Google Ads Experimente richtig auswerten: Testen ohne Statistik-Theater
„Die letzten sieben Tage waren besser“ ist kein Experiment. Google Ads Experimente teilen Traffic zwischen Kontroll- und Testvariante und machen Veränderungen vergleichbarer. Belastbar wird das Ergebnis aber erst, wenn Hypothese, Erfolgsmetrik, Laufzeit und Entscheidung vor dem Start feststehen.
Wann ein Kampagnenexperiment sinnvoll ist
Ein Experiment lohnt sich für Änderungen, deren Effekt du nicht zuverlässig aus einem Vorher-nachher-Vergleich ablesen kannst. Dazu gehören etwa Gebotsstrategien, Match Types, Zielgruppenlogik, Landingpages, Kampagnenstruktur oder größere Creative-Änderungen.
Ein normaler Zeitvergleich ist anfällig für Saison, Wochentage, Wettbewerb, Budgetwechsel und Nachfrage. Ein paralleler Test verteilt vergleichbaren Traffic auf Kontrolle und Variante. Das entfernt nicht jede Störung, macht die Entscheidung aber deutlich sauberer.
Ein Test beantwortet eine Frage. Wenn du fünf Dinge gleichzeitig änderst, bekommst du nur ein Ergebnis ohne Erklärung.
Mit einer entscheidbaren Hypothese starten
„Broad Match testen“ ist noch keine Hypothese. Besser:
Wenn wir Exact und Phrase um Broad Match ergänzen, steigt die Zahl qualifizierter Leads bei maximal zehn Prozent höherem qualifiziertem CPL.
Damit stehen vier Dinge fest:
- die konkrete Änderung,
- die erwartete Wirkung,
- die primäre Erfolgsmetrik,
- eine akzeptable Grenze.
Ohne Grenze wird fast jedes Ergebnis nachträglich passend interpretiert. Ein Test kann mehr Conversions liefern und trotzdem geschäftlich verlieren, wenn Leadqualität oder Marge einbrechen.
Nur eine wesentliche Variable verändern
Google empfiehlt für A/B-Experimente Varianten, die sich in einer kontrollierten Variable unterscheiden. Änderst du gleichzeitig Gebotsstrategie, Keywords, Anzeigen und Landingpage, weißt du am Ende nicht, was gewirkt hat.
Das heißt nicht, dass jedes einzelne Wort separat getestet werden muss. Eine zusammenhängende strategische Änderung darf mehrere technische Anpassungen enthalten. Entscheidend ist, dass sie eine gemeinsame Hypothese abbilden.
Die richtige Experimentart wählen
Custom Experiments eignen sich laut Google unter anderem für Search-, Display-, Video- und Hotelkampagnen. Für Performance Max, Demand Gen und Video gibt es zusätzlich spezifische Experimenttypen. Wähle nicht nach Gewohnheit, sondern nach der Frage:
- Custom Experiment: Einstellungen, Bidding, Keywords oder Struktur testen.
- Ad Variation: systematische Anzeigenänderungen über viele Anzeigengruppen.
- Demand Gen A/B-Test: etwa Creative, Zielgruppe oder Bidding vergleichen.
- Performance-Max-Experiment: PMax-Effekt oder Einstellungen kontrolliert untersuchen.
Traffic-Split: meistens ist 50/50 der klare Start
Beim Setup legst du fest, wie Traffic und Budget zwischen Original und Test aufgeteilt werden. Ein gleichmäßiger Split sammelt in beiden Armen ähnlich schnell Daten und ist leicht zu erklären. Ein vorsichtigerer Split kann bei hohem Risiko sinnvoll sein, verlängert aber den Weg zu einem belastbaren Ergebnis.
Wichtig: Der Split lässt sich während des laufenden Experiments nicht einfach ändern. Wenn du nachträglich von 70/30 auf 50/50 wechseln willst, brauchst du einen neuen Test. Lege die Verteilung deshalb bewusst vor dem Start fest.
Budget muss für beide Varianten reichen
Ein Test halbiert nicht automatisch den Lernbedarf. Wenn die Basiskampagne schon kaum Conversions erzeugt, bekommen zwei Arme noch weniger Signal. Prüfe vorab:
- Wie viele relevante Conversions entstehen pro Woche?
- Wie lang ist die typische Conversion-Verzögerung?
- Reicht das Budget, damit beide Varianten an Auktionen teilnehmen?
- Ist die primäre Conversion wirklich die geschäftlich relevante Aktion?
Für Leadkonten zählt nicht nur das Formular. Der Beitrag Value-Based Bidding für Leads zeigt, wie CRM-Stufen und Werte die Optimierung verbessern.
