Drip
FallstudienProzessApex
Für dich umgesetztWir machen dein ganzes TestingMit dir umgesetztDein Team testet in Apex, mit unserem Research
BlogRessourcenArtifactsStatistik-ToolsBenchmarksResearch
Prüfen, ob dein Shop passt
Prüfen, ob dein Shop passtShop prüfen
Beauty-Tech · DTCLäuft auf Apex

Wie eine Beauty-Tech-Brand 6,5 % mehr Käufe erzielte

mit klarerer Produktauswahl

Aus schnellen Einzeltests wurde ein strukturiertes Experimentierprogramm. Kundenresearch, konkrete Entscheidungshilfen und kontrollierte A/B-Tests machten sichtbar, welche Veränderungen die Kaufentscheidung verbessern.

Prüfen, ob dein Shop passtZu den Tests

30 Minuten mit unserem Team, kostenlos. Mehr nicht.

Testprogramm in Apex: kumulierter Uplift, Umsatzwirkung der Gewinner, Testlaufzeit-Umsatz und laufende Pipeline
+6,5 %+6,5 %+6,5 %Mehr Käufe, mobile Produktauswahl
Mehr Käufe, mobile Produktauswahl
+6,5 %+6,5 %+6,5 %
Mehr Käufe, Anwendungszeit-Matrix¹
+3,2 %+3,2 %+3,2 %
Experimente live im ersten Monat
444

¹ Die Anwendungszeit-Matrix wurde per Managerentscheidung als Gewinner eingestuft. Die Prozentwerte zeigen den jeweiligen Kauf-Uplift gegenüber der Kontrollvariante und sind nicht zu addieren.

Die Kurzfassung

Eine wachsende DTC-Brand aus dem Beauty-Tech-Bereich wollte ihre Shopoptimierung systematischer aufstellen. Gemeinsam verbanden wir Kundenresearch mit einer kontinuierlichen Test-Roadmap. Zwei konkrete Entscheidungshilfen zeigten positive Ergebnisse: eine kompakte Übersicht zur Anwendungsdauer und eine mobile Produktauswahl nach persönlichen Prioritäten.

Die Ausgangslage bei der Beauty-Tech-Brand

Die Bereitschaft zu testen war bereits hoch. Das Team hatte selbst Veränderungen ausprobiert und einzelne positive Ergebnisse erzielt. Experimente wurden jedoch teilweise schon nach drei oder vier Tagen beendet. Ergebnisse waren uneinheitlich dokumentiert und frühere Tests später schwer nachvollziehbar.

Gleichzeitig war die Kaufentscheidung komplex: Eine umfangreiche Produktdetailseite, mehrere Varianten und Bundles sowie ein hoher mobiler Traffic-Anteil stellten besondere Anforderungen an die Nutzerführung. Kampagnen, Influencer und saisonale Nachfrage sorgten zusätzlich für Schwankungen.

Die Herausforderung

Welche Änderungen helfen Kunden tatsächlich beim Kauf? Und welche positiven Ausschläge entstehen nur kurzfristig? Um das zu unterscheiden, brauchte die Brand klare Hypothesen, nachvollziehbare Ergebnisse und ausreichend lange Testlaufzeiten.

Die inhaltliche Aufgabe war ebenso konkret: Kunden mussten den Preis einordnen, die erwartbare Wirkung verstehen und einschätzen können, wie die Anwendung in ihren Alltag passt. Diese Fragen wurden zur Grundlage der Optimierung.

Unser Prozess

Aus Research entstand ein Testsystem, das mit jedem Experiment dazulernt.

Die Methode von DRIP in drei Schritten, und wie jeder Schritt bei der Beauty-Tech-Brand aussah.

