A-B Testleri Nasıl Yapılır?

Bu yazıda dijitaldeki çabalarınızı ölçmek ve optimizasyonla ilgili kararları verilere dayalı olarak verebilmek için en temel test yöntemlerinden birine odaklanacağız.

Yazının odağı A-B testi olarak da bilinen split (bölme) testlerinin nasıl yapılandırıldığı olacak. Fakat test odaklı bir yaklaşımın ve verilere dayalı değişimi ön planda tutan bir düşünce yapısının ipuçlarını da yazı boyunca bulabileceksiniz.

Dijital çabalarınızın ve onların sonuçlarının kısa sürede düşük maliyetli yöntemlerle ölçümlenebilir, test edilebilir ve optimize edilebilir olması onları gelenekselden ayıran en kritik noktalardan biri. Bu birkaç anlama geliyor. Websitenizde, mobil uygulamanızda, sosyal medya hesabınızda ya da yazılımınızda; kısaca tüm dijital ürünlerinizde yeni olan her elementi, yatırım yapılmadan önce düşük maliyetli testlerle ölçebilirsiniz. Var olan her elementin performansını alternatifiyle kıyaslayarak ortaya çıkarabilirsiniz. Veya dijital pazarlama yoluyla düşük bütçelerle yüksek getiri hedefleyebilirsiniz.

Dijitalin ölçülebilme avantajıyla yapılabilecekleriniz sınırsız. Bu avavtajdan yararlanmak için gereken en temel yeteneklerden biri doğru yapılandırılmış, makul testler ve deneyler kurgulayabilmek. 

Split (bölme) testi olarak da bilinen A-B testlerini bir e-ticaret web sitesinin temel elementlerinin belirlenmesinden reklam metnine karar verilmesine, Instagram açıklamalarınızın düzenlenmesinden bir ürünü üretip üretmeme kararının verilmesine çok geniş bir alanda, birçok işletme kararınızı sezgilerinize değil verilere dayandırmak için kullanabilirsiniz.

İki değişkenli testleri anlamak aynı zamanda çok değişkenli testler yapılandırmak için de gereklidir. Çok değişkenli testler teorik olarak aynı anda yürütülen birbirine bağlı çok sayıda A-B testinden oluşur. 

Daha düşük risk almanızı, yatırım getirinizi arttırmanızı, dönüşüm oranlarınızı yükseltmenizi, müşterilerinizi ve beklentilerini daha iyi tanımanızı sağlayabilecek iyi yapılandırılmış bir split testi doğru araçları kullanmanız ve doğru verilere odaklanmanız çoğu zaman yeterli olacaktır.

AB Testi Yeni Bir Yöntem Mi?

A-B testi kavramı online işletmelerin, e-ticaretin ve dijital pazarlamanın  yaygınlaşmasıyla son yıllarda popülerlik kazanmış olsa da yeni bir yöntem sayılmaz.

A-B testi isimlendirmesine split testi veya iki örneklemli hipotez testi isimleriyle de bilinen bir yöntemin dijitalde anılma şekli diyebiliriz. Split (bölme) testleri aslında 1920’lerde istatistikçi Ronald Risher tarafından geliştirilen istatiksel yöntemlerin dijital araçlara uyarlanmış bir halidir.

1950’lerde randomize kontrol deneyleri olarak klinik tıp alanında kullanılan bu yöntemler 60’lar ve 70’lerde pazarlama alanında yaygınlık kazanmaya başlamıştır. 90’ların ortalarından itibaren dijital kullanıcı deneyimi başta olmak üzere ağırlıklı olarak dijital ürünlerin performansının ölçülmesinde, A-B testi adıyla kullanılmaktadır. 

Split (Bölme) Testi Nedir?

Bölme testi, bir hipotezi test etmek için değişkenlerden birinin ikinci bir versiyonu yaratılırken diğer koşullar sabit tutulduğu uygulanması kolay bir performans testidir. Değişkenin sabit kaldığı A versiyonuna kontrol, değişkenin değiştirildiği B versiyonuna varyasyon ismi verilir. Kontrol ve varyasyon yalnızca bir başlığın hizalanma biçimiyle birbirinden ayrılabileceği gibi tamamen farklı iki açılış sayfası da olabilir. 

Örneğin kullanıcı kayıtlarınızı incelerken reklam açılış sayfanızdaki eyleme çağrı (cta) butonunun açık gri olduğu için fark edilmediğini, bu yüzden tıklanmıyor olabileceğini düşündünüz ve butonun kırmızı olmasının tıklama dönüşümünü arttıracağını düşünüyorsunuz. Bu durumda hipoteziniz kırmızı eyleme çağrı butonunun daha yüksek dönüşüm oranları sağlayacağıdır.