Laufzeit nicht nach Kalendergefühl beenden
Ein Experiment sollte vollständige Wochenzyklen abdecken und genügend Daten nach der Anlaufphase sammeln. Beende es nicht direkt nach einem starken Wochenende oder einer einzelnen schwachen Woche. Gleichzeitig ist „einfach drei Monate laufen lassen“ kein Ersatz für Planung.
Lege vorab fest:
- Mindestlaufzeit in vollständigen Wochen,
- Mindestvolumen der primären Conversion,
- gewünschtes Konfidenzniveau,
- maximale Laufzeit, nach der „nicht entscheidbar“ ebenfalls ein Ergebnis ist.
Konfidenz richtig lesen
Google zeigt für Experimentmetriken Konfidenzintervalle beziehungsweise Wahrscheinlichkeiten. Ein Intervall beschreibt nicht nur einen einzelnen Prozentwert, sondern einen möglichen Wirkungsbereich. Wenn dieser Bereich null einschließt, kann die Variante besser oder schlechter sein – das Ergebnis ist für diese Metrik noch nicht eindeutig.
Google nennt 95 Prozent Konfidenz als üblichen Standard für belastbare Schlussfolgerungen. Bei niedrigerem Volumen können 80 Prozent als Richtungswert dienen, sollten aber nicht als Beweis verkauft werden. Wichtig ist, das Niveau nicht erst nach dem Ergebnis passend auszuwählen.
Conversion-Lag mitrechnen
Wenn zwischen Klick und Lead, Termin oder Kauf mehrere Tage liegen, fehlen am Testende zunächst Conversions. Stoppe den Test nicht morgens und erkläre mittags einen Sieger. Warte mindestens die übliche Verzögerung ab und prüfe, ob Offline- oder CRM-Conversions vollständig importiert wurden.
Für Leadgenerierung ist die Kombination aus Klickzeitpunkt, GCLID beziehungsweise First-Party-Daten und späterem CRM-Status entscheidend. Wie du die Rückspielung aufsetzt, steht im Beitrag Enhanced Conversions für Leads einrichten.
Nebenwirkungen sichtbar machen
Die primäre Metrik entscheidet, aber sie erzählt nicht alles. Prüfe zusätzlich:
- Suchbegriffe und Anteil irrelevanter Anfragen,
- Impression Share und Budgetlimitierungen,
- Conversionrate und Kosten pro Conversion,
- Leadqualität, Umsatz oder Deckungsbeitrag,
- Brand- versus Non-Brand-Anteil,
- Veränderungen auf Kontoebene.
Eine Variante kann in der Kampagne gewinnen und im Gesamtgeschäft nur Nachfrage verschieben.
Drei mögliche Entscheidungen statt nur „Gewinner“
- Übernehmen: Die Variante erreicht die vorab definierte Erfolgsgrenze und zeigt keine kritischen Nebenwirkungen.
- Verwerfen: Die Kontrolle bleibt besser oder die Variante verletzt eine harte Qualitätsgrenze.
- Nicht entscheidbar: Datenmenge oder Effekt reichen nicht. Das ist kein Scheitern, sondern verhindert eine schlechte Entscheidung.
Wenn du das Ergebnis übernimmst, dokumentiere Hypothese, Zeitraum, Split, primäre Metrik, Konfidenz und Entscheidung. Sonst wird derselbe Test sechs Monate später noch einmal geführt.
Keine Paralleltests auf derselben Ursache
Google weist darauf hin, dass gleichzeitig laufende Experimente einander beeinflussen können. Teste nicht parallel Broad Match, eine neue Gebotsstrategie und einen Landingpage-Wechsel auf derselben Kampagne. Baue eine Reihenfolge nach erwarteter Wirkung und Risiko.
Diese Disziplin gilt auch außerhalb von Google Ads. Wenn du zum Beispiel den Shopify Checkout optimierst, sollten Zahlungsart, Formulardichte und Express Checkout nicht gleichzeitig ohne klare Messlogik geändert werden.
Offizielle Grundlage
Google beschreibt Aufbau und Traffic-Split unter Über benutzerdefinierte Tests. Die FAQ zu Google Ads Experimenten erläutert unter anderem unveränderbare Splits und mögliche Überschneidungen. Hinweise zu Konfidenzintervallen stehen in Tests beobachten und auswerten.
Mein Fazit
Ein gutes Google Ads Experiment beginnt nicht im Interface, sondern mit einer entscheidbaren Frage. Verändere eine Ursache, gib beiden Varianten genug Budget und Zeit, berücksichtige Conversion-Lag und lege die Entscheidungskriterien vorher fest. Dann wird aus „fühlt sich besser an“ ein Lernsystem.