Ein kontrolliertes Experiment, das zwei Varianten vergleicht, indem Nutzer*innen zufällig auf diese aufgeteilt werden. Die einzige zuverlässige Methode, um die kausale Wirkung einer bestimmten Änderung auf das Nutzerverhalten zu messen.
Definition: Ein kontrolliertes Experiment, das zwei Varianten vergleicht, indem Nutzer*innen zufällig auf diese aufgeteilt werden. Die einzige zuverlässige Methode, um die kausale Wirkung einer bestimmten Änderung auf das Nutzerverhalten zu messen.
A/B Testing teilt Ihre Nutzer*innen in zwei Gruppen auf: Eine sieht Version A, die andere Version B. Anschließend wird gemessen, welche Variante bei einer definierten Metrik besser abschneidet. Es ist der Goldstandard für kausale Schlussfolgerungen bei Produktentscheidungen.
A/B Tests beantworten die Frage "Was ist besser?", aber nicht "Warum?". Wenn Ihre Conversion Rate um 15 % sinkt, zeigt Ihnen ein A/B Test, dass das neue Design die Ursache war. Er verrät Ihnen jedoch nicht, was die Nutzer*innen verwirrt hat. Dafür benötigen Sie qualitative Forschung.
A/B Tests erfordern außerdem ausreichend Traffic. Wenn Ihre Stichprobengröße zu klein ist, erreichen die Ergebnisse keine statistische Signifikanz, und Sie raten letztlich nur mit zusätzlichem Aufwand.
Der Prozentsatz der Nutzer*innen, die eine gewünschte Aktion (z. B. Kauf, Anmeldung) ausführen, bezogen auf die Gesamtzahl der Besucher*innen.
Die Feststellung, dass ein beobachtetes Ergebnis wahrscheinlich nicht allein durch Zufall entstanden ist. Konventionell angezeigt durch einen p-Wert unter 0,05, was einer Wahrscheinlichkeit von weniger als 5 % entspricht, dass das Ergebnis ein Zufallsbefund ist.
Die Anzahl der Teilnehmer*innen in einer Forschungsstudie. Die geeignete Stichprobengröße hängt von den Forschungszielen, der Methodenart (qualitativ vs. quantitativ), der geforderten Präzision und der Anzahl der untersuchten Nutzersegmente ab.
Dieser Begriff wird in den folgenden Artikeln referenziert:
Ein interaktiver Stichprobenrechner für UX Research, mit den statistischen Grundlagen erklärt: von binomialer Problemerkennung bis Power-Analyse.
Einer der häufigsten Reibungspunkte dreht sich nicht um Budget oder Methoden, sondern um Timing. Ihre Kernaufgabe ist es, Forschung von einem einzelnen, disruptiven Ereignis in eine kontinuierliche, wertschöpfende Schleife umzurahmen.
UX Research ist kein Luxus und kein Häkchen auf einer Liste. Es ist ein systematischer Prozess zur Reduktion von Unsicherheit und zur Erzielung messbarer Geschäftsergebnisse. So kommunizieren Sie den Wert.
Marktforschung, UX Research, CX Research, Product Research: Sind das verschiedene Dinge? Im Kern sind es alles verwandte Methoden zur Datenerhebung, um Unsicherheit zu reduzieren. Entscheidend ist zu verstehen, wofür jede am besten geeignet ist.
Statt einer scharfen Trennlinie existieren qualitative und quantitative Forschung auf einem Kontinuum. Die wirkungsvollsten Erkenntnisse entstehen aus der Kombination beider Ansätze: verstehen, warum etwas passiert, und messen, wie häufig.
Es gibt zwei grundlegend unterschiedliche Arten, Daten zu sammeln. Forschung, die wir gezielt planen und kontrollieren, und Daten, die Nutzer*innen ohne unser Zutun generieren. Die meisten Teams verlassen sich zu stark auf eine der beiden und verstehen die andere falsch.