You­Tube-Opti­mie­rung anhand von A/B-Tests

Jede Minu­te wer­den auf You­Tube 500 Stun­den Video­ma­te­ri­al hoch­ge­la­den. Doch nur ein Bruch­teil die­ser Vide­os schafft es in die Trends und kann Mil­lio­nen von Auf­ru­fen erzie­len. Bei die­ser Unmen­ge an Mate­ri­al reicht es nicht mehr aus, „nur“ guten Con­tent zu pro­du­zie­ren. Statt­des­sen suchen Creators stän­dig nach neu­en Stra­te­gien, um aus der Men­ge herauszustechen.

Die Kon­kur­renz ist groß und des­halb nut­zen vie­le Videokünstler:innen A/B-Tests, um das Ver­hal­ten der Zuschau­en­den genau­es­tens aus­zu­wer­ten und ihre Vide­os dar­auf­hin zu opti­mie­ren. Mit einem soge­nann­ten Split-Test wird ana­ly­siert, was wirk­lich gut bei der Com­mu­ni­ty ankommt, um so ein ste­ti­ges Wachs­tum auf der Video-Platt­form zu erzielen.

Was sind eigent­lich A/B-Tests?

Der gro­ße Vor­teil von A/B-Tests: Die Ergeb­nis­se des Tests sind häu­fig aus­sa­ge­kräf­ti­ger als die einer Umfra­ge. Im Gegen­satz zu einer Befra­gung spie­gelt der Split-Test das intui­ti­ve Ver­hal­ten der User wider, da die Nut­zen­den sich nicht dar­über bewusst sind, dass sie an einem Test teil­neh­men. In einer offen­sicht­li­chen Test­si­tua­ti­on pas­sen die Teil­neh­men­den ihr Ver­hal­ten gege­be­nen­falls an.

Doch nicht nur in der Web-Ent­wick­lung lie­fert der Ver­gleich wert­vol­le Erkennt­nis­se über die Inter­ak­ti­on der User. Auch bei der Opti­mie­rung und Ver­mark­tung von You­Tube-Vide­os sind Split-Tests ein belieb­tes Mit­tel, um die Com­mu­ni­ty bes­ser ken­nen­zu­ler­nen. Mit ver­schie­de­nen Ver­sio­nen von Thumb­nails, End­s­creens und Co. kön­nen Vide­os ste­tig opti­miert wer­den ­– und das nicht nach Bauch­ge­fühl, son­dern datengetrieben.

Wel­che Zie­le kön­nen mit Split-Tests auf You­Tube erreicht werden?

Wel­che Zie­le kön­nen mit Split-Tests auf You­Tube erreicht werden?

Auf­ruf­zah­len stei­gern durch Thumbnail-Tests

Das Thumb­nail stellt zusam­men mit dem Titel den ers­ten Kon­takt­punkt zwi­schen User und dei­nem Video dar. Inner­halb von Mil­li­se­kun­den ent­schei­den Nut­zen­de, ob sie auf dein Video kli­cken oder ob sie wei­ter scrol­len. Somit ist die Gestal­tung des Thumb­nails ent­schei­dend für die Anzahl an Klicks auf dei­nen Videos.

Das Thumb­nail soll­te die Auf­merk­sam­keit der Zuschau­en­den erre­gen und Lust auf mehr machen – ohne fal­sche Ver­spre­chun­gen zu machen! Zudem soll das Vor­schau­bild den Inhalt des Vide­os unmiss­ver­ständ­lich wie­der­ge­ben und dabei nicht zu viel vor­weg­neh­men. Ganz schön vie­le Anfor­de­run­gen, die an ein ein­zi­ges Bild gestellt wer­den. Wie sieht das per­fek­te Thumb­nail also aus?

