A/B-Tests für Landingpages in der Leadgenerierung
Ab welchem Werbebudget sich A/B-Tests für deine Landingpage lohnen, was du zuerst testest und warum eine Variante mit mehr Anfragen trotzdem verlieren kann. Mit einer Rechnung in Euro und den drei Fehlern, die wir in Werbekonten am häufigsten sehen.
Elia Faber
Inhaber von THEFABERS
23 Min. Lesezeit
Leadgenerierung
Veröffentlicht im November 2026
Inhalt
23 Min.
Kurz gesagt
Kaum eine Landingpage in der Leadgenerierung ist je gegen eine zweite Version angetreten. Dabei fragen selbst auf guten Seiten über 90 von 100 bezahlten Besuchern nicht an.
Die meisten Tests verlieren: Bei Microsoft gewinnt etwa jeder dritte, bei Booking.com jeder zehnte. Die Gewinner wirken aber jeden Monat weiter und multiplizieren sich.
Ab etwa 10.000 Euro Werbebudget im Monat lassen sich große Änderungen in wenigen Wochen sicher bewerten. Kleinigkeiten wie die Button-Farbe bräuchten fast zwei Jahre.
Teste auf Anfragen und miss die Qualität aus dem CRM immer mit. Sonst gewinnt die Variante mit mehr, aber schlechteren Anfragen, und Google und Meta lernen das Falsche.
Teile die Besucher auf der Seite selbst auf, nicht über getrennte Anzeigengruppen, und lass jeden Test mindestens zwei volle Wochen laufen.
Ein A/B-Test für die Landingpage zeigt zwei Versionen einer Seite gleichzeitig zufällig verteilten Besuchern und misst, welche mehr Anfragen bringt. In der Leadgenerierung lohnt er sich ab etwa 10.000 Euro Werbebudget im Monat, wenn er große Hebel prüft: Angebot, Versprechen, Bild und Anfrageweg. Gemessen wird an den Anfragen, entschieden mit Blick auf ihre Qualität im Vertrieb.
Im Onlineshop gehören A/B-Tests seit Jahren zum Alltag. In der Leadgenerierung sehen wir fast immer dasselbe Bild: Eine Seite wird gebaut, geht live und bleibt dann so, oft über Jahre. Vielleicht läuft mal ein Test, der verliert, und danach schläft das Thema ein. Dabei steckt gerade dort, wo eine Anfrage 50, 100 oder 300 Euro kostet, enorm viel Potenzial.
In diesem Leitfaden zeigen wir dir, was Tests bringen und was Nicht-Testen kostet, ab welchem Budget sie sich lohnen, was du zuerst testest und wie du die drei teuersten Fehler vermeidest. Grundlage ist unser Video zum Thema. Alle Zahlen sind mit Quelle belegt, eigene Rechnungen kennzeichnen wir als solche.
Definition
Ein A/B-Test teilt die Besucher einer Seite zufällig auf zwei Versionen auf: A ist die bisherige Seite (Kontrolle), B die Variante mit einer Änderung. Weil beide Gruppen zur selben Zeit aus demselben Traffic kommen, lässt sich ein Unterschied bei den Anfragen auf die Änderung zurückführen. Treten ganze Seiten mit eigener Adresse gegeneinander an, spricht man von einem Split-URL-Test.
Elia erklärt im Video, warum A/B-Tests in der Leadgenerierung so selten genutzt werden, ab wann sie sich lohnen und welche drei Fehler am meisten kosten.
01 · Potenzial
Warum deine Landingpage wahrscheinlich nicht die beste ist
Nimm zehn mögliche Versprechen für die Headline, zehn Bilder für den ersten Bildschirm, zehn Angebote, zehn Aufrufe zum Handeln, zehn Formulare und zehn Layouts. Daraus ergeben sich eine Million verschiedene Seiten. Live ist genau eine davon, meist die, die der Webdesigner damals gebaut hat oder die man irgendwann selbst zusammengestellt hat. Dass ausgerechnet diese Version die beste ist, wäre ein sehr großer Zufall.
Über 90 von 100 bezahlten Besuchern fragen nicht an
Der Median aller Landingpages beim Anbieter Unbounce liegt bei 6,6 % Conversion-Rate (über 41.000 Seiten, Daten von Juli 2023 bis Juli 2024). In Google Ads liegt sie laut LocaliQ im Schnitt bei 8,18 %, für Unternehmensdienstleistungen bei 4,85 % (US-Daten 2026). Viele Seiten, die wir in Analysen sehen, liegen deutlich darunter, oft bei 1 bis 3 %.
Selbst eine gute Seite verliert also über 90 von 100 Besuchern, für die du bezahlt hast. Ein paar davon sind Bots oder Mitbewerber. Die meisten hatten aber ein echtes Anliegen, sonst hätten sie nicht gesucht und geklickt. Sie haben auf der Seite nur nicht gefunden, was sie gebraucht hätten: die richtige Botschaft im richtigen Moment und das Gefühl, verstanden zu werden. Würden in einem Laden 95 von 100 Kunden ohne Einkauf wieder rausgehen, würde jeder Inhaber sofort etwas ändern. Bei einer Landingpage nehmen es die meisten hin.
80 % Conversion-Rate wird danach niemand erreichen. Aber die Wahrscheinlichkeit, dass es eine Version gibt, die deutlich mehr dieser Besucher abholt, ist sehr hoch.
Bauchgefühl ist kein Messwert
Ob eine Seite gut ist, wird meistens nach Geschmack entschieden. In der Testing-Welt gibt es dafür einen Begriff: HiPPO, die Meinung der am besten bezahlten Person im Raum. Geprägt hat ihn Ron Kohavi, der jahrelang das Testprogramm von Microsoft geleitet hat. Wie oft diese Meinung danebenliegt, zeigen zwei bekannte Fälle.
1
Obamas Team lag falsch
Im Wahlkampf 2008 testete das Team die Startseite mit 310.382 Besuchern. Favorit war ein Video. Am Ende schnitt jedes Video schlechter ab als jedes Foto, und die beste Kombination aus Bild und Button steigerte die Anmeldequote von 8,26 auf 11,6 %, ein Plus von 40,6 % (Dan Siroker, 2010).
