Kostenloser A/B-Test-Signifikanzrechner

Finden Sie in Sekunden heraus, ob Ihr Split-Test-Ergebnis statistisch signifikant ist. Tragen Sie Besucher und Conversions für beide Varianten ein und sehen Sie Gewinner, Lift, p-Wert und die nötige Stichprobengröße.

Konfidenzniveau

Kontrolle (A)
Variante (B)

Konfidenz

0.0%

Warten auf DatenTragen Sie Besucher und Conversions für beide Varianten ein, um Ihr Verdikt zu sehen.

Kontrolle (A) Conversion-Rate
0.00%
Variante (B) Conversion-Rate
0.00%
Lift
--
p-Wert
--
Stichprobengröße
--

Profi-Tipp. Stoppen Sie einen Test nicht in dem Moment, in dem die Konfidenz 95% überschreitet. Legen Sie Ihre Stichprobengröße vorab fest und lassen Sie den Test laufen. Sonst küren Sie wahrscheinlich falsch-positive Gewinner.

So funktioniert's

A/B-Test-Signifikanz prüfen in 3 Schritten

Erhalten Sie in unter einer Minute ein klares, statistisch belastbares Verdikt zu Ihrem Split-Test, ohne Tabellen und ohne Anmeldung.

  1. 01

    Tragen Sie Ihre Kontrollzahlen ein

    Fügen Sie die Gesamtbesucher und Conversions für Variante A hinzu, die Originalversion, gegen die Sie testen.

  2. 02

    Tragen Sie Ihre Variantenzahlen ein

    Fügen Sie Besucher und Conversions für Variante B hinzu, die neue Version. Ihre Conversion-Rates aktualisieren sich sofort.

  3. 03

    Lesen Sie Ihr Verdikt

    Sehen Sie, ob das Ergebnis signifikant ist, dazu Lift, p-Wert und Konfidenz, und eine Schätzung, wie viele Besucher Ihnen noch fehlen, falls es noch nicht reicht.

Warum es zählt

Warum Marketer einen Signifikanz-Check machen

Eine höhere Conversion-Rate allein macht noch keinen Gewinner. Mit einem sauberen Signifikanztest wissen Sie, wann Sie stoppen, wann Sie weiterlaufen lassen und wann ein Ergebnis nur Rauschen ist.

  • Wissen, wann Sie einen Test stoppen

    Küren Sie Gewinner mit echter Sicherheit statt nach Gefühl, und lassen Sie funktionierende Varianten nicht liegen.

  • Falsch-Positive vermeiden

    Lassen Sie sich vom Peeking-Problem kein Geld kosten. Ein sauberer p-Wert zeigt Ihnen, wann ein Unterschied echt ist.

  • Planen Sie Ihren nächsten Test

    Der Hinweis zur Stichprobengröße schätzt, wie viele Besucher jede Variante bei 80% Power braucht, um den Unterschied zu bestätigen, den Sie sehen. Planen Sie damit die Größe Ihres nächsten Tests, bevor er startet.

  • Saubereres Reporting

    Teilen Sie den Ergebnis-Link mit einem Klick mit Ihrem Team, damit alle dieselben Zahlen mit derselben Konfidenz sehen.

Anwendungsfälle

Wo Teams den A/B-Test-Rechner einsetzen

Von Landingpages bis Anzeigen-Creatives: So nutzen Marketer einen schnellen Signifikanz-Check für jedes Experiment, das sie fahren.

  • Landingpage-Tests

    Vergleichen Sie zwei Versionen einer Landingpage, um zu wissen, welche Headline, welcher Hero oder welcher CTA die Conversion-Rate wirklich bewegt.

  • Facebook & Meta Ads

    Entscheiden Sie zwischen zwei Anzeigen-Creatives oder Zielgruppen mit echter statistischer Grundlage, statt den Labels im Ads Manager zu vertrauen.

  • Google-Ads-Texttests

    Vergleichen Sie zwei Varianten einer responsiven Suchanzeige, um zu bestätigen, dass eine neue Headline die Kontrolle wirklich schlägt, bevor Sie das Budget skalieren.

  • Betreffzeilen-Tests

    Schicken Sie zwei Betreffzeilen an einen kleinen Teil Ihrer Liste und küren Sie den Gewinner mit Sicherheit, bevor der komplette Versand rausgeht.

  • Checkout-Tests

    Prüfen Sie, ob ein neuer Checkout-Schritt, ein Trust-Badge oder ein Upsell die Abschlussrate wirklich verbessert und nicht nur Rauschen ist.

  • Experimente auf der Preisseite

    Fahren Sie einen sauberen Test zwischen zwei Preisstufen oder Layouts und entscheiden Sie anhand der Anmeldungen, nicht nach Bauchgefühl.

FAQ

Fragen zum A/B-Test-Signifikanzrechner.

