Supportanfragen und Usability-Tests — helfen zu verstehen, warum.
3. Technische Kontrolle erkennt Formularfehler, mobile Probleme, langsame Ladezeiten und unterbrochene Integrationen.
4. Geschäftskontext prüft die Passung von Preis, Versprechen, Umfang und anschließender Betreuung.

Typische Reibungen sind ein unklarer nächster Schritt, eine zu frühe Bitte um Daten, versteckte Kosten, eine Diskrepanz zwischen Anzeige und Seite, fehlende entscheidungsrelevante Informationen oder eine Oberfläche, die Fehler nicht kommuniziert. Eine Sitzungsaufzeichnung kann den Ort des Problems zeigen, erklärt aber nicht allein die Motivation. Deshalb sollten Zahlen mit direkter Beobachtung und Gesprächen abgeglichen werden.

So läuft Conversion-Optimierung ab

Ein brauchbarer CRO-Prozess hat sechs Schritte:

1. eine wichtige Conversion auswählen und die Messung prüfen;
2. die größte Reibung auf dem Weg finden;
3. eine Hypothese formulieren, die Zielgruppe, Änderung und Mechanismus beschreibt;
4. den kleinsten sicheren Weg wählen, um die Hypothese zu prüfen;
5. das Ergebnis zusammen mit Schutzmetriken und Datenbeschränkungen bewerten;
6. die Entscheidung festhalten: umsetzen, verbessern, verwerfen oder fehlende Evidenz sammeln.

Beispiel für eine Hypothese: „Wenn wir beim Telefonfeld erklären, dass die Nummer ausschließlich zur Klärung des Gesprächsumfangs dient, schließen mehr passende Kunden das Briefing ab, weil die Sorge vor unerwarteter Kontaktaufnahme verschwindet.“ Diese Formulierung ist besser als „Lasst uns das Formular ändern“, denn sie lässt sich prüfen und trennt Ursache von zufälliger Korrelation.

A/B-Tests ohne falsche Sicherheit durchführen

Ein A/B-Test vergleicht eine Kontrollvariante mit einer Variante, die eine begründete Änderung enthält. Nutzer sollten den Varianten zufällig und parallel zugewiesen werden, damit Saison, Traffic-Quelle oder die Reihenfolge der Einführung nicht einen Effekt vortäuschen.

Es gibt keine allgemeingültige Regel wie „mindestens 7 Tage und 100 Nutzer“. Die benötigte Stichprobengröße hängt unter anderem von der Basisrate, der nachweisenswerten Effektgröße, der Varianz und der gewählten Analysemethode ab. Legen Sie vor dem Start die Hauptmetrik, Schutzmetriken, die Nutzerzuordnung und die Abbruchbedingung fest. Erklären Sie nicht beim ersten günstigen Sprung einen Sieger.

Bei wenig Traffic kann ein klassischer Test zu lange dauern. Dann sind Usability-Tests, Fehleranalysen, Interviews, eine schrittweise Einführung mit Beobachtung oder ein Vergleich von Phasen vor und nach einer Änderung oft besser — mit dem klaren Vorbehalt, dass das Ergebnis keine Kausalität beweist. Unzureichende Daten sind keine Erlaubnis für eine stärkere Schlussfolgerung.

Wann Conversion-Optimierung schaden kann

CRO dient nicht dazu, jeden Klick auszupressen. Die Zahl der Conversions kann steigen, wenn Informationen verborgen, Einwilligungen vorausgewählt oder Abmeldungen erschwert werden; ein solches Ergebnis verlagert jedoch Kosten auf Nutzer und zerstört Vertrauen.

Testen Sie auch nicht alles auf einmal. Eine vollständige Layoutänderung kann das Ergebnis verbessern, zeigt aber nicht, welcher Mechanismus wirkte. Andererseits ist es sinnlos, eine Kleinigkeit zu isolieren, wenn das Angebot unverständlich ist. Die Größe des Experiments sollte zur Größe der Hypothese passen.

Womit Sie beginnen sollten

Wählen Sie einen wichtigen Weg und durchlaufen Sie ihn selbst auf Smartphone und Desktop. Prüfen Sie die Messung, lesen Sie die letzten Kundenfragen und finden Sie die Phase, in der fehlende Informationen oder ein Fehler die Entscheidung blockieren. Erst dann entwickeln Sie eine Lösungsvariante.

Wenn Sie an einer Kampagnenseite arbeiten, lesen Sie auch wie man eine Landingpage gestaltet. Die Wahl der Kennzahl ordnet der Artikel über KPI ein, und der Beitrag über Growth Hacking erläutert, wie weitere Hypothesen entstehen. Wenn Sie Daten mit Produktentscheidungen verbinden müssen, sehen Sie sich Analytics für Unternehmen an.