Manage Your Experiments (MYE) ist Amazons hauseigenes A/B-Test-Tool im Seller Central. Du hinterlegst zwei Varianten eines Listing-Elements, zum Beispiel zwei Hauptbilder, und Amazon zeigt reale Käufern über Wochen abwechselnd Variante A oder B. Am Ende steht datenbasiert fest, welche Version besser konvertiert.
Der Clou: Du änderst dein Listing nicht mehr aus dem Bauch heraus und hoffst, dass die neue Version besser läuft. Stattdessen laufen beide Versionen parallel gegen echten Traffic. Genau das unterscheidet einen A/B-Test von einer normalen Änderung, bei der du nie sauber weißt, ob der Umsatz wegen deiner Anpassung stieg oder wegen Saison, Werbung oder Zufall.
MYE ist kostenlos, aber an die Marken-Registrierung gebunden. Es ist ausdrücklich kein Werkzeug für allgemeine Listing-Optimierung. Wie du Keywords und Ranking grundsätzlich angehst, steht im Amazon-SEO-Guide. Dieser Artikel dreht sich ausschließlich um die Test-Methodik: Hypothese, Aufbau, Auswertung und die typischen Fehler.
Du brauchst drei Dinge: ein professionelles Verkäuferkonto, einen aktiven Eintrag als Markenvertreter in der Amazon Brand Registry und einen ASIN mit ausreichend Traffic. Ohne Marken-Registrierung findest du Manage Your Experiments gar nicht erst im Seller Central.
Die Traffic-Hürde ist der Punkt, an dem die meisten scheitern. Amazon lässt Experimente nur für ASINs zu, die in den letzten Wochen genug Aufrufe und Bestellungen hatten. Der Grund ist statistisch: Bei zu wenig Besuchern lässt sich nie sicher sagen, ob ein Unterschied echt ist oder Zufall. Wie viel Traffic konkret nötig ist, hängt von der Kategorie ab. Laut Amazon sind es tendenziell ASINs mit mehreren Dutzend Bestellungen pro Woche oder mehr. Die genaue Schwelle solltest du im Seller Central prüfen, sie ist nicht öffentlich fix dokumentiert (Stand 2026).
Für A+ Content- und Brand-Story-Tests gilt zusätzlich: Du musst bereits A+ Content oder eine Brand Story veröffentlicht haben, sonst kannst du diese Experiment-Typen nicht anlegen. Für den Aufbau von A+ Content selbst lohnt ein Blick in die A+ Content Best Practices.
Testbar sind die inhaltlichen Bausteine der Produktseite: Titel, Hauptbild, Bullet Points, Produktbeschreibung und A+ Content inklusive Brand Story. Klassisch änderst du pro Experiment nur ein Element, damit das Ergebnis eindeutig einem Faktor zuzuordnen ist. Zusätzlich gibt es Multi-Attribut-Experimente, bei denen du mehrere Elemente gleichzeitig als Paket gegen die aktuelle Version testest, etwa Titel plus Bilder plus Bullets zusammen.
Für Inhalte, die du schon hast, kannst du die aktuelle Version einfach duplizieren und die Kopie anpassen. Die Original-Variante bleibt dabei als Kontrollgruppe erhalten. So testest du sauber Neu gegen Alt.
Nicht Teil von Manage Your Experiments ist der Preis. Preistests laufen nicht über dieses Tool. Ebenso wenig testbar sind Bewertungen, Sterne, Kundenfragen, Backend-Keywords oder alles, was außerhalb deiner direkten Content-Kontrolle liegt. MYE ist ein Content-Test, kein Preis- oder Ranking-Experiment. Wenn du wissen willst, wie diese Bausteine ins große Ganze passen, hilft die Übersicht zur Listing-Optimierung.
Jeder gute Test beginnt mit einer Hypothese, nicht mit einer zufälligen Änderung. Eine Hypothese folgt dem Muster: Wenn ich X ändere, dann steigt Y, weil Z. Beispiel: Wenn ich im Hauptbild das Produkt in Anwendung statt freigestellt zeige, dann steigt die Conversion-Rate, weil Käufer den Nutzen sofort erkennen.
Danach änderst du bewusst nur eine Sache. Testest du gleichzeitig ein neues Bild und einen neuen Titel im Ein-Element-Modus, kannst du hinterher nicht sagen, welche Änderung gewirkt hat. Willst du wirklich mehrere Dinge auf einmal prüfen, nimm dafür gezielt das Multi-Attribut-Experiment und behandle das Paket als eine einzige Hypothese.
Amazon teilt den Traffic automatisch 50/50 auf beide Varianten auf. Dieses Verhältnis kannst du nicht verändern, was gut ist: Es sorgt für einen fairen, statistisch sauberen Vergleich. Deine Aufgabe ist nur, eine sinnvolle Laufzeit zu wählen und den Test dann in Ruhe laufen zu lassen.
Praktischer Ablauf: Element auswählen, aktuelle Version als Variante A behalten, die Kopie zu Variante B umbauen, Hypothese notieren und Test starten. Notier dir die Hypothese wirklich schriftlich. Nach acht Wochen erinnerst du dich sonst nicht mehr, was du eigentlich beweisen wolltest.
