A/B Testi: Pazarlama Icin Kapsamli Bolunmus Test Rehberi (2026)

A/B testi, pazarlamadaki en yuksek kaldiraca sahip faaliyetlerden biridir. Kirmizi bir butonun yesil olandan daha iyi donusum saglayip saglamayacagini tartismak yerine, kitlenizin gercek verilerle karar vermesini saglarsiniz. Sistematik olarak test yapan sirketler, icguduye guvenenleri geride birakir ve bu acik zamanla buyur.

Bu rehber, e-posta kampanyalari, acilis sayfalari, reklamlar ve urun deneyimleri boyunca guvenilir, uygulanabilir sonuclar ureten A/B testlerini calistirmak icin ihtiyaciniz olan her seyi kapsar. Bolunmus teste yeni basliyor olun veya metodolojinizi gelistirmek istiyor olun, burada pratik cerceveler, gercek ornekler ve arac onerileri bulacaksiniz.

A/B Testi Nedir?

A/B testi (bolunmus test olarak da adlandirilir), belirli bir metrige karsi hangisinin daha iyi performans gosterdigini belirlemek icin bir pazarlama varliginin iki versiyonunu karsilastirdiginiz kontrolllu bir deneydir. Kitlenizi rastgele iki gruba bolersiniz, her gruba farkli bir versiyon gosterirsiniz ve sonuclardaki farki olcersiniz.

Konsept, bilimdeki rastgele kontrolllu denemelerden alinmistir. Ayni anda yalnizca bir degiskeni degistirerek ve diger her seyi sabit tutarak, bu tek degisikligin etkisini istatistiksel guvenle izole edebilirsiniz.

A/B Testi Nasil Calisir

Her A/B testi ayni temel donguyu izler:

1. Gozlemleyin - iyilestirmek istediginiz bir performans metrigi (ornegin e-posta acilma orani %18)
2. Hipotez kurun - onu iyilestirebilecek bir degisiklik (“Daha kisa, merak uyandiran bir konu satiri acilmalari arttiracak”)
3. Olusturun - iki versiyon: kontrol (A) ve varyasyon (B)
4. Bolun - kitlenizi rastgele boylelikle her grup istatistiksel olarak esdeger olsun
5. Calistirin - testi onceden belirlenmis bir sure veya gerekli orneklem buyuklugune ulasana kadar
6. Analiz edin - kazanani dogrulamak icin istatistiksel anlamliligi kullanarak sonuclari
7. Uygulayın - kazanan versiyonu ve ogrenmeyi belgeleyin

A/B Testi ve Cok Degiskenli Test Karsilastirmasi

A/B testi, bir degistirilmis elemanla iki versiyonu karsilastirir. Cok degiskenli test (MVT), birden fazla elemani ayni anda degistirir ve her kombinasyonu olcer.

Cogu pazarlama ekibi icin A/B testi daha iyi bir baslangic noktasidir. Cok degiskenli test, cok yuksek trafiginiz oldugunda ve elemanlarin birbirleriyle nasil etkilestigini anlamak istediginizde faydali hale gelir.

A/B Testi Neden Onemlidir

Veri, Gorusu Degistirir

Pazarlama ekipleri, oznel tercihler hakkinda tartisarak muazzam miktarda zaman harcar. A/B testi, “Bu basligin daha iyi oldugunu dusunuyorum”u “versiyon B kayitlari %14 artirdi, %95 guvenle” ile degistirir. Bu degisim, ekiplerin nasil karar verdigi ve kaynaklari nasil tahsis ettigi konusunda devrim yaratir.