  1. Schematische Darstellung: Kundenbewertungen, Post-Purchase-Umfragen, Social-Kommentare, Shopanalyse und GA4-Funnel-Daten führen zu einer Erkenntnis: Unsicherheit vor dem Kauf (Preis, Wirkung, Alltag)

    Schritt 1

    Research

    Verstehen, was die Kaufentscheidung erschwert

  2. Schematische Darstellung: vier Kundenfragen werden zu einer priorisierten Roadmap: Produktauswahl, Anwendungsdauer, Belege für die Wirkung, Garantieblock

    Schritt 2

    Hypothesen und Priorisierung

    Aus Erkenntnissen wurden überprüfbare Veränderungen

  3. Schematische Darstellung: vier Experimente laufen parallel auf einer Zeitleiste über vier Wochen

    Schritt 3

    Paralleles Testing

    Mehrere Experimente mit einem klaren Ablauf

Schritt 1

Research

Verstehen, was die Kaufentscheidung erschwert

Wir führten Kundenbewertungen, Post-Purchase-Befragungen, Social-Media-Kommentare und Shopanalysen zusammen. Ergänzt wurde dieses Bild durch qualitative und quantitative Funnel-Daten sowie eine GA4-Analyse.

Das zentrale Muster: Die Kaufbarriere entstand aus dem Zusammenspiel von Preis, Unsicherheit über die Wirksamkeit und zu wenig konkreter Beweisführung. Daraus ergaben sich vier Aufgaben: den Preis nachvollziehbar rechtfertigen, die erwartbare Wirkung konkretisieren, das wahrgenommene Kaufrisiko reduzieren und die Anwendung planbarer machen.

Schematische Darstellung: Kundenbewertungen, Post-Purchase-Umfragen, Social-Kommentare, Shopanalyse und GA4-Funnel-Daten führen zu einer Erkenntnis: Unsicherheit vor dem Kauf (Preis, Wirkung, Alltag)

Input

Kundenfeedback und Verhalten

Bewertungen, Befragungen, Kommentare und Funnel-Daten zeigten, welche Fragen vor dem Kauf offenblieben.

Erkenntnis

Unsicherheit hatte mehrere Ursachen

Preis, erwartbare Wirkung und Anwendung mussten gemeinsam betrachtet werden.

Output

Konkrete Testhypothesen

Aus den Kundenfragen entstand eine Roadmap für verständlichere Informationen und bessere Entscheidungshilfen.

Schritt 2

Hypothesen und Priorisierung

Aus Erkenntnissen wurden überprüfbare Veränderungen

Jedes Experiment erhielt eine klare Hypothese und dokumentierte Varianten. Die Roadmap verband Kundenresearch mit Shopdaten und bisherigen Testergebnissen. So blieb nachvollziehbar, welche Unsicherheit eine Veränderung adressierte und woran ihr Erfolg gemessen wurde.

Wöchentliche Ergebnisreviews übersetzten die Tests in konkrete Entscheidungen: übernehmen, stoppen oder eine neue Variante entwickeln. Die getrennte Betrachtung von Mobile und Desktop half dabei, Unterschiede im Kaufverhalten zu erkennen.

Schematische Darstellung: vier Kundenfragen werden zu einer priorisierten Roadmap: Produktauswahl, Anwendungsdauer, Belege für die Wirkung, Garantieblock

Hypothese

Eine Kundenfrage pro Veränderung

Jeder Test adressierte ein konkretes Hindernis in der Kaufentscheidung.

Bewertung

Den gesamten Funnel betrachten

Klicks allein reichten nicht. Käufe, Umsatz und Umsatz pro Besucher ergänzten die Bewertung.

Weiterentwicklung

Ergebnisse flossen zurück in die Roadmap

Positive, negative und uneindeutige Ergebnisse verbesserten die nächste Hypothese.

Schritt 3

Paralleles Testing

Mehrere Experimente mit einem klaren Ablauf

Bereits innerhalb des ersten Monats liefen vier Experimente parallel. Ein durchgängiger Prozess aus Design, Entwicklung und Qualitätssicherung brachte die Varianten in den Shop. Längere Laufzeiten ersetzten Entscheidungen nach wenigen Tagen.

Der Fokus lag auf konkreten Veränderungen in der Kaufstrecke: verständlichere Anwendungsinformationen, eine leichtere Produktauswahl und gezieltere Vertrauenskommunikation. Jede Variante wurde im Experiment geprüft, bevor daraus eine dauerhafte Änderung werden sollte.