Amazon erklärt eine Variante zum Gewinner, sobald der Unterschied statistisch signifikant ist, üblicherweise bei einem Konfidenzniveau von rund 95 Prozent, und gibt dazu eine Wahrscheinlichkeitsangabe aus. Bewertet werden Kennzahlen wie Conversion-Rate, verkaufte Einheiten, Umsatz und verkaufte Einheiten pro eindeutigem Besucher, jeweils im Verhältnis zur Stichprobengröße.
Bei der Laufzeit hast du zwei Optionen. Setzt du die Dauer selbst, empfiehlt Amazon acht bis zehn Wochen, damit genug Daten für ein belastbares Ergebnis zusammenkommen. Wählst du die Einstellung, die bis zur Signifikanz läuft, kann bei sehr starkem Traffic schon nach etwa vier Wochen ein Gewinner feststehen. Bei schwächerem Traffic dauert es entsprechend länger.
Wichtig für die Interpretation: Nicht jeder Test hat einen klaren Gewinner. Wenn sich beide Varianten kaum unterscheiden, ist auch das ein Ergebnis. Es bedeutet, dass diese Änderung für die Conversion egal ist, und du deine Energie besser in einen anderen Hebel steckst. Die Gewinner-Variante kannst du anschließend dauerhaft übernehmen, bei entsprechender Einstellung veröffentlicht Amazon sie automatisch.
Der häufigste Fehler ist der zu frühe Abbruch. Variante B liegt nach fünf Tagen vorn, du wirst nervös und übernimmst sie. Das ist kein Test, das ist eine Momentaufnahme. Bis zur gemeldeten Signifikanz gibt es keine belastbare Aussage, egal wie verlockend der Zwischenstand aussieht.
Fehler zwei: mehrere Änderungen gleichzeitig in einem Ein-Element-Test. Wenn du Titel und Bild in einem Aufwasch änderst, aber nur ein Element als Testvariable führst, ist das Ergebnis wertlos. Nutze für bewusste Kombinationen das Multi-Attribut-Experiment und behandle es als eine Hypothese.
Fehler drei: auf Low-Traffic-ASINs testen wollen. Ohne genug Käufer erreichst du nie Signifikanz und ziehst am Ende Schlüsse aus Rauschen. Fehler vier: parallel am selben Listing herumschrauben, während der Test läuft. Jede manuelle Änderung während des Experiments verzerrt das Ergebnis.
Und schließlich der stille Klassiker: keine Hypothese und kein Protokoll. Wer nicht notiert, was er warum getestet hat, sammelt am Ende einzelne Gewinner-Varianten, aber lernt nichts Übertragbares über die eigene Zielgruppe. Genau dieses Lernen ist der eigentliche Wert von A/B-Tests.
Manage Your Experiments ist kein Ersatz für gute Content-Arbeit, sondern ihr Prüfstand. Zuerst brauchst du starke Varianten, die es überhaupt wert sind, getestet zu werden. Ein A/B-Test zwischen zwei mittelmäßigen Titeln kürt nur den weniger schlechten. Die inhaltliche Qualität kommt vor dem Test, der Test entscheidet dann zwischen echten Alternativen.
Genau hier setzt der Sellercore Produkt-Optimizer an: Er hilft dir, überzeugende Titel-, Bullet- und Bild-Varianten zu erarbeiten, die du anschließend in MYE gegeneinander laufen lässt. Erst starke Hypothesen bauen, dann sauber testen. Für Ideen und Formulierungsvarianten kannst du zusätzlich den Sellercore KI-Agenten nutzen, der dir Ansätze für Testvarianten vorschlägt.
Denk in Zyklen, nicht in Einzeltests. Jeder abgeschlossene Test liefert eine Erkenntnis über deine Zielgruppe, die in die nächste Hypothese einfließt. Über Monate entsteht so ein Bild davon, worauf deine Käufer wirklich reagieren, auf Emotion oder Fakten, auf Anwendung oder Freisteller, auf kurze oder lange Bullets. Dieses Wissen ist wertvoller als jeder einzelne Gewinner.
Manage Your Experiments macht aus Listing-Änderungen echte Entscheidungen. Statt zu raten, ob ein neues Hauptbild besser läuft, lässt du beide Versionen gegen realen Traffic antreten und Amazon sagt dir mit statistischer Sicherheit, welche gewinnt. Die Regeln sind einfach: klare Hypothese, eine isolierte Änderung, genug Traffic, Geduld bis zur Signifikanz.
Der Test ist aber nur so gut wie die Varianten, die du hineingibst. Bau zuerst starke, durchdachte Alternativen, bevor du sie gegeneinander laufen lässt. Genau dafür ist der Sellercore Produkt-Optimizer gemacht: überzeugende Listing-Varianten erarbeiten, die deine A/B-Tests wirklich wert sind. Starte mit einer sauberen Hypothese, teste konsequent und lass die Daten entscheiden.