Warum Vorher-nachher beim SEO-Test nichts beweist
Du schreibst die Title-Tags deiner Produktseiten neu, und ein paar Wochen später steigen die Klicks. Hat die Änderung gewirkt? Genau diese Frage beantwortet ein SEO A/B Test, ein schneller Blick in die Search Console dagegen nicht. In derselben Zeit verändert sich nämlich vieles, worauf du keinen Einfluss hast.
Google zählt in seiner eigenen Doku zu Traffic-Rückgängen gleich mehrere solcher Gründe auf. Die wichtigsten Störfaktoren für jeden Vergleich:
- Core Updates: Google ändert seine Rangfolge laut eigener Doku mehrmals im Jahr, dazu kommen kleinere Updates.
- Saison und Nachfrage: Suchen nach Geschenken, Heizungen oder Reisen steigen und fallen, ganz gleich, was du an deiner Seite tust.
- Technik: Ein Fehler beim Rendern, geänderte URLs oder Spam drücken die Zahlen genauso stark.
- Vorläufige Daten: Die jüngsten Werte in der Search Console sind vorläufig und ändern sich in den folgenden Stunden noch.
Außerdem gibt es Ausreißer, die mit Google gar nichts zu tun haben. Seit Ende Oktober 2026 zählen etwa manche Websites ein Vielfaches ihrer üblichen Klicks, wahrscheinlich durch Bots. Wie du solche Spitzen erkennst, steht in unserem Beitrag zum Bot-Traffic in der Search Console. Fällt so eine Welle in deinen Testzeitraum, sieht jede Änderung wie ein Erfolg aus.
So funktioniert ein SEO Split Test
Beim klassischen A/B-Test aus dem Conversion-Bereich teilst du Besucher auf zwei Versionen einer Seite auf. Für Google geht das nicht, denn der Googlebot ist ein einziger Besucher. Ein SEO Split Test teilt deshalb Seiten statt Menschen. Dafür nimmst du viele gleich gebaute Seiten, etwa Produkt- oder Standortseiten, und losst sie in zwei Gruppen.
Die Testgruppe bekommt die Änderung, die Kontrollgruppe bleibt, wie sie ist. Aus der Entwicklung der Kontrollgruppe berechnet ein Modell dann eine Prognose für die Testgruppe. Diese Prognose ist das sogenannte Kontrafaktum, also die Antwort auf die Frage, was ohne deine Änderung passiert wäre. Weicht die Testgruppe deutlich davon ab, hat die Änderung gewirkt.
Kurz erklärt
Kontrollgruppe: Seiten, die während des Tests unverändert bleiben. Testgruppe: Seiten mit der Änderung, gleich gebaut wie die Kontrollgruppe. Kontrafaktum: Prognose, wie sich die Testgruppe ohne Änderung entwickelt hätte. Effekt: Abstand zwischen gemessenen Klicks und dieser Prognose, meist mit Spanne angegeben.
Ein verbreitetes Werkzeug dafür ist CausalImpact, ein freies R-Paket von Google. Es schätzt mit einem Bayes'schen Zeitreihenmodell, wie sich eine Kennzahl ohne Eingriff entwickelt hätte. Das zugehörige Paper erschien 2015 in den Annals of Applied Statistics. Das Modell setzt allerdings voraus, dass die Kontrollseiten von der Änderung unberührt bleiben und sich vorher im Gleichschritt mit der Testgruppe bewegt haben.
Wie beim Pegel: Erst die erwartete Marke macht sichtbar, ob das Wasser wirklich ungewöhnlich hoch steht.
Voraussetzungen für einen SEO A/B Test
Ein sauberer SEO A/B Test braucht vor allem Masse. Mit zehn Seiten und ein paar Klicks am Tag rauscht der Zufall lauter als jede Änderung. Feste Normen gibt es nicht, die Anbieter von Testwerkzeugen nennen aber Richtwerte. Allerdings sind es Herstellerangaben, also eher Orientierung als Gesetz.
Voraussetzung
Richtwert
Quelle
Gleich gebaute Seiten
viele Seiten mit demselben Template, ohne Ausreißer
SearchPilot, SEOTesting.com
Traffic im Testbereich
rund 1.000 organische Besuche pro Tag, ohne Startseite
SearchPilot (2024)
Klicks je Seite
jede URL sollte täglich Klicks bekommen
SEOTesting.com (2026)
Vorlaufdaten
meist rund 100 Tage Daten für die Prognose
SearchPilot (2026)
Laufzeit bis zum Ergebnis
oft 2 bis 4 Wochen
SearchPilot (2026)
Typische Kandidaten sind deshalb Onlineshops, Verzeichnisse und Seiten aus einer Vorlage. Wer solche Seiten in großer Zahl baut, findet in unserem Beitrag zu Programmatic SEO die Grenze zwischen nützlich und Spam. Für eine Handvoll Leistungsseiten reicht die Menge dagegen nicht. Dafür gibt es weiter unten einen einfacheren Weg.