Kucuk Kazanimlar Birikir

Donusum oraninda %5’lik bir iyilesme tek basina mütevazi gorunebilir. Ancak huninizdeki birden fazla %5’lik iyilesmeyi ustuste koydugunuzda, etki carpicidir:

• E-posta acilma orani: %18’den %18,9’a iyilesme (+%5)
• Tiklama orani: %3,2’den %3,36’ya iyilesme (+%5)
• Acilis sayfasi donusumu: %8’den %8,4’e iyilesme (+%5)
• Birlesik etki: Ayni trafikten %12,6 daha fazla donusum

Tutarli testlerle gecen bir yil boyunca, bu artan kazanimlar harcamayi artirmadan pazarlama performansinizi ikiye veya uce katlayabilir.

Riski Azaltma

Tam bir web sitesi yeniden tasarimi veya yeni bir e-posta sablonu test etmeden baslatmak bir kumardir. A/B testi, degisiklikleri genis capta yayinlamadan once kucuk bir kitle segmentiyle dogrulamaniza olanak tanir. Yeni versiyon daha kotu performans gosterirse, patlama yaricapini kullanicilarinizin bir kesriyle sinirlamis olursunuz.

Kurumsal Bilgi Birikimi Olusturma

Her test, kazansin veya kaybetsin, kurulusunuzun musteri davranisini neyin yonlendirdigini anlamasina katkida bulunur. Zamanla bu, rakiplerin kolayca kopyalayamayacagi birikimli bir bilgi avantaji yaratir.

Neleri A/B Testi Yapmalı

En yuksek etkili testler, temel donusum metriklerini dogrudan etkileyen elemanlari hedefler. Iste kanala gore bir dokum.

E-posta A/B Testi

E-posta, degiskenler uzerinde tam kontrole sahip oldugunuz ve sonuclari hizla olcebildiginiz icin test etmesi en kolay ve en oduullendirici kanallardan biridir.

Konu satirlari, e-posta pazarlamasinda test edilecek en yuksek etkili tek elemandir. Mesajinizin acilip acilmayacagini belirlerler.

Test varyasyonlari:

• Uzunluk: Kisa (3-5 kelime) vs. aciklayici (8-12 kelime)
• Kisisellesirme: Alicinin adini veya sirketini dahil etme vs. genel
• Aciliyet: “Son sans” veya son tarih dili vs. notr ifadeler
• Merak: Acik dongular (“Cogu pazarlamacinin gormezden geldigi tek metrik”) vs. dogrudan fayda ifadeleri
• Emoji: Ile vs. olmadan
• Sayi belirginligi: “5 strateji” vs. sayi olmadan “stratejiler”

E-posta icerigi testleri:

• CTA yerlesimi: Ekranin ustu vs. arguman olusturduktan sonra
• CTA metni: “Baslayin” vs. “Ucretsiz denemenizi baslayin” vs. “Nasil calistigini gorun”
• Duzen: Tek sutun vs. cok sutunlu
• Gorsel kullanimi: Urun gorselleri vs. yasam tarzi gorselleri vs. yalnizca metin
• Icerik uzunlugu: Kisa ve vurucu vs. ayrintili ve kapsamli
• Sosyal kanit: Referanslar dahil vs. istatistikler vs. hicbiri

Gonderim zamani optimizasyonu, acilma oranlarini onemli olcude etkileyebilir. Belirli kitlenizin ne zaman en duyarli oldugunu belirlemek icin ayni e-postayi gunun farkli saatlerinde veya haftanin farkli gunlerinde gondermeyi test edin.

Acilis Sayfasi A/B Testi

Acilis sayfalari, test edilecek en fazla degiskeni sunar ve genellikle en buyuk donusum artislarini uretir.

Basliklar: Basliginiz ziyaretcilerin okudugu ilk seydir ve hemen cikma orani uzerinde en buyuk etkiye sahiptir.

