Wie funktioniert ein bewährter CRO-Prozess? Schritt für Schritt erklärt

Warum die meisten CRO-Versuche scheitern

Ich merke es in fast jedem Erstgespräch: Shopbetreiber haben bereits versucht zu optimieren. Sie haben Buttonfarben geändert, ein neues Hero-Banner getestet, vielleicht sogar ein A/B-Testing-Tool installiert. Und trotzdem ist nichts Messbares passiert.

Das liegt nicht daran, dass CRO nicht funktioniert. Es liegt daran, dass CRO ohne Prozess nicht funktioniert.

Der häufigste Fehler ist fehlende Priorisierung. Viele Shops testen Ideen ohne klare Strategie oder Roadmap und investieren Zeit in Maßnahmen mit geringem Impact, während die wirklich großen Potenziale ungenutzt bleiben. Der zweithäufigste Fehler liegt in der Umsetzung. Conversion-Optimierung hängt oft von kleinen Details und Nuancen ab. Ohne Erfahrung werden Faktoren übersehen, die darüber entscheiden, ob ein Test erfolgreich ist oder nicht.

Und dann ist da noch ein Punkt, der fast nie diskutiert wird: Conversion-Optimierung erfordert Kompetenzen in mehreren Bereichen gleichzeitig. Datenanalyse, Psychologie, Design, Entwicklung, Statistik und strategische Priorisierung. Die meisten Unternehmen verfügen intern weder über die Kapazitäten noch über das spezialisierte Know-how, um all diese Bereiche abzudecken. Häufig wird das Thema nebenbei einer einzelnen Person zugeordnet, die weder die Zeit noch die Erfahrung hat, um nachhaltige Ergebnisse zu erzielen.

Genau deshalb braucht es einen Prozess, der all diese Anforderungen strukturiert und wiederholbar macht.

Das Double Diamond CRO Framework im Überblick

Das Double Diamond CRO Framework ist aus meiner praktischen Arbeit mit den ersten Kundenprojekten entstanden. Ich habe relativ früh gemerkt, dass Conversion-Optimierung ohne einen klaren, strukturierten Prozess extrem aufwendig und ineffizient wird. Ein Großteil der Zeit fließt dann in Koordination, Abstimmung und Projektmanagement, statt in die wirklich wertschöpfenden Themen wie Strategie, Analyse und Hypothesenentwicklung.

Die eigentliche Struktur war relativ schnell erkennbar. Aber bis das Framework wirklich ausgereift war, hat es über drei Jahre gedauert. In dieser Zeit habe ich viele Projekte begleitet, Fehler gemacht, ineffiziente Prozesse erlebt und daraus gelernt. Mit jedem Projekt wurde klarer, welche Schritte wirklich entscheidend sind. Das Framework basiert auf den Learnings aus über 1.000 A/B-Tests und wird kontinuierlich weiterentwickelt.

Der Name beschreibt den Prozess: zwei klar getrennte Phasen, visuell wie zwei Diamanten, verbunden über die Hypothesen in der Mitte. Der Begriff "Diamond" steht dabei bewusst für Qualität. Hochwertige Conversion-Optimierung ist nur möglich, wenn der Prozess klar strukturiert und sauber durchdacht ist.

Der größte Unterschied zu anderen CRO-Ansätzen liegt in der Struktur und Wiederholbarkeit. Viele Unternehmen testen ohne klaren Prozess und verlieren enorm viel Zeit in Abstimmungen und ineffizienten Abläufen. Durch das Framework stellen wir sicher, dass jeder Schritt klar definiert ist und ineinandergreift. In unseren frühen Projekten war jeder einzelne Test mit viel Aufwand verbunden, weil Prozesse noch nicht sauber definiert waren. Heute greifen die Schritte wie Zahnräder ineinander.

Die Grundstruktur habe ich bewusst nie verändert. Für mich bleibt der Kern immer gleich: Analysephase, priorisierte Hypothesen und strukturierte Umsetzung. Was sich kontinuierlich weiterentwickelt, sind einzelne Methoden innerhalb der Phasen. Wir nutzen heute beispielsweise stärker künstliche Intelligenz bei Datenanalysen oder bei der Auswertung von Umfragen, um Muster schneller zu erkennen.