2
Bings beste Idee lag im Backlog
2012 schlug ein Mitarbeiter von Bing vor, Anzeigentitel länger darzustellen. Die Idee lag über sechs Monate unbeachtet herum. Als sie endlich getestet wurde, stieg der Umsatz um 12 %, hochgerechnet über 100 Millionen Dollar im Jahr allein in den USA (Kohavi und Thomke, Harvard Business Review 2017). Solche Treffer sind selten, Bing selbst spricht von einem in ein paar Jahren, bei über 10.000 Tests pro Jahr.
Keiner dieser Tests hat das Angebot verändert, nur die Art, wie es präsentiert wurde. Das deckt sich mit unserer Erfahrung: In einem unserer Tests hat ein anderes Bild im ersten Bildschirm die Anfragen verdoppelt, bei gleichem Budget und gleichem Text. Das ist die Ausnahme. Aber sie zeigt, wie viel in Dingen steckt, die man selbst für nebensächlich hält.
Warum in der Leadgenerierung so wenig getestet wird
Unserer Erfahrung nach testen Onlineshops deutlich häufiger als Unternehmen, die Anfragen gewinnen wollen. Auch der Testing-Anbieter VWO beobachtet auf seiner Plattform wenig Testaktivität in Branchen wie Beratung, Versicherung, Finanzdienstleistung oder Immobilien. Die Gründe kennen wir aus vielen Gesprächen: Der Erfolg zeigt sich nicht an der Kasse, sondern erst Wochen später im Vertrieb. Die Seite hat jemand mit viel Aufwand gebaut, und an ihr hängt man. Und nach den ersten verlorenen Tests ist die Luft raus. Genau darum geht es im nächsten Kapitel.
02 · Gewinnquote
Warum sich Testen trotz vieler Verlierer lohnt
Viele Unternehmen starten zwei oder drei Tests, die Varianten schneiden schlechter ab als das Original, und das Fazit lautet: „Wir haben viel getestet, besser wurde es nie.“ Das ist der häufigste Grund, warum Testprogramme einschlafen. Und er beruht auf einer falschen Erwartung.
Selbst die Besten gewinnen selten
Ron Kohavi, Alex Deng und Lukas Vermeer haben 2022 die Erfolgsquoten großer Testprogramme zusammengetragen. Bei Microsoft verbessert etwa jeder dritte Test die Zielgröße, bei Bing etwa jeder siebte, bei Booking.com etwa jeder zehnte. Das sind Unternehmen mit Tausenden Tests im Jahr und den besten Analysten der Welt. Eine Auswertung von 1.001 Tests erfahrener Optimierer zeigt dasselbe Bild: Der typische Test bringt fast nichts (Median 0,08 %), der typische Gewinner 7,5 % (Georgi Georgiev, 2022).
Drei verlorene Tests beweisen also nicht, dass deine Seite schon perfekt ist. Sie sind der Normalfall. Entscheidend ist, dass du dranbleibst, auch nach dem fünften Verlierer.
Ein Verlierer kostet Wochen, ein Gewinner wirkt jeden Monat
Ein verlorener Test kostet dich ein paar Wochen, in denen die Hälfte der Besucher eine schwächere Seite gesehen hat. Ein Gewinner wirkt dagegen jeden Monat weiter, solange die Seite läuft. Und Gewinne addieren sich nicht, sie multiplizieren sich.
Drei Gewinner, 66 % mehr Anfragen
Beispielrechnung mit 10.000 € Budget im Monat, 3 € pro Klick und 5 % Conversion-Rate. Jeder Gewinner bleibt live, der nächste Test baut darauf auf.
Beispielrechnung. Für drei Gewinner braucht es realistisch sechs bis zehn Tests.
Eine Beispielrechnung mit 10.000 Euro Budget im Monat, 3 Euro pro Klick und 5 % Conversion-Rate. Das sind rund 3.300 Besucher im Monat:
Beispielrechnung
Heute: 167 Anfragen im Monat, 60 Euro je Anfrage.
Gewinner 1, neue Headline (+20 %): 200 Anfragen, 50 Euro je Anfrage.
Gewinner 2, leichterer Einstieg ins Formular (+15 %): 230 Anfragen, 43 Euro je Anfrage.
Gewinner 3, neues Bild im ersten Bildschirm (+20 %): 276 Anfragen, 36 Euro je Anfrage.
1,2 × 1,15 × 1,2 ergibt 1,66. Stehen alle drei Gewinner, bringt dieselbe Seite rund 66 % mehr Anfragen, und jede kostet 40 % weniger. Wird jede zehnte Anfrage Kunde und bringt 5.000 Euro Umsatz, sind das jeden Monat rund 11 Kunden und 54.500 Euro Umsatz mehr, ohne einen Euro mehr Werbebudget.
Damit die Rechnung ehrlich bleibt: Für drei Gewinner brauchst du realistisch sechs bis zehn Tests. Bei 10.000 Euro im Monat ist das eher ein Jahresprogramm als ein Quartalsprojekt, mit mehr Budget geht es deutlich schneller. Außerdem fallen gemessene Gewinne nach dem Ausrollen oft etwas kleiner aus als im Test, weil zufällige Ausschläge mitgezählt wurden. Kohavi nennt das den Gewinner-Fluch. Am Ende zählt deshalb nicht der einzelne Test, sondern wie viele Tests du im Jahr schaffst.
Jeder Monat ohne Test kostet Geld
Im ersten Monat fällt das kaum auf, im zweiten auch nicht. Aber wer heute anfängt, steht in ein oder zwei Jahren an einem ganz anderen Punkt als jemand, der seine Seite für fertig hält. Anzeigen, Keywords und Gebote zu optimieren bleibt wichtig. Ab einem gewissen Budget liegt der größere Hebel aber auf der Seite nach dem Klick.
03 · Budget
Ab welchem Werbebudget sich A/B-Tests lohnen
Ob ein Test eine klare Antwort liefert, hängt an der Zahl der Besucher und Anfragen. Das Budget bestimmt, wie schnell sie zusammenkommen. Je mehr du ausgibst, desto schneller weißt du, ob eine Variante wirklich besser ist oder nur zufällig vorne liegt.
