A/B Testing Nedir? Nasıl Yapılır?

A/B Testing Nedir? Nasıl Yapılır?

Pazarlamacıların açılış sayfaları oluşturduğunda, e-posta kopyası yazdığında veya harekete geçirici geçişler tasarladığında, insanları neyin tıklatacağını ve dönüştüreceğini tahmin etmek için sezgilerini kullanmaları cazip gelebilir.

Ancak pazarlama kararlarını bir “duygu”ya dayandırmak sonuçlara oldukça zarar verebilir. Bu kararları almak için tahminlere veya varsayımlara güvenmek yerine, bazen bölünmüş test olarak adlandırılan bir A/B testi yapmak çok daha iyidir.

Ancak A/B testleri de karmaşık olabilir. Dikkatli olmazsanız, insanların neyi sevdiği ve onları neyin tıklattığı konusunda yanlış varsayımlarda bulunabilirsiniz – stratejinizin diğer kısımlarını kolayca yanlış bilgilendirebilecek kararlar gibi örneğin.

Sonuçlarınızdan en iyi kararları alabilmeniz için veri toplama öncesinde, sırasında ve sonrasında A/B testinin nasıl yapıldığını öğrenmek için okumaya devam edin.

Bir A/B testi çalıştırmak için, tek bir değişkende yapılan değişikliklerle tek bir içeriğin iki farklı sürümünü oluşturmanız gerekir. Ardından, bu iki sürümü benzer büyüklükteki iki kitleye gösterecek ve belirli bir süre boyunca (sonuçlarınız hakkında doğru sonuçlara varmak için yeterince uzun) hangisinin daha iyi performans gösterdiğini analiz edeceksiniz.

A/B testi, pazarlamacıların bir pazarlama içeriği parçasının bir versiyonunun diğerinin yanında nasıl performans gösterdiğini gözlemlemelerine yardımcı olur. Web sitenizin dönüşüm oranını artırmak için gerçekleştirebileceğiniz iki tür A/B testi şunlardır:

Örnek 1: Kullanıcı Deneyimi Testi

Belirli bir harekete geçirici mesaj (CTA) düğmesini kenar çubuğunda tutmak yerine ana sayfanızın en üstüne taşımanın tıklama oranını artırıp artırmayacağını görmek isteyebilirsiniz.

Bu teoriyi A/B testi için, bu CTA yerleşim değişikliğini yansıtan başka bir alternatif web sayfası oluşturursunuz. Mevcut tasarım – veya “kontrol” – Versiyon A’dır. Versiyon B “zorlayıcıdır”. Ardından, her birini önceden belirlenmiş bir site ziyaretçisi yüzdesine göstererek bu iki sürümü test edersiniz. İdeal olarak, her iki sürümü de gören ziyaretçilerin yüzdesi aynıdır.

Örnek 2: Tasarım Testi

Harekete geçirici mesaj (CTA) alanının rengini değiştirmenin tıklama oranını artırıp artıramayacağını öğrenmek isteyebilirsiniz.

Bu teoriyi A/B testi için, kontrol ile aynı açılış sayfasına yönlendiren farklı bir düğme rengine sahip alternatif bir CTA düğmesi tasarlarsınız. Pazarlama içeriğinizde genellikle kırmızı bir harekete geçirici mesaj düğmesi kullanırsanız ve yeşil varyasyon A/B testinizden sonra daha fazla tıklama alırsa, bu, harekete geçirici mesaj düğmelerinizin varsayılan rengini bundan sonra yeşile çevirmeyi hak edebilir.

A/B Testinin Faydaları

A/B testinin, neyi test etmeye karar verdiğinize bağlı olarak bir pazarlama ekibine çok sayıda faydası vardır. Her şeyden önce, bu testler bir işletme için değerlidir, çünkü maliyetleri düşük, ancak ödülleri yüksektir.

