10 % Rabatt oder 5 € geschenkt? Für deine Kunden mit einem Warenkorbwert von 50 € ist das rechnerisch dasselbe. Beim zachowaniu zakupowym gibt es zwischen den beiden Varianten jedoch oft große Unterschiede. Nur weiß man vorher nicht, in welche Richtung diese gehen.
Genau deshalb gibt es AB-Testing auch für Loyalty-Angebote. Dabei wertest du die Daten zweier konkreter, miteinander vergleichbarer Testgruppen bzw. Angebote aus. So erhältst du im Anschluss klare Ergebnisse darüber, welches deiner Angebote bei der Zielgruppe am besten funktioniert.
Das klingt nach einer Statistik-Vorlesung? Keine Sorge, so kompliziert ist es nicht. Du brauchst lediglich ein klares Testziel, zwei saubere Gruppen, die du miteinander vergleichst, und etwas Geduld. Wir zeigen dir, welche Elemente deines Treueprogramms sich wirklich zu testen lohnen, wie du deinen A/B-Test aufsetzt, ohne die Daten zu verfälschen, und woran du erkennst, ob ein Ergebnis belastbar ist und du es guten Gewissens ausrollen kannst.
Was sich im Loyalty-Programm zu testen lohnt
Nicht jeder Test ist sinnvoll. Teste nur das, was potenziell eine Programm-Entscheidung verändert. Diese fünf Hebel haben in der Praxis den größten Effekt.
Belohnungshöhe
Die wahrscheinlich häufigste – und oft schlecht durchdachte – Testvariable. 10 Prozent gegen 15 Prozent Rabatt, 100 gegen 150 Bonuspunkte, kleine gegen mittlere Belohnung. Ziel ist herauszufinden, ab welcher Höhe die Einlösung deutlich steigt – und wo die Marge ungefähr kippt.
Die Frage ist nicht, ob die höhere Belohnung gewinnt. Sondern ob sie sich lohnt.
Mechanika
Rabatt gegen Gratis-Artikel, Punkte gegen Cashback, sofort einlösbar gegen Sammelmechanik. Die Mechanik beeinflusst nicht nur die Conversion, sondern auch, wie Kund:innen das Programm wahrnehmen.
Laut dem DACH Loyalty Report 2026 sind günstigere Preise auf bestimmte Produkte mit 61,7 Prozent und klassische Rabattaktionen mit 60,1 Prozent die am häufigsten als attraktiv genannten Vorteile – Bonuspunkte folgen mit 43,1 Prozent. Das ist ein guter Anker, aber kein Ersatz für deinen eigenen Test im Programm.
Botschaft & Framing
„20 Prozent Rabatt“ gegen „Du sparst 8 Euro“ gegen „Heute geschenkt: dein Lieblings-Aufstrich“. Gleiches Angebot, andere Wirkung. Framing-Tests sind günstig, schnell auswertbar und überraschen oft mit klaren Gewinnern.
Kanal & Zeitpunkt
Push gegen E-Mail, Vormittag gegen Abend, Wochentag gegen Wochenende. Hier zeigen sich starke Segment-Unterschiede – der Vormittag funktioniert in der Bäckerei anders als im Sporthandel.
Segment-Treffsicherheit
Dasselbe Angebot an Neu-Mitglieder, inaktive Mitglieder oder VIPs wirkt sehr unterschiedlich. Der gleiche Coupon kann je nach Segment um den Faktor 3 bis 5 unterschiedlich performen. Mit einer RFM-Analyse erkennst du diese Segmente zuverlässig und kannst deine Tests gezielt darauf aufsetzen.