Die Rechnung in Euro
Wie viele Besucher ein Test braucht, hängt vor allem davon ab, wie groß der Unterschied ist, den du sicher erkennen willst. Kleine Unterschiede gehen im Zufall unter und brauchen sehr viele Besucher, große zeigen sich schnell. Wir haben das für eine typische Seite durchgerechnet und in Werbebudget übersetzt:
Gesuchter Unterschied
Besucher je Variante
Budget für den Test
bei 10.000 € im Monat
bei 20.000 €
bei 50.000 €
+50 % (neues Angebot, neues Seitenkonzept)
1.471
rund 8.800 €
knapp 4 Wochen
2 Wochen
2 Wochen
+30 %
3.780
rund 22.700 €
gut 2 Monate
5 Wochen
2 Wochen
+20 %
8.158
rund 49.000 €
knapp 5 Monate
gut 2 Monate
4 Wochen
+10 % (Kleinigkeiten wie die Button-Farbe)
31.234
rund 187.000 €
rund 19 Monate
gut 9 Monate
knapp 4 Monate
+5 % (Feinschliff)
122.124
rund 733.000 €
über 6 Jahre
rund 3 Jahre
knapp 15 Monate
Eigene Rechnung (Test auf zwei Anteile): 5 % der Besucher fragen an, 95 % Sicherheit (zweiseitig), 80 % Teststärke, 3 € pro Klick, jeder Klick ein Besuch, das ganze Budget läuft auf die getestete Seite. Jeder Test läuft mindestens zwei volle Wochen. Nachrechnen kannst du das mit dem Rechner von Evan Miller.
Bei 10.000 Euro im Monat und 3 Euro pro Klick kommen rund 3.300 Besucher auf die Seite. Damit erkennst du einen Unterschied von 50 % in knapp vier Wochen und einen von 30 % in gut zwei Monaten. Bei 5 Euro pro Klick, was in vielen B2B-Branchen realistisch ist, dauert alles zwei Drittel länger. Und bei 3.000 Euro im Monat braucht schon der große Test fast drei Monate.
Warum gerade 10.000 Euro
Unter 10.000 Euro blockiert jeder Test deinen Traffic so lange, dass du im Jahr nur zwei oder drei Antworten bekommst. Darüber wird Testen zur Routine, fast jeden Monat ist ein mutiger Test mit klarer Antwort drin. Ab 30.000 Euro lassen sich auch mittlere Unterschiede in wenigen Wochen messen, ab 100.000 Euro selbst 10 % in rund zwei Monaten. Die 10.000 Euro sind eine Faustregel, keine feste Grenze. Liegt deine Conversion-Rate höher oder dein Klickpreis niedriger, geht es schneller.
Unter 10.000 Euro: erst analysieren, dann testen
Mit kleinerem Budget sind A/B-Tests nicht verboten, nur langsam. Dort kommst du schneller voran, wenn du die offensichtlichen Schwächen mit Erfahrung, Heatmaps und sauberen Daten findest und behebst. Wie das geht, zeigen wir in unserem Leitfaden zur Funnel-Analyse. Getestet werden dann nur die wirklich großen Fragen, etwa ein ganz neues Angebot gegen das alte.
Kostenlose Analyse
Wie viel steckt in deinem Werbebudget?
In einer kostenlosen Analyse rechnen wir für dein Konto durch, welche Tests sich lohnen und wo auf deiner Seite der größte Hebel liegt.
04 · Hebel
Teste zuerst die großen Hebel
Aus der Tabelle folgt die wichtigste Regel für deine Testplanung: Wer nicht Amazon ist, testet keine Button-Farben. Ein kleiner Unterschied braucht so viele Besucher, dass der Test bei 10.000 Euro Budget fast zwei Jahre dauern würde. Trotzdem fangen viele genau dort an. Sie halten ihre Seite im Großen und Ganzen für richtig und feilen an Farben, an der Anordnung von Vertrauenssymbolen oder an einzelnen Wörtern in Abschnitt drei.
Große Hebel in Wochen, Kleinigkeiten in Jahren
So lange dauert ein Test bei 10.000 € Werbebudget im Monat, je nachdem, wie groß der gesuchte Unterschied ist.
Eigene Rechnung: 3 € je Klick, 5 % Conversion-Rate, 95 % Sicherheit, 80 % Teststärke, Besucher je zur Hälfte auf A und B.
Die großen Fragen bleiben dabei liegen: Ist das Angebot überhaupt das richtige? Passt das Konzept der Seite zu dem, was die Besucher in diesem Moment wissen wollen? Es gibt verschiedene Arten, eine Landingpage aufzubauen, verschiedene Bilder für den ersten Eindruck und verschiedene Winkel für dasselbe Angebot. Wer zuerst diese großen Varianten gegeneinander antreten lässt und erst danach Bilder, Headlines und Details verfeinert, bekommt schneller klare Antworten. Mehr zu den Bausteinen einer Seite findest du in unserem Artikel zum Landingpage-Konzept.
Sechs Felder mit großem Hebel
1
Das Angebot
„Kostenlose Analyse“ gegen „Rückruf in 24 Stunden“: Der Einstieg entscheidet, wer überhaupt anfragt. Das ist der größte Hebel und wird am seltensten getestet.
2
Das Versprechen
Ergebnis gegen Methode, zum Beispiel „Mehr Anfragen aus demselben Budget“ gegen „Landingpages mit Verkaufspsychologie“. Gleiche Leistung, ganz andere Wirkung.
3
Das Bild im ersten Bildschirm
Mensch mit Blickkontakt, Ergebnis oder Produkt? Das Bild wird vor dem ersten Wort wahrgenommen und bestimmt die Stimmung für alles danach.
4
Der Anfrageweg
Mehrere kurze Schritte gegen ein langes Formular, eine leichte erste Frage gegen direkte Kontaktdaten.
5
Die Beweise
Bewertungen, Zahlen, Kundenlogos: im ersten Bildschirm oder weiter unten? Und welcher Beweis kommt zuerst?