Alles, was hier fehlt, finden Sie im Hilfecenter, oder fragen Sie uns.

Häufige Fragen

Was ist statistische Signifikanz beim A/B-Testing?

Statistische Signifikanz misst, wie sicher Sie sein können, dass der Unterschied zwischen zwei Varianten echt ist und nicht bloß zufällige Streuung. Eine gängige Faustregel: Erklären Sie erst dann einen Gewinner, wenn die Konfidenz bei 95% oder höher liegt - dann liegt die Wahrscheinlichkeit, dass das Ergebnis Zufall war, unter 5%.

Was ist ein p-Wert?

Der p-Wert ist die Wahrscheinlichkeit, Ihr beobachtetes Ergebnis (oder ein noch extremeres) zu sehen, wenn es zwischen den Varianten in Wahrheit gar keinen Unterschied gäbe. Je kleiner der p-Wert, desto stärker der Beleg, dass der Unterschied echt ist. Ein p-Wert von 0,05 entspricht 95% Konfidenz.

Welches Konfidenzniveau sollte ich verwenden?

Die meisten Marketer arbeiten mit 95% Konfidenz und akzeptieren damit eine Falsch-positiv-Rate von 5%. Nehmen Sie 99%, wenn viel auf dem Spiel steht (etwa bei einem Rollout auf den gesamten Paid Traffic), und 90% nur für risikoarme Experimente in einer frühen Phase.

Wie viele Besucher brauche ich für einen A/B-Test?

Das hängt von Ihrer Ausgangs-Conversion-Rate und der Größe des Lifts ab, den Sie erkennen wollen. Als grobe Regel: Kleine Lifts (unter 5%) brauchen Zehntausende Besucher pro Variante, größere Lifts (ab 20%) lassen sich mit ein paar Tausend bestätigen. Der Rechner schätzt bei 80% Power, wie viele Besucher jede Variante noch braucht, um den Unterschied zu bestätigen, den Sie gerade sehen.

Was ist der Lift in einem A/B-Test?

Der Lift ist der relative prozentuale Unterschied zwischen den Conversion-Rates der beiden Varianten. Konvertiert Variante A mit 3% und Variante B mit 4,5%, beträgt der Lift von B gegenüber A 50%. Am Lift entscheiden Sie, ob sich eine Änderung lohnt.

Warum ist mein Test nicht signifikant, obwohl Variante B vorn liegt?

Eine höhere Conversion-Rate allein reicht nicht. Sie brauchen genug Daten, damit der Unterschied kaum noch durch Zufall erklärbar ist. Je kleiner der Lift, desto mehr Besucher brauchen Sie. Brechen Sie einen Test zu früh ab, riskieren Sie, reines Rauschen auszurollen.

Was ist das Peeking-Problem?

Peeking heißt, die Testergebnisse ständig zu prüfen und genau in dem Moment zu stoppen, in dem die Konfidenz 95% überschreitet. Das treibt Ihre Falsch-positiv-Rate massiv nach oben. Legen Sie stattdessen die nötige Stichprobengröße vorab fest und schauen Sie sich das Ergebnis einmal am Ende an.

Funktioniert dieser Rechner für Facebook, Google oder TikTok Ads?

Ja. Signifikanz ist eine universelle Kennzahl, der Rechner funktioniert also für jeden A/B-Test, bei dem Sie Besucher (oder Impressionen, Klicks, Sendungen) und Conversions messen können. Tragen Sie einfach Zahlen aus Meta Ads, Google Ads, TikTok Ads, E-Mail-Plattformen oder Ihrer Landingpage-Analytics ein.

Ist dieser A/B-Test-Rechner kostenlos?

Ja. Der A/B-Test-Signifikanzrechner ist zu 100% kostenlos: keine Anmeldung, keine Limits, keine E-Mail-Hürde. Führen Sie so viele Tests durch, wie Sie brauchen - privat oder kommerziell.

Werden meine Daten irgendwo gespeichert?

Nein. Alle Berechnungen laufen vollständig in Ihrem Browser. Besucherzahlen und Conversions verlassen Ihr Gerät nie und werden nie an unsere Server gesendet.

A/B-testen Sie die Landingpage, die Ihre Besucher wirklich sehen

Die größten A/B-Test-Erfolge kommen von der Seite, auf der Ihr Paid Traffic landet. Mit LanderLab bauen, testen und veröffentlichen Sie Landingpages, die konvertieren - und bringen die Zahlen zurück in diesen Rechner.

Von einem Prompt zu qualifizierten Leads

Sehen Sie, wie aus einem Prompt ein laufender Solar-Angebots-Funnel wird, jeder Lead bei Ihrem Abnehmer ankommt und die Lecks gemeldet werden, bevor sie Ihr Budget auffressen.

0:00
0:59