Preistests auf Amazon: Warum es keinen A/B-Test gibt und wie man trotzdem testet

Preis ist der Hebel, den Händler am seltensten anfassen und am ehesten für ausgereizt halten. Wer ein Listing optimiert, tauscht Bilder, schreibt Texte um und feilt am vierten Produktbild, während die Zahl, auf die jeder Käufer zuerst schaut, seit dem Launch unverändert dasteht. Shahmoradi nennt das im Livecall fahrlässig, und die Runde widerspricht ihm an dieser Stelle nicht.

Der Grund für die Zurückhaltung ist allerdings kein Versäumnis, sondern ein Konstruktionsmerkmal des Marktplatzes. Ein Preistest auf Amazon lässt sich nicht so aufsetzen, wie man ihn aus dem eigenen Shop kennt. Was stattdessen geht, wie lange es dauert und woran es scheitert, ist der Inhalt dieses Beitrags.

Wie weit sich diese Arbeit abgeben lässt, umreißt Shahmoradi im Livecall mit einem Zitat der Investorin Judith Dada. Ihr Punkt: Analyse und Optimierung von Preisen laufen inzwischen maschinell, das Abwägen strategischer Ausnahmen und das Durchsetzen einer Entscheidung im eigenen Unternehmen nicht. In dieser Lücke bewegt sich alles, was in diesem Beitrag steht.

Shahmoradi formuliert es im Livecall an einem Beispiel: Wenn er und ein anderer Teilnehmer gleichzeitig dasselbe Listing aufrufen, ist es praktisch ausgeschlossen, dass sie als Endkunden verschiedene Preise angezeigt bekommen. Eine Ausnahme bilden gesonderte Geschäftskundenpreise, die aber an einen anderen Kontotyp gebunden sind und nicht als Testinstrument taugen. Amazon selbst beschreibt diesen Punkt in einem Fachaufsatz zur eigenen Preisexperimentierung: Weil das Unternehmen nicht preisdiskriminiert, muss es seine Versuche über zufällig zugeteilte Produkte statt über zufällig zugeteilte Kunden führen.

Für die Praxis heißt das: Der Vergleich muss über die Zeit laufen statt über die Kundengruppe. Genau daraus entsteht das eigentliche Problem des Preistests auf Amazon. Sobald zwei Preise nacheinander statt nebeneinander stehen, liegt zwischen ihnen alles, was sich in der Zwischenzeit im Markt verändert hat. Ein Wettbewerber startet eine Aktion, ein anderer geht aus dem Bestand, die Saison zieht an, das Wetter kippt.

Ein Teilnehmer, der bereits eigene Tests fährt, beschreibt dieselbe Schwierigkeit von der anderen Seite. Er beobachtet Deckungsbeitrag, Werbekostenquote, Conversion-Rate und Klickrate parallel und weiß am Ende oft nicht, welcher Störfaktor das Ergebnis erzeugt hat. Seine offene Frage ist nicht, wie man den Preis wechselt, sondern welche Kennzahl den Ausschlag geben soll und wie lange der Test dafür laufen muss.

Der Aufbau löst das Problem der ungleichen Vergleichszeiträume. Ein Sonntag verhält sich anders als ein Dienstag, der Anfang der Woche anders als das Ende. Wechseln die beiden Preise täglich, fällt jeder Wochentag einmal auf Preis A und einmal auf Preis B, und der Vergleich läuft nicht mehr Wochenende gegen Werktag.

Der Wechsel selbst liegt nachts, damit keine laufende Sitzung unterbrochen wird und kein Kunde den Preis während seines Besuchs springen sieht. Aus demselben Grund beginnt ein Test grundsätzlich am Folgetag und nicht mitten in einem angefangenen Tag, weil die ersten Stunden sonst der falschen Variante zugerechnet werden.

Ein Teilnehmer beschreibt ein selbst gebautes Setup nach genau diesem Muster: eine Tabelle mit Artikelnummer, Preis A und Preis B, ein Automatisierungswerkzeug, das nachts um zwölf umstellt, und eine Kontrollabfrage eine halbe Stunde später, ob die Änderung wirklich angekommen ist. Sein offener Punkt liegt nicht im Mechanismus, sondern in der Auswertung.

Die Begründung ist die Wochenstruktur. Ein Teilnehmer berichtet, dass der Sonntag bei ihm der stärkste Verkaufstag ist. Bei einer Laufzeit von zwei Wochen fällt je ein Sonntag auf jeden der beiden Preise, bei einer Woche entscheidet ein einzelner Tag über das Ergebnis.

Nach unten begrenzt die Absatzmenge, was möglich ist. Shahmoradi nennt hundert verkaufte Einheiten am Tag als Größenordnung, ab der eine verkürzte Laufzeit überhaupt in Betracht kommt. Darunter steigt die Wahrscheinlichkeit, dass zufällige Schwankungen als Preiseffekt gelesen werden.

Nach oben begrenzt das Umfeld. Ein Test über sechs Monate misst nicht mehr den Preis, sondern ein halbes Jahr Marktgeschehen. Die Frage, die Shahmoradi dabei stellt, lautet, wie viel Vakuum um den Test herum überhaupt noch übrig ist.

Alexander erklärt das mit einem Bild aus dem Livecall. Zwei Personen stehen in einem Raum und sprechen miteinander, draußen arbeitet ein Presslufthammer. Je lauter gesprochen wird, desto klarer ist zu verstehen, was gesagt wurde. Die Lautstärke ist in diesem Bild der Preissprung, der Presslufthammer ist alles, was gleichzeitig im Markt passiert.