• Fayda odakli (“E-posta listenizi 3 kat daha hizli buyutun”) vs. ozellik odakli (“AI destekli e-posta listesi olusturucu”)
• Soru formati (“Hala abone mi kaybediyorsunuz?”) vs. ifade formati
• Kisa ve cesur vs. uzun ve spesifik

Eylem cagrisi butonlari:

• Buton rengi (yalnizca renkleri degil, kontrasti test edin)
• Buton metni (“Ucretsiz kaydolun” vs. “Buyumeye baslayin” vs. “Hesabimi al”)
• Buton boyutu ve yerlesimi
• Tekil CTA vs. birden fazla CTA

Sayfa duzeni ve tasarim:

• Uzun form vs. kisa form sayfalar
• Ekranin ustunde video vs. statik gorsel
• Referans yerlesimi ve formati
• Form uzunlugu (daha az alan vs. daha fazla nitelendirme)
• Guven rozetleri ve guvenlik muhürleri

Fiyatlandirma sunumu:

• Once gosterilen aylik vs. yillik fiyatlandirma
• “En populer” etiketi dahil etme
• Uc katmanli vs. iki katmanli fiyatlandirma

Reklam A/B Testi

Google Ads ve Meta Ads gibi ucretli reklam platformlarinin yerlesik A/B testi yetenekleri vardir, ancak disiplinli metodoloji yine de onemlidir.

• Reklam metni: Farkli deger onerileri, duygusal vs. rasyonel yaklasimlar
• Basliklar: Ayni anahtar kelime niyetini hedefleyen cesitli acilar
• Yaratici: Farkli gorseller, videolar veya grafik stilleri
• Kitle segmentleri: Ayni reklami farkli hedefleme kriterleri arasinda test etme
• Acilis sayfasi hedefleri: Reklam trafigini farkli sayfalara yonlendirme

CTA ve Donusum Elemani Testi

Bireysel kanallarin otesinde, pazarlamaniz boyunca gorunen donusum elemanlarini test edin:

• Form uzunlugu: Her ek alan tamamlamalari azaltir, ancak potansiyel musteri kalitesini arttirir
• Sosyal kanit formati: Yildiz derecelemeleri vs. yazili referanslar vs. musteri logolari
• Aciliyet elemanlari: Geri sayim sayaclari, sinirli stok bildirimleri
• Garanti mesajlari: Para iade garantileri, ucretsiz deneme kosullari
• Navigasyon: Donusum sayfalarinda navigasyonu dahil etme vs. kaldirma

Bir A/B Testi Nasil Calistirilir: Adim Adim

Adim 1: Hedefinizi ve Metriginizi Tanimlayin

Tek bir net metrikle baslayin. Ayni anda birden fazla metrigi optimize etmeye calismak belirsiz sonuclara yol acar.

Iyi ornekler:

• “E-posta acilma oranini %22’den %25’e yukseltmek”
• “Acilis sayfasi donusum oranini %3,5’ten %4,5’e iyilestirmek”
• “Sepet terk oranini %68’den %62’ye dusurmek”

Adim 2: Bir Hipotez Olusturun

Guclu bir hipotezin uc bileseni vardir:

“Eger [degisiklik] yaparsak, o zaman [metrik] [iyilesecek/azalacak] cunku [gerekce].”

Ornek: “Eger kayit formumuzu 6 alandan 3 alana kisaltırsak, o zaman form tamamlama orani en az %15 artacaktir cunku surunmeyi azaltmak algılanan cabayi dusurur.”

Gerekce onemlidir cunku hipotez yanlis olsa bile testleri ogrenme firsatlarina donusturur.

Adim 3: Gerekli Orneklem Buyuklugünuzu Hesaplayin

Gerekli orneklem buyuklugunu bilmeden bir test calistirmak en yaygin hatalardan biridir. Sonucun istatistiksel olarak anlamli olmasi icin yeterli veriye ihtiyaciniz vardir.

