Conversion Rate Optimierung: So gehst du vor, auch wenn du wenig Besucher hast

Listen mit Dutzenden Tipps für mehr Conversions gibt es genug. Sie helfen dir wenig, weil sie nicht sagen, welcher Tipp für deine Seite gilt. Dieser Artikel beschreibt für Marketingverantwortliche und den Mittelstand ein Vorgehen, das auch mit wenig Besuchern funktioniert, und sagt ehrlich, wo Tests nichts aussagen.

Was ist Conversion Rate Optimierung?

Conversion Rate Optimierung, kurz CRO, ist das systematische Verbessern einer Website, damit mehr Besucher eine gewünschte Handlung ausführen. Der Kern ist ein wiederkehrender Ablauf: messen, Ursachen finden, eine Vermutung formulieren, sie prüfen und das Ergebnis festhalten.

Der Unterschied zu einer Tippliste liegt in der Reihenfolge. Eine Tippliste beginnt bei der Lösung. CRO beginnt bei der Frage, warum Besucher heute nicht anfragen. Woher gute Ideen kommen können, erklärt der Leitartikel über Verkaufspsychologie auf der Website. Was du misst, klärt der Ratgeber Conversion Rate berechnen.

Erwarte keine Trefferquote von hundert Prozent. Selbst bei Microsoft lag die Erfolgsquote von Ideen für Bing bei etwa 10 bis 20 Prozent, schreiben Kohavi und Kollegen; die Experimente umfassten dort mindestens Hunderttausende Nutzer (Seven Rules of Thumb, KDD 2014, abgerufen am 09.11.2026). Eine Suchmaschine ist nicht dein Unternehmen. Die Lehre bleibt: Auch gut begründete Ideen scheitern, und deshalb lohnt das Prüfen.

Womit fängst du bei der Conversion-Optimierung an?

Du fängst mit der Messung an, denn eine Optimierung auf falschen Zahlen ist verlorene Arbeit. Prüfe zuerst, ob Anfragen und Käufe überhaupt korrekt gezählt werden, und teste danach dein eigenes Formular von einer fremden E-Mail-Adresse aus.

Dann suchst du die größte Lücke im Ablauf. Google Analytics 4 erfasst automatisch, wie viele Nutzer ein Formular beginnen und abschicken, über die Ereignisse form_start und form_submit. Zusammen mit den Seitenaufrufen siehst du drei Stufen: Wie viele sehen das Formular, wie viele beginnen, wie viele senden ab. Liegen die letzten beiden weit auseinander, nennt Google zu viele Pflichtfelder oder Fehler beim Ausfüllen als mögliche Ursache; sehen es wenige, kann eine andere Platzierung helfen (Google Analytics-Hilfe, abgerufen am 09.11.2026).

Zur Absprungrate lohnt ein eigener Blick: Der Ratgeber zur Absprungrate erklärt, wann sie ein echter Hinweis ist und wann nur eine Zahl.

Wie findest du heraus, warum Besucher nicht anfragen?

Du findest es heraus, indem du Analysedaten mit Stimmen echter Menschen kombinierst. Analysedaten zeigen, wo Besucher aussteigen, und nur Gespräche und Beobachtung zeigen, warum.

Besonders ergiebig ist die direkte Beobachtung. Schau Menschen aus deiner Zielgruppe dabei zu, wie sie eine Aufgabe auf deiner Seite lösen, und lass sie laut denken. Laut einem Modell der Nielsen Norman Group finden fünf Testpersonen etwa 85 Prozent der Usability-Probleme einer Oberfläche, und der Rat lautet, lieber mehrere kleine Tests zu machen als einen großen (NN/g, 2000, abgerufen am 09.11.2026). Eine Auswertung von 2012 bestätigt fünf als Richtwert für qualitative Tests und nennt mindestens 20 Personen für statistisch belastbare Zahlen (NN/g, 2012, abgerufen am 09.11.2026). Das gilt für Menschen mit ähnlichem Verhalten. Hast du sehr verschiedene Zielgruppen, testest du je Gruppe.

Bei Sitzungsaufzeichnungen und Heatmaps brauchst du in der Regel eine Einwilligung, wenn sie Informationen auf dem Gerät speichern oder auslesen (§ 25 TDDDG, abgerufen am 09.11.2026). Lass die Einrichtung im Zweifel rechtlich prüfen.

Wie formulierst du eine gute Hypothese?

Eine gute Hypothese verbindet eine Beobachtung mit einer Änderung und einer messbaren Erwartung. Sie zwingt dich, vor der Umsetzung festzulegen, woran du Erfolg erkennst.

Weil wir [Beobachtung] gesehen haben,
nehmen wir an, dass [Änderung] bei [Zielgruppe]
zu [messbare Wirkung] führt.
Wir prüfen das mit [Methode] bis [Datum].

Gute Ausgangsvermutungen liefert die Psychologie. Christoph Weingärtner, der hinter Salesmagnet steht, ist Dozent für Wirtschaftspsychologie. Prinzipien wie Social Proof sagen dir, was wirken könnte. Ob es auf deiner Seite wirkt, sagen sie nicht.

Eine Grenze gilt für jede Hypothese. Wer Knappheit behauptet, die es nicht gibt, handelt nicht nur unschön: Die unwahre Angabe, ein Angebot sei nur sehr begrenzte Zeit verfügbar, um Verbraucher zu einer sofortigen Entscheidung zu drängen, ist gegenüber Verbrauchern stets unzulässig (Anhang zum UWG, Nr. 7, abgerufen am 09.11.2026). Wie du einen Handlungsaufruf ohne Druck formulierst, zeigen die Call-to-Action-Beispiele.

