Conversion-Rate-Rechner

Der Conversion-Rate-Rechner wandelt eine Anzahl von Besuchern und Konversionen in eine Rate plus ein statistisch präzises Konfidenzintervall, eine Fehlermarge und eine Zuverlässigkeitsbewertung um. Nutzen Sie ihn für Landingpages, Registrierungstrichter, Werbekampagnen, Lead-Magnet-Seiten, Checkout-Prozesse und alle A/B-Tests, bei denen die Kennzahl lautet: „Hat der Nutzer die Aktion abgeschlossen oder nicht?“. Das Tool bietet drei Methoden für das Konfidenzintervall – Wilson-Score (der empfohlene Standard), Wald (die klassische Normalverteilungsapproximation) und Agresti-Coull (ein konservativer Mittelweg) – und gibt Aufschluss über die Fehlermarge, das Urteil zur Stichprobenangemessenheit, eine animierte Trichtervisualisierung, ein Branchen-Benchmark-Band sowie den zusätzlichen Traffic, den Sie zur Verfeinerung der Schätzung benötigen würden. Unabhängig davon, ob Sie einen einzelnen Trichterschritt bewerten oder die Stichprobengröße für einen zukünftigen Test planen: Das Ergebnis, das Sie hier erhalten, ist weitaus präziser als bei einem typischen Rechner, der lediglich „Konversionen ÷ Besucher“ berechnet.

So funktioniert die Nutzung

1. Geben Sie die Gesamtzahl der Besucher ein – Sitzungen, Testphasen oder Impressionen, die den von Ihnen gemessenen Schritt erreicht haben.
2. Geben Sie die Anzahl der Konversionen ein – Besucher, die die Zielaktion abgeschlossen haben. Die Konversionen können die Besucherzahl nicht überschreiten.
3. Wählen Sie ein Konfidenzniveau. 95% ist der Branchenstandard; nutzen Sie 99% für folgenschwere Entscheidungen und 90% nur für erste Orientierungen.
4. Wählen Sie eine Methode für das Konfidenzintervall. Der Wilson-Score wird für alle Stichprobengrößen empfohlen; Wald ist die klassische Lehrbuchformel; Agresti-Coull dient als leicht konservative Alternative.
5. Klicken Sie auf Konversionsrate berechnen, um die Rate, das Konfidenzintervall, die Fehlermarge, das Urteil zur Stichprobenangemessenheit, die Trichtervisualisierung, den Methodenvergleich und eine Schritt-für-Schritt-Aufschlüsselung der Mathematik anzuzeigen.

Verwendete Formeln

Was diesen Conversion-Rate-Rechner unterscheidet

• Wilson-Score als Standard – Die meisten Online-Rechner bieten nur die Wald-Methode an, welche bei kleinen Stichproben oder extremen Raten zu unmöglichen Intervallen führt (negative untere Grenze, obere Grenze > 100%). Wilson ist in jedem Szenario korrekt und wird von Statistik-Experten empfohlen.
• Live-Vorschau vor dem Absenden – Tippen Sie eine beliebige Zahl ein und die Rate, das Konfidenzintervall sowie das Angemessenheits-Badge aktualisieren sich in Echtzeit, ganz ohne Neuladen der Seite.
• Animierte Trichter-Visualisierung – Erkennen Sie die Form Ihres Trichters auf einen Blick, anstatt nur eine nackte Zahl zu sehen.
• Ampelsystem für Stichprobenangemessenheit – Ein grünes, gelbes oder rotes Badge basierend auf der Faustregel n·p̂ ≥ 10 zeigt Ihnen sofort, ob die Schätzung vertrauenswürdig ist.
• Direkter Methodenvergleich – Die Intervalle nach Wilson, Wald und Agresti-Coull übersichtlich in einer Tabelle. Die von Ihnen gewählte Methode wird hervorgehoben; die anderen zeigen, wie sich die Auswahl auf das Ergebnis auswirken würde.
• Branchen-Benchmark-Band – Eine sechsstufige Skala (Sehr niedrig → Elite) ordnet Ihre Rate in den Kontext ein.
• Planungshelfer – Erfahren Sie exakt, wie viele Besucher Sie zusätzlich benötigen, um die Fehlermarge zu halbieren oder eine Präzision von ±1.00 / ±0.50 Prozentpunkten zu erreichen.
• Schritt-für-Schritt-Mathematik – Jede Berechnung wird Zeile für Zeile aufgeschlüsselt, sodass Sie sie nachvollziehen und überprüfen können.

Interpretation des Urteils zur Stichprobenangemessenheit

• Grün — Zuverlässig. Sowohl n·p̂ als auch n·(1 − p̂) betragen mindestens 10. Die Normalverteilungsapproximation ist gültig und das Konfidenzintervall ist als Entscheidungsgrundlage vertrauenswürdig.
• Gelb — Grenzwertig. Entweder n·p̂ oder n·(1 − p̂) liegt unter 10, aber bei mindestens 5. Bevorzugen Sie das Wilson- oder Agresti-Coull-Intervall gegenüber Wald und sammeln Sie weitere Daten, bevor Sie eine finale Entscheidung treffen.
• Rot — Kleine Stichprobe. Entweder n·p̂ oder n·(1 − p̂) liegt unter 5. Betrachten Sie die Rate lediglich als groben Richtwert und erfassen Sie wesentlich mehr Daten.