Einen Überblick über CRO generell findest du in unserem Pillar-Artikel Was ist Conversion Rate Optimierung?.

Phase 1, Schritt 1: Discover — Daten sammeln und Muster erkennen

Die Discover-Phase ist der Moment, in dem wir breit werden. Wir sammeln alles, was uns hilft zu verstehen, was im Shop passiert, und vor allem warum.

Quantitative Analyse: Was passiert?

Zunächst analysieren wir den gesamten Funnel, von der Werbeanzeige bis zum Kaufabschluss, und identifizieren Brüche, Inkonsistenzen und Optimierungspotenziale. Die Grundlage sind Dashboards auf Basis von Google Analytics 4. Hier schauen wir uns zentrale CRO-Metriken an: Drop-Off-Raten zwischen Funnel-Schritten, Conversion-Rates nach Seitentyp, Segmentierungen nach Gerät, Traffic-Quelle und Nutzertyp (neu vs. wiederkehrend).

Qualitative Analyse: Warum passiert es?

Parallel dazu arbeiten wir mit Session-Recordings über Microsoft Clarity und Hotjar. Ich schaue mir persönlich mindestens 50 Sessions an, bevor ich eine einzige Hypothese formuliere. Dabei suche ich nach wiederkehrenden Mustern: Rage Clicks, U-Turns, totes Scrollen, Abbrüche an unerwarteten Stellen.

Dazu kommen Nutzerumfragen, Pre-Purchase ("Was hält dich davon ab zu kaufen?") und Post-Purchase ("Was hätte dich fast abgehalten?"). Viele Probleme erkennt man erst, wenn man sieht, wie echte Nutzer mit einer Seite interagieren oder direkt nach ihren Gedanken fragt.

Der häufigste Aha-Moment in unseren Analysen entsteht, wenn wir erkennen, dass Nutzer ganz andere Probleme haben als erwartet. Scheinbar kleine Hürden haben oft große Auswirkungen.

Psychologische Analyse: Was treibt die Zielgruppe?

Ein Modell, mit dem ich sehr viel arbeite, ist der Motivkompass von Dirk Eilert. Damit analysieren wir die emotionalen Beweggründe der Zielgruppe im Kontext des jeweiligen Produkts. Statt zu fragen "Was soll der Nutzer tun?" fragen wir: "Was motiviert den Nutzer, und was hält ihn davon ab?"

Die TÜV-Zertifizierung in Verkaufspsychologie hat mir dabei ein deutlich strukturierteres Verständnis gegeben, warum Menschen Entscheidungen treffen und welche Motive hinter Kaufverhalten stehen. Das ist kein Nice-to-have. Es ist die Grundlage für jede Hypothese, die wirklich funktioniert.

Phase 1, Schritt 2: Define — Hypothesen formulieren und priorisieren

Aus der Breite der Discover-Phase wird jetzt Fokus. Alles, was wir an Daten, Beobachtungen und Insights gesammelt haben, wird in konkrete Hypothesen übersetzt.

Das Wenn-Dann-Weil-Framework

Jede Hypothese bei Convertlab folgt einer klaren Struktur:

Ein konkretes Beispiel: "Wenn wir auf der Produktseite eine Versandkosten-Progressbar ergänzen, die zeigt wie viel bis zum kostenlosen Versand fehlt, dann erwarten wir einen höheren Average Order Value, weil Nutzer in Session-Recordings wiederholt nach Versandinformationen gesucht haben und der Anchoring-Effekt einen höheren Warenkorbwert motiviert."

Das "Weil" ist entscheidend. Ohne Begründung ist eine Hypothese nur eine Meinung.

Scoring und Priorisierung

Ich bin überzeugt, dass eine gute Priorisierung einer der größten Erfolgshebel im CRO ist, weil sie entscheidet, worauf Zeit und Ressourcen eingesetzt werden.

Konkret erstellen wir je Seitentyp im Shop, Produktseiten, Kategorieseiten, Warenkorb, Startseite, eine Liste von Hypothesen. Jede Hypothese erhält einen Score, der sich aus mehreren Faktoren zusammensetzt:

Daraus entsteht ein klares Ranking. Entscheidungen werden nicht nach Bauchgefühl getroffen, sondern strukturiert priorisiert. Am Ende steht eine Testing-Roadmap: ein Plan, welche Tests wir in welcher Reihenfolge umsetzen, aufgeteilt nach Seitentypen und Priorität.

