Ücretli trafikle açılış sayfası A/B testi nasıl yapılır?

A/B testi, pazarlama çalışmalarınızı her seferinde bir öğeyi iyileştirerek geliştirmenizi sağlar. Görüntülü reklamlarınızdaki görsellerden blog yazılarınızın metinlerine kadar pek çok alanda kullanılabilir. Bugün ise açılış sayfası A/B testi sonuçlarını kullanarak sayfalarınızı nasıl iyileştirebileceğinizi ve bu sayfalara gelen trafiği nasıl dönüşüme çevirebileceğinizi ele alacağız.

A/B testi nedir?

“Bölünmüş test” olarak da adlandırılan A/B testi, temelde bir materyalin aralarında yalnızca tek bir fark bulunan iki sürümünü oluşturmak anlamına gelir. Her iki sürümü aynı anda kullanıma sunar, test süresi sonunda sonuçları karşılaştırarak hangisinin daha etkili olduğunu belirlersiniz.

Testi tamamladıktan sonra daha az etkili olan sürümü devre dışı bırakabilir ve elde ettiğiniz sonuçlardan memnunsanız süreci burada sonlandırabilirsiniz. Başka sürümleri de test etmek istiyorsanız hedeflediğiniz dönüşüm düzeyine ulaşana kadar testi tekrarlayabilirsiniz.

A/B testiyle hangi metrikleri test edebilirsiniz?

Bölünmüş test, açılış sayfalarınızda yaptığınız her türlü değişikliğin etkisini karşılaştırmanızı sağlar. Neredeyse her değişikliğin etkisini kontrol etmek için pratik bir yöntemdir. Dönüşümler, satışlar ve form üzerinden kayıtlar dahil, ilgili hemen her metriği test etmek için kullanılabilir.

Önemli olan, her test için tek bir birincil metrik seçmektir. Kazananı birincil metrik belirler. Böylece test bittikten sonra en iyi görünen sayıyı seçme eğiliminden kaçınırsınız. Açılış sayfanızın amacı e-posta listenize kayıt toplamaksa birincil metriğiniz kayıt sayısıdır.

Bunun yanında, koruyucu metrikler olarak adlandırılan iki veya üç başka değeri de izlersiniz. Koruyucu metrik, birincil metrik iyileşirken kötüleşmemesi gereken bir değerdir. Formu yarıda bırakma veya iade talepleri buna örnektir. Kayıtları %10 artırırken ilk haftada abonelikten çıkışları iki katına çıkaran yeni bir başlık, gerçek bir başarı değildir. Koruyucu metrikler, değişikliği genel kullanıma almadan önce bunu fark etmenizi sağlar.

Bu yöntemle en kolay test edilebilen temel metrikler şunlardır:

• Tıklama oranı (CTR): harekete geçirici mesajınıza tıklayan ziyaretçilerin yüzdesidir. Reklamlarda tıklama oranı, tıklama sayısının gösterim sayısına bölünmesiyle hesaplanır. Bu nedenle bu iki tanımdan hangisini test ettiğinizi belirtmeniz faydalıdır.
• Hemen çıkma oranı: herhangi bir etkileşim olmadan sona eren oturumların yüzdesidir. Klasik analitik yaklaşımında tek sayfalık her ziyaret hemen çıkma olarak sayılırdı. Google Analytics 4, bir oturumu 10 saniye veya daha kısa sürdüğünde, önemli etkinlik içermediğinde ve yalnızca bir sayfa görüntüleme olduğunda hemen çıkma olarak sayar. Oturumlar, kullanıcılar ve sayfa görüntülemeleri rehberimiz, GA4'ün bu birimlerin her birini nasıl saydığını açıklar.
• Dönüşüm oranı: hedeflediğiniz eylemi gerçekleştiren ziyaretçilerin yüzdesidir.
• Kaydırma derinliği: kullanıcıların içeriğinizi okurken sayfayı ne kadar aşağı kaydırdığını gösterir.
• Terk etme oranı: hedeflediğiniz eyleme başlayan ancak tamamlamayan kişilerin yüzdesidir. Bir formu doldurmaya başlayıp yarıda bırakmak buna örnektir.
• Ortalama sipariş değeri (AOV): toplam gelirin sipariş sayısına bölünmesiyle hesaplanır.
• Ziyaretçi başına gelir: toplam gelirin, hiçbir şey satın almayanlar dahil tüm ziyaretçilerin sayısına bölünmesiyle hesaplanır.

