Summary  
This chapter explains how to implement controlled experiments (A/B tests) by randomly serving two code variations, isolating a single variable, and using statistical analysis to determine which version performs better.  

General domain of usage  
Marketing campaigns

**A/B-Testing** vergleicht zwei Versionen desselben Elements, wie zum Beispiel eine Anzeige, eine Landingpage oder eine Betreffzeile, um festzustellen, welche besser abschneidet.

### Gestaltung eines guten A/B-Tests

1. **Eine Variable isolieren**: Nur ein Element ändern, wie eine Überschrift, Button-Farbe, CTA, Bild oder Layout;
2. **Zufällige Zuweisung der Zielgruppe**: Sicherstellen, dass die Gruppen A und B vergleichbar sind, damit Unterschiede nicht verzerrt werden;
3. **Test ausreichend lange durchführen**: Genügend Zeit einplanen, um statistische Signifikanz zu erreichen;
4. **Ergebnisse objektiv auswerten**: Ziel ist es nicht zu gewinnen, sondern zu lernen, wie Nutzer reagieren.

Erwerben Sie die Fähigkeit, das Wesentliche zu messen und Daten in umsetzbare Erkenntnisse zu verwandeln. Lernen Sie, die Leistung über verschiedene Kanäle hinweg zu verfolgen, wichtige Kennzahlen zu interpretieren, Dashboards zu erstellen und Experimente zur Optimierung von Kampagnen sowie zur Unterstützung fundierter Marketingentscheidungen einzusetzen.

Experimentieren und A/B-Tests

Gestaltung eines guten A/B-Tests