Die meisten QR-Code-Entscheidungen basieren auf Bauchgefühl — „der mit den abgerundeten Ecken sieht besser aus" oder „lass uns das Logo in die Mitte packen". Das ist okay für einen einmaligen Druckauftrag. Aber nicht, wenn du eine Kampagne über 5.000 Direktmailing-Stücke oder 200 Point-of-Sale-Hänger laufen lässt. A/B-Tests für deine QR-Codes sind die praktische Alternative: Zwei kontrollierte Varianten testen, Scans messen, und die Daten entscheiden lassen, wer gewinnt.
Hier ist, wie du es ohne Statistik-Studium oder Enterprise-Analytics-Budget machst.
Warum sich QR-Code A/B-Tests lohnen
Ein QR-Code ist nicht nur ein Link. Er ist auch ein visueller Impuls, der entweder Aufmerksamkeit erregt und einen Scan verdient — oder ignoriert wird. Faktoren wie Code-Größe, Abstände um den Code herum, Call-to-Action-Text, Code-Farbe und Platzierung auf dem Material beeinflussen die Scan-Quote unabhängig von dem, was auf der Zielseite steht.
Wenn du Testing auslässt und nur deine Landing-Page veränderst, optimierst du das falsche Ende des Funnels. Jemand, der nicht scannt, erreicht deine Seite nie. A/B-Tests schließen diese Lücke.
Die Voraussetzungen: Dynamische QR-Codes und eine klare Hypothese
A/B-Testing funktioniert nur mit dynamischen QR-Codes, weil du Scan-Daten zu jedem Code brauchst. Statische Codes liefern keine Analytics — du kannst einfach nicht wissen, wie viele Menschen welche Variante gescannt haben.
Bevor du etwas erstellst, formuliere eine einzelne Hypothese:
„Das Hinzufügen eines kurzen CTA-Labels unter dem QR-Code erhöht die Scan-Quote auf unseren Café-Menü-Tischkarten im Vergleich zum Code allein."
Eine Variable. Eine erwartete Richtung. Alles andere bleibt gleich. Wenn du gleichzeitig eine andere Farbe und einen anderen CTA und eine andere Größe testest, weißt du nicht, welche Änderung wirkt.
Ein korrektes Split-Test-Setup
Schritt 1: Zwei Codes, ein Ziel
Erstelle zwei separate dynamische QR-Codes in deinem Generator. Beide Codes sollten auf die gleiche Landing-URL verweisen — der einzige Unterschied ist das physische Design-Element, das du testest.
Die identische Zielseite bedeutet, dass Unterschiede bei den Scans nur vom Design kommen, nicht von einer besseren Seite.
Schritt 2: Codes vor dem Druck beschriften
Benenne sie klar: tischkarte-v1-ohne-cta und tischkarte-v2-mit-cta. Unter Kampagnendruck wirst du verwirren, welcher welcher ist. Unordentliches Labeling ist der Hauptgrund, warum A/B-Test-Daten nutzlos werden.
Schritt 3: In gleichwertigen Umgebungen einsetzen
Platziere Variante A und Variante B in entsprechenden Positionen. In einem Café könnte das bedeuten, Codes auf Tischen abzuwechseln (ungerade Tische bekommen A, gerade bekommen B). Bei einem Direktmailing teile deine Adressenliste zufällig — nicht nach Geografie oder Kundensegment, was Bias einführen könnte.
Gleichwertiges Deployment ist der Teil, den die meisten Teams überspringen. Wenn alle A-Codes am Eingang stehen und alle B-Codes hinten, misst du Laufwege, nicht Design.
Schritt 4: Mindestlaufzeit und Stichprobengröße festlegen
Ruf keinen Gewinner nach drei Tagen oder 40 Scans aus. Eine nützliche Faustregel:
| Erwartete wöchentliche Scans pro Variante | Mindestlaufzeit |
|---|---|
| < 50 | 4 Wochen |
| 50–200 | 2 Wochen |
| 200+ | 1 Woche |
Das Ziel ist genug Scans, dass ein zufällig guter Tag für eine Variante dein Ergebnis nicht verzerrt. Für die meisten Kleinunternehmen-Kampagnen sind zwei bis vier Wochen realistisch.