SEO A/B Test in sechs Schritten
Die folgenden Schritte gelten für jeden SEO A/B Test, unabhängig vom Werkzeug. Wichtig ist vor allem die Reihenfolge: Erst steht fest, was du misst und wann du entscheidest, dann änderst du etwas.
Test-Brief schreiben
Halte vor jedem SEO A/B Test schriftlich fest: Hypothese, Hauptkennzahl, kleinsten Effekt, der sich lohnt, und den Tag der Auswertung in vollen Wochen. Als Hauptkennzahl eignen sich Klicks ohne Markensuchen. Positionen sind dagegen nur ein Zusatz, weil sie allein nichts über Besucher sagen.
Ähnliche Seiten in zwei Gruppen teilen
Nimm nur Seiten desselben Templates und sortiere Ausreißer aus. Dann teilst du sie zufällig auf, am besten mit ähnlichem Traffic in beiden Gruppen. Pinterest hat das zum Beispiel per Hash aus Testname und URL gelöst, also mit einer festen Rechenregel statt von Hand.
Modell mit einem Schein-Start prüfen
Setze dafür den Start testweise auf ein Datum in der Vergangenheit, an dem nichts geändert wurde. Findet das Modell dort trotzdem einen Effekt, sind die Gruppen nicht vergleichbar. Bilde sie dann neu, bevor du echte Änderungen ausrollst.
Nur die Testgruppe ändern
Ändere eine Sache, zum Beispiel Title-Tags oder Einleitungen, und zwar nur in der Testgruppe. Google muss dabei dieselbe Version sehen wie deine Besucher. Alles andere ist Cloaking und kann laut Google zur Herabstufung oder Entfernung aus dem Index führen.
Änderung prüfen und markieren
Kontrolliere mit der URL-Prüfung in der Search Console, ob Google die neue Fassung im gerenderten HTML sieht. Setze danach im Leistungsbericht eine Anmerkung: Rechtsklick ins Diagramm, dann „Add annotation“. Diese Funktion gibt es seit November 2025, eine Notiz hat höchstens 120 Zeichen.
Am geplanten Tag auswerten
Entscheide erst am festgelegten Tag, nicht beim ersten Ausschlag nach oben. Gib das Ergebnis als Spanne an, also als Konfidenzintervall. Schließt es die Null ein, ist kein Effekt belegt. Übernimm den Gewinner danach für alle Seiten und entferne Testskripte und Varianten wieder.
Varianten-URLs richtig einrichten
Manche Werkzeuge testen mit eigenen URLs für eine Variante. Dann setzt du von dort ein Canonical auf das Original und leitest per 302 weiter, nicht per 301. So bleibt laut Google das Original im Index. Lass den Test außerdem nur so lange laufen wie nötig.
Kleine Website: SEO-Änderungen testen mit der Search Console
Für einen echten Split-Test fehlen den meisten kleinen Websites die Seiten und der Traffic. Ganz blind bist du deshalb aber nicht. Mit ein paar Kontrollseiten und dem Vergleich in der Search Console kannst du SEO-Änderungen testen, die zumindest die gröbsten Fehlschlüsse ausschließen. Ein Beweis wie beim großen SEO A/B Test ist das allerdings nicht.
- Wähle vorher Kontrollseiten, die du nicht änderst, möglichst mit ähnlichem Thema und Traffic.
- Öffne den Leistungsbericht, klicke auf den Datumsfilter und wähle unter „Compare“ einen Vergleich, etwa die letzten 3 Monate zum Vorjahr.
- Filtere über „+ Add filter“, dann Pages und „Custom (regex)“ mit „Matches regex“ auf die geänderten Seiten.
- Wiederhole denselben Vergleich mit den Kontrollseiten, weil der Bericht nur einen Vergleich gleichzeitig zeigt.
- Schließe Markensuchen über Queries mit „Doesn't match regex“ aus und stelle auf wöchentliche Werte um.
- Prüfe in Google Trends, ob sich die allgemeine Nachfrage zum Thema im selben Zeitraum verändert hat.
Steigen die geänderten Seiten deutlich stärker als die Kontrollseiten, spricht das folglich für deine Änderung. Bewegen sich beide Gruppen gleich, war es eher Saison oder ein Update. Ein Fallstrick dabei: Filter nach Seiten oder Suchanfragen können die Summen laut Google wegen gekürzter Daten verändern.
Meine Einschätzung
Führe ab sofort bei jeder größeren Änderung eine Anmerkung in der Search Console, auch ohne Test. Schon nach ein paar Monaten siehst du dann, welche Änderung vor welchem Knick lag. Das kostet zehn Sekunden und erspart später viel Rätselraten.
Typische Fehler beim SEO-Experiment
Die meisten Änderungen bringen übrigens gar nichts Messbares. SearchPilot hat alte Tests mit zwei Modellen neu ausgewertet. Mit dem früheren Modell erreichten nur 13 Prozent statistische Signifikanz, mit dem neueren knapp 29 Prozent. Umso wichtiger ist, dass ein SEO-Experiment nicht an vermeidbaren Fehlern scheitert.