Diyelim ki yıllık 50.000 ABD Doları maaşla bir içerik yaratıcısı çalıştırıyorsunuz. Bu içerik oluşturucu, şirket blogu için haftada beş makale yayınlar ve yılda toplam 260 makale yayınlar. Şirketin blogundaki ortalama bir gönderi 10 olası satış oluşturuyorsa, işletme için 10 olası satış oluşturmanın maliyetinin 192 ABD Dolarından biraz fazla olduğunu söyleyebilirsiniz (50.000 ABD Doları maaş ÷ 260 makale = makale başına 192 ABD Doları). Bu sağlam bir değişim parçası.

Şimdi, içerik oluşturucudan bu süre içinde iki makale yazmak yerine iki gün boyunca bir makale üzerinde A/B testi geliştirmesini isterseniz, daha az makale yayınladığınız için 192$ harcayabilirsiniz. Ancak bu A/B testi, her makalenin dönüşüm oranını 10’dan 20 olası satışa çıkarabileceğinizi tespit ederse, işletmenizin blogunuzdan elde ettiği müşteri sayısını potansiyel olarak ikiye katlamak için 192 dolar harcamışsınız demektir.

Test başarısız olursa, elbette $192 kaybettiniz – ancak şimdi bir sonraki A/B testinizi daha da eğitimli hale getirebilirsiniz. Bu ikinci test blogunuzun dönüşüm oranını iki katına çıkarmayı başarırsa, şirketinizin gelirini potansiyel olarak ikiye katlamak için nihayetinde $284 harcamış olursunuz. A/B testiniz kaç kez başarısız olursa olsun, nihai başarısı neredeyse her zaman onu gerçekleştirme maliyetinden daha ağır basacaktır.

Sonunda denemeye değecek hale getirmek için çalıştırabileceğiniz birçok bölünmüş test türü vardır. Pazarlamacıların A/B testi yaparken işletmeleri için sahip oldukları bazı ortak hedefler şunlardır:

Artan Web Sitesi Trafiği: Farklı blog gönderilerini veya web sayfası başlıklarını test etmek, web sitenize ulaşmak için bu köprü başlığına tıklayan kişilerin sayısını değiştirebilir. Bu, sonuç olarak web sitesi trafiğini artırabilir.

Daha Yüksek Dönüşüm Oranı: CTA’larınızdaki farklı konumları, renkleri ve hatta bağlantı metnini test etmek, bir açılış sayfasına gitmek için bu CTA’ları tıklayan kişilerin sayısını değiştirebilir. Bu, web sitenizdeki formları dolduran, iletişim bilgilerini size gönderen ve potansiyel müşteriye “dönüştüren” kişilerin sayısını artırabilir.

Daha Düşük Hemen Çıkma Oranı: Web sitenizin ziyaretçileri web sitenizi ziyaret ettikten hemen sonra ayrılırsa (veya “geri dönerse”), farklı blog yazısı tanıtımlarını, yazı tiplerini veya özellik resimlerini test etmek bu hemen çıkma oranını azaltabilir ve daha fazla ziyaretçi tutabilir.

Sepeti Azaltma: MightyCall’a göre, e-ticaret işletmeleri müşterilerinin %40 – %75’i alışveriş sepetlerinde ürünlerle web sitelerini terk ediyor. Bu, “alışveriş sepetini terk etme” olarak bilinir. Farklı ürün fotoğraflarını, çıkış sayfası tasarımlarını ve hatta nakliye maliyetlerinin görüntülendiği yerleri test etmek bile bu vazgeçme oranını düşürebilir.

Şimdi bir A/B testi kurmak, çalıştırmak ve ölçmek için kontrol listesini gözden geçirelim.

A/B Testi Nasıl Yapılır?

A/B Testinden Önce,

A/B testinize başlamadan önce atmanız gereken adımları ele alalım.

1. Test etmek için bir değişken seçin.

Web sayfalarınızı ve e-postalarınızı optimize ederken, test etmek istediğiniz bir dizi değişken olduğunu görebilirsiniz. Ancak bir değişikliğin ne kadar etkili olduğunu değerlendirmek için, bir “bağımsız değişkeni” izole etmek ve performansını ölçmek isteyeceksiniz – aksi takdirde performanstaki değişikliklerden hangisinin sorumlu olduğundan emin olamazsınız.