Phase 2, Schritt 3: Develop — Tests implementieren und qualitätssichern

Jetzt beginnt der zweite Diamant. Die priorisierten Hypothesen werden zu realen A/B-Tests.

Design und Entwicklung

Testvarianten entstehen im Zusammenspiel aus Design und Entwicklung. Eine Variante kann nur dann funktionieren, wenn das Design zur Marke passt und gleichzeitig verkaufspsychologisch auf die Zielgruppe abgestimmt ist. Design und Copywriting gehören dabei untrennbar zusammen. Visuelle Gestaltung und Botschaft wirken immer gemeinsam.

Wir arbeiten mit einem spezialisierten Entwicklerteam und entwickeln Lösungen gezielt und effizient. Ich bin ein großer Fan von Custom-Entwicklung, weil Themes zwar viele Möglichkeiten bieten, aber im Detail immer Grenzen haben. Gerade im A/B-Testing kommt es oft auf Nuancen an, die nur über individuellen Code umgesetzt werden können.

Technische Implementierung

Ein wichtiges Prinzip: Varianten werden bereits während des Tests so entwickelt, dass sie später schnell implementiert werden können. Gerade bei Shopify achten wir darauf, dass der Großteil des Codes bereits direkt im System vorhanden ist und das Testing-Tool hauptsächlich die Ausspielung steuert.

Performance darf beim Testing niemals leiden. Deshalb setzen wir Varianten technisch so um, dass möglichst viel Code direkt im Shop geladen wird und nicht über externe Tools. Das vermeidet Flicker-Effekte, dieses kurze Aufblitzen der Originalversion, bevor die Variante geladen wird, und hält die Ladezeit stabil.

Quality Assurance — der unterschätzte Gamechanger

Aus meiner Erfahrung werden vor allem zwei Bereiche im CRO-Prozess unterschätzt. Der erste ist die Quality Assurance.

Ohne saubere QA weiß man nicht, ob Varianten korrekt ausgespielt werden. Damit sind Testergebnisse im Zweifel wertlos. Bereits ein kleiner technischer Fehler kann große Auswirkungen auf die Daten haben.

Wir behandeln QA deshalb als eigenständigen, strukturierten Prozessschritt: Jede Variante wird auf verschiedenen Geräten, Browsern und Betriebssystemen geprüft, bevor irgendetwas live geht. Ich sehe immer wieder, dass andere diesen Schritt überspringen oder nur oberflächlich durchführen. Das ist ein Fehler, der sich in den Daten rächt.

Phase 2, Schritt 4: Deliver — Auswerten, implementieren, iterieren

Ein Test läuft. Nutzer werden zufällig auf Variante A (Original) und Variante B (Veränderung) aufgeteilt. Jetzt beginnt die Phase, die Disziplin erfordert.

Laufzeit und statistische Auswertung

Die typische Laufzeit eines A/B-Tests liegt bei vier bis sechs Wochen. Es gibt Tests, die bereits nach zwei Wochen klare Ergebnisse liefern, während andere, insbesondere bei geringerem Traffic, bis zu drei Monate laufen können. Starre Laufzeiten sind wenig sinnvoll. Entscheidend ist immer die Datenbasis, nicht der Kalender.

Für die Auswertung arbeiten wir mit bayesianischer Statistik. Dieser Ansatz macht Wahrscheinlichkeiten direkt interpretierbar und unterstützt Entscheidungsprozesse. Statt zu fragen "Ist der Unterschied statistisch signifikant?" fragt die bayesianische Methode: "Wie wahrscheinlich ist es, dass Variante B wirklich besser ist?"

Für mich entscheidet nicht die Meinung, sondern die Statistik. Ein Test gilt als gewonnen, wenn die vorher definierten Haupt-KPIs, in der Regel der ARPU, statistisch signifikant verbessert werden.

Was passiert mit Gewinnern?

Gewinner-Varianten werden permanent in den Shop integriert. Da wir den Code bereits während des Tests implementierungsfähig entwickeln, kann die Umsetzung oft innerhalb weniger Tage erfolgen.

Was passiert mit Verlierern?