Welche Maßnahmen kommen zuerst?

Zuerst kommen Maßnahmen, die viele Besucher betreffen, nah an der Anfrage liegen, gut belegt sind und wenig Aufwand machen. Bewerte jede Hypothese nach diesen vier Kriterien von 1 bis 3 und rechne die Punkte zusammen. Modelle wie ICE (Impact, Confidence, Ease) arbeiten nach demselben Prinzip.

Geführte Abläufe sind die aufwendigste Option. Wann sie sich lohnen, beschreibt der Ratgeber Guided Selling.

Wann ist ein A/B-Test sinnvoll?

Ein A/B-Test ist sinnvoll, wenn deine Besucherzahl reicht, um den Effekt zu erkennen, den du erwartest. Bei einem A/B-Test bekommt ein Teil der Besucher die bisherige Seite, ein anderer die Variante, und du vergleichst die Ergebnisse. Rechne die nötige Größe vor dem Start aus.

Die Größenordnung kannst du mit der Faustregel n = 16 × σ² ÷ δ² selbst prüfen, wobei σ² bei Quoten p × (1 minus p) ist und δ der kleinste erwünschte Unterschied (Evan Miller, abgerufen am 09.11.2026). Für deine eigenen Werte nimmst du einen Stichprobenrechner (abgerufen am 09.11.2026). Kohavi und Kollegen betonen außerdem, dass Mindestgrößen nur Untergrenzen sind und bei ungleich verteilten Kennzahlen wie Umsatz je Nutzer deutlich höher liegen.

Besonders tückisch ist das vorzeitige Beenden. Wer laufend ins Ergebnis schaut und stoppt, sobald es signifikant aussieht, kommt in einem Beispiel von Evan Miller (abgerufen am 09.11.2026) auf eine Fehlerquote von 26,1 Prozent, also mehr als das Fünffache der eigentlich angenommenen 5 Prozent. Lege deshalb die Größe vorher fest und werte erst danach aus.

Was tust du, wenn du wenig Besucher hast?

Bei wenig Besuchern verzichtest du auf A/B-Tests kleiner Änderungen, weil sie statistisch kaum etwas aussagen. Das betrifft jede Seite mit wenigen Tausend Besuchen im Monat, und es ist kein Grund, nichts zu tun.

Diese Wege bleiben dir ohne große Besucherzahlen:

• Offensichtliche Fehler beheben. Ein Formular, das am Handy nicht abgeschickt werden kann, braucht keinen Test.
• Fünf Nutzertests statt Statistik. Sie zeigen dir Stolperstellen auch mit einer Handvoll Menschen.
• Vertrieb und Kunden fragen. Was hat vor dem Kauf gefehlt? Welche Frage kommt jedes Mal?
• Größere Änderungen als Ganzes umsetzen. Eine neu aufgebaute Seite verändert mehr als ein Button und ist eher sichtbar.
• Zwischenschritte messen. Begonnene Formulare sind häufiger als Anfragen und liefern schneller Signale.
• Vorher und nachher vergleichen, mit Vorbehalt. Gleich lange Zeiträume, ähnliche Saison, keine parallelen Kampagnen. Das ist ein Hinweis, kein Beweis.

Bei Memberspot, wo Christoph Weingärtner CMO war, stieg die Website-Conversion-Rate nach dem Umbau um 40 Prozent, so steht es im Referenzschreiben des Geschäftsführers. Ein Umbau verändert viele Dinge gleichzeitig. Welche einzelne Änderung wie viel beigetragen hat, lässt sich daraus nicht ablesen, und das ist bei größeren Umbauten immer so.

Was eine bessere Quote für dich wert wäre, rechnest du im Umsatzpotenzial-Rechner mit deinen eigenen Zahlen aus. Das Ergebnis ist eine vereinfachte Darstellung deiner Annahmen und keine Zusage.

Wie hältst du den Ablauf am Laufen?

Du hältst den Ablauf am Laufen, indem du jede Änderung mit Datum, Hypothese und Ergebnis in einer einfachen Tabelle festhältst. Ohne diese Liste weißt du nach einem halben Jahr nicht mehr, warum die Zahlen sich verändert haben.

Wenn deine Seite noch keinen klaren Aufbau hat, lohnt zuerst die Arbeit daran; die Grundlagen stehen im Ratgeber Landingpage-Aufbau.

Fazit: Wo fängst du an?

Fang bei der Messung an, nicht beim Button. Prüfe, ob deine Anfragen richtig gezählt werden, sprich mit deinem Vertrieb, beobachte fünf Menschen auf deiner Seite und ändere dann das, was die meisten betrifft und am nächsten an der Anfrage liegt. A/B-Tests lohnen sich erst, wenn deine Besucherzahl den erwarteten Effekt überhaupt sichtbar machen kann. Bis dahin ist eine begründete Einschätzung ehrlicher als eine Statistik, die keine ist.

Wenn du wissen willst, welche Änderung auf deiner Website zuerst dran wäre, schauen wir uns das in der kostenlosen Analyse an.

Christoph Weingärtner

Gründer von Salesmagnet, Ex-CMO von YOPESO und Memberspot

Dozent für Wirtschaftspsychologie, M.A. Elektronische Medien (HdM Stuttgart), seit 2016 in KI. Bei Memberspot stieg die Website-Conversion-Rate nach dem Umbau um 40 Prozent. Mehr über Christoph · LinkedIn