Schematische Darstellung: vier Experimente laufen parallel auf einer Zeitleiste über vier Wochen

Umfang

Konkrete Veränderungen im Shop

Die Tests griffen einzelne Fragen und Hindernisse in der Kaufentscheidung auf.

Umsetzung

Design, Entwicklung und QA

Dokumentierte Varianten und Qualitätssicherung machten die Umsetzung nachvollziehbar.

Entscheidung

Ausreichend lange messen

Die Bewertung berücksichtigte den weiteren Funnel und Unterschiede zwischen Geräten.

Was das Research gezeigt hat

Vier Fragen bestimmten die Roadmap. Sie lieferten die Testideen, die Experimente zeigten, welche Antworten im Shop tatsächlich halfen.

Was das für die Roadmap hieß

  1. 1

    Ist das Produkt seinen Preis wert?

    Den Nutzen und die Unterschiede zwischen Produktoptionen verständlich machen.

  2. 2

    Welche Wirkung kann ich erwarten?

    Konkrete Produktinformationen und nachvollziehbare Belege in die Kaufentscheidung einbringen.

  3. 3

    Wie sicher fühlt sich der Kauf an?

    Vertrauensinformationen gezielt platzieren und ihre Wirkung testen.

  4. 4

    Wie passt die Anwendung in meinen Alltag?

    Den Zeitaufwand konkretisieren und die Anwendung planbarer machen.

So sahen die Tests aus

Zwei positive Ergebnisse und ein negativer Test zeigen, warum konkrete Entscheidungshilfen und kontrollierte Experimente zusammengehören. Die ersten beiden zeigen die Ergebnisse in Apex, die dritte Abbildung ist schematisch.

Test 1 von 3

Anwendungsdauer konkret und planbar machen

Wie viel Zeit benötigt die Anwendung? Statt einer allgemeinen Aussage zeigte die Variante eine kompakte Matrix mit Anwendungszeiten für unterschiedliche Bereiche. Kunden konnten den Aufwand dadurch konkreter einschätzen. Der getestete Code wurde anschließend zur dauerhaften Übernahme übergeben.

+3,2 % mehr Käufe gegenüber der KontrolleGewinner per Managerentscheidung
Testergebnis in Apex: kompakte Anwendungszeit-Matrix auf der Produktseite, Variante gegen Kontrolle
Ergebnis

Test 2 von 3

Mobile Produktauswahl nach persönlichen Prioritäten

Die Variante ließ mobile Nutzer zwischen Anwendungszeit, Preis-Leistung und Gesamtpaket wählen. Die passende Produktoption wurde hervorgehoben, während die anderen Optionen weiterhin sichtbar blieben. So unterstützte die Auswahl unterschiedliche Kaufprioritäten.

+6,5 % mehr Käufe gegenüber der KontrolleAls Gewinner eingestuft
Testergebnis in Apex: kompakte Produktauswahl mit hervorgehobener Empfehlung, Variante gegen Kontrolle
Ergebnis

Test 3 von 3

Prominente Garantiekommunikation prüfen

Eine stärker hervorgehobene Geld-zurück-Garantie sollte das wahrgenommene Kaufrisiko senken. Im Experiment ging die Kaufrate jedoch zurück. Die Variante wurde beendet und nicht dauerhaft übernommen. Für die weitere Roadmap entstand daraus die Richtung, Vertrauen mit schlankeren Hinweisen zu vermitteln.

−9,2 % Käufe gegenüber der KontrolleVerlierer, nicht ausgerollt
Schematische Darstellung: prominenter Garantieblock, minus 9,2 % Käufe gegenüber der Kontrolle, nicht ausgerollt
Schematische Darstellung

Das Gesamtergebnis

Die mobile Produktauswahl erzielte einen Kauf-Uplift von 6,5 %. Die kompakte Anwendungszeit-Matrix zeigte 3,2 % mehr Käufe und wurde per Managerentscheidung als Gewinner eingestuft. Gleichzeitig verhinderte das Testing, dass ein negativer Garantie-Test dauerhaft in den Shop übernommen wurde.