Daraus folgen zwei Hebel. Der erste ist die Sprunghöhe: statt eines Euro zwei oder drei, und anschließend in kleineren Schritten heranarbeiten, bis der Punkt gefunden ist. Das ist eine Aussage über die Auswertbarkeit und keine Vorschrift. Ein größerer Abstand macht das Ergebnis lesbarer, verlangt aber auch, dass der Preis zwei Wochen lang tatsächlich so weit von der gewohnten Lage abweichen darf. Wer das aus Wettbewerbs- oder Margengründen nicht will, ist mit dem zweiten Hebel besser bedient. Der zweite ist die Menge der Signalgeber. Wer Varianten oder verwandte Artikel zu einer Gruppe zusammenfasst und den Test auf die Gruppe legt, sammelt mehr verkaufte Einheiten in derselben Zeit.

Die Gruppenbildung hat einen zweiten Nutzen. Sie beantwortet die Frage, wie sich der Gesamtumsatz bewegt, wenn eine Variante im Preis wandert. Alexander verweist auf Sortimente mit einer günstigen Einstiegs- und einer neuen Premiumvariante, bei denen der Effekt einer Preisänderung erst auf Gruppenebene sichtbar wird.

Der Ablauf war bei Priceloop geradlinig aufgebaut. Ein Test lief, ein Preis gewann, das Werkzeug schrieb ihn fest. Das Setzen selbst war dabei nicht das Problem, denn die Daten sprachen dafür. Das Problem war, dass es keinen anderen Weg gab. Wer nach oben getestet hatte und den höheren Preis nicht dauerhaft stehen lassen wollte, fand im Werkzeug keine Möglichkeit dafür und korrigierte ihn außerhalb wieder zurück.

Im heutigen Aufbau ist das automatische Setzen deshalb eine Option, die beim Anlegen des Tests aktiv gewählt wird. Wer sie setzt, bekommt dieselbe Automatik wie früher. Wer sie weglässt, bekommt am Ende eine Auswertung und entscheidet selbst. Shahmoradi beschreibt die eigene Rolle passend dazu mit einem Bild: kein Preismanager, sondern ein schlecht bezahlter Praktikant, der nachts die Preise umstellt, am Ende die Daten exportiert und die Entscheidung dem Händler überlässt.

Denselben Grundgedanken zieht er über die Richtungswahl. Auch wenn die Datenlage eine Annahme nahelegt, soll sie den Händler nicht überstimmen. Der Grund ist derselbe wie beim Gewinnerpreis: Was ohne eigene Entscheidung zustande kommt, hält im Alltag nicht.

Ein Teilnehmer schildert den Fall im Livecall: eigene Marke, ausschließlich Versand durch Amazon, keine Fremdanbieter auf dem Listing, und trotzdem regelmäßig eine Nachricht mit der Aufforderung, den Preis zu senken. Wird sie ignoriert, verschwindet der Angebotsplatz, obwohl niemand sonst auf dem Angebot sitzt.

Alexander ordnet das aus der Zeit bei Razor ein, wo rund zwanzigtausend Produkte über sechs Märkte und mehrere Kontinente liefen und daraus etwa achtzigtausend Preis-Markt-Kombinationen entstanden. Die Reihenfolge war dort entscheidend: erst auf den anderen Kanälen erhöhen, dann auf Amazon nachziehen. Wie lange dazwischen liegen musste, unterschied sich je Kanal und lag bei ein bis zwei Tagen, in Einzelfällen deutlich länger, weil die Preise nicht in Echtzeit erfasst werden.

Für Preistests hat dieser Zustand eine unangenehme Konsequenz. Ohne Angebotsplatz gibt es kaum Verkäufe, und ohne Verkäufe fehlt jede Datengrundlage. Shahmoradi rät deshalb, in dieser Lage zunächst nach unten zu testen und in Abständen zu prüfen, ob sich der Griff lockert, statt auf ein Werkzeug zu setzen, das mangels Signalen nichts liefern kann.

Shahmoradi dreht die übliche Reihenfolge um. Wer zwei Jahre lang denselben Preis gefahren hat, besitzt einen ungewöhnlich sauberen Datensatz: In diesen zwei Jahren ist jede Saison, jedes Wettbewerbsumfeld und jede Marktlage einmal vorgekommen, und der Preis war dabei die einzige Konstante. Daraus lässt sich ablesen, wie saisonal ein Produkt tatsächlich ist, bevor irgendetwas verändert wird.

Der zweite Schritt ist die Auswahl der Kandidaten. Geeignet sind stabile Artikel ohne laufende Aktionen und ohne Bestandsprobleme. Ungeeignet ist alles, was gerade beworben, verramscht oder neu eingeführt wird, weil sich der Preiseffekt dort nicht von der Maßnahme trennen lässt.

Der dritte Schritt ist bewusst klein. Fünfzig Cent in eine Richtung, zwei Wochen Laufzeit, eine notierte Erwartung. Shahmoradi fasst das Vorgehen als kleine Brötchen backen, aber viele davon: lieber eine Reihe schmaler Tests hintereinander als ein breit angelegter Versuch, der fünfzehn Prozent in beide Richtungen gleichzeitig prüfen soll.

Ein Teilnehmer beschreibt genau diesen Fall aus der eigenen Praxis. Für ein Produkt mit dem Ziel maximaler absoluter Deckungsbeitrag rechnete er zunächst aus, wie viel Spielraum vor Werbekosten überhaupt vorhanden war, senkte den Preis in Schritten und beobachtete Conversion-Rate und Klickrate. Beide stiegen, die verkaufte Menge stieg mit, und am Ende stand trotz des niedrigeren Preises ein höherer absoluter Deckungsbeitrag als zuvor. Voraussetzung war ausreichender Bestand, weil der Effekt sonst mitten im Test abgebrochen wäre.