Gerekli orneklem buyuklugu uc faktore baglıdır:

1. Temel donusum orani: Mevcut performansiniz
2. Minimum tespit edilebilir etki (MDE): Tespit etmeye deger en kucuk iyilesme
3. Istatistiksel guc: Gercek bir etkiyi tespit etme olasiligi (tipik olarak %80)
4. Anlamlilik duzeyini: Yanlis pozitifler icin toleransiniz (tipik olarak %5 veya p < 0.05)

Ornek hesaplama:

Diyelim ki acilis sayfaniz %5 (temel) donusum sagliyor ve %20’lik goreceli bir iyilesme tespit etmek istiyorsunuz (%6’ya). %80 guc ve %95 anlamlilikla:

• Varyasyon basina gerekli orneklem buyuklugu: yaklasik 3.600 ziyaretci
• Gereken toplam orneklem: 7.200 ziyaretci

Formula su yaklasimi kullanir:

n = (Z_alpha/2 + Z_beta)^2 * [p1(1-p1) + p2(1-p2)] / (p2 - p1)^2

Burada:

• Z_alpha/2 = 1.96 (%95 guven icin)
• Z_beta = 0.84 (%80 guc icin)
• p1 = 0.05 (temel oran)
• p2 = 0.06 (iyilesmeyle beklenen oran)

Yerine koyarsak:

n = (1.96 + 0.84)^2 * [0.05(0.95) + 0.06(0.94)] / (0.06 - 0.05)^2
n = (2.80)^2 * [0.0475 + 0.0564] / (0.01)^2
n = 7.84 * 0.1039 / 0.0001
n ≈ 8.146 varyasyon basina

Pratikte cogu pazarlamaci cevrimici bir orneklem buyuklugu hesaplayicisi veya test araclarinda yerlesik olani kullanir. Temel cikarim: Daha kucuk etkilerin guvenilir bir sekilde tespit edilmesi icin cok daha buyuk orneklem boyutlari gerekir.

Adim 4: Varyasyonlarinizi Olusturun

Disiplinli olun:

• Test basina yalnizca bir eleman degistirin. Basligi ve buton rengini ayni anda degistirirseniz, sonucu her iki degisiklige de atfetamazsiniz.
• Degisikligi anlamli yapin. “Satin al” vs. “Satin Al” (buyuk harf kullanimi) testinin tespit edilebilir sonuclar uretmesi pek olasi degildir. Gercekten farkli yaklasimlar test edin.
• Tam olarak neyin degistigini belgeleyin boylece sonuclar tekrarlanabilir olsun.

Adim 5: Kitlenizi Rastgele Secin ve Bolun

Dogru rastgelestirme kritik oneme sahiptir. Her ziyaretci veya alicinin her iki versiyonu da gorme olasiligi esit olmalidir. Cogu test araci bunu otomatik olarak halleder, ancak dogrulayin ki:

• Bolme gercekten rastgele (cografyaya, cihaza veya varis zamanina dayali degil)
• Her kullanici tutarli olarak ayni versiyonu goruyor (versiyonlar arasi titreme yok)
• Orneklem gruplarıniz istatistiksel olarak temsil edici olacak kadar buyuk

Adim 6: Testi Tamamlanana Kadar Calistirin

Disiplinin en cok onem kazandigi yer burasi. Sonuclara gozatmak ve bir versiyon kazanan gibi gorundigunde testi erken durdurmak yapmayin. Erken sonuclar gurultulu ve guvenilmezdir.

Yaygin kurallar:

• Testi onceden hesapladiginiz orneklem buyuklugune ulasana kadar calistirin
• En az bir tam is dongusu boyunca calistirin (web icin genellikle 1-2 hafta, e-posta icin tam bir gonderim)
• Test sirasinda hicbir seyi degistirmeyin

Adim 7: Sonuclari Analiz Edin ve Istatistiksel Anlamliligi Belirleyin

Bir sonuc, gozlemlenen farkin rastgele sans eseri meydana gelme olasiligi anlamlilik esiginizin altinda oldugunda (tipik olarak %5, p-degeri < 0.05) istatistiksel olarak anlamlidir.