AOV ile ziyaretçi başına gelir zıt yönlerde değişebilir. Bir sayfada indirimin kaldırılması AOV'yi artırırken satın alan kişi sayısını azaltabilir. Bu nedenle hedefiniz satışsa ziyaretçi başına gelir daha güvenilir bir metriktir.

A/B testiyle hangi değişkenleri iyileştirebilirsiniz?

A/B testlerinin en iyi yanı, açılış sayfalarınızdaki hemen her öğeyi test etmek için kullanılabilmeleridir. Yüklenme süreleri gibi teknik bir konunun etkisine veya harekete geçirici mesaj düğmenizin ne kadar görünür olduğu gibi küçük bir ayrıntıya odaklanabilirsiniz. Rengin kendisi, kontrasttan daha az önemlidir. Sayfayla bütünleşip fark edilmeyen bir düğme, rengi ne olursa olsun kolayca gözden kaçar. Bu nedenle kontrastı veya boyutu test etmek, genellikle turuncu ile maviyi karşılaştırmaktan daha fazla bilgi verir.

Önemli olan, sitenin her sürümünde yalnızca tek bir değişkeni test etmektir. Böylece hangi değişikliğin hangi sonuca yol açtığına dair belirsizlik yaratmadan, değişkenin etkisi hakkında sağlam sonuçlara ulaşabilirsiniz.

Açılış sayfalarını test etmek için neden ücretli trafik kullanmalısınız?

Açılış sayfalarınızda doğal yollardan gelen organik trafik ile başarılı bir A/B testi serisi yürütmeniz elbette mümkündür. Ancak reklamlar gibi ücretli kaynakları kullanmak birkaç belirgin avantaj sağlar:

• Zaman: Organik trafik artışı genellikle yavaş ve istikrarlı bir süreçtir. Ücretli trafik ise neredeyse anında veri toplamaya başlayabilir ve hipotezinize çok daha hızlı yanıt bulmanızı sağlar.
• Kontrol: Ücretli kampanyalar, her gün kaç ziyaretçi geleceğine, testin ne zaman başlayıp biteceğine ve ne kadara mal olacağına karar vermenizi sağlar. Ayrıca hedeflemeyi test boyunca aynı tutabilirsiniz. Böylece A ve B sürümleri arasında değişen tek şey sayfanın kendisi olur. Sürümler arasındaki %50/%50 dağılımı, 5. adımda açıklandığı gibi kendi sitenizde ayarlamanız gerekir. Reklam platformu tek başına bu dağılımı garanti edemez.
• Segmentasyon: Ücretli reklamlar, reklamlarınızı kimlerin göreceğini konum, cihaz ve ilgi alanlarına göre seçmenizi sağlar. Böylece testinizdeki ziyaretçiler ulaşmak istediğiniz pazarı yansıtır ve sonuçlar hedeflediğiniz müşteriler açısından daha anlamlı olur. Sonuç yalnızca bu kitle için geçerlidir. Bir ülkedeki mobil ziyaretçilerde kazanan bir sayfa, başka bir yerde masaüstünden arama yapan kullanıcılarda kazanmayabilir.

Reklamlarınızı iş ortağı yayıncıların web sitelerinde gösteren bir reklam platformu olan SparkTraffic, bu tür bir kontrol üzerine kuruludur. Kampanyanız için ülke, şehir ve cihazları seçer, günlük veya aylık bütçe belirlersiniz. Böylece kitle dağılımı ve ziyaretçi hacmi test boyunca sabit kalır. Bu coğrafi hedeflemeli web sitesi trafiğini tek bir kampanya URL'sine yönlendirip kendi sitenizde böldüğünüzde, her iki sayfa sürümü de aynı tür ziyaretçileri alır. Adil bir A/B testinin temel koşulu budur.

Kısacası, bölünmüş testleriniz için trafik sağlamak amacıyla ücretli reklam kullanmak, daha anlamlı sonuçlara daha hızlı ulaşmanızı sağlar.

Ücretli trafikle açılış sayfası A/B testi nasıl yapılır?

Açılış sayfasının amacı, bir bağlantıya tıklayan kişileri belirli bir eyleme yönlendirmektir. Kullanıcılar bu sayfayı farklı yollarla keşfedebilir: sosyal medyada gezinirken, arama yaparak, bir yapay zekâ önerisiyle veya bugünkü konumuzda olduğu gibi bir reklama tıklayarak.