- Zu früh stoppen: Wer beim ersten guten Wert abbricht, erklärt Zufall zum Erfolg. Halte den Auswertungstag aus dem Test-Brief ein.
- Core Update im Zeitraum: Google rät, nach dem Ende eines Updates mindestens eine Woche zu warten, bevor du Daten bewertest.
- Ungleiche Gruppen: Gemischte Templates oder einzelne Seiten mit viel Traffic verzerren das Ergebnis schon vor dem Start.
- Unsichtbare Änderung: Lädt die neue Fassung erst per JavaScript, sieht Google sie womöglich nicht. Prüfe das gerenderte HTML.
- Kosmetik testen: Kleine Änderungen wie Button-Farbe oder Text eines Buttons wirken laut Google kaum auf Snippets und Rankings.
Wie lehrreich auch ein Nullergebnis ist, zeigt zum Beispiel ein früher SEO A/B Test von Pinterest aus dem Jahr 2015. Eindeutige Title-Tags brachten dort keinen signifikanten Effekt. Bessere Beschreibungen führten dagegen nach mehreren Folgetests zu fast 30 Prozent mehr Traffic. Ein Test mit Rendering per JavaScript kostete hingegen Besucher, die Erholung dauerte fast einen Monat.
Fazit: Erst messen, dann ausrollen
Ein SEO A/B Test ersetzt Bauchgefühl durch einen Vergleich mit Kontrollgruppe. Große Websites teilen dabei Seiten in Gruppen und rechnen mit einer Prognose. Kleine Websites arbeiten stattdessen mit Kontrollseiten, Jahresvergleich und Anmerkungen. In beiden Fällen gilt: vorher festlegen, was zählt, und am geplanten Tag entscheiden. Setz deshalb heute deine erste Anmerkung in der Search Console, bevor du die nächste Änderung ausrollst.
Häufige Fragen
Was ist ein SEO A/B Test?
Ein SEO A/B Test teilt gleich gebaute Seiten, nicht Besucher, in eine Kontroll- und eine Testgruppe. Dabei bekommt nur die Testgruppe die Änderung. Ein Modell schätzt aus der Kontrollgruppe, wie sich die Testgruppe ohne Änderung entwickelt hätte. Der Abstand zwischen gemessenen Klicks und dieser Prognose zeigt dann den Effekt der Änderung.
Wie viel Traffic braucht ein SEO Split Test?
Eine feste Grenze gibt es nicht. Der Anbieter SearchPilot nennt als Faustregel rund 1.000 organische Besuche pro Tag im getesteten Bereich, die Startseite nicht mitgerechnet. Dazu kommen viele Seiten mit demselben Template. Kleinere Websites vergleichen geänderte Seiten deshalb besser mit Kontrollseiten in der Search Console.
Wie lange sollte ein SEO-Test laufen?
Lege die Dauer vorher in vollen Wochen fest und halte sie ein. SearchPilot nennt 2 bis 4 Wochen, bis ein Ergebnis meist signifikant ist. Pinterest sah in seinen Experimenten stabile Unterschiede nach ein bis zwei Wochen. Fällt ein Core Update in den Zeitraum, wartest du nach dessen Ende mindestens eine Woche.
Darf Google bei einem Test eine andere Version sehen als Besucher?
Nein. Zeigst du dem Googlebot eine andere Fassung als deinen Besuchern, ist das Cloaking. Laut Google kann das zur Herabstufung oder sogar zur Entfernung aus den Suchergebnissen führen. Bei einem Split-Test sehen deshalb alle dieselbe Version einer Seite, nur die Seiten der Testgruppe unterscheiden sich von denen der Kontrollgruppe.
301 oder 302 bei Testvarianten?
Für Testvarianten auf eigenen URLs empfiehlt Google eine 302-Weiterleitung, weil sie nur vorübergehend gilt. So bleibt die Originalseite im Index. Zusätzlich setzt du auf den Varianten ein Canonical auf das Original. Nach dem Test entfernst du die Varianten und Skripte wieder und übernimmst die bessere Fassung dauerhaft.
Du willst das nicht allein umsetzen?
Ich helfe dir bei Auswahl, Einrichtung und den ersten Schritten – ohne Agentur-Overhead.
Quellen
- Rückgänge im Suchtraffic analysieren (Google Search Central)
- Core Updates (Google Search Central)
- A/B-Tests und Website-Tests (Google Search Central)
- Eigene Anmerkungen in der Search Console (Google Search Central Blog)
- CausalImpact (Google, GitHub)
- Inferring causal impact (Google Research, 2015)
- Demystifying SEO with experiments (Pinterest Engineering)
Stand vom 10. November 2026 · Zahlen und Pläne können sich ändern – wir halten den Beitrag aktuell.
