Case Study: 42 Prozent mehr Verkäufe durch bessere Optionstexte

42 Prozent mehr Verkäufe. Bei diesem Ergebnis denkt man zunächst an einen komplett neuen Konfigurator, eine große Kampagne oder monatelange technische Entwicklungsarbeit. Tatsächlich wurde nur die Formulierung einiger Beschreibungstexte verändert.

Gerade deshalb ist diese Case Study so relevant. Sie zeigt, wie viel Umsatz an scheinbar unbedeutenden Details hängen kann – und warum es für erfolgreiche Conversion-Optimierung nicht genügt, einfach möglichst viele Schwachstellen zu sammeln.

Die Ausgangslage: Viele Optionen, wenig Orientierung

Das Unternehmen verkaufte ein erklärungsbedürftiges Produkt über einen digitalen Konfigurator. Kunden stellten dort Schritt für Schritt ihre gewünschte Variante zusammen und mussten sich dabei zwischen verschiedenen Optionen entscheiden.

Zu jeder Option gab es einen Beschreibungstext. Dieser war zunächst nicht sichtbar, sondern ließ sich über ein Akkordeon aufklappen. Die Idee dahinter war nachvollziehbar: Wer mehr wissen wollte, sollte zusätzliche Informationen erhalten, ohne dass die Oberfläche überladen wirkte.

Doch die aufgeklappten Texte halfen bei der Entscheidung kaum. Statt konkreter Produktinformationen enthielten sie vor allem allgemeine Marketingaussagen. Sie klangen positiv, beantworteten aber nicht die Frage, die Kunden in diesem Moment wirklich hatten:

Welchen konkreten Vorteil bietet mir diese Option – und warum sollte ich sie auswählen?

Das eigentliche Problem lag nicht im Akkordeon

Man hätte nun das Akkordeon neu gestalten, die Reihenfolge der Optionen verändern oder den gesamten Konfigurator überarbeiten können. Das wäre technisch aufwendig gewesen und hätte dennoch am Kern des Problems vorbeigehen können.

Denn nicht das Bedienelement war die entscheidende Hürde. Das Problem war die fehlende Entscheidungsunterstützung innerhalb des Bedienelements. Kunden investierten einen zusätzlichen Klick, öffneten den Text – und fanden dort keine Information, die ihnen bei ihrer Auswahl half.

Das erzeugte gleich zwei Reibungsverluste. Erstens blieb der Unterschied zwischen den Optionen unklar. Zweitens mussten die Nutzer selbst aus werblichen Formulierungen ableiten, welchen praktischen Nutzen eine Auswahl für sie hatte. Genau diese Denkarbeit sollte ein guter Konfigurator den Kunden abnehmen.

Die Maßnahme: Jede Option auf ihren Vorteil reduzieren

Die vorhandenen Marketingtexte wurden durch kurze, präzise Beschreibungen ersetzt. Jeder Text konzentrierte sich konsequent auf den spezifischen Vorteil der jeweiligen Option.

Keine langen Einleitungen. Keine austauschbaren Qualitätsversprechen. Keine Formulierungen, die genauso gut bei jeder anderen Variante hätten stehen können. Stattdessen beantwortete jeder Text so direkt wie möglich drei Fragen:

• Was verändert diese Option?
• Welchen konkreten Vorteil hat der Kunde davon?
• Für welche Anforderung ist sie die passende Wahl?

Damit wurde aus einem versteckten Werbetext eine echte Entscheidungshilfe. Der Konfigurator präsentierte nicht länger nur Auswahlmöglichkeiten, sondern übernahm einen Teil der Beratungsleistung.

Das Ergebnis: 42 Prozent mehr Verkäufe

Nach der Textoptimierung stieg der Verkauf über den Konfigurator um 42 Prozent. Für diese Wirkung war weder eine neue Technologie noch ein zusätzliches Feature notwendig. Einige kurze Texte an einem entscheidenden Punkt der Customer Journey machten den Unterschied.

Das Unternehmen erzielte damals rund 10 Millionen Euro Jahresumsatz. Auf diese Größenordnung bezogen entsprechen 42 Prozent rechnerisch 4,2 Millionen Euro. Der tatsächlich zurechenbare Mehrumsatz hängt selbstverständlich davon ab, welcher Umsatzanteil über den Konfigurator lief, auf welchen Zeitraum der Uplift hochgerechnet wird und wie stabil der Effekt anhielt. Die Rechnung macht dennoch sichtbar, in welcher wirtschaftlichen Dimension sich eine vermeintlich kleine Textänderung bewegen kann.

Dabei ist Umsatz nicht gleich Gewinn. Für die Bewertung einer Optimierung müssen zusätzlich Marge, Testdauer, Stichprobengröße und mögliche Folgeeffekte berücksichtigt werden. Die zentrale Erkenntnis bleibt: Wenige Wörter können einen Millionenhebel bewegen, wenn sie das entscheidende Nutzerproblem lösen.