A/B testinin amacı, açılış sayfanızın birbirinden biraz farklı iki sürümünü oluşturmak ve aralarındaki farkın istatistiksel olarak anlamlı olup olmadığını belirlemek için yeterli veri toplayarak sayfanızı iyileştirmektir. Bu, daha iyi performans gösteren sürümün sonuçlarını söz konusu değişiklikler sayesinde elde ettiğine dair yeterli kanıt oluşana kadar beklemeniz gerektiği anlamına gelir.

Süreci adımlara ayırdığımızda şöyle ilerler:

1. adım: Birincil metriğinizi seçin

A/B testi, genel bir “daha iyi sonuçlar elde etme” hedefi yerine en baştan net bir hedef belirlediğinizde daha iyi işler. Bunun için tıklama oranlarına, kayıtlara veya satışlara olan etki gibi işletmeniz açısından anlamlı tek bir metrik seçmeniz en iyisidir.

Bu, sonuçlarınızdaki temel karşılaştırma noktasını oluşturacak “birincil metriğiniz” olacaktır. Tek önemli bulgu bu olmayacaktır, ancak en önemlisi olacaktır.

2. adım: Hipotezinizi belirleyin

A/B testi, açılış sayfalarınızı değerlendirmek için nispeten bilimsel bir yöntem olduğundan test edilecek bir hipoteze ihtiyacınız vardır. Bu hipotez, iyileştirmek istediğiniz metrikle doğrudan ilişkili olmalıdır. Örneğin: “Kayıt formundaki alan sayısını azaltmak, e-posta listesine abonelikleri artıracaktır” veya “H1'i genel bir ifade yerine fayda odaklı bir ifadeyle değiştirmek satışları artıracaktır”.

3. adım: Değişkeninizi izole edin

Değişken, test ettiğiniz değişikliktir. Topladığınız verilerin net ve geçerli olmasını sağlamak için her testte yalnızca tek bir öğeyi değiştirmeniz önemlidir. Aklınızdaki diğer fikirleri kontrol etmek için daha sonra her zaman başka bir test yapabilirsiniz.

Değişken, açılış sayfanızdaki hemen her öğe olabilir. Sık test edilen öğeler arasında şunlar yer alır:

• Ana görsel: sayfanızın üst kısmındaki banner, ziyaretçilerin sayfaya geldiklerinde ilk gördükleri öğe
• H1: ziyaretçilerin okuduğu ilk metin
• Sayfa düzeni: sayfanın nasıl sunulduğu
• CTA'nın konumu: harekete geçirici mesajın sayfadaki yeri
• CTA metni: harekete geçirici mesajın ziyaretçilere nasıl ifade edildiği
• Form uzunluğu: kullanıcının doldurması gereken alan sayısı
• Sayfa metni: sayfanızda yer alan metinler
• Yüklenme süresi: daha hızlı yüklenmenin daha fazla dönüşüm sağlayıp sağlamadığı

Elbette sayfanızdaki herhangi bir öğe üzerinde A/B testi yapabilirsiniz. Ancak yukarıda sıralananların en büyük etkiyi yaratması ve net sonuçlar çıkarmayı kolaylaştırması daha olasıdır.

4. adım: Sayfalarınızı hazırlayın

Trafik sağlamaya ve testi yürütmeye başlamadan önceki son adım, sayfalarınızı hazırlamaktır. Çoğu açılış sayfası testinde iki sürüm en iyi sonucu verir. Her ek sürüm trafiğinizi daha fazla böler. Bu nedenle üç sürümlü bir test, iki sürümlü bir teste göre toplamda en az %50 daha fazla ziyaretçi gerektirir. Birden fazla sürümü aynı anda karşılaştırmak, yanlış bir kazanan belirleme olasılığını da artırır.

Trafiğiniz yeterliyse yine de üç veya dört sürümle A/B/n testi yapabilirsiniz. Her durumda, her sürüm kontrol sürümünden yalnızca tek bir öğede farklı olmalıdır. Birden fazla öğeyi birlikte test etmek istiyorsanız bu, çok değişkenli test adı verilen farklı bir yöntemdir.

Mevcut sayfanız “A” sürümüdür ve başlangıç düzeyini belirleyen kontrol sürümü olarak işlev görür. Tek bir değişiklik içeren sürüm ise “B” sürümüdür ve hipotezinizi test etmenizi sağlar.