6
Die Ansprache
Wer sein Problem gerade erst bemerkt, braucht eine andere Headline als jemand, der schon drei Anbieter vergleicht.
Vorsicht bei vermeintlich sicheren Siegen
Weniger Formularfelder bringen mehr Anfragen, oder? Nicht unbedingt. Michael Aagaard strich in einem Test drei von neun Feldern, die Anfragen sanken um 14 %. Dieselben neun Felder mit besseren Beschriftungen brachten dagegen 19 % mehr Anfragen (beide Tests vier volle Wochen, vorgestellt auf der CTAConf 2015). Faustregeln ersetzen keinen Test. Und Felder, die Interessenten von Neugierigen trennen, haben einen Wert, den das Formular allein nicht zeigt. Dazu mehr im Kapitel zur Lead-Qualität.
Teste außerdem eine Idee pro Test. Ändern sich Headline, Bild und Formular gleichzeitig, weißt du hinterher nicht, was gewirkt hat. Die Ausnahme ist ein bewusster Radikaltest, bei dem eine komplett neue Seite gegen die alte antritt. Er beantwortet die Frage nach dem richtigen Konzept, nicht nach dem einzelnen Baustein.
05 · Hypothesen
Gute Testideen kommen aus deinen Vertriebsgesprächen
Wie oft ein Test gewinnt, ist kein reiner Zufall. Du kannst die Gewinnquote deutlich verbessern, wenn du vorher sauber überlegst, was du testest. Die besten Ideen entstehen nicht im Meeting, sondern nah am Kunden.
Hör deinen Interessenten zu
Deine Interessenten sagen dir in jedem Vertriebsgespräch, was sie bewegt. Welche Fragen kommen immer wieder? Welche Einwände? Mit welchen Worten beschreiben sie ihr Problem? Wer im Vertrieb wirklich zuhört, bekommt die Testideen geschenkt. Diese Quellen nutzen wir:
Quellen für Testideen
Vertriebsgespräche: Einwände und Fragen, die immer wiederkommen.
Formular-Abbrüche: an welcher Frage Menschen aussteigen.
Suchbegriffe: womit Menschen wirklich suchen.
Bewertungen: deine eigenen und die deiner Mitbewerber.
Aufnahmen und Heatmaps: wo gelesen und wo gesprungen wird.
Freitexte in Anfragen: was Menschen selbst schreiben.
Alte Tests: Auch Verlierer erzählen etwas.
Besonders schnell geht es, wenn du Vertriebsgespräche mit Einverständnis aufzeichnest, transkribieren lässt und mit KI nach wiederkehrenden Einwänden, Wünschen und Formulierungen sortierst. Was früher Tage gedauert hat, schaffst du so in einer Stunde.
Emil Wessolowski (links) und Elia Faber, die Inhaber von THEFABERS.
Nicht jede Frage gehört nach oben
Wichtig ist, die Beobachtung richtig zu übersetzen. Fragt im Vertrieb jeder nach dem Preis, heißt das nicht, dass der Preis in die Headline gehört. Diese Frage wird an einem anderen Punkt der Entscheidung wichtig, meist erst im Gespräch. Merkst du dagegen, dass fast alle Interessenten drei oder vier Anbieter vergleichen, solltest du Varianten testen, die stärker auf deinen Unterschied zu anderen und auf Vertrauen setzen. Das Problem musst du diesen Menschen nicht mehr erklären, sie kennen es schon.
Die Hypothese in einem Satz
Aus der Beobachtung wird eine Hypothese. Bewährt hat sich ein fester Satzbau, angelehnt an das Hypothesis Kit von Craig Sullivan:
„Weil wir [Beobachtung] sehen, erwarten wir, dass [Änderung] bei [Zielgruppe] zu [Wirkung] führt. Messen werden wir das an [Kennzahl] über [Laufzeit].“
Satzbau nach dem Hypothesis Kit von Craig Sullivan
Ein Beispiel: Weil im Vertrieb jeder Zweite fragt, ob das Angebot auch für kleine Firmen passt, erwarten wir, dass „Für Teams ab 5 Mitarbeitern“ in der Headline mehr qualifizierte Anfragen bringt. Gemessen an qualifizierten Anfragen über vier volle Wochen.
Drei Hypothesen aus der Psychologie
1
Verlustaversion
Verluste wiegen für Menschen etwa doppelt so schwer wie gleich große Gewinne, das zeigt eine Meta-Analyse von über 600 Messungen (Brown und andere, 2024). Der Test: „Mehr Anfragen aus deinem Werbebudget“ gegen „Jeden Monat verlierst du Anfragen, für die du schon bezahlt hast“.
2
Soziale Bewährtheit
Wer unsicher ist, orientiert sich an anderen, und zwar umso stärker, je ähnlicher sie ihm sind (Robert Cialdini). Der Test: eine Sternebewertung unter dem Button gegen Foto, Name und Ergebnis eines Kunden aus derselben Branche an derselben Stelle.
3
Leichter Einstieg
Jeder Moment des Nachdenkens kostet Energie. Ist der erste Schritt leicht, fangen mehr Menschen an, und wer angefangen hat, bringt es eher zu Ende. Der Test: ein Formular mit fünf Feldern gegen die Frage „Wobei suchst du Unterstützung?“ mit drei Antwortkarten, die Kontaktdaten erst im letzten Schritt.
Priorisieren statt diskutieren
Jede Idee bekommt Punkte für Wirkung, Sicherheit und Aufwand, bekannt als ICE-Methode nach Sean Ellis. Getestet wird von oben nach unten, nicht nach Lautstärke im Meeting. Und jeder Test kommt mit Hypothese, Ergebnis und Erkenntnis in ein Testbuch. Nach einem Jahr ist das eines der wertvollsten Dokumente in deinem Marketing.
06 · Fehler 1
Teste auf qualifizierte Anfragen, nicht nur auf Formulare
Der teuerste Fehler in der Leadgenerierung passiert, bevor der Test überhaupt startet: bei der Frage, woran der Gewinner gemessen wird. Die meisten zählen Anfragen. Aber Anfragen sind kein Umsatz. Es gibt sehr gut passende Anfragen und solche, aus denen nie etwas wird.