Eine all­ge­mein­gül­ti­ge Ant­wort auf die­se Fra­ge gibt es nicht. Denn je nach Con­tent und Ziel­grup­pe unter­schei­det sich stark, was häu­fig geklickt wird. Hier kom­men A/B-Tests ins Spiel, die uns hel­fen her­aus­zu­fin­den, wel­che Thumb­nail-Gestal­tung bei dei­ner Ziel­grup­pe am belieb­tes­ten ist.

Wie läuft ein Thumb­nail A/B-Test ab?

Vor eini­gen Mona­ten haben wir einen Thumb­nail-Test für einen Kun­den* durch­ge­führt, da die­ser mit der aktu­el­len Klick­ra­te der Vide­os unzu­frie­den war. Dafür haben wir über einen drei­mo­na­ti­gen Zeit­raum zwei unter­schied­li­che Thumb­nail-Designs abwech­selnd hoch­ge­la­den. Bei die­ser Vor­ge­hens­wei­se fin­det der Thumb­nail-Test „live“ auf You­Tube statt und nicht in einer Test­um­ge­bung bezie­hungs­wei­se bei aus­ge­wähl­ten Test­per­so­nen. Mit einem manu­el­len A/B-Test wer­den alle Zuschau­en­den (unbe­wusst) zu Testteilnehmenden.

Wöchent­lich haben wir sowohl die Anzahl an Impres­sio­nen als auch die Klick­ra­te der Vide­os in einer Excel-Tabel­le doku­men­tiert. Am Ende des Test­zeit­raums zeig­te sich ein Thumb­nail-Design als kla­rer Gewinner:

Bei der Aus­wer­tung haben wir für jedes Video die Anzahl an Impres­sio­nen sowie die Klick­ra­te nach 24 Stun­den, nach 7 Tagen, nach 14 Tagen sowie nach 30 Tagen notiert. Für ein aus­sa­ge­kräf­ti­ges Ergeb­nis emp­fiehlt es sich, meh­re­re Zwi­schen­er­geb­nis­se zu sam­meln, da sich die Daten über die Zeit ändern.

Zudem soll­test du die Kenn­zah­len nach Zugriffs­quel­le fil­tern, da die Klick­ra­te auch hier vari­iert. Die Klick­ra­te in der You­Tube-Suche ist beson­ders inter­es­sant für die Bewer­tung der Thumb­nails, da das Vor­schau­bild hier im direk­ten Wett­be­werb zu Vide­os mit den glei­chen Key­words steht. In der You­Tube-Suche ist es beson­ders wich­tig, dass sich das Thumb­nail-Design durch­set­zen kann.

Wenn du nun auch einen Thumb­nail-A/B-Test durch­füh­ren möch­test, hilft dir die­se Excel-Tabel­le bei der Aus­wer­tung. Ein­fach down­loa­den, die Tabel­le ist kostenlos.

[Abste­cher] Tools für A/B-Tests von YouTube-Videos

Auf You­Tube selbst gibt es (noch) kei­ne Mög­lich­keit, unter­schied­li­che Thumb­nails par­al­lel für ein Video aus­zu­spie­len. Des­halb haben wir im oben genann­ten Fall hän­disch Video für Video unter­schied­li­che Thumb­nails hoch­ge­la­den und die Daten aus You­Tube Ana­ly­tics ent­nom­men. Wich­tig ist bei die­ser Metho­de: Füh­re dei­nen Test über einen lan­gen Zeit­raum (min­des­tens vier Wochen Beob­ach­tungs­pha­se) und mit vie­len Vide­os (min­des­tens 12 Vide­os) durch, um vali­de Ergeb­nis­se zu erhalten.

Das kos­ten­pflich­ti­ge Tool Tube­Bud­dy bie­tet hin­ge­gen die Mög­lich­keit, unter­schied­li­che Ver­sio­nen eines Vide­os gleich­zei­tig aus­zu­spie­len. So lädt man pro Video zwei Thumb­nail-Designs hoch und das You­Tube Tool spielt jedem zwei­ten User das glei­che Thumb­nail aus. Nach weni­gen Wochen (Beob­ach­tungs­zeit­raum hängt von der Kanal­grö­ße bezie­hungs­wei­se den Auf­ruf­zah­len ab) kön­nen daten­ge­trie­be­ne Ent­schei­dun­gen über die Opti­mie­rung dei­ner Vide­os getrof­fen werden.