5. adım: Ücretli trafiğinizi ayarlayın

Çoğu ücretli reklam platformunda yerleşik deney özellikleri bulunur. Ancak bunlar açılış sayfalarını değil, reklamları ve kampanyaları karşılaştırmak için tasarlanmıştır. Örneğin Google Ads'de bir kampanya deneyi, bütçenizi orijinal kampanya ile deneme kampanyası arasında böler. Bu, teklifleri veya reklam metinlerini test etmek için faydalıdır. Ancak iki açılış sayfanızın eşit sayıda veya karşılaştırılabilir ziyaretçiler alacağını garanti etmez.

Bunun nedeni, reklam platformlarının reklam dağıtımını optimize etmesidir. İki reklam iki farklı sayfaya yönlendirdiğinde, her reklamı kimin göreceğine platformun algoritması karar verir ve her birini tepki vereceğini öngördüğü kişilere gösterir. Araştırmacılar buna farklılaşan reklam dağıtımı adını verir. Braun ve Schwartz'ın Journal of Marketing'de yayımlanan 2025 tarihli araştırması, bunun bir reklam testinin sonucunun büyüklüğünü çarpıtabildiğini ve hatta yönünü tersine çevirebildiğini ortaya koymuştur.

Daha güvenli kurulum, ücretli kaynaklardan gelen tüm ziyaretçileri tek bir kampanya URL'sine yönlendirmek ve onları kendi sitenizde bölmektir. Bir test betiği veya sunucu taraflı kural, her ziyaretçiyi rastgele A ya da B sürümüne %50/%50 oranında atar. Aynı kural, bu atamayı birinci taraf çerezinde saklar. Böylece geri gelen ziyaretçi her zaman aynı sürümü görür. Bu yapılmazsa bir kişi her iki sürümü de görebilir. Bu durumda davranışları her iki gruba da dahil edilir ve ölçmeye çalıştığınız fark belirsizleşir.
Kurulumunuz iki ayrı kampanya kullanmanızı zorunlu kılıyorsa her ikisine de aynı hedeflemeyi, aynı başlangıç saatini ve aynı günlük üst sınırı uygulayın. Sonuçları incelemeden önce iki grubun cihaz ve konum dağılımını karşılaştırın. Bir grupta diğerine göre çok daha fazla mobil ziyaretçi varsa karşılaştırma adil değildir.

Ne kadar trafik satın almalısınız?

Bir testi doğru kılan tek bir ziyaret sayısı yoktur. Çünkü gereken sayı dört girdiye bağlıdır. İlki, kontrol sayfasının şu anda ne sıklıkla dönüşüm sağladığını gösteren başlangıç dönüşüm oranınızdır. İkincisi, tespit edebilmek istediğiniz en küçük artıştır. Üçüncü ve dördüncü girdiler ise anlamlılık düzeyi ve istatistiksel güçtür. Çoğu ekip bunları %95 güven düzeyi ve %80 güç olarak belirler.

Dönüşüm oranı %4 olan bir sayfa için rakamlar şöyle: %20'lik bir artışı (%4,0'dan %4,8'e) tespit etmek için sürüm başına yaklaşık 10.300 ziyaretçiye ihtiyacınız vardır. %10'luk bir artışı (%4,0'dan %4,4'e) tespit etmek içinse sürüm başına yaklaşık 39.500 ziyaretçi gerekir, yani neredeyse dört katı. Dönüşüm oranı %2 olan bir sayfada %10'luk artışı tespit etmek için sürüm başına yaklaşık 80.700 ziyaretçi gerekirken, bu sayı dönüşüm oranı %10 olan bir sayfada yaklaşık 14.800'dür.

Test süresi bu sayıları değiştirmez. Her iki test de tam haftaları kapsadığı sürece, sürüm başına 10.300 ziyaretçiye 14 günde ulaşan bir test, aynı toplam sayıya 30 günde ulaşan bir test kadar güvenilirdir. Başlamadan önce örneklem büyüklüğünü bütçeye dönüştürebilirsiniz: sürüm başına ziyaretçi sayısı × 2 × ziyaret başına maliyet. Örneğin ziyaret başına maliyet $0.50 olduğunda, yukarıdaki %20 artış testi yaklaşık $10,300 tutar.

Bu bütçe çok yüksekse, iki gerçekçi seçeneğiniz vardır. Daha büyük artışları tespit etmek çok daha az ziyaretçi gerektirdiği için daha köklü bir değişikliği test edebilirsiniz. Ya da etkileşim oranı gibi başlangıç oranı daha yüksek bir birincil metrik seçebilirsiniz: yaklaşık %50 düzeyinde, sürüm başına 1.000 ziyaretçiyle yaklaşık 6 yüzde puanlık bir fark tespit edilebilir. Bu sayıların arkasındaki yönteme örneklem büyüklüğü belirleme denir ve ücretsiz çevrimiçi hesaplayıcılar hesaplamaları sizin için yapar.