Mehr Anfragen, weniger Kunden
Ein typisches Muster: Variante B bringt 40 % mehr Anfragen und wird gefeiert. Wochen später zeigt der Vertrieb: Von den Anfragen aus A waren 40 qualifiziert, von denen aus B nur 22. Gewonnen hat in Wahrheit A. Das passiert besonders oft, wenn eine Variante Hürden abbaut und zum Beispiel Fragen aus dem Formular streicht. Die Menge steigt, aber genau diese Fragen haben vorher Interessenten von Neugierigen getrennt.
B bringt mehr Anfragen, A die besseren
Variante B baut Hürden im Formular ab. Die Menge steigt, aber qualifizierte Anfragen werden weniger.
Beispielrechnung mit je 5.000 € Budget pro Variante.
Auch die Kosten je Anfrage täuschen. Eine Anfrage für 60 Euro ist teurer als eine für 150 Euro, wenn aus der günstigen jede zehnte ins Gespräch kommt und aus der teuren jede zweite. Dann kostet ein Gespräch 600 gegen 300 Euro. Unsere Kunden mit größeren Budgets optimieren deshalb fast alle auf die Qualität der Anfragen und nicht auf ihre Zahl.
Anfragen als Hauptziel, Qualität immer daneben
Warum dann nicht gleich auf qualifizierte Anfragen testen? Weil das viel länger dauert. Sind 30 % der Anfragen qualifiziert, braucht ein Test, der 30 % Unterschied erkennen soll, statt 3.780 rund 13.100 Besucher je Variante. Bei 10.000 Euro Budget sind das fast acht statt gut zwei Monate (eigene Rechnung, Annahmen wie in der Tabelle oben). Wir messen deshalb die Anfragen als Hauptziel und lassen die Qualität als zweite Kennzahl immer mitlaufen. Bricht sie in einer Variante deutlich ein, übernehmen wir diese Variante nicht, egal wie viele Anfragen sie bringt.
So misst du die Lead-Qualität
Dafür brauchst du zwei Dinge. Erstens Fragen im Anfrageprozess, die schon beim Absenden zeigen, ob jemand passt: Anliegen, Zeitpunkt, Unternehmensgröße oder Budget. Im B2B-Bereich klappt das meist gut. Im B2C-Bereich ist es oft schwerer, weil sich Privatkunden über ein paar Fragen schlechter einordnen lassen. Wie qualifizierende Fragen aussehen, beschreiben wir im Artikel zur B2B-Leadgenerierung.
Zweitens die Brücke zum CRM. Jede Anfrage trägt die Variante, die der Besucher gesehen hat, und der Vertrieb pflegt den Status: qualifiziert, Termin, Angebot, Kunde. Erst wenn diese Daten zurück in deine Auswertung fließen, siehst du, welche Variante Kunden bringt und nicht nur Formulare. Das aufzusetzen ist technisch etwas Arbeit. Läuft es einmal, musst du dich nicht mehr darum kümmern.
Warum ein falscher Gewinner auch deine Kampagnen verdirbt
Hier liegt der Punkt, den fast alle Ratgeber zum Thema übersehen. Google und Meta optimieren auf das Signal, das du ihnen zurückmeldest. Zählt jede Anfrage als Erfolg und gewinnt eine Variante mit mehr, aber schlechteren Anfragen, dann suchen die Algorithmen dir ab sofort mehr Menschen, die Formulare ausfüllen, und nicht mehr Kunden. Der Fehler wiederholt sich mit jedem Euro Budget.
Die Lösung ist, die Qualität aus dem CRM an die Plattformen zurückzugeben. Bei Google geht das über den Offline-Conversion-Import, heute meist als erweiterte Conversions für Leads. Bei Meta läuft es über die Conversions API. Meta kann damit inzwischen auch bei Formularen auf der eigenen Website auf qualifizierte Anfragen optimieren. Für neue Kampagnen bietet Meta dieses Ziel seit April 2026 nur noch mit angebundener Conversions API an. So lernen auch die Kampagnen, wer am Ende Kunde wird.
Standbild aus dem Video: Die Qualität aus dem CRM geht zurück an Google, Meta und das Testing-Tool.
07 · Fehler 2
Traffic richtig aufteilen bei Google Ads und Meta Ads
Der zweite häufige Fehler: Für den Test werden zwei Anzeigengruppen angelegt, jede mit einer anderen Landingpage. Oder die Kampagne bei Google wird dupliziert und das Adset bei Meta kopiert. Das sieht nach einem Test aus, ist aber keiner.
Warum getrennte Anzeigengruppen keinen fairen Vergleich liefern
Ein A/B-Test funktioniert nur, wenn beide Varianten zufällig verteilte Besucher aus demselben Strom bekommen. Getrennte Anzeigengruppen erreichen aber unterschiedliche Menschen: andere Keywords, andere Zielgruppen, andere Tageszeiten. Bei Google kann für eine Suche nur eines von mehreren passenden Keywords eine Anzeige auslösen. Welche Anzeigengruppe zum Zug kommt, entscheidet der Algorithmus, unter anderem anhand der Landingpage. Die Aufteilung ist also nicht zufällig und hängt sogar von dem ab, was du testen willst.
Meta rät selbst von solchen informellen Tests ab, weil sich die Zielgruppen kopierter Anzeigengruppen überschneiden und die Ergebnisse unzuverlässig werden. Dazu halbiert jede Kopie die Ereignisse je Anzeigengruppe. Meta braucht für eine stabile Auslieferung etwa 50 Optimierungsereignisse pro Woche, getrennte Anzeigengruppen bleiben deshalb schneller in der Lernphase hängen.
Ein Traffic-Strom, das Testing-Tool teilt auf
Getrennte Anzeigengruppen erreichen verschiedene Menschen. Fair wird der Vergleich erst, wenn dieselben Besucher zufällig aufgeteilt werden.
Die Experimente von Google und der A/B-Test von Meta teilen ebenfalls zufällig auf, optimieren die Auslieferung aber je Variante getrennt.