Hier liegt einer meiner stärksten Überzeugungen: Es gibt keine "verlorenen" Tests. Jeder Test liefert Erkenntnisse, insbesondere dann, wenn Ergebnisse schlechter ausfallen als erwartet.

Ein signifikanter Downlift ist oft sogar wertvoller als ein neutrales Ergebnis, weil er klar zeigt, dass bestimmte Annahmen nicht funktionieren. Daraus entstehen neue Fragen, neue Hypothesen und letztlich bessere Tests.

Was passiert mit "Flat Tests"?

Wenn ein Test kein klares Ergebnis liefert, analysiere ich zunächst Trends in sekundären Kennzahlen wie Funnel-Schritten oder Zwischenmetriken. Manchmal gewinnt eine Variante auf Mobile und verliert auf Desktop. Das ergibt erst in der Segment-Analyse ein Bild.

Entscheidend ist die Stärke der zugrunde liegenden Hypothese. Wenn ich überzeugt bin, dass das Konzept Potenzial hat, testen wir weiter, entweder durch Iterationen der bestehenden Variante oder durch neue Experimente in dieselbe Richtung.

Dokumentation und Learnings

Wir arbeiten mit Airtable, weil es uns ermöglicht, Daten strukturiert zu speichern und gleichzeitig flexibel auszuwerten. Ein Teil der Datenübertragung erfolgt automatisiert aus dem Testing-Tool, wodurch wir Zeit sparen und Fehler reduzieren. Jeder Test wird dokumentiert: Hypothese, Varianten-Beschreibung, Laufzeit, Ergebnis, Learning, Follow-Up-Hypothesen.

Dieser Wissensschatz wächst mit jedem Projekt und jedem Test. Nach über 1.000 Tests ist daraus eine Datenbank entstanden, die unsere Hypothesen-Entwicklung immer präziser macht.

Tools: Womit wir in der Praxis arbeiten

Warum Varify statt VWO, Optimizely oder Kameleoon? Der entscheidende Vorteil: Varify sammelt keine eigenen Daten, sondern arbeitet direkt mit Google-Analytics-Daten. Die Testvarianten lassen sich auf nahezu alle Metriken und Dimensionen in GA4 analysieren, was im Vergleich zu anderen Tools deutlich mehr Tiefe in den Auswertungen erlaubt. Dazu kommt, dass wir in regelmäßigem Austausch mit den Entwicklern stehen und teilweise sogar Einfluss auf neue Features nehmen können.

Der Prozess in Aktion: Wie ein typisches Projekt abläuft

Theorie ist das eine. Hier ist, wie der Prozess in einem realen Projekt aussieht:

Warum der Prozess wichtiger ist als einzelne Testergebnisse

Es gibt einen Satz, den ich in fast jedem Kundengespräch sage: "Es gibt immer etwas zu optimieren." Kein Shop ist jemals vollständig ausoptimiert. Selbst Booking.com, mit einem der am stärksten optimierten Funnels weltweit, testet permanent weiter.

Der Prozess schafft Raum für bessere Entscheidungen. Ohne Struktur versinkt CRO in Chaos: zu viele Ideen, keine Priorisierung, keine Dokumentation, kein Lernen aus Fehlern. Mit dem Framework kann sich das Team auf Strategie und Impact konzentrieren statt auf Organisation.

Ich erlebe regelmäßig überraschende Testergebnisse. Varianten, von denen ich überzeugt bin, dass sie funktionieren müssen, und sie tun es nicht. Selbst wenn sie optisch überzeugend wirken oder bei Wettbewerbern erfolgreich waren. Diese Erfahrung hat mich gelehrt: Im CRO darf man nichts als selbstverständlich annehmen. Testen ersetzt Meinung. Und ein guter Prozess stellt sicher, dass man auch aus den Überraschungen systematisch lernt.

Was Kunden am häufigsten über die Zusammenarbeit sagen: Dass sie unsere Struktur, Organisation und Geschwindigkeit schätzen. Dass wir prozessgetrieben arbeiten und dadurch effizient vorankommen. Am Ende sind es natürlich die Ergebnisse, die den größten Eindruck hinterlassen. Aber die Ergebnisse sind eine Konsequenz des Prozesses, nicht umgekehrt.

Häufig gestellte Fragen