Adım 6: Testi çalıştırın

İlk ziyaretçi gelmeden önce, önceki adımda belirlediğiniz örneklem büyüklüğünü ve bu sayıya ulaşmak için gereken süreyi kesinleştirin. Haftanın her gününün iki sürümde de eşit sayıda yer alması için tam haftalar (7, 14, 21 veya 28 gün) kullanmanızı öneririz. Ardından herhangi bir karar vermeden önce testin bitmesini bekleyin.

Bunun nedeni, rastgele dalgalanmaların testin ilk aşamalarında en yüksek düzeyde olmasıdır. Sonuçları her gün kontrol edip bir sürüm ilk kez anlamlı göründüğünde testi durdurursanız, gerçek yanlış pozitif oranınız planladığınız %5'in çok üzerine çıkar. İstatistikçiler buna isteğe bağlı durdurma, pazarlamacılar ise sıklıkla sonuçlara erken bakma der.

Önceden belirlenmiş bir plan şansı ortadan kaldıramaz, ancak yanlış bir kazanan seçme riskini belirlediğiniz düzeyde tutar. Ayrıca verilerinizi şu tür kısa süreli sapmalardan korur:

• Günün saatine ve haftanın gününe bağlı davranış kalıpları
• Çok sayıda ziyaret gerçekleştiren birkaç yoğun kullanıcı
• Bir rakibin indirim kampanyası veya bir haber gibi tek seferlik olaylar

Test henüz tamamlanmadan, sırf ilk aşamalarda daha iyi performans gösteriyor gibi göründüğü için bir sürümü “kazanan” seçmek, yanlış pozitif bir sonucu uygulamaya koymanıza ve uzun vadede sonuçlarınıza zarar vermenize yol açabilir.

“Adil” bir testin ne olduğu duruma göre değişir. Ancak genel kural, sonuçların istatistiksel anlamlılığa ulaşması için testi yeterince uzun süre ve yeterli sayıda ziyaretçiyle yürütmeniz gerektiğidir. Başlamadan önce hesapladığınız örneklem büyüklüğü, testiniz için “yeterince uzun süre” ve “yeterli sayıda ziyaretçi” ifadelerinin ne anlama geldiğini gösterir.

Adım 7: Sonuçları değerlendirin ve kazananı uygulayın

Testiniz planlanan süresini tamamladığında sonuçları değerlendirebilirsiniz. Bu iki şeyi kapsar: önce hipotezinizin doğru olup olmadığını ve seçtiğiniz değişkeni değiştirmenin birincil metriğinizi iyileştirip iyileştirmediğini kontrol etmek, ardından beklenmeyen etkileri tespit etmek için diğer metriklerinize bakmak.

Birincil metriğiniz istatistiksel olarak anlamlı ölçüde iyileşmiş ve koruyucu metrikleriniz kötüleşmemişse testiniz başarılıdır. Orijinal sayfayı yeni sürümle değiştirebilirsiniz. Etki olumsuzsa kontrol sürümünü koruyun ve yeni sürümü kullanmayın. Fark her iki yönde de anlamlı değilse test kesin bir sonuç vermemiştir. Değişiklik, bu örneklem büyüklüğünde ölçülebilir bir fark yaratmamıştır ve kontrol sürümünü korumak genellikle daha düşük maliyetli seçenektir.

Birincil metriğinizin iyileştiğini, ancak diğer önemli metriklerinizin de etkilendiğini görürseniz açılış sayfanızın hangi sürümünü kullanmanın daha doğru olduğuna karar vermeniz gerekir. Etkileri dikkatle tartın ve sayfanızı daha da iyileştirmek için ek testler yapmayı değerlendirin.

Sonuçlarınızı değerlendirme

Seçtiğiniz birincil metrik yükseldi diye sayfa sürümlerinizden birini doğrudan “kazanan” ilan etmek cazip gelebilir. Ancak “mükemmel” açılış sayfası diye bir şey olmadığını ve dijital pazarlamada istatistikler üzerinden düşündüğümüzü unutmamak gerekir: asıl baktığımız, içeriklerimizle karşılaşan kişilerin yüzde kaçının istediğimiz eylemi gerçekleştirdiğidir.