Aus schwer nachvollziehbaren Einzeltests wurde ein strukturiertes Programm mit dokumentierten Hypothesen, gemeinsamen Ergebnisreviews und klaren Folgeentscheidungen. Kundenresearch und Testergebnisse bildeten zusammen die Grundlage für weitere Optimierungen.

Die Erkenntnis

Bei dieser Beauty-Tech-Brand zeigten verständliche Anwendungsinformationen und eine Produktauswahl nach persönlichen Prioritäten positive Ergebnisse. Eine prominentere Garantie dagegen verschlechterte die Kaufleistung.

Für die Optimierung bedeutet das: Kundenfragen liefern die Richtung. Kontrollierte Experimente zeigen, welche Umsetzung im Shop funktioniert. Jeder Test trägt so zu einer besseren nächsten Entscheidung bei.

DRIP and Apex

Gleiches Werbebudget.
Mehr Umsatz.

Buch ein Gespräch mit dem Team und erzähl uns von deinem Shop. Wir sprechen darüber, wo er heute steht, wo du hinwillst und wie wir dich dahin bringen. Wenn wir nicht die beste Investition für dein Geld sind, sagen wir dir das ehrlich.

Prüfen, ob dein Shop passt

30 Minuten, und du weißt genau, wo dein Shop steht.

Weitere Fallstudien

SNOCKS

€8,2M+ zusätzlicher Umsatz

Wie SNOCKS von 2 auf 90 Mio. € Jahresumsatz gewachsen ist

Fallstudie lesen →
KoRo

€2,56M in 6 Monaten

Wie KoRo mit seinen ersten strukturierten Tests in sechs Monaten 2,56 Mio. € zusätzlichen Umsatz gemacht hat

Fallstudie lesen →
Kickz

3,6× Conversion Rate

Wie Kickz seine Conversion Rate in drei Jahren von 0,59 % auf 2,7 % gebracht hat

Fallstudie lesen →

Der Newsletter, den die Teams dieser Marken lesen

LEGONikeTeslalululemonPelotonSamsungBoseIKEA

Über 17.000 E-Commerce-Gründer lesen mit

Über 250 Marken vertrauen uns

  • Strauss
  • Koro
  • Sunday Natural
  • The Body Shop
  • Grover
  • Hello Fresh
  • Natural Elements
  • AG1
  • Bluebrixx
  • Woom
  • Hornbach
  • Tourlane
  • Congstar
  • Holy
  • Junglück
  • PV
  • Wunschgutschein
  • Motel A Mino
  • Ryzon
  • Kickz
  • The Female Company
  • Livefresh
  • Schiesser
  • Horizn Studios
  • Seeberger
  • Luca Faloni
  • Zahnheld
  • Snocks
  • Bruna
  • NatureHeart
  • Priwatt
  • Jumbo
  • NKM
  • Oceansapart
  • Omhu
  • Blackroll
  • 1 Kom Ma 5
  • Purelei
  • Giesswein
  • T1tan
  • Buah
  • Ironmaxx
  • Waterdrop
  • Send a Friend
  • Fitjeans
  • Mofakult
  • Plantura
  • BGA
  • Coop
DRIP / Apex

Prediction-Based Experimentation für Online-Shops ab 100.000 € im Monat.

Prüfen, ob dein Shop passt

Unternehmen

  • Über uns
  • Fallstudien
  • Prozess
  • Karriere
  • Experten
  • Medien
  • Erfahrungen

Services

  • Für dich umgesetzt
  • Mit dir umgesetzt
  • CRO-Agentur
  • A/B-Testing-Agentur
  • Shopify CRO

Apex

  • Apex
  • So haben wir das Genom gebaut
  • Einloggen
  • Docs

Ressourcen

  • Blog
  • Ressourcen
  • Research
  • Benchmarks
  • Statistik-Tools
  • Beste A/B-Testing-Tools
© 2026 Drip Trading GmbH
ImpressumDatenschutzAGB

Cookies

Wir nutzen optionale Analytics- und Marketing-Cookies, um Performance zu verbessern und Kampagnen zu messen. Datenschutz