Tek bir web sayfası veya e-posta için birden fazla değişkeni test edebilirsiniz; sadece onları birer birer test ettiğinizden emin olun.

Pazarlama kaynaklarınızdaki çeşitli unsurlara ve bunların tasarım, ifade ve düzen için olası alternatiflerine bakın. Test edebileceğiniz diğer şeyler, e-posta konu satırlarını, gönderen adlarını ve e-postalarınızı kişiselleştirmenin farklı yollarını içerir.

E-postanızdaki resmi veya harekete geçirici mesaj düğmenizdeki kelimeleri değiştirmek gibi basit değişikliklerin bile büyük iyileştirmeler sağlayabileceğini unutmayın. Aslında, bu tür değişiklikleri ölçmek genellikle daha büyük olanlardan daha kolaydır.

Not: Tek bir değişken yerine birden çok değişkeni test etmenin daha mantıklı olduğu zamanlar vardır. Bu, çok değişkenli test adı verilen bir süreçtir.

2. Hedefinizi belirleyin.

Her test için bir dizi metriği ölçecek olsanız da, testi çalıştırmadan önce odaklanılacak birincil metrik seçin. Aslında, ikinci varyasyonu bile kurmadan önce yapın. Bu sizin “bağımlı değişkeniniz“dir.

Ayırma testinin sonunda bu değişkenin nerede olmasını istediğinizi düşünün. Resmi bir hipotez belirtebilir ve sonuçlarınızı bu tahmine dayalı olarak inceleyebilirsiniz.

Hangi metriklerin sizin için önemli olduğunu, hedeflerinizin neler olduğunu ve önerdiğiniz değişikliklerin kullanıcı davranışını nasıl etkileyebileceğini düşünmek için daha sonraya kadar beklerseniz, testi en etkili şekilde kuramayabilirsiniz.

3. Bir ‘kontrol’ ve bir ‘meydan okuma’ yaratın.

Artık bağımsız değişkeniniz, bağımlı değişkeniniz ve istediğiniz sonuca sahipsiniz. Test ettiğiniz şeyin değiştirilmemiş sürümünü “kontrolünüz” olarak ayarlamak için bu bilgileri kullanın. Bir web sayfasını test ediyorsanız, bu, halihazırda var olan değiştirilmemiş web sayfasıdır. Bir açılış sayfasını test ediyorsanız, bu normalde kullanacağınız açılış sayfası tasarımı ve kopyası olacaktır.

Oradan, bir varyasyon veya bir “zorlayıcı” – kontrolünüz altında test edeceğiniz web sitesi, açılış sayfası veya e-posta oluşturun. Örneğin, bir açılış sayfasına bir referans eklemenin bir fark yaratıp yaratmayacağını merak ediyorsanız, kontrol sayfanızı referans olmadan kurun. Ardından, bir referans ile varyasyonunuzu oluşturun.

4. Örnek gruplarınızı eşit ve rastgele bölün.

Hedef kitle üzerinde daha fazla kontrole sahip olduğunuz testler için – e-postalarda olduğu gibi – kesin sonuçlar elde etmek için eşit iki veya daha fazla hedef kitleyle test etmeniz gerekir.

Bunu nasıl yapacağınız, kullandığınız A/B test aracına bağlı olarak değişecektir. Örneğin, bir e-postada A/B testi yapan bir HubSpot Enterprise müşterisiyseniz, HubSpot trafiği otomatik olarak varyasyonlarınıza böler, böylece her varyasyon rastgele bir ziyaretçi örneği alır.

5. Numunenizin boyutunu belirleyin (varsa).

Örnek büyüklüğünüzü nasıl belirleyeceğiniz, A/B test aracınızın yanı sıra çalıştırdığınız A/B testinin türüne göre de değişiklik gösterecektir.