A/B testi yaparken bilinçli kararlar vermek için kullanabileceğimiz ayrıntılı bilgiler ararız. Bu nedenle raporlarınız ne kadar ayrıntılı olursa o kadar iyidir.

Yani sonuçlarımızı daha ayrıntılı anlamak için biraz matematiğe başvurmamız gerekir (endişelenmeyin, yardımcı olabilecek araçlar var!).

İstatistiksel anlamlılık

Bir kazanan ilan etmek için iki sayfanız arasındaki farkın gerçek bir farklılığı mı, yoksa o sırada gelen ziyaretçilerdeki rastgele değişkenliği mi yansıttığını bilmeniz gerekir. Hiçbir zaman tamamen emin olamazsınız. Bu nedenle istatistikçiler, değişikliğin hiçbir etkisi olmasaydı sonucun ne kadar şaşırtıcı olacağını ölçmek için hipotez testi kullanır.

Test, B sürümünün A sürümüyle tam olarak aynı performansı gösterdiği varsayımı olan sıfır hipoteziyle başlar. Her ziyaretçi ya dönüşüm gerçekleştirdiği ya da gerçekleştirmediği için dönüşümler binom dağılımına uyar. Bu model, dönüşüm oranının yalnızca şans nedeniyle ne kadar değişebileceğini teste gösterir. Dönüşüm oranları için genellikle iki oran z testi veya ki-kare testi kullanılır. Herhangi bir anlamlılık hesaplayıcısı bu testi sizin için yapar.

Test bir p değeri üretir: değişiklik gerçekte hiçbir fark yaratmamış olsaydı, sizin gözlemlediğiniz kadar büyük veya daha büyük bir fark görme olasılığı. Bu, değişikliğinizin işe yarama olasılığı değildir ve iyileşmenin büyüklüğü hakkında hiçbir şey söylemez. 0,03'lük bir p değeri, birbirinin aynısı iki sayfayla yapılan her 100 testin yaklaşık 3'ünde en az bu büyüklükte bir fark görüleceği anlamına gelir.

Çoğu ekip, test başlamadan önce eşik değerini 0,05 (%5) olarak belirler ve p değeri bu eşiğin altına düştüğünde sonucu istatistiksel olarak anlamlı kabul eder. Eşiği önceden belirlemek önemlidir, çünkü verileri gördükten sonra seçilen bir eşik, umduğunuz sonuca uyacak şekilde değiştirilebilir. Web sitesinin tamamını yeniden tasarlamak gibi büyük bir karar için daha katı olan 0,01 eşiği, yanlış bir kazanan seçmeye karşı ek koruma sağlar.

Örneklem büyüklüğü ve süre

Bunları test sürecinin en başında belirlemiş olmanız gerekse de sonuçları değerlendirirken yeniden kontrol etmekte fayda vardır. Sonuçlarınızda istatistiksel anlamlılığa ulaşmak için hedeflemeniz gereken örneklem büyüklüğünü ve süreyi belirlemenize yardımcı olabilecek araçlar mevcuttur.

Temel olarak, testiniz ne kadar uzun sürer ve ne kadar çok kişiyi kapsarsa tespit ettiğiniz iyileşmelerin uzun vadede sürdürülebilirliğinden o kadar emin olabilirsiniz. Elbette bunun da sınırları vardır: hiçbir pazarlama ekibinin trafik satın almak için sınırsız zamanı veya bütçesi yoktur. Bu nedenle gerçekçi sayılar belirlemek ve bunları kontrol etmek önemlidir.

Örneklem büyüklüklerinizi incelerken her sürümün planladığınız ziyaretçi payını alıp almadığını da kontrol etmelisiniz. Dağılımı 50/50 olarak belirlediğiniz hâlde bir sürümde 5.400, diğerinde 4.600 ziyaretçi görüyorsanız sorun şansınızda değil, kurulumdadır. Bu soruna örneklem oranı uyumsuzluğu denir ve basit bir ki-kare testiyle doğrulanabilir.

Örneklem oranı uyumsuzluğu genellikle trafik kaynağından değil, kurulumdan kaynaklanır. Bazı ziyaretçilerin kaybolmasına yol açan bir yönlendirme, bir sürümde tetiklenmeyen bir izleme etiketi veya bir gruptan daha fazla ziyareti kaldıran bot filtreleme yaygın nedenler arasındadır. Kontrol başarısız olursa sonuçlara güvenilemez. Çözüm, nedeni bulup testi yeniden çalıştırmaktır. Dengesizliğin arkasında otomatik ziyaretler olduğundan şüpheleniyorsanız bot trafiği nasıl tespit edilir rehberimiz, sürümler arasında hangi sinyalleri karşılaştırmanız gerektiğini gösterir.

