{"id":5289,"date":"2024-08-08T08:08:44","date_gmt":"2024-08-08T08:08:44","guid":{"rendered":"https:\/\/vwo.com\/glossary\/cuped\/"},"modified":"2025-08-13T09:27:12","modified_gmt":"2025-08-13T09:27:12","slug":"cuped","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/de\/cuped\/","title":{"rendered":"CUPED"},"content":{"rendered":"\n

Das kontrollierte Experiment mit Vorversuchsdaten (CUPED) ist eine Technik zur Verringerung der Varianz, die bei A\/B-Tests<\/a> eingesetzt wird.<\/p>\n\n\n\n

CUPED wurde in den fr\u00fchen 2010er Jahren von Microsofts Data Science Team entwickelt, um den Bedarf an effizienteren A\/B-Tests auf Plattformen wie Bing und Microsoft Office zu decken. Seit ihrer Einf\u00fchrung hat sich diese Technik in den A\/B-Testing- und Optimierungs-Communities durchgesetzt, da sie die Streuung<\/a> reduziert.<\/p>\n\n\n\n

Wie funktioniert CUPED?<\/strong><\/h2>\n\n\n\n

Lassen Sie uns versuchen, die Funktionsweise von CUPED anhand eines Beispiels zu verstehen. Nehmen wir an, Sie betreiben ein Online-Gesch\u00e4ft und m\u00f6chten einen neuen Bezahlvorgang testen. Sie richten einen A\/B-Test ein, bei dem die H\u00e4lfte Ihrer Besucher den neuen Bezahlvorgang (Gruppe B) und die andere H\u00e4lfte den aktuellen (Gruppe A) sieht. Das Ziel ist es, herauszufinden, ob der neue Bezahlvorgang zu mehr abgeschlossenen K\u00e4ufen f\u00fchrt.<\/p>\n\n\n\n

Bevor Sie den Test starten, verf\u00fcgen Sie bereits \u00fcber umfangreiche Daten zum Verhalten Ihrer Besucher. Sie wissen zum Beispiel, wie viele K\u00e4ufe jeder Besucher im Monat vor dem Test get\u00e4tigt hat. Hier kommt CUPED ins Spiel. F\u00fcr jeden Besucher sowohl in Gruppe A als auch in Gruppe B sammelt CUPED Daten \u00fcber sein Kaufverhalten im Vormonat. W\u00e4hrend der Test l\u00e4uft, werden die Eink\u00e4ufe gez\u00e4hlt, die jede Gruppe w\u00e4hrend des Testzeitraums t\u00e4tigt. Anstatt jedoch nur die rohen Zahlen zu vergleichen, passt CUPED diese Zahlen auf der Grundlage eines Anstiegs oder R\u00fcckgangs der Zahlen im Vergleich zum letzten Monat in der Kontrollgruppe und der Variationsgruppe an.<\/p>\n\n\n\n

Ohne CUPED k\u00f6nnten Sie, wenn Gruppe A (aktuelle Kasse) im Durchschnitt 10 K\u00e4ufe und Gruppe B (neue Kasse) im Durchschnitt 12 K\u00e4ufe nach dem Test t\u00e4tigt, zu dem Schluss kommen, dass die neue Kasse etwas besser ist. Aber mit CUPED k\u00f6nnen Sie diese Zahlen anhand der Daten vor dem Test anpassen. Vielleicht haben die Besucher von Gruppe A vor dem Test durchschnittlich 4 K\u00e4ufe get\u00e4tigt und die Besucher von Gruppe B durchschnittlich 2 K\u00e4ufe. Wenn Sie die Daten aus der Zeit vor dem Test ber\u00fccksichtigen, stellen Sie vielleicht fest, dass die Verbesserung in Gruppe B sogar noch deutlicher ausf\u00e4llt.<\/p>\n\n\n\n

CUPED hilft Ihnen also, Ihre A\/B-Tests genauer und zuverl\u00e4ssiger zu machen, indem es das ber\u00fccksichtigt, was Sie bereits \u00fcber Ihre Besucher wissen.<\/p>\n\n\n\n

Vorteile von CUPED<\/strong><\/h2>\n\n\n\n

Hier sind die Vorteile von CUPED, mit denen Sie Ihre A\/B-Tests genauer und zuverl\u00e4ssiger machen k\u00f6nnen:<\/p>\n\n\n\n