Bu hipotezinizi ölçmek için gri butonlu A sayfanızı (kontrol) kırmızı butonlu B sayfanız (varyasyon) ile karşılaştıracak basit bir ab testi yapılandırırsınız. Websitenize reklamınız üzerinden gelen trafiğin yarısına A, diğer yarısına B versiyonunu elinizde anlamlı bir veri oluşana kadar gösterir ve hangi versiyonda butonun daha iyi performans gösterdiğini belirlersiniz. Bu deneyimi değiştirmenin kullanıcıların davranışlarına hiçbir etkisi olmayabileceği gibi tek bir butonun gri yerine kırmızı olması dönüşüm oranınızda kayda değer yükseliş de sağlayabilir. 

Doğru yapılandırılmış bir A-B testiyle e-ticaret web sitenizi, mail metninizi, reklamlarınızın başlıklarını, ürün paketinizin büyüklüğünü, logonuzun rengini, CTA butonunuzun büyüklüğünü, indirim saatlerinizi, kısacası hipotez üretebildiğiniz her bir değişkeni test edebilir; hangi versiyonun daha iyi dönüşüm sağladığını belirleyebilirsiniz. 

AB Testleri Neden Gereklidir?

Tüm UI/UX ilkelerine uyulmuş, detaylı pazar araştırmalarına dayandırılmış, her elementi sektördeki en iyi uygulamalar baz alınarak geliştirilmiş bir dijital üründe bile kullanıcılar hayal ettiğiniz gibi davranmayabilir.

Dönüşüm optimizasyonu için yapılması gereken değişiklikleri belirlemenin ve hipotezlerinin çalışıp çalışmayacağını görmenin en kolay ve düşük maliyetli yollarından biri A-B testleridir. A-B testlerini test bütçesiyle reklamlar üzerinden tamamen yeni bir kitleye uygulamayı tercih edebileceğiniz gibi hiçbir ekstra maliyete katlanmadan sadece yapmak istediğiniz değişiklik için gereken geliştirme ile mevcut kitlenizin yarısına göstermeyi de tercih edebilirsiniz.

Elde edeceğiniz veriler ve içgörüler ile daha iyi sonuç aldığına karar verdiğiniz varyasyon ile devam edebilirsiniz. Her şeyin yolunda gittiği durumlarda bile, işletmenizin büyüme potansiyelinin düşündüğünüzden büyük olup olmadığını görmek için hipotezlerinizi test etmeniz gerekir. 

3 Adımda Dönüşüm Optimizasyonu İçin A-B Testleri Yapılandırmak 

Hedeflerinizi Açıkça Tanımlayın.

Spesifik, ölçülebilir, makul, zaman sınırlı hedefler belirleyin. 

Sonraki çeyrekte telefonla arama dönüşümünde %20 artış hedefliyoruz gibi bir hedef belirleyebilirsiniz.

Bu hedefi ölçecek KPI’ları da belirlemelisiniz. Tıklama, ziyaretçi artışı, satış artışı, sepet hacminin artışı? Hedefinizi doğru ölçecek objektifler neler, bu objektiflerin mevcut durumları neler ve testinizin sonunda ne kadarlık artış bekliyorsunuz? 

Marka bilinirliğimizin artmasını istiyoruz gibi belirsiz ve ölçülemeyecek bir hedef belirlememelisiniz. 

Optimizasyon için en uygun hedefler genellikle olumsuzlukları ortadan kaldırma amacındadır. Sitenizde geçirilen ortalama sürenin artması, ikiden fazla sayfa ziyareti sağlanması gibi mevcut sorunlarınıza yönelik hedefler belirlemek en kısa sürede sonuç almanızı sağlar. 

Belirlediğiniz hedef hipotezinizle bağlantılı ve mümkün olduğu kadar yakın ilişkili olmalı. İletişim bilgisi istediğiniz formun eyleme çağrı butonundaki cümleyi test ediyorsanız performansını artan satışlardan değil buton tıklanmasından ölçmek daha mantıklıdır. Tabi ki elementleri optimize ettiğinizde dolaylı olarak satışlarınız da artacaktır fakat A/B testinizi satış üzerindeki etkileri görene dek sürdürmektense tıklanma performansı ölçmek daha makul olacaktır.

Hipotezlerinizi İyi Yapılandırın.

Hipotezinize Uygun Varyasyonu Oluşturun.

Testi başlatın!.