Bir e-postayı A/B testi yapıyorsanız, istatistiksel olarak anlamlı sonuçlar elde etmek için muhtemelen listenizin daha küçük bir bölümüne bir A/B testi göndermek isteyeceksiniz. Sonunda bir kazanan seçecek ve kazanan varyasyonu listenin geri kalanına göndereceksiniz.

Bir HubSpot Enterprise müşterisiyseniz, bir kaydırıcı kullanarak örnek grubunuzun boyutunu belirleme konusunda biraz yardıma sahip olacaksınız. Herhangi bir numune boyutunda 50/50 A/B testi yapmanıza izin verir – diğer tüm numune bölmeleri en az 1.000 alıcı listesi gerektirse de.

Web sayfası gibi sınırlı bir izleyici kitlesi olmayan bir şeyi test ediyorsanız, testinizi ne kadar süreyle çalıştıracağınız örneklem büyüklüğünü doğrudan etkiler.

Önemli sayıda görüntüleme elde etmek için testinizin yeterince uzun sürmesine izin vermeniz gerekir, aksi takdirde iki varyasyon arasında istatistiksel olarak anlamlı bir fark olup olmadığını söylemek zor olacaktır.

6. Sonuçlarınızın ne kadar önemli olması gerektiğine karar verin.

Hedef metriğinizi seçtikten sonra, bir varyasyonu diğerine tercih etmeyi haklı çıkarmak için sonuçlarınızın ne kadar önemli olması gerektiğini düşünün. İstatistiksel önem, genellikle yanlış anlaşılan A/B testi sürecinin çok önemli bir parçasıdır.

Güven seviyenizin yüzdesi ne kadar yüksek olursa, sonuçlarınızdan o kadar emin olabilirsiniz. Çoğu durumda, özellikle kurulumu zaman alan bir denemeyse, minimum %95, tercihen %98 güven düzeyi isteyeceksiniz. Ancak, testin bu kadar katı olması gerekmiyorsa, bazen daha düşük bir güven oranı kullanmak mantıklıdır.

HubSpot’ta kıdemli bir yazılım mühendisi olan Matt Rheault, bahis oynamak gibi istatistiksel önemi düşünmeyi sever. Hangi oranlara bahis oynamaktan rahatsınız? “Bunun doğru tasarım olduğundan %80 eminim ve bunun üzerine her şeye bahse girmeye hazırım” demek, %80 anlamlılık için bir A/B testi yapıp ardından kazananı ilan etmeye benzer.

Rheault ayrıca, konuşma oranını yalnızca biraz artıran bir şeyi test ederken muhtemelen daha yüksek bir güven eşiği isteyeceğinizi söylüyor. Neden? Çünkü rastgele varyansın daha büyük bir rol oynaması daha olasıdır.

“Güven eşiğimizi düşürürken daha güvende hissedebileceğimiz bir örnek, yeniden tasarlanmış bir kahraman bölümü gibi dönüşüm oranını muhtemelen %10 veya daha fazla artıracak bir deneydir” dedi.

“Buradaki çıkarım, değişiklik ne kadar radikal olursa, süreç açısından o kadar az bilimsel olmamız gerektiğidir. Değişiklik ne kadar spesifik olursa (düğme rengi, mikro kopya vb.), o kadar bilimsel olmalıyız çünkü değişiklik daha az dönüşüm oranı üzerinde büyük ve fark edilir bir etkiye sahip olması muhtemeldir.”

7. Herhangi bir kampanyada aynı anda yalnızca bir test çalıştırdığınızdan emin olun.

Tek bir kampanya için birden fazla şeyi test etmek – tam olarak aynı öğede olmasa bile – sonuçlarınızı karmaşıklaştırabilir. Örneğin, bir açılış sayfasına yönlendiren bir e-posta kampanyasını A/B testi ile aynı anda o açılış sayfasını A/B testi yapıyorsanız… olası satışlardaki artışa hangi değişikliğin neden olduğunu nasıl bilebilirsiniz?

A/B Testi Sırasında

A/B testiniz sırasında atmanız gereken adımları ele alalım.

