{"id":4248,"date":"2022-03-02T07:01:26","date_gmt":"2022-03-02T07:01:26","guid":{"rendered":"https:\/\/vwo.com\/glossary\/statistical-significance\/"},"modified":"2025-06-05T08:19:20","modified_gmt":"2025-06-05T08:19:20","slug":"statistische-signifikanz","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/de\/statistische-signifikanz\/","title":{"rendered":"Statistische Signifikanz"},"content":{"rendered":"\n

Digitale Unternehmen setzen zunehmend auf Experimente, um datenbasierte Entscheidungen zu treffen und ihre KPIs zu verbessern. Bevor jedoch neue Ideen getestet werden, ist es wichtig, das Konzept der statistischen Signifikanz zu verstehen. In einem Hypothesentest hat ein Ergebnis Statistische Signifikanz, wenn die M\u00f6glichkeit, dass das Ergebnis zuf\u00e4llig zustande gekommen ist, ausgeschlossen werden kann und es stattdessen auf einen tats\u00e4chlich vorhandenen Effekt hinweist. Bei einem signifikanten Ergebnis kann man mit hoher Sicherheit davon ausgehen, dass der Effekt real ist und nicht einfach Gl\u00fcck (oder Pech) bei der Stichprobenauswahl war.<\/p>\n\n\n\n

Selbst beim Annehmen oder Ablehnen einer Hypothese kann man sich nie zu 100\u202f% sicher sein. Es wird jedoch ein bestimmtes Signifikanzniveau (Konfidenzniveau) festgelegt, mit dem man mit einer gewissen Sicherheit richtig liegen m\u00f6chte.<\/p>\n\n\n\n

In einem statistischen Rahmen wird ein Ergebnis als signifikant eingestuft, wenn der p-Wert (Wahrscheinlichkeit, keinen Effekt zu beobachten) unter dem zuvor festgelegten Signifikanzniveau liegt. In der Praxis gilt ein Signifikanzniveau \u03b1 von 0,05 (5\u202f%) als branchen\u00fcblicher Standard. Statistische Signifikanz gibt einem ein gewisses Ma\u00df an Sicherheit, dass der beobachtete Effekt real ist und nicht auf Zufall basiert.<\/p>\n\n\n\n

Wie wird die statistische Signifikanz bei Tests verwendet?<\/strong><\/h2>\n\n\n\n

A\/B-Tests<\/a> oder MVT-Tests beinhalten einen kontrollierten Vergleich der Performance von Varianten in Bezug auf eine bestimmte Kennzahl wie Conversion Rate, durchschnittlicher Umsatz usw. Bevor Sie gesch\u00e4ftskritische Entscheidungen treffen, wie z.B. den Einsatz der Variante mit dem h\u00f6heren Kennzahlwert, m\u00fcssen Sie sicherstellen, dass die Ergebnisse statistisch signifikant sind.<\/p>\n\n\n\n

In der Statistik gibt es zwei Bereiche, Frequentist und Bayesian, die konkurrierende Ans\u00e4tze f\u00fcr Hypothesentests bieten. Der Frequentistische Ansatz geht davon aus, dass eine Metrik der Wahl einen einzigen Wert hat, w\u00e4hrend der Bayesianische Ansatz sie als eine Verteilung m\u00f6glicher Werte beschreibt, denen ein bestimmter Grad an \u00dcberzeugung zugeordnet ist.<\/p>\n\n\n\n

In der frequenzorientierten Statistik wird beim Testen gegen die Nullhypothese (kein Effekt ist unter den Variationen vorhanden) die Wahrscheinlichkeit gesch\u00e4tzt, ein Ergebnis zu erhalten, das mindestens so extrem ist wie das beobachtete. Diese Statistik wird im Bereich der Frequentistik als p-Wert bezeichnet und liefert das Ma\u00df f\u00fcr die Evidenz gegen die Nullhypothese. Je kleiner der Wert ist, desto st\u00e4rker ist die Evidenz gegen die Nullhypothese. Wenn dieser p-Wert nach der Erhebung der erforderlichen Stichprobengr\u00f6\u00dfe<\/a> im Experiment unter das festgelegte Signifikanzniveau f\u00e4llt, wird das beobachtete Ergebnis f\u00fcr statistisch signifikant erkl\u00e4rt.<\/p>\n\n\n\n

So berechnet VWO die statistische Signifikanz<\/strong><\/h2>\n\n\n\n

VWO ist eine der f\u00fchrenden Experimentierplattformen, die sich an die Bayes’sche Statistik halten<\/a>. Zwei Statistiken, die VWO f\u00fcr jede Variante eines Tests berechnet, sind die Wahrscheinlichkeit, der Beste zu sein (PBB) und der potenzielle Verlust (PL).<\/p>\n\n\n\n