Ornek: Testiniz B versiyonunun %6,2’de, A versiyonunun %5,0’de dondugunu ve p-degerinin 0,03 oldugunu gosteriyor. Bu, bu 1,2 yuzde puanlik farkin rastgele varyasyondan kaynaklanma olasiliğinin yalnizca %3 oldugu anlamina gelir. B versiyonunu guvenle uygulayabilirsiniz.

Ancak p-degeri 0,15 ise, B versiyonu “kazanmis” olsa bile gozlemlenen fark uygulamaya gecmek icin yeterince guvenilir degildir. Daha fazla veriye veya daha buyuk bir etki boyutuna ihtiyaciniz vardir.

Adim 8: Uygulayın ve Yineleyin

Kazanan versiyonu uygulayin. Hipotezi, neyin test edildigini, sonucu ve guven duzeyini belgeleyin. Ardindan bir sonraki teste gecin.

En iyi test programlari, potansiyel etki ve uygulama kolayligina gore siralalanmis bir test fikirleri biriktirme listesi tutar.

Istatistiksel Anlamlilik: Daha Derine Inme

Guven Araliklerini Anlama

Yalnizca p-degerlerine guvenmenin otesinde, guven araliklarina bakin. %95 guven araligi, gercek donusum oraninin muhtemelen hangi aralikta dustugunu soyler.

B versiyonu %6,2 donusum orani ve [%5,4, %7,0] %95 GA gosteriyorsa, ve A versiyonu %5,0 donusum orani ve [%4,3, %5,7] %95 GA gosteriyorsa, cakisan araliklar farkin noktasal tahminlerin ima ettigi kadar net olmayabileceginiz gosterir.

Yaygin Istatistiksel Hatalar

• Gozatma: Sonuclari birden fazla kez kontrol etmek yanlis pozitif oranınizi sirir. Testi calismasi sirasinda 5 kez kontrol ederseniz, etkin anlamlilik duzeyiniz %5 yerine %15-25 olabilir.
• Erken durdurma: Bir versiyon anlamlilliga ulastigi anda testi sonlandirmak genellikle sinyal degil gurultu yakalar.
• Orneklem buyuklugu gereksinimlerini gormezden gelme: 200 ziyaretciyle bir test calistirmak ve kazanan ilan etmek, sayilar ne gosterirse gostersin guvenilmezdir.
• Cok fazla varyasyon test etme: Bir A/B/C/D/E testi calistirmak ornegleminizi bes yola boler ve istatistiksel gucu dramatik olarak azaltir.
• Raporlamada hayatta kalma yanliligi: Yalnizca kazanan testleri paylasmak, test etkinliliginin yaniltici bir resmini olusturur.

Bayes ve Frekansci Yaklasimlar

Geleneksel A/B testi frekansci istatistikleri (p-degerleri ve guven araliklari) kullanir. Bazi modern araclar Bayes yontemlerini kullanir ve sonuclari olasiliklar olarak ifade eder (“B’nin A’dan daha iyi olma olasiligi %94’tur”).

Bayes yontemleri bazi pratik avantajlar sunar:

• Sonuclar, istatistikci olmayan kisiler icin daha kolay yorumlanir
• Hata oranlarini sisirmeden sonuclari surekli izleyebilirsiniz
• Kucuk orneklem boyutlarini daha zarif bir sekilde ele alirlar

Her iki yaklasim da gecerlidir. Onemli olan, birini tutarli bir sekilde kullanmak ve varsayimlarini anlamaktir.

A/B Testi Araclari Karsilastirmasi

Dogru araci secmek, neyi test ettiginize ve operasyonunuzun olcegine baglidir.