Typische Benchmarks für Konversionsraten

Warum ein Konfidenzintervall wichtig ist

Eine Konversionsrate, die anhand einer endlichen Stichprobe von Besuchern gemessen wird, stellt stets nur eine Schätzung der tatsächlichen, zugrunde liegenden Rate dar. Wenn Sie dieselbe gezinkte Münze 100-mal werfen, erhalten Sie vielleicht 47-mal Kopf; beim nächsten Mal sind es vielleicht 53-mal. Das Gleiche gilt für einen Trichter – die täglichen Zahlen schwanken aufgrund des reinen Zufalls um den wahren Wert herum. Das Konfidenzintervall zeigt Ihnen den Bereich auf, in dem sich die tatsächliche Rate plausibel bewegt, sodass Sie zwei klassische Fehler vermeiden können: Einen Gewinner aufgrund von reinem Rauschen auszurufen oder fälschlicherweise anzunehmen, „es sei nichts passiert“, obwohl der Test schlichtweg zu klein war, um die Veränderung statistisch nachzuweisen.

Wilson vs. Wald vs. Agresti-Coull

Die drei Intervalle beantworten dieselbe Frage, berechnen das Ergebnis jedoch auf unterschiedliche Weise:

• Wald ist die klassische Lehrbuchformel p̂ ± z·√[p̂(1−p̂)/n]. Einfach und schnell, bricht jedoch bei kleinen Stichproben oder Raten nahe 0% / 100% ein – sie kann negative untere Grenzen oder obere Grenzen von über 100% erzeugen.
• Wilson ist das Score-Intervall. Es bildet die Umkehrung des Score-Tests und ist der empfohlene Standard, da es bei jeder Stichprobengröße innerhalb von [0, 100%] bleibt, für jede Rate eine nahezu nominelle Abdeckung bietet und den Best Practices der statistischen Forschung entspricht.
• Agresti-Coull fügt den Daten z² Scheinbeobachtungen hinzu (zur Hälfte Konversionen, zur Hälfte Nicht-Konversionen) und wendet dann die Wald-Formel auf diese angepassten Zahlen an. Dies ist ein leicht konservativer Kompromiss, der sich einfach erklären lässt.

Für die praktische Arbeit sollten Sie standardmäßig Wilson nutzen. Verwenden Sie Wald nur bei sehr großen Stichproben, deren Rate weit von 0% oder 100% entfernt liegt. Nutzen Sie Agresti-Coull, wenn Sie ein etwas breiteres, konservativeres Intervall wünschen, das sich unkompliziert herleiten lässt.

Stichprobenplanung für eine angestrebte Fehlermarge

Wenn Ihr Ziel ein Konfidenzintervall von ±E Prozentpunkten um die Konversionsrate herum ist, berechnet sich die benötigte Stichprobengröße wie folgt:

Häufige Fehler bei der Messung von Konversionsraten

• Vermischen von Besucher-Metriken – Wenn Sie für die eine Variante Sitzungen und für die andere eindeutige Nutzer (Unique Users) messen, verfälscht dies das Ergebnis. Entscheiden Sie sich für eine Metrik und wenden Sie diese konsequent an.
• Bot-Traffic – Ungefilterte Bot-Aufrufe in der Besucherzählung drücken die Rate künstlich nach unten. Filtern Sie bekannte Crawler und Headless-Traffic vor der Berechnung heraus.
• Vorzeitiges Stoppen – Wer täglich die Ergebnisse prüft und den Test beim ersten signifikanten Ausschlag stoppt, erhöht die Anzahl falsch-positiver Ergebnisse drastisch. Legen Sie die Zielstichprobengröße unbedingt im Vorfeld fest.
• Vergleich von Raten aus unterschiedlichen Zeiträumen – Ein Vergleich von Wochenende vs. Wochentag, Hauptsaison vs. Nebensaison oder Vor-Launch vs. Nach-Launch verzerrt die Ausgangsbasis. Vergleichen Sie stets nur Ähnliches mit Ähnlichem.
• Ignorieren von Segment-Unterschieden – Eine gemischte Gesamtrate von 4% kann eine Mobil-Rate von 2% und eine Desktop-Rate von 8% kaschieren. Segmentieren Sie große Trichter, bevor Sie Rückschlüsse ziehen.
• Mehrfache Zählung desselben Nutzers – Wenn ein Besucher vor der Konversion dreimal zurückkehrt, müssen Sie definieren, ob Sie eine Konversion oder drei zählen. Inkonsistenzen verzerren die Rate.
• Lücken im Tracking – Ein fehlendes Pixel auf der Erfolgsseite senkt unbemerkt die Anzahl der Konversionen und damit die Rate. Validieren Sie den Trichter von Ende zu Ende, bevor Sie den Zahlen vertrauen.