Schritt-für-Schritt: So setzt du einen sauberen Test auf
Schritt 1: Frage formulieren
Formuliere eine konkrete, beantwortbare Frage. Schlecht ist: „Funktioniert unser Programm?“ Gut ist: „Erhöht ein 15-Prozent-Coupon die Wiederkauf-Rate inaktiver Mitglieder im Zeitraum X stärker als ein 10-Prozent-Coupon?“
Schritt 2: Erfolgs-Kennzahl festlegen
Definiere vor dem Test eine primäre Kennzahl. Ein paar Beispiele:
| Test-Ziel | Primäre Kennzahl | Sekundär |
|---|---|---|
| Reaktivierung Inaktive | Wiederkauf-Rate in 30 Tagen | Umsatz pro Reaktivierung |
| Höhere Frequenz | Käufe pro Mitglied in 60 Tagen | Durchschnittsbon |
| Mehr Einlösungen | Einlöse-Rate auf Angebot | Marge auf eingelöste Belohnung |
| Höherer Warenkorb | Durchschnittsbon | Anzahl Artikel pro Kauf |
Nimm jedna Hauptkennzahl. Mehrere Hauptkennzahlen führen zu Cherry-Picking nach Testende.
Schritt 3: Gruppen bilden
Teile Mitglieder zufällig auf zwei oder mehr Gruppen auf. Dabei ist wichtig:
- Gruppen müssen vergleichbar sein: gleiches Segment, gleicher Zeitraum, gleicher Kanal.
- Mindest-Volumen: Für stabile Ergebnisse rechnest du mit mehreren hundert Teilnehmer:innen pro Variante. Bei kleinen Programmen heißt das: lieber länger laufen lassen.
- Kontrollgruppe? Bei Tests, die einen Effekt gegenüber „Nichts tun“ prüfen sollen, brauchst du eine Holdout-Gruppe – also Mitglieder, die kein Angebot bekommen.
Schritt 4: Variable isolieren
Ändere nur eine Sache. Wenn du Belohnungshöhe und Mechanik gleichzeitig variierst, weißt du am Ende nicht, was den Unterschied erzeugt hat. Multivariate Tests sind eine eigene Disziplin und brauchen deutlich mehr Volumen.
Schritt 5: Laufzeit definieren
Faustregel: mindestens ein vollständiger Wochenzyklus, oft zwei bis vier Wochen. Kurze Tests überschätzen Effekte durch den sogenannten Novelty-Effekt (Neugier-Effekt). Bei saisonalen Angeboten gilt: Teste innerhalb der Saison, nicht außerhalb.
Schritt 6: Auswerten
Vergleiche die primäre Kennzahl zwischen den Gruppen. Eine Beispielrechnung:
- Variante A: 1.000 Mitglieder, 87 Einlösungen → 8,7 Prozent Einlöse-Rate
- Variante B: 1.000 Mitglieder, 113 Einlösungen → 11,3 Prozent Einlöse-Rate
- Differenz: +2,6 Prozentpunkte zugunsten B
Ist das stabil? Hier hilft eine einfache Signifikanz-Prüfung, etwa ein Chi²-Test oder ein Online-Rechner für Conversion-Tests. Bei den genannten Zahlen wäre das Ergebnis statistisch signifikant. Bei kleineren Differenzen oder weniger Teilnehmer:innen oft nicht.
Schritt 7: Marge gegenrechnen
Variante B hat 30 Prozent mehr Einlösungen – aber wenn sie 50 Prozent teurer im Belohnungswert ist, verlierst du Marge. Rechne immer den Deckungsbeitrag pro Mitglied, nicht nur die Einlöse-Rate.
Schritt 8: Entscheidung & Skalierung
Danach hast du im Grunde drei Optionen:
- Klarer Gewinner: ausrollen, aber mit Beobachtung über die nächsten Wochen.
- Kein klarer Gewinner: zur kleineren Variante zurückkehren oder einen neuen Test ansetzen.
- Gewinner, aber unwirtschaftlich: in den Segmenten ausrollen, in denen er sich lohnt.
Im Überblick: Was teste ich, wenn ich nur Zeit für eine Sache habe?