İkinci bir kişinin incelemesi bu kontrolü daha güvenilir kılar. GA4 mülkünüzde Viewer (Görüntüleyici) erişimine sahip bir iş arkadaşınız, ayarları değiştirme yetkisi olmadan dağılımı ve önemli etkinlikleri bağımsız olarak doğrulayabilir. Google Analytics'e kullanıcı ekleme rehberimiz, incelemeyi yapacak kişiye hangi rolün uygun olduğunu ve bu rolü güvenli bir şekilde nasıl verebileceğinizi gösterir.

Dış etkenleri değerlendirme

Ne yazık ki internet, dış etkilerden arındırılmış bir test ortamı değildir ve dış etkenler muhtemelen sonuçlarınıza yansıyacaktır. Ücretli trafik kullanmak bu olası istatistiksel etkiyi en aza indirmeye yardımcı olsa da tamamen ortadan kaldıramaz.

Bu etkenler, davranışlardaki mevsimsel değişimlerden (insanların bayram ve tatil dönemlerinde e-ticaret reklamlarına daha açık olması) yürüttüğünüz diğer pazarlama kampanyalarına kadar pek çok şeyi kapsayabilir. Bir sayfanın diğerinden biraz daha yavaş yüklenmesi gibi teknik sorunlar da sonuçlarınızı şaşırtıcı ölçüde etkileyebilir. Test ettiğiniz değişkeni görecek kadar bekleyen kimse yoksa onu gerçekten test edemezsiniz.

Bu etkenler sonuçlarınızı geçersiz kılmaz, ancak sonuçları uygulamaya koymadan önce dikkatle değerlendirilmelidir.

Hedef kitle segmentasyonu

Coğrafi segmentasyonla lansmandan önce yeni bir pazarı test etmek, sayfa sürümlerini karşılaştırmaktan farklı bir soruyu yanıtlar. Coğrafi pilot uygulama teklifin belirli bir şehir veya ülkede umut verici olup olmadığını inceler; bir başlığın etkisini ölçen A/B testinde ise karşılaştırılabilir ziyaretçileri aynı pazar içinde rastgele sürümlere atamanız gerekir.

A/B testlerinizden “%5 daha fazla kayıt” gibi özet rakamlar elde edebilirsiniz. Bunun yanında farklı ziyaretçi gruplarının nasıl tepki verdiğini de inceleyebilirsiniz. Hedef kitleyi siz seçtiğiniz ve analiz sisteminiz her ziyaretçinin cihazını, konumunu ve trafik kaynağını kaydettiği için bu yaklaşım ücretli trafikte özellikle yararlıdır.

Sonuçları cihaz, tarayıcı, ülke, yaş ve cinsiyet gibi mevcut tüm boyutlara göre bölmek cazip gelebilir. Sorun şu ki her bir alt grup, şansın yanlış bir kazanan ortaya çıkarması için yeni bir fırsattır. %5 eşiğiyle 10 segment test edildiğinde, en az birinin yalnızca şans nedeniyle “anlamlı” bir fark gösterme olasılığı yaklaşık %40'tır. Bu tuzak, çoklu karşılaştırma problemi olarak bilinir. Ayrıca her alt grup örnekleminizin yalnızca bir bölümünü içerdiğinden, sayıları daha az güvenilirdir.

Reklam ağı profilleri yerine kendi analiz verilerinizden segmentler oluşturmak da faydalıdır. Üçüncü taraf çerezlerinden oluşturulan profiller eksiktir, çünkü yaygın kullanılan bazı tarayıcılar bu çerezleri varsayılan olarak engeller ve izin banner'ları ölçebildiğiniz ziyaret sayısını azaltır.

Pratik yaklaşım, test başlamadan önce bir veya iki segment belirlemektir. Çoğu açılış sayfası için en yararlı seçim cihaz türüdür. Örneğin mobil ve masaüstü karşılaştırması yapmayı planladıysanız ve masaüstü ziyaretçileri B sürümünde çok daha sık dönüşüm gerçekleştiriyorsa harekete geçebileceğiniz sağlam bir bulgunuz vardır. Önceden planlamadığınız bir segmentte fark ettiğiniz herhangi bir örüntü ise sonuç değil, bir sonraki testiniz için bir hipotezdir.

