A/B-Testing mit dynamischen QR-Codes: zwei Ziele vergleichen und messen, welches besser funktioniert

A/B-Testing ist eine kontrollierte Vergleichstechnik: Sie teilen Ihr Publikum in zwei Gruppen auf, zeigen jeder Gruppe eine andere Variante und messen, welche bessere Ergebnisse erzielt. Auf QR angewandt ist der Prozess einfach.

Variante A: Dynamischer QR-Code, der auf die aktuelle Version zeigt (Kontrolle). Variante B: Dynamischer QR-Code, der auf die alternative Version zeigt (Test).

Sie verteilen die zwei Codes unter gleichwertigen Bedingungen: gleiche Druckmenge, gleiche relative Positionierung, gleiches Zielpublikum. Nach einem Messzeitraum (7-14 Tage ist üblich) vergleichen Sie Scan-Daten und Konversionen im Ziel.

Der Unterschied zum klassischen Web-A/B-Testing: Hier gibt es keinen Algorithmus, der den Traffic automatisch aufteilt. Sie steuern, welcher QR auf welchen physischen Träger kommt. Das erfordert sorgfältiges Experimentdesign, macht die Analyse aber transparenter.

Diese vier Fälle liefern beim A/B-Test mit dynamischen QR-Codes die klarsten Ergebnisse:

1. Zwei Versionen einer Landing Page: Sie haben ein Veranstaltungsplakat mit QR. Sie erstellen zwei Landing-Page-Versionen: eine mit Video und eine nur mit Text und Kaufschaltfläche. Sie drucken zwei gleiche Plakatchargen bis auf den QR und hängen sie an gleichwertigen Orten auf. Nach 10 Tagen vergleichen Sie die Konversionen.

2. Zwei Preisangebote: Sie wollen wissen, ob ein Rabatt von 10% oder 15% mehr Nettoverkaufe erzeugt. Sie verwenden denselben physischen Träger, aber mit zwei verschiedenen QR-Codes, einen pro Filiale oder Bereich des Geschäfts.

3. Zwei Restaurantspeisekarten: Sie testen, ob eine Karte mit Fotos oder eine nur mit Text mehr Bestellungen generiert. Sie weisen QR-A den Innentischen zu und QR-B den Terrassen-Tischen (und stellen sicher, dass das Kundenprofil ähnlich ist).

4. Zwei Plakat-Designs: Zwei Designs für dieselbe Kampagne, jeder mit seinem QR. Sie verteilen sie in zwei Stadtteilen oder zwei Einkaufszentren und messen, welcher mehr Scans hat.

Die Statistiken von codigo-qr.es erfassen pro dynamischem QR-Code die Gesamtscans, die Verteilung nach Tag und Uhrzeit, das ungefähre Land und die Stadt sowie den Gerätetyp. Mit diesen Daten können Sie die grundlegende A/B-Test-Analyse durchführen.

Zu vergleichende Metriken:

| Metrik | QR-A | QR-B | Sieger? | |--------|------|------|--------| | Gesamtscans | 148 | 203 | B (+37%) | | Scans Woche 1 | 62 | 89 | B | | Scans Woche 2 | 86 | 114 | B | | Hauptuhrzeit | 13 Uhr | 19 Uhr | Unterschiedliche Muster |

Scan-Statistiken messen das Interesse (wie viele Personen das Ziel erreichen), nicht die Konversion im Ziel. Für die Konversionsmessung müssen Sie die QR-Daten mit Ihrem Web-Analysetool kombinieren: Google Analytics, Plausible oder die nativen CMS-Statistiken. UTM-Parameter in der Ziel-URL helfen, beide Quellen zu verknüpfen.

Siehe den Artikel über QR-Codes mit UTM-Parametern, um beide Metriken zu kombinieren.

Ein schlecht gestalteter A/B-Test liefert unbrauchbare Ergebnisse. Das sind die häufigsten Fehler:

Fehler 1: Nicht gleichwertige Gruppen. Wenn QR-A am Haupteingang hängt und QR-B in einem Seitengang, ist der Traffic nicht vergleichbar. Jeder QR muss gleiche Chancen haben, gesehen zu werden.

Fehler 2: Zu kurzer Zeitraum. Mit weniger als 7 Tagen oder weniger als 50 Scans pro Variante kann die Differenz statistisches Rauschen sein. Lassen Sie den Test mindestens 7-14 Tage laufen und erreichen Sie 100 Scans pro QR, bevor Sie Schlüsse ziehen.

Fehler 3: Ziel während des Tests ändern. Ändern Sie die Ziel-URL eines der QR-Codes mitten im Experiment, mischen Sie zwei verschiedene Varianten in den Daten dieses QR. Legen Sie die Ziele vor Beginn fest und ändern Sie sie nicht bis zum Testende.

Fehler 4: Nur Scans messen, nicht Konversionen. Mehr Scans bedeuten nicht unbedingt bessere Ergebnisse, wenn die Konversion im Ziel schlechter ist. Kombinieren Sie QR-Statistiken mit Landing-Page-Statistiken für ein vollständiges Bild.