Wenn die Zeit knapp ist, hilft eine klare Priorität je Programm-Phase:
| Programm-Phase | Sinnvollster erster Test | Dlaczego |
|---|---|---|
| Frische Mitglieder (Onboarding) | Welcome-Belohnung: Sofort-Coupon gegen Punkte-Boost | Direkter Einfluss auf erste Wiederkauf-Rate |
| Aktive Stammkund:innen | Mechanik-Test: Punkte gegen exklusiven Vorteil | Klärt, ob Programm-Aufbau langfristig trägt |
| Inaktive (über 60 Tage) | Reaktivierungs-Höhe: kleiner gegen mittlerer Coupon | Bestimmt sinnvolle Investition pro Reaktivierung |
| VIPs | Belohnungsart: Materiell gegen Status/Service | Trennt Preis-Kund:innen von Status-Kund:innen |
| Programm-Start | Kommunikations-Botschaft (drei Varianten) | Frühes Lernen ohne hohe Belohnungs-Kosten |
Faustregeln für die Praxis
Du musst keine Wissenschaftlerin werden, um saubere Tests zu fahren. Diese fünf Faustregeln reichen für die meisten Programme im Mittelstand.
- Mindest-Volumen pro Variante: Bei einer Basis-Einlöse-Rate um 10 Prozent und einer erwarteten Differenz von 2 bis 3 Prozentpunkten sind 1.000 bis 2.000 Teilnehmer:innen pro Gruppe ein guter Anker.
- Signifikanz prüfen: Ein kostenloser Online-Rechner für Conversion-Tests (Chi²) reicht. Faustwert: 95 Prozent Konfidenz ist Standard.
- Mindest-Laufzeit: Ein voller Wochenzyklus, oft zwei bis vier Wochen. Wochentage und Wetter verzerren kürzere Fenster.
- Novelty-Effekt einplanen: Neue Mechaniken gewinnen oft die erste Woche durch Neugier – und verflachen danach. Vergleiche erst die letzten 7 Tage des Tests, wenn der Effekt überraschend groß ist.
Typische Fehler in Loyalty-A/B-Tests
- Zu viele Variablen gleichzeitig
- Novelty-Effekt nicht eingeplant
- Zu kleine Stichprobe
- Zu kurze Laufzeit
- Cherry-Picking nach Testende
- Marge ignorieren
- Holdout/Kontrollgruppe fehlt
- Bei der Skalierung den Test 1:1 übertragen, ohne erneut zu messen
Checkliste: A/B-Test in 10 Minuten geplant
- Klare Frage formuliert (eine Variable, ein Segment, ein Zeitraum)
- Primäre Kennzahl und sekundäre Kennzahlen festgelegt
- Hypothese aufgeschrieben („Wir erwarten, dass B um X gewinnt, weil …“)
- Volumen pro Gruppe geprüft (genug für stabile Aussagen?)
- Laufzeit definiert (mindestens ein voller Wochenzyklus)
- Zufallsverteilung sichergestellt (gleiche Segmente, gleicher Kanal, gleicher Zeitpunkt)
- Marge beziehungsweise Deckungsbeitrag im Auswertungs-Plan
- Holdout/Kontrollgruppe vorgesehen (falls relevant)
- Entscheidungs-Regel vorab definiert („Bei über X Prozent Differenz und Signifikanz rollen wir aus“)
- Folge-Test gedanklich vorbereitet
FAQ: Häufige Fragen zu A/B-Tests in Loyalty-Programmen
Wie viele Mitglieder brauche ich für einen aussagekräftigen Test?
Es hängt von der Basis-Einlöse-Rate und der erwarteten Differenz ab. Faustregel: Bei einer Basis-Rate von etwa 10 Prozent und einer erwarteten Differenz von 2 bis 3 Prozentpunkten brauchst du pro Gruppe etwa 1.000 bis 2.000 Mitglieder, damit das Ergebnis stabil ist. Bei kleineren Programmen heißt das: Test länger laufen lassen, mehrere Wellen aufaddieren oder dich auf größere erwartete Effekte konzentrieren.