Aykırı değerleri hesaba katma

Seçtiğiniz metriğe bağlı olarak birkaç olağan dışı sonuç verilerinizi çarpıtabilir. Gelir bunun klasik örneğidir: B sürümündeki tek bir büyük satın alma, ziyaretçilerin çoğu hiçbir şey satın almamış olsa bile bu sürümün kazanan gibi görünmesine yol açabilir.

En basit çözüm, winsorizasyon olarak da adlandırılan üst sınır uygulamasıdır. Sipariş tutarlarının 99. yüzdelik dilimi gibi bir eşik seçer ve bunun üzerindeki her değeri eşik değeriyle değiştirirsiniz. Örneğin siparişlerin %99'u $400'ın altındaysa $5,000'lık bir sipariş $400 olarak sayılır. Hiç harcama yapmayanlar da dahil olmak üzere tüm ziyaretçiler veri setinde kalır. Böylece ziyaretçi başına ortalama geliri adil bir şekilde karşılaştırabilirsiniz.

Üst sınır uygulamak, en yüksek ve en düşük değerleri silen kırpma yönteminden daha iyi sonuç verir. Gelir verilerinde en düşük değerler çoğunlukla hiç harcama yapmayan ziyaretçilere aittir. Bu yüzden onları silmek ortalamayı şişirir ve satın alma yapmayan kişileri görünmez kılar.

Bazı analistler bunun yerine Mann-Whitney U testi kullanır. Bu test her iki sayfanın sonuçlarını birleştirir, sıralar ve bir grubun daha büyük değerler üretme eğiliminde olup olmadığını kontrol eder. Grup büyüklüklerinin eşit olmasını gerektirmez, ancak “hangi sayfa ziyaretçi başına daha fazla gelir sağlıyor?” sorusundan farklı bir soruyu yanıtlar ve değerlerin çoğu sıfır olduğunda yetersiz kalır. Çoğu açılış sayfası testi için üst sınır uygulayıp ardından ortalamaları karşılaştırmak daha basittir ve vermeniz gereken iş kararına daha uygundur.

Sonuç: Açılış sayfası A/B testlerinde neden ücretli trafik kullanmalısınız?

Her zaman gelişime açık bir alan olduğu, eskiden beri bilinen bir gerçektir. Açılış sayfalarınız da bunun istisnası değil. Mevcut sayfalarınızdan harika sonuçlar alıyor olsanız bile her zaman daha iyisini elde edebilirsiniz.

A/B testi, değişiklikleri kalıcı olarak uygulamadan önce denemenizi ve etkileri hakkında gerçek, sağlam istatistiksel veriler toplamanızı sağlar. Birkaç testle, geri alınması zor hataları göze almadan sonuçlarınızı önemli ölçüde iyileştirebilirsiniz.

SEO’ya veya başka bir trafik oluşturma yöntemine güvenebilirsiniz, ancak ücretli reklamlar kullanmak pek çok avantaj sunar.

• İlk günden itibaren konum, cihaz ve ilgi alanlarına göre sitenizin hitap ettiği kişileri hedefleyebilirsiniz. Böylece test, kazanmak istediğiniz kitleyi yansıtır.
• Her ziyaretin hacmini, zamanlamasını ve hedeflemesini siz kontrol edersiniz. Böylece her iki sürüm de aynı kitle üzerinde, aynı koşullarda test edilir. Ardından ziyaretçilerin kendi sitenizde rastgele iki gruba ayrılması, karşılaştırmanın adil kalmasını sağlar.
• Testiniz neredeyse hemen başlayabilir. Reklamlar gösterilmeye başladığında trafik hızla gelir. Böylece organik trafiği beklemeye kıyasla planladığınız örneklem büyüklüğüne çok daha erken ulaşırsınız.
• Kampanyayı UTM parametreleri ile etiketlemek, yalnızca testinizden gelen ziyaretçileri analiz etmenizi sağlar. Böylece organik trafikle veya doğrudan gelen ziyaretçiler ve geri dönen ziyaretçiler sonuçları etkilemez.
• Reklam platformunuz üzerinden trafik hacmini kontrol edebilmeniz, her sayfa için hedeflediğiniz ziyaretçi sayısına ulaşır ulaşmaz testi durdurabileceğiniz anlamına gelir.

Hangi değişikliklerin daha fazla dönüşüm sağladığını gösteren, doğru ve kontrollü A/B deneyleri için ücretli trafiğin yerini tutabilecek çok az seçenek vardır.