Klick­ra­te stei­gern mit A/B-Tests der Videotitel

Vor dem Klick auf das Video sieht der Suchen­de neben dem Thumb­nail eben­falls den Video­ti­tel. Der Titel ist ein sehr bedeu­ten­der Ran­king-Fak­tor für You­Tube-Vide­os und soll­te des­halb auf Grund­la­ge einer Key­word-Recher­che bestimmt wer­den. In einem vor­he­ri­gen Blog­ar­ti­kel haben wir bereits erklärt, wie man einen such­ma­schi­nen­op­ti­mier­ten Video­ti­tel festlegt.

Der Titel soll­te jedoch nicht nur für den Algo­rith­mus, son­dern ins­be­son­de­re im Sin­ne der Com­mu­ni­ty erstellt wer­den. Auch hier bie­ten A/B-Tests die Mög­lich­keit, her­aus­zu­fin­den, wel­che For­mu­lie­run­gen bei der Ziel­grup­pe beson­ders hohen Anklang findet.

Für einen A/B-Test der Video­ti­tel bie­tet You­Tube aktu­ell kei­ne Mög­lich­keit. Wenn man ein Video zwei­fach hoch­lädt mit jeweils unter­schied­li­chen Titeln, wer­den die­se Vide­os als Dupli­ca­te Con­tent erkannt. Dupli­ca­te Con­tent führt auch bei You­Tube zu Per­for­mance-Min­de­run­gen, sodass kei­ne aus­sa­ge­kräf­ti­gen Ablei­tun­gen getrof­fen wer­den kön­nen. Wenn du also unter­schied­li­che For­mu­lie­run­gen aus­pro­bie­ren möch­test, bist du auf exter­ne Tools, wie das zuvor vor­ge­stell­te A/B-Test-Tool Tube­Bud­dy, ange­wie­sen.

Zuschau­en­den­bin­dung erhö­hen durch unter­schied­li­che Video­va­ri­an­ten im A/B-Test

Noch ein Fall aus der Pra­xis: Bei einem unse­rer Kun­den* beob­ach­te­ten wir eine hohe Absprung­ra­te der Zuschau­en­den inner­halb der ers­ten 16 Sekun­den eini­ger Vide­os. Als wir die Zuschau­en­den­bin­dung (= also die pro­zen­tua­le Anzahl an ver­blie­ben­den Usern) anhand der ers­ten Video­se­quen­zen aus­wer­te­ten, wur­de ein Ver­dacht immer lau­ter: Das Intro ist zu lang. Das ein­ge­blen­de­te Intro war 16 Sekun­den lang; und genau in die­sen 16 Sekun­den nahm die Zuschau­en­den­bin­dung rapi­de ab.

Auf Basis die­ser Daten form­ten wir die Hypo­the­se „Wenn das Intro kür­zer ist, dann steigt die Zuschau­en­den­bin­dung der Vide­os“. Also rie­ten wir dem Kun­den* test­wei­se Vide­os zu ver­öf­fent­li­chen, die ein sehr kur­zes Intro (in die­sem Fall drei Sekun­den lang) hat­ten. Die Ergeb­nis­se nach eini­gen Wochen Test­pha­se waren sehr erfreu­lich: Die Zuschau­en­den­bin­dung der Vide­os mit kur­zem Intro war um eini­ges höher als die der Vide­os mit lan­gem Intro.