Wie unterscheide ich „signifikant“ von „relevant“?
Statistische Signifikanz sagt nur, dass die Differenz wahrscheinlich nicht zufällig ist. Relevanz sagt, ob die Differenz dein Programm wirtschaftlich besser macht. Ein Effekt kann signifikant sein und trotzdem zu klein, um den Aufwand zu rechtfertigen – oder umgekehrt: groß und richtungsweisend, aber statistisch nicht ganz sauber wegen kleiner Stichprobe. Beide Perspektiven zählen.
Was teste ich, wenn meine Stichprobe klein ist?
Konzentriere dich auf Variablen mit großem erwarteten Effekt, etwa Belohnungshöhe in stark unterschiedlichen Stufen (5 gegen 20 Prozent) oder einen Mechanik-Wechsel wie Coupon gegen Gratisartikel. Kleinere Differenzen wie „Vormittag gegen Nachmittag“ brauchen mehr Volumen. Alternativ eignen sich sequenzielle Tests über mehrere Wochen, bei denen du Wellen aufaddierst.
Wie verhindere ich, dass Test-Mitglieder zwischen Gruppen wandern?
Die Zuordnung sollte auf die Mitglieder-ID erfolgen, nicht auf Session oder Gerät. Über das CRM (System zur Verwaltung von Kundendaten) und ein eindeutiges Profil bleibt eine Person über den Testzeitraum in ihrer Gruppe. Wichtig ist auch, dass eine Person nicht parallel in einem anderen Test mit derselben Variable steckt – das verfälscht beide Auswertungen.
Sollte ich Holdout-Gruppen dauerhaft einsetzen?
In großen Programmen ja – ein Holdout von typischerweise 5 bis 10 Prozent zeigt dir den echten Mehrwert deiner Loyalty-Kommunikation gegenüber „nichts senden“. Ohne diesen Vergleich überschätzt man leicht den Beitrag des Programms. Wichtig ist, Holdout-Mitglieder regelmäßig zu wechseln, damit niemand dauerhaft benachteiligt bleibt.
Was ist mit saisonalen Effekten?
Saison schlägt fast alle Programm-Effekte. Teste innerhalb einer Saison, nicht gegen sie. Ein Vergleich „Adventswoche A“ gegen „Adventswoche B“ ist in Ordnung, ein Vergleich „Adventswoche“ gegen „Januarwoche“ nicht. Bei sehr kurzen Saisons, etwa Aktionswochen, reicht oft nur ein Test pro Welle – wähle dann den klarsten Hebel.
Wann skaliere ich ein Ergebnis aus einem Test?
Drei Bedingungen sollten erfüllt sein: Erstens ist der Effekt statistisch belastbar, mit genug Volumen und klarer Differenz. Zweitens ist er wirtschaftlich, das heißt Marge und Deckungsbeitrag passen. Drittens ist er reproduzierbar, idealerweise mit einer zweiten, kleineren Welle. Erst dann ausrollen – und danach weiterbeobachten, ob der Effekt im breiteren Mitgliederkreis hält.
Podsumowanie
A/B-Tests in Loyalty-Programmen sind kein Selbstzweck und keine Wissenschaft im Reinraum. Sie sind ein praktisches Werkzeug, das aus „so machen wir es immer“ wieder eine bewusste Entscheidung macht. Wer eine Variable isoliert, genug Volumen plant, Marge mitrechnet und das Ergebnis erst nach mehreren Wochen ernst nimmt, lernt schnell genug, um sein Programm spürbar zu verbessern.
Starte klein: ein Test, eine Hypothese, ein Segment. Erweitere, sobald die Routine sitzt. Wer sein Program lojalnościowy so datenbasiert weiterentwickelt, trifft am Ende weniger Bauchgefühl-Entscheidungen – und mehr, die sich auch rechnen.