Was die Testfunktionen von Google und Meta können
Fair ist auch: Beide Plattformen haben eingebaute Tests, die zufällig aufteilen. Bei Google sind das benutzerdefinierte Experimente, in denen du die finale URL ändern kannst. Google empfiehlt dort die Aufteilung nach Cookies, damit jeder Nutzer nur eine Version sieht, und eine Laufzeit von zwei bis drei Wochen. Achte bei der Auswertung auf das Konfidenzintervall: Google zeigt standardmäßig 80 %, strenger sind 95 %. Bei Meta sorgt die A/B-Test-Funktion dafür, dass niemand beide Versionen sieht.
Der Haken: Jede Testgruppe wird von der Plattform getrennt ausgeliefert und optimiert. Forscher haben bei Meta gezeigt, dass der Algorithmus die Varianten deshalb an unterschiedliche Menschen ausspielt (Braun und Schwartz, Journal of Marketing 2024, bestätigt in einer Auswertung von 181.890 Tests von Burtch und anderen, 2025). Gemessen wird also die Seite plus die Auslieferung. Das ist brauchbar, wenn du wissen willst, welche Kombination auf dieser Plattform günstigere Anfragen bringt. Für die Frage, welche Seite dieselben Besucher besser überzeugt, gibt es einen saubereren Weg.
Unser Weg: aufteilen auf der Seite
Die Anzeige bleibt, wie sie ist, die Adresse auch. Erst auf der Seite teilt ein Testing-Tool die Besucher zufällig auf Version A und B auf. Beide bekommen damit exakt denselben Traffic, egal aus welcher Kampagne, welchem Keyword oder welcher Anzeigengruppe er kommt. Und weil sich an der Anzeige nichts ändert, läuft die Kampagne ungestört weiter.
Meist teilen wir 50 zu 50, das liefert am schnellsten ein Ergebnis. Willst du das Risiko begrenzen, geht auch 80 zu 20. Dann sehen nur 20 % die neue Variante, der Test dauert aber rund 56 % länger. Wie viel Risiko du eingehen willst, kannst du vorher durchrechnen.
Prüf die Aufteilung, bevor du dem Ergebnis glaubst
Stellst du 50 zu 50 ein, sollte auch ungefähr 50 zu 50 ankommen. Bei 3.000 Besuchern sind Abweichungen von etwa 50 Besuchern je Variante normal. Ist es deutlich mehr, steckt meist ein technischer Fehler dahinter, etwa eine Weiterleitung, die Besucher verliert, oder ein Einwilligungsbanner, das nur auf einer Version richtig lädt. Microsoft prüft das bei jedem Test, weil solche Abweichungen das Ergebnis oft wertlos machen (Kohavi und Thomke, 2017).
08 · Fehler 3
Wie lange ein A/B-Test laufen muss
Der dritte Fehler betrifft das Ende. Eine Variante liegt nach zwei Tagen hinten und wird abgeschaltet. Oder sie liegt vorne und wird sofort zum Gewinner erklärt. Beides ist zu früh.
Immer volle Wochen
Montags fragen andere Menschen an als samstags, und auch innerhalb einer Woche schwankt das Verhalten. Ein Test, der nur Montag und Dienstag läuft, misst diese beiden Tage und nicht deine Seite. Ron Kohavi und seine Kollegen empfehlen selbst bei sehr viel Traffic mindestens eine, besser zwei Wochen und danach immer ganze Wochen. Wir lassen jeden Test mindestens zwei volle Wochen laufen, auch wenn er nach drei Tagen eindeutig aussieht. Das heißt nicht, dass ein Test Monate dauern muss. Wer Dinge mit großer Wirkung testet, sieht meist nach wenigen Wochen, woran er ist.
Warum ständiges Nachschauen falsche Gewinner erzeugt
Jedes Testing-Tool zeigt dir laufend, wer vorne liegt. Das verführt dazu, beim ersten grünen Ergebnis aufzuhören. Das Problem: Zufall sieht am Anfang oft aus wie ein Gewinner. Optimizely hat Tests mit zwei identischen Varianten simuliert. Wer nach jedem Besucher nachschaute, sah in über der Hälfte der Fälle irgendwann einen Gewinner oder Verlierer, obwohl es keinen gab. Selbst beim Blick alle 500 Besucher war es noch jeder vierte Test (Leonid Pekelis, 2015). Evan Miller kam schon 2010 auf eine ähnliche Größenordnung: Im ungünstigsten Fall lag die Fehlerquote bei 26 % statt der versprochenen 5 %.
Dazu kommt: Wenn nur jeder zehnte Test wirklich besser ist, ist auch bei sauberer Auswertung gut jeder fünfte „signifikante“ Gewinner in Wahrheit keiner (Kohavi, Deng, Vermeer 2022). Bei sehr wenig Traffic ist es sogar mehr als jeder zweite.
Die Regel steht vor dem Start fest
1
Laufzeit und Schwelle vorher festlegen
Bevor der Test startet, stehen Laufzeit, Kennzahl und Schwelle fest. Zum Beispiel: zwei volle Wochen, mindestens 90 % Wahrscheinlichkeit, dass B besser ist, gemessen an Anfragen, die Qualität im Blick.
2
Früh abbrechen nur bei klarem Schaden
Schadet eine Variante deutlich, darfst du sie vorzeitig stoppen. Für alles andere gilt die Regel. Wer unterwegs flexibel entscheiden will, braucht ein Auswertungsverfahren, das für laufendes Nachschauen gebaut ist, sogenannte sequenzielle Tests.
3
Umkehrbar heißt: mutig entscheiden
Eine Änderung an der Seite ist in Minuten zurückgedreht. Liegt eine Variante nach der festgelegten Laufzeit mit 85 bis 90 % vorne, setzen wir sie lieber um und starten den nächsten Test, statt Monate auf Gewissheit zu warten. Das ist eine bewusste Abwägung: Ein falscher Gewinner kostet hier wenig, weil der nächste Test ihn schnell entlarvt.
Zwei Uhren: Anfragen und Qualität
In der Leadgenerierung laufen zwei Uhren. Ob eine Variante mehr Anfragen bringt, weißt du nach wenigen Wochen. Ob aus diesen Anfragen auch Kunden werden, zeigt sich erst mit dem Verkaufszyklus, oft Wochen oder Monate später. Entscheide über die Menge nach der festgelegten Laufzeit und schau dir die Qualität der Testwochen nach einem Verkaufszyklus noch einmal an. Fällt sie bei der neuen Variante deutlich ab, drehst du zurück.