Verbindung zu A/B-Tests

Eine Konversionsrate ist der Grundbaustein eines jeden A/B-Tests. Um zu prüfen, ob sich zwei Raten signifikant voneinander unterscheiden, vergleicht man deren Konfidenzintervalle (oder führt präziser einen z-Test für zwei Anteile anhand der zugrunde liegenden Zahlen durch). Der A/B-Test-Signifikanzrechner übernimmt diesen Vergleich direkt. Der Rechner für das Konfidenzintervall von Anteilen konzentriert sich rein auf das Intervall selbst. Zusammen decken diese drei Tools die meisten Anforderungen der Trichteranalyse ab.

FAQ

Was ist eine Konversionsrate?

Eine Konversionsrate ist der Prozentsatz der Besucher, die eine bestimmte Zielaktion abschließen – z. B. etwas kaufen, sich registrieren, durchklicken, etwas herunterladen oder einen Lead generieren. Sie entspricht den Konversionen geteilt durch die Besucher, ausgedrückt als Prozentsatz. Alles, was sich als „Hat der Nutzer X getan oder nicht“ beschreiben lässt, ist ein Konversionsereignis.

Warum benötigt die Konversionsrate ein Konfidenzintervall?

Eine Konversionsrate, die an einer endlichen Stichprobe von Besuchern gemessen wird, ist nur eine Schätzung der tatsächlichen, zugrunde liegenden Rate. Ein Konfidenzintervall zeigt Ihnen den plausiblen Bereich der tatsächlichen Rate basierend auf den Daten. Dies ist unerlässlich für A/B-Tests, Trichteranalysen und alle Entscheidungen, die davon abhängen, ob eine Rate zuverlässig besser ist als eine andere.

Welche Konfidenzintervall-Methode sollte ich verwenden?

Verwenden Sie standardmäßig das Wilson-Score-Intervall – es ist bei jeder Stichprobengröße genau und erzeugt niemals unmögliche Werte unter 0% oder über 100%. Verwenden Sie die Wald-Methode nur bei großen Stichproben und wenn die Rate weit von 0% oder 100% entfernt ist. Verwenden Sie Agresti-Coull, wenn Sie eine leicht konservative, einfach zu erklärende Alternative wünschen.

Wie wird die Fehlermarge berechnet?

Die Fehlermarge ist die Hälfte der Breite des Konfidenzintervalls. Für das Wald-Intervall entspricht sie z · √[p̂(1 − p̂) / n], wobei z das Quantil der Standardnormalverteilung für das gewählte Konfidenzniveau ist (1.96 für 95%). Bei Wilson und Agresti-Coull weichen die Formeln leicht ab, die Interpretation bleibt jedoch identisch: Sie gibt an, wie weit die obere und untere Grenze von der Punktschätzung entfernt liegen.

Wie viele Besucher benötige ich für eine zuverlässige Konversionsrate?

Als Faustregel gilt, dass die Stichprobe zuverlässig ist, wenn sowohl n · p̂ und n · (1 − p̂) mindestens 10 betragen. Für eine Konversionsrate von 1% bedeutet das etwa 1000 Besucher; für eine Rate von 5% 200 Besucher. Der Rechner zeigt die genaue Stichprobengröße an, die erforderlich ist, um eine Ziel-Fehlermarge von beispielsweise ±1% zu erreichen.

Wie kann ich die Fehlermarge halbieren?

Um die Fehlermarge zu halbieren, ist etwa die vierfache Anzahl an Besuchern erforderlich, da die Fehlermarge mit der Quadratwurzel der Stichprobengröße schrumpft. Das Panel „Wie viele Besucher mehr“ gibt den genauen Wert basierend auf Ihren aktuellen Daten an.

Ist die Konversionsrate dasselbe wie die Klickrate?

Mathematisch gesehen ja – beide basieren auf „Ereignisse ÷ Gelegenheiten“. Die Klickrate (Click-Through Rate) ist der Anteil der Impressionen, die zu einem Klick führten; die Konversionsrate ist der Anteil der Besucher, die ein Konversionsereignis ausgelöst haben. Die mathematische und statistische Behandlung ist absolut identisch, daher eignet sich dieser Rechner für beide Kennzahlen.

Was passiert, wenn meine Konversionsrate exakt 0% oder 100% beträgt?

Das Wald-Intervall schrumpft an den Grenzen auf eine Breite von Null zusammen, was irreführend ist – ein einziger Münzwurf, der Kopf zeigt, beweist schließlich nicht, dass die Münze immer auf Kopf landet. Das Wilson-Intervall hingegen bildet die Grenzen korrekt ab und liefert einen realistischen Bereich ungleich Null. Bevorzugen Sie an den Extremwerten daher stets die Wilson-Methode.