8. Bir A/B test aracı kullanın.

Web sitenizde veya bir e-postada A/B testi yapmak için bir A/B test aracı kullanmanız gerekir. HubSpot Enterprise müşterisiyseniz, HubSpot yazılımında e-postaları A/B testi yapmanıza (nasıl yapıldığını buradan öğrenin), harekete geçirici mesajlara (nasıl yapıldığını buradan öğrenin) ve açılış sayfalarına (nasıl yapıldığını buradan öğrenin) olanak tanıyan özellikler bulunur.

HubSpot Enterprise olmayan müşteriler için diğer seçenekler arasında, tek bir web sayfasının 10 adede kadar tam sürümünü A/B testi yapmanıza ve rastgele bir kullanıcı örneği kullanarak performanslarını karşılaştırmanıza olanak tanıyan Google Analytics’in Denemeleri yer alır.

9. Her iki varyasyonu aynı anda test edin.

Zamanlama, günün saati, haftanın günü veya yılın ayı olsun, pazarlama kampanyanızın sonuçlarında önemli bir rol oynar. Sürüm A’yı bir ay, Sürüm B’yi bir ay sonra çalıştırırsanız, performans değişikliğinin farklı tasarımdan mı yoksa farklı aydan mı kaynaklandığını nasıl anlarsınız?

A/B testleri çalıştırdığınızda, iki varyasyonu aynı anda çalıştırmanız gerekir, aksi takdirde sonuçlarınızı ikinci kez tahmin etmek zorunda kalabilirsiniz.

Buradaki tek istisna, e-posta göndermek için en uygun zamanları bulmak gibi zamanlamanın kendisini test etmenizdir. Bu, test etmek için harika bir şeydir, çünkü işletmenizin sunduklarına ve abonelerinizin kim olduğuna bağlı olarak, abone katılımı için en uygun zaman sektöre ve hedef pazara göre önemli ölçüde değişebilir.

10. A/B testine faydalı veriler üretmesi için yeterli zaman verin.

Yine, önemli bir örnek boyutu elde etmek için testinizin yeterince uzun süre çalışmasına izin verdiğinizden emin olmak isteyeceksiniz. Aksi takdirde, iki varyasyon arasında istatistiksel olarak anlamlı bir fark olup olmadığını söylemek zor olacaktır.

Yeterince uzun ne kadar uzun? Şirketinize ve A/B testini nasıl uyguladığınıza bağlı olarak, istatistiksel olarak anlamlı sonuçların alınması saatler … veya günler … veya haftalar içinde gerçekleşebilir. İstatistiksel olarak anlamlı sonuçlar almanın ne kadar uzun sürdüğünün büyük bir kısmı ne kadar trafik aldığınızdır – bu nedenle işletmeniz web sitenize çok fazla trafik almıyorsa, bir A/B çalıştırmanız çok daha uzun sürer.

Teoride, sonuçları topladığınız süreyi kısıtlamamalısınız.

11. Gerçek kullanıcılardan geri bildirim isteyin.

A/B testinin nicel verilerle çok ilgisi vardır … ancak bu, insanların neden belirli eylemleri diğerlerine göre yaptığını anlamanıza yardımcı olmaz.

s1. A/B testinizi yaparken neden gerçek kullanıcılardan niteliksel geri bildirim almıyorsunuz?

İnsanlara fikirlerini sormanın en iyi yollarından biri ankettir. Sitenize, ziyaretçilere belirli bir CTA’yı neden tıklamadıklarını soran bir çıkış anketi veya teşekkür sayfalarınızda ziyaretçilere neden bir düğmeyi tıkladıklarını veya bir form doldurduklarını soran bir anket ekleyebilirsiniz.

Örneğin, birçok kişinin bir harekete geçirici mesajı tıkladığını ve onları bir e-kitaba yönlendirdiğini, ancak fiyatı gördüklerinde dönüşüm sağlamadıklarını görebilirsiniz. Bu tür bilgiler, kullanıcılarınızın neden belirli şekillerde davrandığı konusunda size çok fazla fikir verecektir.