Signifikanz ohne Fachchinesisch
Die klassische Statistik fragt: Wie überraschend wären diese Daten, wenn es gar keinen Unterschied gäbe? Viele Tools antworten heute bayesianisch: Wie wahrscheinlich ist B besser als A, und wie viel riskiere ich, wenn ich mich irre? Für Werbetreibende ist die zweite Frage meist die nützlichere. Fehlende Daten ersetzt sie nicht, aber sie macht die Unsicherheit greifbar.
09 · Technik
Was du technisch für A/B-Tests brauchst
Seit Google Optimize am 30. September 2023 abgeschaltet wurde, gibt es kein kostenloses Standardwerkzeug mehr. In Deutschland verbreitet sind unter anderem Varify.io, ABlyft, Kameleoon, VWO, AB Tasty und Optimizely, dazu die Split-Test-Funktionen vieler Landingpage-Baukästen. Welches Tool passt, hängt weniger vom Namen ab als davon, ob es diese vier Dinge kann.
1
Aufteilen hinter derselben Adresse
Der Besucher kommt über die Anzeige auf dieselbe Adresse und sieht zufällig A oder B, ohne Flackern und ohne Weiterleitung, die Besucher kostet.
2
Die Variante mit der Anfrage speichern
Jede Anfrage trägt die Version, die der Besucher gesehen hat, zum Beispiel in einem versteckten Feld. Nur so lässt sich die Qualität später je Variante auswerten.
3
Klick-Kennungen erhalten
Die Kennungen von Google und Meta, etwa die GCLID, müssen in beiden Versionen bis in die Anfrage durchgereicht werden. Sonst kann der Offline-Import die Kunden nicht der Kampagne zuordnen.
4
Datenschutz mitdenken
Speichert das Tool die Zuordnung im Browser, gelten die Regeln für Einwilligungen. Wer ablehnt, fehlt in der Messung. Das trifft beide Varianten gleich, verkleinert aber die Stichprobe. Lass die Einbindung rechtlich prüfen.
Eine Zeile je Anfrage
Damit aus all dem eine Auswertung wird, braucht es eine saubere Datenstruktur. Bei uns schreibt jeder Schritt vom Klick bis zum Umsatz in dieselbe Zeile einer Datenbank: Quelle, Kampagne, Variante, Antworten im Anfrageprozess, Status im Vertrieb und Umsatz. Erst damit siehst du, welche Variante Kunden bringt. Und erst damit kannst du Google und Meta zurückmelden, welche Anfragen gut waren.
10 · KI
Was KI beim Testen kann und was nicht
KI verändert das Testen, nur anders, als manche hoffen. Sie beschleunigt alles vor und nach dem Test. Den Test selbst ersetzt sie nicht.
Hier spart KI dir Wochen
1
Muster in Gesprächen finden
Transkripte aus Vertriebsgesprächen, Bewertungen und Freitexte aus dem Formular in Minuten nach Einwänden, Wünschen und Wortwahl sortieren.
2
Hypothesen und Varianten schreiben
Aus diesen Mustern zwanzig Testideen nach dem Satzbau oben formulieren und zehn Headlines in der Sprache deiner Kunden entwerfen lassen. Die KI liefert Auswahl, der Mensch entscheidet, was gegen die Kontrolle antritt.
3
Schneller bauen und auswerten
Varianten entstehen in Stunden statt Tagen, Ergebnisse je Variante sind schnell zusammengefasst, Auffälligkeiten nach Gerät oder Quelle schnell gefunden. So läuft der Testkalender nie leer.
Hier entscheidet der echte Test
Kann man A/B-Tests nicht gleich mit simulierten Nutzern machen? In einer Studie von 2026, die noch nicht begutachtet ist, sollten KI-Personas den Ausgang von 47 echten Tests vorhersagen. Sie lagen in zwei von drei Fällen richtig. Das ist besser als Raten, aber jede dritte Prognose war falsch (SimAB, 2026). Die Nielsen Norman Group fand außerdem, dass synthetische Nutzer oft oberflächliches und zu freundliches Feedback geben: gut für Ideen, nicht für Entscheidungen. Echte Menschen mit echtem Budget ersetzt das nicht.
11 · Fazit
Fazit: Testen ist ein Kreislauf
Testen ist kein Projekt, das irgendwann fertig ist. Es ist ein Kreislauf, den wir in jedem Projekt gleich gehen. Die ersten beiden Schritte schaffst du in zwei Wochen, danach dreht er sich von selbst.
1
Messen
Jede Anfrage mit Quelle, Variante und Status in einer Tabelle, bis zum Umsatz. Ohne das ist jeder Test geraten.
2
Verstehen
Suchbegriffe, Vertriebsgespräche, Abbrüche im Formular: Wo verlierst du Menschen, und was fragen sie wirklich?
3
Hypothesen bilden
Zehn Ideen aufschreiben, nach Wirkung, Sicherheit und Aufwand bewerten, mit den drei stärksten anfangen.
4
Testen
Ein großer Hebel nach dem anderen. Laufzeit und Entscheidungsregel stehen fest, bevor der Test startet.
5
Entscheiden
Nach Kosten je qualifizierter Anfrage, nicht nach ausgefüllten Formularen. Der Gewinner geht live, der Verlierer wird dokumentiert.
6
Wiederholen
Jeder Gewinner wird die neue Kontrollversion. Ein paar Gewinner im Jahr verändern dein ganzes Geschäft.
Lohnt sich das für dich?
Werbebudget im Monat
Was du testen kannst
unter 3.000 €
erst Tracking und eine starke Seite, Tests dauern Monate
3.000 bis 10.000 €
nur radikale Varianten, etwa ein Test pro Quartal
10.000 bis 30.000 €
fast jeden Monat ein mutiger Test mit klarer Antwort
30.000 bis 100.000 €
Tests parallel, auch +20 % in rund sieben Wochen
über 100.000 €
ein festes Testprogramm, selbst +10 % in rund zwei Monaten
Gerechnet mit 3 € je Klick und 5 % Conversion-Rate wie in der Tabelle oben.
