Conversion-Optimierung heißt: Du erhöhst den Anteil der Besucher, die auf deiner Seite das tun, wofür sie da ist, also kaufen, anfragen oder sich eintragen. Diese eine Handlung ist die Conversion, und die Conversion-Rate ist ihr Anteil: Conversions geteilt durch Besuche, mal 100. Das Vorgehen hat fünf Schritte: Ziel festlegen, den Ausgangswert messen, eine Hypothese aufschreiben, testen, auswerten. Die typischen Hebel sind das Angebot, die erste Bildschirmansicht, das Formular, die Ladezeit und das Vertrauen. Ob eine Änderung wirkt, zeigt ein A/B-Test, aber nur mit genug Besuchern, und wie viele das sind, rechnest du vor dem Start aus. Bei kleinen Seiten kommt dabei oft heraus, dass nur große Änderungen in vertretbarer Zeit messbar sind.
Wie du die Seite baust, steht in Landingpage erstellen: Anleitung und Tools. Hier geht es um danach: messen, ob sie ihr Ziel erreicht, und begründet ändern. Wer bauen lässt statt selbst baut, findet den Ablauf in Landingpage erstellen lassen: Ablauf, Kosten. Das Messen übernimmt bei mir Sebastian, mein KI-Mitarbeiter für SEO, GEO und Blog, dazu unten mehr.
Was eine Conversion ist und wie du die Conversion-Rate berechnest
Was als Conversion zählt, legst du fest. Google formuliert es in der Ads-Hilfe so: „Sie legen fest, was für Sie wertvoll ist, z. B. ein Kauf, eine Anmeldung oder ein Anruf.“ In Google Analytics heißt dasselbe inzwischen Schlüsselereignis: ein Ereignis, „bei dem eine Aktion erfasst wird, die für den Erfolg Ihres Unternehmens besonders wichtig ist“.
Conversion-Rate = Conversions ÷ Besuche × 100
Ein Beispiel: Angenommen, eine Angebotsseite hat im Monat 1.500 Besuche und bekommt 45 Anfragen. Die Conversion-Rate ist 45 ÷ 1.500 = 3 %.
Vor der ersten Zahl fallen zwei Entscheidungen:
- Was steht im Nenner? Besuche, Besucher oder Sitzungen ergeben verschiedene Raten. Nimm eine Größe und bleib dabei, im Zähler wie im Nenner: Bei Besuchen zählst du Besuche mit mindestens einer Conversion, bei Besuchern Besucher. Wer zehnmal auf denselben Knopf drückt, zählt einmal.
- Welche Stufe misst du? Zwischen Besuch und Anfrage liegt meist ein Zwischenschritt, etwa der Klick auf den Knopf zum Formular. Im Beispiel: 120 Klicks auf 1.500 Besuche sind 8 %, und von den 120 schicken 45 das Formular ab, also 37,5 %. So siehst du, wo die Leute aussteigen: vor dem Knopf oder im Formular.
Typische Hebel: wo du zuerst suchst
- Angebot. Passt das Angebot nicht, hilft keine Knopffarbe. Klar zu sagen, was jemand bekommt, für wen es ist und was es kostet, kommt vor allen anderen Hebeln.
- Erste Bildschirmansicht. Google rät in der Ads-Hilfe, wichtige Informationen „möglichst am Seitenanfang“ zu platzieren, und die Landingpage soll den Call-to-Action der Anzeige spiegeln. Wer auf „kostenloser Check“ geklickt hat, sucht genau das, und zwar oben.
- Formular. Jedes Feld kostet Überwindung. Frag nur ab, was du für den nächsten Schritt brauchst, und prüfe den Fehlerfall: Gehen die Eingaben verloren, wenn etwas schiefgeht?
- Ladezeit. Google nennt für die Core Web Vitals feste Schwellen: der größte sichtbare Inhalt (LCP) innerhalb von 2,5 Sekunden, Reaktion auf Eingaben (INP) 200 Millisekunden oder weniger, Layoutverschiebung (CLS) 0,1 oder weniger, jeweils gemessen am 75. Perzentil der Seitenaufrufe, getrennt nach Handy und Desktop. Womit du das prüfst, steht in SEO-Audit-Tools im Vergleich.