Was du messen solltest
Hole diese Zahlen aus dem Dashboard deiner QR-Plattform für jede Variante:
- Gesamt-Scans — die Schlagzahl
- Einzigartige Scans — filtert Personen heraus, die denselben Code zweimal gescannt haben
- Scan-nach-Stunden-Verteilung — zeigt, ob eine Variante zu anderen Tageszeiten gescannt wird, was auf einen Platzierungseffekt hinweisen könnte
- Geräte-Split (iOS vs. Android) — selten der entscheidende Faktor, aber nützlich, wenn dein Publikum eine Richtung bevorzugt
Die sechs Kern-Kennzahlen aus unserem speziellen Guide geben dir ein volleres Bild, welche Prioritäten gesetzt werden sollen, wenn du die Daten hast.
Berechne die Scan-Quote als: einzigartige Scans ÷ geschätzte Impressionen. Impressionen sind offline schwerer zu bestimmen, aber du kannst Tischanzahl × geschätzte Besucher pro Tag oder versandte Mailings verwenden.
Häufig getestete Variablen (und einige, die es nicht sind)
Worth testing:
- CTA-Text unter dem Code („Scan für heutige Specials" vs. kein Text)
- Code-Farbe (Dunkelblau vs. Schwarz, innerhalb von Kontrastanforderungen)
- Code-Größe (40 mm vs. 60 mm auf demselben Druckmaterial)
- Rahmenform (quadratischer Rahmen vs. abgerundeter Rahmen)
- Position auf dem Material (oben rechts vs. zentriert)
Nicht wert, isoliert getestet zu werden:
- Winzige Modulsformänderungen, die in typischer Scan-Distanz unsichtbar sind
- Hintergrundfarben, die dem Code zu ähnlich sind
- Logo-Größenänderungen unterhalb des Schwellenwerts, bei dem sie die Erkennung beeinflussen — diese sind wichtig für das Branding, bewegen aber nicht die Scan-Quote
Deine Ergebnisse lesen, ohne zu übertreiben
Wenn Variante B 340 einzigartige Scans gegenüber 210 der Variante A über den gleichen Zeitraum mit gleichwertiger Exposition verdient, gewinnt B. Setz es um.
Aber beachte, was du nicht schließen kannst: Du kannst nicht sagen, dass das gewinnende Design in einem anderen Kontext gleich funktioniert (z. B. ein Fensteraufkleber vs. eine Tischkarte). Der Kontext ändert die Baseline-Scan-Quote. Du kannst auch nicht sagen, dass das gewinnende Design universell besser ist — nur dass es in diesem Test besser funktionierte.
Dokumentiere dein Ergebnis in einem einfachen Log:
Test: Tischkarten CTA vs. kein CTA
Zeitraum: 2026-04-01 – 2026-04-28
Gewinner: mit-CTA (+62% einzigartige Scans)
Kontext: 22 Tische, Mittags- und Abendservice
Dieses Log wird deine interne Referenz für zukünftige Kampagnen. Im Laufe eines Jahres wirst du echtes, kontextspezifisches Wissen darüber aufbauen, was für dein Publikum funktioniert — genau das, das unser QR-Code-Generator mit seinem Pro-Code-Analytics-Dashboard unkompliziert macht.
Kernaussagen
- Nutze dynamische QR-Codes — statische Codes liefern keine Scan-Daten und können nicht A/B-getestet werden.
- Teste eine Variable nach der anderen. Multi-Variable-Änderungen erzeugen mehrdeutige Ergebnisse.
- Setze Varianten in Umgebungen ein, die gleich sind, um Verzerrung durch Standort oder Publikum zu vermeiden.
- Lass den Test lange genug laufen, um mindestens 100 einzigartige Scans pro Variante zu sammeln, oder vier Wochen Minimum für wenig frequentierte Orte.
- Protokolliere jedes Ergebnis. Deine Erkenntnisse aus einer Kampagne sind der Startpunkt für die nächste.