Die­ser Test zeigt, dass bereits klei­ne Ände­run­gen an You­Tube-Vide­os Gro­ßes bewir­ken kön­nen. Wenn du auch hohe Absprün­ge an den immer wie­der­keh­ren­den Stel­len dei­ner Vide­os bemerkst, hilft dir die Kenn­zahl „Zuschau­en­den­bin­dung“ dabei Hypo­the­sen auf­zu­stel­len, war­um die User das Video ver­las­sen. Dar­auf­hin kann ein A/B-Test die The­sen be- oder entkräftigen.

Inter­ak­ti­on der User erhö­hen durch End­s­creen-Ele­men­te im Split-Test

Wenn nun Thumb­nail, Titel und Video­se­quen­zen opti­miert wur­den, kom­men wir zum Ende jedes Vide­os: dem End­s­creen. Die End­s­creen-Ele­men­te kön­nen in den letz­ten 20 Sekun­den eines Vide­os ein­ge­blen­det wer­den und bie­ten die Mög­lich­keit, die Zuschau­en­den auf wei­te­re Vide­os oder Play­lis­ten zu lei­ten. Zudem kön­nen die Nut­zen­den im Abspan­n­ele­ment zum Abon­ne­ment des Kanals ani­miert wer­den oder über eine Ver­lin­kung auf eine Web­site geführt werden.

Der End­s­creen ist von beson­ders gro­ßer Bedeu­tung für die Inter­ak­ti­on auf dei­nem Kanal. Die Zuschauer:innen zei­gen ein gro­ßes Inter­es­se an dei­nen Inhal­ten, wenn sie das Video bis zum Ende schau­en. Dadurch steigt auf die Wahr­schein­lich­keit, dass sie eine wei­te­re Hand­lung aus­füh­ren, die sie inner­halb dei­nes You­Tube-Kos­mos hal­ten wird. Des­halb soll­te der End­s­creen stets ziel­füh­rend ange­ord­net werden.

Wie läuft ein End­card-A/B-Test ab?

Für den A/B-Test der End­card-Ele­men­te stellst du bei unter­schied­li­chen Vide­os abwech­selnd die ein­zel­nen Typen der Abspan­n­ele­men­te ein. Einen Über­blick über die Leis­tung der Ele­men­te ver­schaffst du dir, indem du Grup­pen bei You­Tube Ana­ly­tics anlegst. In die Grup­pen fügst du Vide­os hin­zu, die die glei­chen End­card-Ele­men­te anzeigen.

Die Kenn­zahl „Klicks pro ein­ge­blen­de­tem Abspan­n­ele­ment“ ver­rät dir, wel­che Ele­men­te den größ­ten Anklang bei der Com­mu­ni­ty fan­den. Jedoch Ach­tung: Die Kenn­zahl soll­te nie iso­liert betrach­tet wer­den. Bei­spiels­wei­se kann die Klick­ra­te bei weni­gen Ein­blen­dun­gen hoch sein, obwohl nur wenig User geklickt wur­de. Dies wür­de zu einer fal­schen Ablei­tung füh­ren. Für vali­de Daten soll­test du die Abspan­n­ele­men­te gleich oft über einen län­ge­ren Zeit­raum (auch hier min­des­tens vier Wochen) einstellen.

5 Tipps: Dar­auf soll­te bei A/B-Tests geach­tet werden

Du willst noch mehr YouTube-Tipps?

Hier fin­dest du wei­te­re Rat­ge­ber rund um die Platt­form YouTube:

Wir hof­fen, dir hat unser Blog­bei­trag wei­ter­ge­hol­fen. Falls ja, hin­ter­las­se ger­ne einen Kom­men­tar und bis zum nächs­ten Mal!

* Wir arbei­ten mit Unter­neh­men zusam­men. Mit Kun­den mei­nen wir oft nicht den oder die individuelle/n Kun­den oder Kun­din, son­dern unse­ren Auf­trag­ge­ben­den. Erlaubt uns, das Wort Kun­den oder Varia­tio­nen davon manch­mal nicht zu gendern.