Warum minimale Maßnahmen oft maximale Expertise benötigen

Im Nachhinein wirkt die Lösung offensichtlich: Schreiben wir eben kürzere und konkretere Texte. Doch genau diese Rückschau täuscht.

Die eigentliche Leistung bestand nicht im Kürzen. Sie bestand darin, unter vielen denkbaren Ansatzpunkten den relevanten Engpass zu erkennen. Ein Konfigurator bietet fast immer zahlreiche Stellen, die man verändern könnte: Navigation, Darstellung, Reihenfolge, Vorauswahl, Bilder, Preise, Buttons oder technische Abläufe.

Wer alles gleichzeitig optimiert, investiert viel und lernt wenig. Wer dagegen versteht, wie Menschen in einer konkreten Entscheidungssituation Informationen aufnehmen, kann einen sehr kleinen Eingriff mit großer Wirkung identifizieren.

Expertise zeigt sich deshalb nicht an der Länge einer Maßnahmenliste. Sie zeigt sich an der Fähigkeit, früh zwischen Symptomen und Ursachen zu unterscheiden – und eine Hypothese zu formulieren, die sich gezielt testen lässt.

Was KI-generierte Usability-Tests leisten – und wo sie an Grenzen stoßen

KI kann heute viele einfache und klassische Usability-Probleme erstaunlich gut erkennen. Unklare Beschriftungen, inkonsistente Elemente, zu lange Texte oder unnötig komplexe Abläufe lassen sich damit schnell und kostengünstig untersuchen. Für einen ersten Check ist das ausgesprochen wertvoll.

Schwieriger wird es, sobald Tiefgang gefragt ist. Dann reicht es nicht, Auffälligkeiten zu benennen. Es muss verstanden werden, welche Irritation in der konkreten Kaufsituation tatsächlich relevant ist, welche Maßnahme den größten wirtschaftlichen Hebel besitzt und wann die Analyse beendet werden sollte.

Gerade der letzte Punkt wird häufig unterschätzt. Viele KI-Tools sind auf fortgesetzte Interaktion ausgelegt. Sie können immer weitere Fragen, Varianten, Hinweise und Optimierungsideen erzeugen. Das wirkt produktiv und verlängert die Nutzungszeit – verbessert aber nicht automatisch das Konzept. Eine längere Liste schafft keine bessere Priorität.

Die entscheidenden Fragen lauten deshalb nicht:

• Welche weiteren Fehler könnte die KI noch finden?
• Welche zehn Varianten könnte sie zusätzlich formulieren?
• Welche Analyse lässt sich noch anschließen?

Sondern:

• Welches Problem verhindert gerade die Entscheidung?
• Welche Beobachtung ist wirtschaftlich relevant?
• Welche kleinste Änderung prüft unsere Hypothese zuverlässig?
• Wann wissen wir genug, um zu handeln?

Zum aktuellen Zeitpunkt entstehen die besten Ergebnisse deshalb meist durch UX-Experten, die KI-gestützt arbeiten. Die KI beschleunigt Recherche, Strukturierung, Variantenbildung und Dokumentation. Der Experte liefert Kontext, erkennt die entscheidende Ursache, priorisiert nach Wirkung und setzt einen sinnvollen Endpunkt.

Warum eine KI-Analyse ohne diese Steuerung im individuellen Fall leicht in die falsche Richtung läuft, lässt sich nicht seriös mit einer Universalregel beantworten. Geschäftsmodell, Produkt, Zielgruppe, Datenlage und Entscheidungssituation verändern die Bewertung. Genau deshalb klären wir diese Frage am liebsten anhand des konkreten Konfigurators in einem persönlichen Gespräch.

Fazit: Der größte Hebel kann in wenigen Wörtern liegen

Diese Case Study ist kein Plädoyer dafür, in jedem Konfigurator pauschal alle Texte zu kürzen. Lange Erklärungen können bei komplexen oder riskanten Entscheidungen notwendig sein. Ebenso wenig ist jedes Akkordeon ein Conversion-Problem.

Die Lehre ist präziser: Nutzer brauchen an jedem Schritt genau die Information, die ihre nächste Entscheidung erleichtert. Allgemeine Marketingtexte erfüllen diese Aufgabe selten. Konkrete Vorteile tun es deutlich häufiger.

Kleine Maßnahmen können enorme Ergebnisse erzeugen. Klein werden sie jedoch oft erst durch die richtige Diagnose. Wer UX-Expertise und KI sinnvoll kombiniert, sucht deshalb nicht nach möglichst viel Optimierungsarbeit, sondern nach der einen Veränderung, die wirklich zählt.