GROWTH GUIDE ✦ Conversion

Conversion-Rate für kleine Teams — erst die Diagnose, dann die Lösung

Dominic J. Thimm 1. Mai 2026 7 Min. Lesezeit

Die meisten Teams behandeln die Conversion-Rate als UI-Problem. Es ist ein Diagnoseproblem. Die Lösung liegt oberhalb des Button-Texts.

Der Diagnosefehler, den die meisten Teams machen

Wenn die Conversion-Rate sinkt, ist der Reflex: irgendetwas redesignen. Die Überschrift ändern. Die Button-Farbe anpassen. Das Formular kürzen. Das sind valide Experimente — aber oft die falsche Diagnose.

Conversion-Rate ist eine Verhältniszahl: Aktionen geteilt durch Besucher. Du kannst sie verschieben, indem du änderst, was du mit ankommenden Besuchern tust — oder indem du änderst, welche Besucher ankommen. Die meisten Teams fokussieren ausschließlich auf das Erste. Das Zweite ist oft der größere Hebel.

Bei ZenMate war das deutlich: Wir testeten wochenlang Landing-Page-Copy im A/B-Verfahren, während das eigentliche Problem war, dass wir bezahlten Traffic von Keywords mit schwacher kommerzieller Absicht kauften. Die Seite konvertierte nicht, weil die Menschen, die darauf landeten, noch nicht bereit waren zu konvertieren. Die Headline zu fixen bewegte die Metrik um Bruchteile. Den Keyword-Traffic zu fixen bewegte sie um ein Vielfaches.

Vier Stellen, an denen Conversion bricht

Ein Conversion-Funnel scheitert an einer von vier Stellen:

Falscher Traffic. Die ankommenden Menschen sind nicht die Menschen, für die das Angebot gemacht ist. Das sieht aus wie ein Conversion-Problem — ist aber ein Akquisitionsproblem. Das Zeichen: hohe Absprungraten, sehr kurze Session-Dauern, wenige Scroll-Tiefen-Events.

Falsche Botschaft. Die richtigen Menschen kommen, aber die Seite macht nicht das richtige Argument für die richtige Person an diesem Punkt ihrer Entscheidungsreise. Eine Awareness-Seite, die abschließen will, scheitert hier. Eine Decision-Seite, die nochmals erklärt, was das Produkt ist, scheitert hier.

Falsche Reibung. Die richtigen Menschen kommen, die Botschaft landet, aber der Weg zur Aktion hat zu viele Schritte, zu viele Formularfelder oder zu viel Verzögerung. Hier sind UI-Optimierungen — Button-Platzierung, Formularlänge, Ladezeit — tatsächlich relevant.

Falsches Angebot. Die Ökonomie macht aus Sicht des Käufers keinen Sinn. Der Preis ist zu hoch im Verhältnis zum wahrgenommenen Wert, das Risiko fühlt sich nicht abgefedert an, oder die Verpflichtung ist größer als das aufgebaute Vertrauen. Kein Copywriting oder UI-Polieren repariert das.

Die meisten Teams optimieren für falsche Reibung, wenn das Problem falscher Traffic oder falsche Botschaft ist. Mit der Diagnose beginnen, nicht mit der Lösung.

Wie man die Diagnose durchführt

Für ein kleines Team ohne Conversion-Analytiker:

Traffic-Qualitätsprüfung. Von welchen Kanälen kommt der Traffic? Auf welchen Seiten landen die Besucher? Was ist die Absicht hinter dem Suchbegriff oder dem Anzeigenklick, der sie hierher gebracht hat? Wenn die Absicht nicht zum Zweck der Seite passt, liegt ein Traffic-Problem vor.
Botschaft-zu-Angebot-Abgleich. Die Seite lesen, als hätte man noch nie vom Unternehmen gehört. Spricht der Text das spezifische Problem der besten Kunden an? Beschreibt er das Ergebnis, nicht den Prozess? Spiegelt der Social Proof Menschen wider, die wie der Interessent aussehen?
Reibungs-Audit. Die Klicks zwischen Landing und Conversion zählen. Die Formularfelder zählen. Die Seitenladezeit auf Mobile testen. Das sind aufwandsarme, signalreiche Checks.
Angebots-Review. Was sind die häufigsten Einwände, die das Vertriebsteam hört? Werden diese auf der Conversion-Seite adressiert? Wenn nicht, ist das die nächste Experiment-Queue.

Ein Test auf einmal

Bei den Traffic-Volumen, mit denen die meisten kleinen Teams arbeiten, produziert das gleichzeitige Durchführen mehrerer A/B-Tests Rauschen, kein Signal. Statistische Signifikanz erfordert eine Mindestanzahl von Conversions pro Variante. Bei fünf Tests mit 50 monatlichen Conversions wartet man Monate, bevor ein Ergebnis verlässlich ist.

Die Disziplin, die ich in Engagements einsetze: ein Conversion-Test auf einmal. Definieren was getestet wird und warum. Vor dem Start eine Stichprobengröße festlegen. Die Ergebnisse nicht ansehen, bis sie vorliegen. Dann eine Entscheidung treffen, was gelernt wurde dokumentieren und zum nächsten Test übergehen.

Das ist langsamer nach dem Kalender und dramatisch schneller beim Erzeugen echter Erkenntnisse.

Was KI verändert

LLMs haben die Kosten für Copy-Variationen gesenkt. Zwölf Headline-Varianten für einen A/B-Test zu generieren dauerte früher eine Stunde; jetzt dauert es zehn Minuten. Das ist nützlich — aber nur wenn die Hypothese stimmt, gegen die getestet wird.

KI sagt nicht, ob das Traffic-Problem oberhalb der Landing Page liegt. Sie diagnostiziert nicht, warum ein Formular eine hohe Abbruchrate hat. Sie generiert Varianten effizient, sobald man weiß, was man variiert und warum. Das Briefing ist noch immer die eigene Aufgabe.