Der Aufbau ist technisch etwas Arbeit, für manche mehr, für andere weniger. Setz ihn aber ins Verhältnis zu dem Budget, das du ohnehin ausgibst. Wer 20.000 Euro im Monat in Google Ads steckt und seine Seite nie testet, lässt jeden Monat Anfragen liegen, für die er schon bezahlt hat. Unter 3.000 Euro lohnt sich der Aufwand meist nicht. Darüber ist es eine der rentabelsten Entscheidungen in deinem Marketing, und wer konsequent testet, zieht an Mitbewerbern vorbei, die ihre Seite für fertig halten.
Willst du wissen, wie viel in deinem Werbebudget steckt? In einer kostenlosen Analyse schauen wir uns deine Seite und dein Konto an. Und wenn du den Aufbau lieber abgibst, übernehmen wir das ganze Setup, damit du den Kopf für dein Geschäft frei hast.
Geschrieben von
Elia Faber
Elia ist Inhaber von THEFABERS. Mit seinem Team baut und testet er Landingpages und Funnels, die aus Werbebudget planbar Anfragen machen. Im Blog teilt er, was in über 421 Projekten funktioniert hat.
Alle Artikel im Blog →FAQ
Häufige Fragen zu A/B-Tests in der Leadgenerierung
Ab welchem Werbebudget lohnt sich ein A/B-Test für die Landingpage?
Ab etwa 10.000 Euro im Monat lassen sich große Änderungen wie ein neues Angebot oder ein neues Seitenkonzept in wenigen Wochen sicher bewerten. Bei 3 Euro pro Klick und 5 % Conversion-Rate erkennst du damit einen Unterschied von 50 % in knapp vier Wochen. Darunter dauern Tests Monate, dort bringt eine gründliche Analyse meist mehr.
Wie lange sollte ein A/B-Test laufen?
Mindestens zwei volle Wochen und immer ganze Wochen, damit sich Unterschiede zwischen den Wochentagen ausgleichen. Wie viele Besucher du brauchst, rechnest du vorher aus. Die Qualität der Anfragen prüfst du zusätzlich nach einem Verkaufszyklus.
Kann ich den Test stoppen, wenn mein Tool nach ein paar Tagen 95 % anzeigt?
Nein. Wer laufend nachschaut und beim ersten grünen Ergebnis stoppt, findet viel öfter falsche Gewinner als die versprochenen 5 %. In Simulationen waren es je nach Häufigkeit des Nachschauens 20 % bis über 50 %. Lege Laufzeit und Schwelle vorher fest. Früher abbrechen solltest du nur, wenn eine Variante klar schadet.
Reicht es, zwei Anzeigengruppen mit unterschiedlichen Landingpages anzulegen?
Nein. Getrennte Anzeigengruppen erreichen unterschiedliche Menschen, und bei Google entscheidet der Algorithmus, welche Gruppe ausgespielt wird. Teile die Besucher besser auf der Seite selbst zufällig auf. Die Experimente von Google und der A/B-Test von Meta teilen zwar zufällig auf, optimieren aber jede Variante getrennt.
Wie teste ich Landingpages für Meta Ads, ohne die Kampagne zu stören?
Lass die Anzeige und ihre Zieladresse unverändert und teile die Besucher erst auf der Seite mit einem Testing-Tool auf. So bekommen beide Versionen exakt denselben Traffic, und an der Kampagne ändert sich nichts.
Was mache ich, wenn eine Variante mehr Anfragen bringt, aber schlechtere?
Dann hat sie nicht gewonnen. Miss die Qualität aus dem CRM als zweite Kennzahl mit und entscheide nach Kosten je qualifizierter Anfrage. Melde die Qualität außerdem an Google und Meta zurück, sonst optimieren deine Kampagnen auf die falschen Leute.
Welches A/B-Testing-Tool gibt es nach dem Ende von Google Optimize?
Google Optimize wurde am 30. September 2023 abgeschaltet. Verbreitet sind unter anderem Varify.io, ABlyft, Kameleoon, VWO, AB Tasty und Optimizely sowie die Split-Test-Funktionen von Landingpage-Baukästen. Wichtig ist, dass das Tool hinter derselben Adresse aufteilt und die Variante mit jeder Anfrage speichert.
Was sollte ich zuerst testen?
Die großen Hebel: Angebot, Versprechen in der Headline, Bild im ersten Bildschirm, Anfrageweg, Beweise und Ansprache. Kleinigkeiten wie die Button-Farbe bringen so kleine Unterschiede, dass ein Test bei 10.000 Euro Budget fast zwei Jahre dauern würde.
Kostenlose Analyse
30 Minuten, 1:1 mit Emil
Wie viele Anfragen verschenkt deine Seite?
In 30 Minuten schauen wir uns deine Website, deine Anzeigen und deinen Anfrageprozess an und zeigen dir den Hebel, der am meisten bringt.
Weiterlesen
Mehr zum Thema Leadgenerierung
B2B Funnel
20 Min. Lesezeit · Elia Faber
B2B Funnel: Wie aus Werbeklicks qualifizierte Anfragen werden
Der Traffic stimmt, die Anfragen nicht? So holt ein B2B Funnel Besucher passend zum Werbekanal ab, qualifiziert Leads und bleibt dran, bis ein Termin steht.
Artikel lesen
Funnel-Analyse
19 Min. Lesezeit · Emil Wessolowski
Funnel-Analyse: So findest du heraus, wo dein Funnel Anfragen verliert
Welche Kennzahlen je Stufe zählen, wie du Abbrüche findest und welche Stufe du zuerst optimierst. Mit Rechenbeispiel.
Artikel lesen
Landingpage Konzeption
11 Min. Lesezeit · Elia Faber
Effektive Landingpage-Konzepte: Ein Leitfaden
Ein effektives Landingpage-Konzept erfordert ein tiefes Verständnis der Zielgruppe und die richtigen Strategien und Tools, um Konversionen zu maximieren.
Artikel lesen