- Vertrauen. Echte Belege statt Behauptungen, ein Ablauf, der sagt, was nach dem Absenden passiert, erreichbare Pflichtangaben. Erfundene Bewertungen oder Zahlen gehören nicht auf die Seite.
Fang beim Hebel an, den deine Zahlen zeigen: Steigen viele vor dem Knopf aus, liegt es eher an Angebot und erster Ansicht; steigen sie im Formular aus, am Formular.
A/B-Test: Mindestmenge und Laufzeit selbst rechnen
Eine allgemeine Mindestzahl an Besuchern gibt es nicht, sie hängt an Ausgangsrate und gewünschtem Unterschied. Kohavi und Kollegen geben in ihrem Überblick zu Online-Experimenten eine Formel für die Mindestmenge je Variante an, bei 95 % Konfidenz und 80 % Power (Teststärke):
n = 16 × p × (1 - p) ÷ Δ²
Dabei ist p die Conversion-Rate des Originals und Δ der Unterschied, den du erkennen willst, als Anteil (0,6 Prozentpunkte = 0,006). Im Beispiel: 3 % Ausgangsrate, 50 Besuche am Tag, halb und halb verteilt.
Die Formel ist eine Näherung. Die ausführliche Formel für zwei Anteile, die viele Rechner nutzen, ergibt im mittleren Fall 2.514 statt 2.069 je Variante. Nimm die Tabelle als Untergrenze.
Laufzeit = Besuche gesamt ÷ Besuche pro Tag, aufgerundet auf volle Wochen. Kohavi und Kollegen empfehlen mindestens ein bis zwei Wochen und danach ganze Wochen, weil am Wochenende oft andere Besucher kommen als unter der Woche, und eine Aufteilung von 50 zu 50: Je kleiner der Anteil der Variante, desto länger dauert der Test.
Wenn du wenig Besucher hast
Mit 50 Besuchen am Tag ist ein Unterschied von 20 % praktisch nicht messbar. Was trotzdem geht:
- Große Änderungen testen statt Feinschliff. Nur große Unterschiede passen in deine Laufzeit. Teste deshalb Änderungen, die viel bewirken könnten: ein neues Angebot, eine völlig andere Überschrift, ein halb so langes Formular.
- Den näheren Schritt messen. Der Klick auf den Knopf ist häufiger als die Anfrage. Bei 8 % Klickrate reichen für +50 % rechnerisch 736 Besuche je Variante, 5 volle Wochen statt 12. Verwandt damit rät Kohavi, nur Besucher auszuwerten, die die Änderung überhaupt gesehen haben.
- Vorher/Nachher mit offenen Augen. Ohne gleichzeitige Vergleichsgruppe ist ein Anstieg kein Beweis. Vergleiche gleich lange Zeiträume, prüfe, ob sich die ganze Website mitbewegt hat, und notiere, was sonst lief: Anzeigen, Newsletter, Saison.
- Zusehen. Lass ein paar Menschen aus deiner Zielgruppe die Seite benutzen und laut sagen, was sie suchen. Das liefert keine Rate, aber Hypothesen.
Drei Fehler, die einen Test wertlos machen
Zu früh abbrechen. Wer ständig nachsieht und beim ersten „signifikant“ aufhört, findet Gewinner, die keine sind. Johari und Kollegen nennen die üblichen p-Werte dann „wholly unreliable“. Wie stark das wirkt, zeigt eine Simulation für diesen Beitrag: ein A/A-Test, also zwei identische Varianten mit je 3 % Conversion-Rate und 25 Besuchen am Tag, 12 Wochen Laufzeit, 20.000 Durchläufe. Einmal am Ende ausgewertet, erklärten 5,1 % der Durchläufe einen Gewinner, so viel wie bei 95 % Konfidenz erwartet. Bei Abbruch am ersten Treffer, einmal pro Woche nachgesehen, waren es 20,5 %, täglich nachgesehen 32,6 %. Bei identischen Varianten ist jeder dieser Gewinner Zufall.
