A/B Testi Dijital Pazarlamada Nasıl Yapılır? Adım Adım Rehber
- Tarık Tunç
- 3 gün önce
- 4 dakikada okunur
⠀
A/B testi (split test), bir web sayfasının, reklamın veya e-postanın iki farklı versiyonunu aynı anda, farklı kullanıcı gruplarına göstererek hangisinin daha iyi performans gösterdiğini istatistiksel olarak belirleme yöntemidir. Versiyon A genellikle mevcut durumdur (kontrol); Versiyon B ise test edilen değişikliktir (varyant).
A/B testi, dijital pazarlamadaki en değerli araçlardan biridir; çünkü "bu daha iyi çalışır" tahminini "bu %23 daha yüksek dönüşüm sağladı" verisine dönüştürür. Sezgi ve tecrübe değerlidir; ancak veri yanıldığınızı gösterdiğinde onu reddetmek için iyi bir gerekçe yoktur.
⠀
A/B Testi Neyi Değiştirir?
⠀
A/B testi herhangi bir dijital pazarlama unsuruyla yapılabilir:
Landing Page ve Web Sitesi:
Başlık metni
Görsel veya video
CTA butonu (metin, renk, boyut, konum)
Form alanları (uzun vs. kısa)
Fiyatlandırma gösterimi
Sosyal kanıt unsurları
Sayfa düzeni
⠀
E-posta:
Konu satırı (en yaygın test)
Gönderici adı ("Sezer" vs "Blakfy Ekibi")
Mesaj uzunluğu
CTA metni
Gönderim zamanı
Kişiselleştirme vs. genel mesaj
⠀
Reklam (Google Ads, Meta Ads):
Reklam metni başlığı
Görsel ve video
CTA ifadesi
Landing page hedefi
Hedef kitle segmenti
⠀
Fiyatlandırma ve Teklif:
Fiyat sunum biçimi (yıllık vs. aylık)
Deneme süresi uzunluğu
Paket özellikleri
⠀
⠀
A/B Testi Adım Adım Nasıl Yapılır?
⠀
Adım 1: Veri Toplayın ve Darboğazı Belirleyin
Test etmeden önce mevcut performansı anlayın. Google Analytics, Hotjar veya benzer araçlarla:
Hangi sayfanın dönüşüm oranı düşük?
Kullanıcılar nerede sayfayı terk ediyor?
Formun tamamlanma oranı ne?
⠀
Test edecek doğru sayfayı veya unsuru seçmek, testin potansiyel etkisini belirler.
Adım 2: Hipotez Oluşturun
Bir hipotez şu formatta olmalı:
"Eğer [X değişikliğini yaparsak], [Y metriği] [Z kadar] değişecektir, çünkü [dayandığı veri veya mantık]."
İyi örnek: "Eğer CTA metnini 'Gönder'den 'Ücretsiz Denemeyi Başlat'a değiştirirsek, form tamamlama oranı %15 artacaktır; çünkü değer önerisi netleşiyor."
Kötü örnek: "CTA rengini değiştirelim, belki daha iyi olur."
Adım 3: Testi Tasarlayın
Tek bir değişken: Her testte yalnızca bir unsuru değiştirin. Başlık ve CTA'yı aynı anda değiştirirseniz sonucun neden oluştuğunu bilemezsiniz.
Adım 4: Örneklem Büyüklüğünü Hesaplayın
İstatistiksel güvenilirlik için yeterli trafik şarttır. Minimum 200-300 dönüşüm her varyant için (yani A ve B için ayrı ayrı). Günde 5-10 dönüşüm gören bir sayfa için test aylar alabilir.
Örneklem boyutu hesaplayıcıları: Evan Miller'ın hesaplayıcısı veya AB Test Sample Size Calculator araçları.
Adım 5: Testi Çalıştırın
Testi en az 1-2 hafta çalıştırın. Haftanın günlerine göre kullanıcı davranışı değişir; en az tam bir haftalık döngü kapsanmalı.
Adım 6: Sonuçları Analiz Edin
%95 güven düzeyi standart eşiktir. Bu, sonucun rastlantısal olma olasılığının %5'in altında olduğu anlamına gelir.
