Conversion-Optimierung mit belastbaren Daten

Drei Faktoren machen klassische Client-Side-Tests untauglich. Erstens: ITP 2.3 in Safari kappt clientseitige Cookies auf 7 Tage Lebensdauer, ein Bucketing-State, der nach einer Woche zerfällt, ruiniert jeden Test. Zweitens: ML-basierte Adblocker filtern 25 bis 40 Prozent aller Exposure-Events, die Power-Analyse arbeitet dann gegen unsichtbares Sampling. Drittens: Client-Side-Varianten erzwingen einen FOUC, bevor das Snippet die Variante setzt, und zerstören CLS und LCP messbar in den Core Web Vitals. Server-Side Assignment am Edge umgeht alle drei: das Bucketing passiert auf dem Server, die Exposure wird im Backend geloggt, der Browser sieht die finale Variante ohne Flicker.

Beide, je nach Fragestellung. Frequentist (Welch-t-Test, Mann-Whitney-U) liefert klassische p-Werte und MDE-Power-Analysen, gut für regulatorisch dokumentierte Tests und harte Go-/No-Go-Entscheidungen vor Launch. Bayesian (über GrowthBook oder Statsig nativ) gibt eine direkte Wahrscheinlichkeitsaussage ("Variant B ist mit 94 % Wahrscheinlichkeit besser") und erlaubt Sequential Testing ohne Alpha-Inflation, sinnvoll wenn der Business-Case asymmetrisch ist und ein Peek erlaubt sein muss. Wir entscheiden den Ansatz im Hypothesen-Kickoff, nicht später.

Die Assignment-Logik läuft in Next.js Middleware oder einem Cloudflare Worker. Konkret: der Request trifft den Edge-Layer, wir hashen die User-ID (anonym oder Consent-bedingt PII) gegen die Test-Definition, schreiben das Bucket-Cookie und routen zur entsprechenden Variante. Das Exposure-Event geht parallel an PostHog oder GrowthBook und in BigQuery für die Auswertung. Die Variant-Code-Implementierung verbleibt bei Ihrem Dev-Team, wir liefern Edge-Handler, Flag-Service und Exposure-SDK-Wiring. Funktioniert mit Vercel, Cloudflare Pages, Netlify Edge und SST.

Durch Architektur, nicht durch Trickserei. Client-Side-Test-Frameworks wie Google Optimize (eingestellt 2023), VWO Visual Editor oder Optimizely Web injizieren CSS und DOM-Mutationen erst nach dem ersten Paint, das erzeugt Flash of Unstyled Content und einen messbaren CLS-Sprung. Bei Server-Side Assignment am Edge erhält der Browser direkt das HTML der zugewiesenen Variante. Kein Paint-Cycle, kein Mutation Observer, kein Layout-Shift. Vor dem Rollout dokumentieren wir den CLS-Delta zwischen Control und Variante und stoppen den Test, wenn die Variante Performance-Regression zeigt.

Faustregel: mindestens 1.000 Conversions pro Testvariante in 4 Wochen. Darunter dauert der Test länger als die Hypothese überlebt oder liefert keine valide Signifikanz. Bei niedrigerem Traffic nutzen wir qualitative Methoden, sogenannte Obvious Wins aus dem Conversion-Audit und Switchback-Designs auf Marketing-Channel-Ebene. Wir empfehlen keine Tests, die strukturell nicht messbar sind, das ist Verbrennen von Budget.

Eine dokumentierte Sammlung jedes Tests, gewonnen und verloren. Jeder Eintrag enthält: Hypothese, Testdesign, MDE, Laufzeit, Ergebnis mit Konfidenzintervall, abgeleitete Lerneffekte. Verhindert, dass dieselben Tests doppelt laufen, beschleunigt die nächste Hypothese um Wochen. Wir hosten die Library in Notion oder Linear, Sie behalten das Eigentum.

Mindestens 2 Wochen, um Wochentags- und Wochenend-Effekte abzudecken. Typisch 3 bis 6 Wochen bis zur Signifikanz, abhängig von Baseline-Conversion-Rate, MDE und Traffic-Volumen. Wir stoppen keinen Test früh, weil ein Zwischenergebnis gut aussieht. Peeking ohne Alpha-Spending zerstört die statistische Aussage, das ist einer der häufigsten Fehler in CRO-Projekten.

Audit Sprint zum Festpreis 2.400 € netto, 10 Arbeitstage Lieferung. Enthält Conversion-Daten-Audit, Funnel-Lecks priorisiert, Test-Roadmap. Build Sprint für die Edge-Architektur (Middleware-Handler, Flag-Service, Exposure-Pipeline) ab 7.500 € netto, abhängig vom Hosting-Setup. Managed Evolution monatlich, ab 4.000 € netto pro Monat, deckt Hypothesen-Backlog, Test-Betrieb und Quartals-Rollup ab.