A/B Testinden Sonra,

Son olarak, A/B testinizden sonra atmanız gereken adımları ele alalım.

12. Hedef metriğinize odaklanın.

Yine, birden fazla metriği ölçecek olsanız da, analizinizi yaparken o birincil hedef metriğe odaklanın.

Örneğin, bir e-postanın iki varyasyonunu test ettiyseniz ve birincil ölçütünüz olarak potansiyel müşterileri seçtiyseniz, açılma oranına veya tıklama oranına takılmayın. Yüksek bir tıklama oranı ve düşük dönüşüm oranları görebilirsiniz; bu durumda, sonunda tıklama oranı daha düşük olan varyasyonu seçmek zorunda kalabilirsiniz.

13. A/B testi hesaplayıcımızı kullanarak sonuçlarınızın önemini ölçün.

Artık hangi varyasyonun en iyi performansı gösterdiğini belirlediğinize göre, sonuçlarınızın istatistiksel olarak anlamlı olup olmadığını belirlemenin zamanı geldi. Başka bir deyişle, bir değişikliği haklı çıkarmak için yeterli mi?

Öğrenmek için, istatistiksel anlamlılık testi yapmanız gerekir. Bunu manuel olarak yapabilir veya denemenizin sonuçlarını ücretsiz A/B testi hesaplayıcımıza bağlayabilirsiniz.

Test ettiğiniz her varyasyon için, gönderilen e-postalar veya görülen gösterimler gibi toplam deneme sayısını girmeniz istenir. Ardından, tamamladığı hedef sayısını girin – genellikle tıklamalara bakarsınız, ancak bu başka türde dönüşümler de olabilir.

Hesap makinesi, kazanan varyasyon için verilerinizin ürettiği güven seviyesini tükürecektir. Ardından, istatistiksel anlamlılığı belirlemek için bu sayıyı seçtiğiniz değere göre ölçün.

14. Sonuçlarınıza göre harekete geçin.

Bir varyasyon istatistiksel olarak diğerinden daha iyiyse, bir kazananınız var. A/B test aracınızda kaybetme varyasyonunu devre dışı bırakarak testinizi tamamlayın.

Her iki varyasyon da istatistiksel olarak daha iyi değilse, test ettiğiniz değişkenin sonuçları etkilemediğini yeni öğrendiniz ve testi sonuçsuz olarak işaretlemeniz gerekecek. Bu durumda, orijinal varyasyona bağlı kalın veya başka bir test yapın. Başarısız verileri, yeni testinizde yeni bir yineleme belirlemenize yardımcı olması için kullanabilirsiniz.

A/B testleri, duruma göre sonuçları etkilemenize yardımcı olurken, her testten öğrendiğiniz dersleri de uygulayabilir ve gelecekteki çabalara uygulayabilirsiniz.

Örneğin, e-posta pazarlamanızda A/B testleri yaptıysanız ve e-posta konu satırlarında sayıları kullanmanın daha iyi tıklama oranları sağladığını defalarca keşfettiyseniz, bu taktiği daha fazla e-postanızda kullanmayı düşünebilirsiniz.

15. Bir sonraki A/B testinizi planlayın.

Yeni bitirdiğiniz A/B testi, pazarlama içeriğinizi daha etkili hale getirmenin yeni bir yolunu keşfetmenize yardımcı olmuş olabilir, ancak bununla kalmayın. Her zaman daha fazla optimizasyon için yer vardır.

Hatta üzerinde test yaptığınız aynı web sayfasının veya e-postanın başka bir özelliği üzerinde A/B testi yapmayı bile deneyebilirsiniz. Örneğin, bir açılış sayfasında bir başlığı henüz test ettiyseniz, neden gövde kopyası üzerinde yeni bir test yapmıyorsunuz? Veya renk şeması? Ya da görüntüler? Dönüşüm oranlarını ve olası satışları artırma fırsatlarını daima göz önünde bulundurun.

Related Posts
Leave a Reply

Your email address will not be published.Required fields are marked *