Erken durdurmayın: Test başladıktan 3 gün sonra B versiyonu çok iyi görünüyor olsa bile — testi durdurmak yanıltıcı sonuç verebilir (peeking problem).
⠀
⠀
⠀
A/B Test Araçları
⠀
Google Optimize (Artık Optimize 360):
GA4 ile entegre, güçlü bir platform. Ücretsiz versiyonu kapatıldı; ancak Optimize 360 ve alternatifler mevcut.
VWO (Visual Website Optimizer):
Görsel editör, ısı haritası ve A/B testi bir arada. Kullanımı kolay arayüz.
Optimizely:
Kurumsal düzeyde deney platformu. Yüksek trafik hacmine sahip şirketler için.
Convert.com:
GDPR uyumlu, KPI odaklı test platformu.
AB Tasty:
Kullanıcı deneyimi odaklı test ve kişiselleştirme.
Google Ads ve Meta Ads dahili test araçları:
Reklam düzeyindeki testler için ayrı araç gerekmez; platform kendi A/B test mekanizmasını sunar.
Mailchimp, Klaviyo, ActiveCampaign:
E-posta konu satırı ve içerik testleri için dahili A/B test özellikleri.
⠀
İstatistiksel Güvenilirlik: Ne Anlama Gelir?
⠀
"Testin %95 güven düzeyinde anlamlı" ifadesi şu anlama gelir: Bu sonucun rastlantısal olma ihtimali %5'in altındadır. Başka bir deyişle, aynı testi tekrar yapsanız benzer sonuçları görme olasılığınız yüksektir.
Sık yapılan istatistiksel hatalar:
Düşük trafik ile test sonucu çıkarmak
Testi erken durdurmak (peeking problem)
Tek bir metriğe bakarak karar vermek (örn. tıklama oranı arttı ama dönüşüm düştü)
Mevsimsellik veya dış etken etkisini göz ardı etmek
⠀
⠀
A/B Testinden Multivariate Teste
⠀
A/B testi iki versiyonu karşılaştırırken, multivariate test birden fazla değişkeni aynı anda test eder (örn. başlık x CTA x görsel). Multivariate test, yüksek trafikli sayfalarda daha hızlı içgörü sunar; ancak yorumlanması daha karmaşıktır.
Başlangıç için A/B yeterlidir. Multivariate testin istatistiksel güvenilirlik için çok daha fazla trafik gerektirdiğini unutmayın.
⠀
Test Kültürü Oluşturmak
⠀
En büyük A/B testi hatası, testleri izole etkinlikler olarak görmektir. Test kültürü oluşturmak şu demektir:
Her karar için hipotez var
Test sonuçları belgeleniyor ve bilgi tabanına ekleniyor
Hem başarısız hem başarılı testlerden öğreniliyor
Sonuçlar ekiple paylaşılıyor
⠀
Her başarısız test, "işe yaramadı" değil "öğrendik" anlamına gelir.
⠀
Yaygın A/B Testi Hataları
⠀
Aynı anda birden fazla değişkeni değiştirmek: Hangi değişkenin etkili olduğu anlaşılamaz.
Trafik bölümünü eşit yapmamak: %10 / %90 bölünme istatistiksel anlamsızlık üretir; %50 / %50 standart başlangıç noktasıdır.
Düşük önem verilen sayfalarda test yapmak: Aylık 200 ziyaretçi gören sayfada test yapmak aylar alır.
Pozitif sonuçlardan sonra testi duygusal nedenle durdurmak: "Bu kadar yeterli" hissi istatistiksel güvenilirliği bozmaz.
Segmenti görmezden gelmek: Genel test pozitif ama belirli bir segment için negatif olabilir. Sonuçları segmentlere göre analiz edin.
⠀
Sonuç
⠀
A/B testi, dijital pazarlamadaki en güçlü iyileştirme araçlarından biridir. Hipotez → test → analiz → uygulama → yeni hipotez döngüsü; küçük iyileştirmelerin birikmesiyle büyük performans sıçramaları üretir. CRO (Dönüşüm Oranı Optimizasyonu) programının kalbine A/B testini koyun — mevcut trafiğinizden çok daha fazla dönüşüm elde edeceksiniz.