Zu viele Varianten. Jeder Vergleich mit dem Original hat bei 95 % Konfidenz 5 % Fehlalarm. Bei drei Varianten liegt die Wahrscheinlichkeit für mindestens einen Zufallsgewinner schon bei 1 - 0,95³ = 14 %. Dazu teilt jede weitere Variante deine Besucher weiter auf. Bei wenig Besuchern heißt das: eine Variante gegen das Original.
Die falsche Kennzahl. Mehr Klicks sind nicht automatisch mehr Anfragen, mehr Anfragen nicht automatisch mehr Aufträge. Wer den Preis von der Seite nimmt, bekommt vielleicht mehr Anfragen, aber mehr unpassende. Leg vorher die Kennzahl fest, die dem Ziel am nächsten ist und in der Laufzeit erreichbar, und schau die übrigen Stufen als Kontrolle an. Kommen die Besucher aus Anzeigen, gehört der Umsatz je Werbe-Euro dazu, siehe ROAS berechnen: Formel und Rechenbeispiele.
Wie ich auf kevinwelter.com messe
Seit dem 19. September 2026 messe ich auf kevinwelter.com cookielos, welcher Knopf auf welcher Seite geklickt wird. Jeder Knopf in meine Community trägt ein Ereignis mit dem Namen seiner Platzierung, und derselbe Name steht im Link. So sehe ich je Seite, ob der Knopf oben oder der im Schlussabschnitt den Klick gebracht hat, also genau die Zwischenstufe aus dem ersten Abschnitt. Wo diese Stufe im ganzen Weg bis zur Community sitzt, zeigt Marketing-Funnel.
Das Messen ist bei mir Sebastians Aufgabe, in einer festen Kette: Messung, Befund, Maßnahme, Nachmessung mit demselben Aufbau. Jede Zahl kommt aus einem abgelegten Tool-Ergebnis in seinem Auftragsordner. Ladezeit und Core Web Vitals misst er mit Lighthouse und Unlighthouse, Feldwerte aus echten Nutzungsdaten holt er über die PageSpeed-Insights-API. Live stellt er nichts selbst, das gebe ich frei. Wie er arbeitet, steht auf SEO und Blog mit KI: Sebastian im Einsatz.
Häufige Fragen
Was ist eine gute Conversion-Rate?
Eine, die besser ist als deine eigene von vorher, auf dieselbe Weise gemessen. Eine allgemeine Zielzahl hilft wenig, weil die Rate von Angebot, Preis, Herkunft der Besucher und davon abhängt, was du als Conversion zählst: Ein Erstgespräch und ein Newsletter-Eintrag sind nicht vergleichbar.
Wie berechne ich die Conversion-Rate?
Conversions durch Besuche im selben Zeitraum, mal 100. 45 Anfragen aus 1.500 Besuchen sind 3 %. Wichtig ist, dass Zähler und Nenner zueinander passen: dieselbe Seite, derselbe Zeitraum, ohne deine eigenen Testbesuche.
Ab wie vielen Besuchern lohnt sich ein A/B-Test?
Das rechnest du aus: Mit n = 16 × p × (1 - p) ÷ Δ² brauchst du bei 3 % Ausgangsrate für eine Verdopplung rund 520 Besuche je Variante, für +20 % fast 13.000. Teile die Summe durch deine Besuche pro Tag, dann siehst du, ob der Test in deine Zeit passt.
Welches Tool brauche ich für A/B-Tests?
Erst eines, wenn die Rechnung zeigt, dass du genug Besucher hast. Google Optimize gibt es seit dem 30. September 2023 nicht mehr; Google nennt AB Tasty, Optimizely und VWO als Anbieter mit Anbindung an Google Analytics. Für Anzeigen hat Meta einen eigenen A/B-Test, beschrieben in Werbeanzeigen auf Meta schalten: Anleitung.
Wie du weitermachst
Schreib für deine wichtigste Seite drei Zeilen auf: die Kennzahl, ihren heutigen Wert und den kleinsten Unterschied, der sich lohnt. Dann rechne die Laufzeit aus. Passt sie nicht in drei Monate, teste eine größere Änderung oder miss einen näheren Schritt. Und wenn du dir das Messen nicht selbst bauen willst: Sebastian gibt es als fertiges Paket in meiner Community Claude Practitioners, mit Werkzeugkette und Auftragsordner-Struktur zum Nachbauen.