Brevo

En iyi: E-posta A/B testi ve cok kanalli kampanya optimizasyonu

Brevo, daha kucuk pazarlama ekipleri icin bile bolunmus testi erisilebilir kilan e-posta kampanyalari icin saglam yerlesik A/B testi sunar. Temel yetenekler sunlardir:

• Konu satiri testi: Dort adede kadar konu satiri varyasyonunu test edin ve kazanani otomatik olarak kalan listeye gonderin
• Icerik testi: Tamamen farkli e-posta duzenlerini ve metinlerini karsilastirin
• Gonderim zamani optimizasyonu: Bireysel alici davranis kaliplarina dayali AI destekli gonderim zamani tahmini
• Kazanan kriteri esnekligi: Kazanma metriginizi (acilmalar, tiklamalar veya gelir) secin ve test suresini ayarlayin
• Otomatik kazanan dagitimi: Ayarlayin ve unutun. Brevo, test suresi sona erdikten sonra kazanan versiyonu listenizin geri kalanina gonderir

Brevo’nun avantaji, A/B testinin e-posta, SMS, WhatsApp ve pazarlama otomasyonu icin kullandiginiz ayni platforma yerel olarak entegre olmasidir. Ek maliyet veya ucuncu taraf entegrasyonu gerekmez ve sonuclar dogrudan kampanya analitiginize beslenir.

Fiyatlandirma: A/B testi Business plani ve uzerinde mevcuttur.

Optimizely

En iyi: Kurumsal web ve urun denemesi

Optimizely, olcekli web sitesi ve urun A/B testi icin endustri standardidir. Ozellik bayraklari, sunucu tarafi testi ve sofistike kitle hedeflemeyi destekler. Platform, tam yigin denemesi sunar, yani web, mobil ve arka uc sistemleri arasinda testler calistirabilirsiniz.

Fiyatlandirma: Ozel kurumsal fiyatlandirma, tipik olarak ayda birkac bin dolardan baslar.

VWO (Visual Website Optimizer)

En iyi: Orta olcekli web sitesi ve donusum optimizasyonu

VWO, kodsuz test varyasyonlari olusturmak icin gorsel bir editor, isi haritalar, oturum kayitlari ve anketler saglar. Kullanim kolayligi ve analitik derinlik arasinda iyi bir denge kurar.

Fiyatlandirma: Planlar temel test icin yaklasik $199/ay’dan baslar.

Google Analytics / Google Tag Manager

En iyi: Butceye uygun temel web sitesi testi

Google Optimize 2023’te kullanimdan kaldirilmis olsa da, Google Analytics 4’u Google Tag Manager ile birlikte kullanarak temel A/B testleri calistirabilirsiniz. Kurulum, ozel araclardan daha fazla teknik caba gerektirir, ancak ucretsizdir ve mevcut analitiginizle dogal olarak entegre olur.

Fiyatlandirma: Ucretsiz.

Unbounce

En iyi: Acilis sayfasi A/B testi

Unbounce, bir acilis sayfasi olusturucuyu yerlesik A/B testi ile birlestirerek acilis sayfasi varyasyonlari olusturmayi ve test etmeyi kolaylastirir. Smart Traffic ozelligi, ziyaretcileri profillerine gore en yuksek donusum saglama olasiligi olan varyanta otomatik olarak yonlendirmek icin AI kullanir.

Fiyatlandirma: Planlar $74/ay’dan baslar, A/B testi daha yuksek katmanlarda mevcuttur.

Araclar Karsilastirma Ozeti

Gercek A/B Testi Ornekleri

Ornek 1: E-posta Konu Satiri Testi

Sirket: Dis mekan ekipmani satan bir e-ticaret magazasi

Test: Mevsimlik indirim e-postasi icin iki konu satiri yaklasimi

• Versiyon A: “Bahar Indirimi: Tum Yuruyus Ekipmanlarinda %30 Indirim”
• Versiyon B: “Bir sonraki maceraniz burada basliyor (%30 indirim icerde)”

Sonuclar:

• Versiyon A: %24,3 acilma orani, %4,1 tiklama orani
• Versiyon B: %28,7 acilma orani, %3,8 tiklama orani
• Kazanan: Acilmalar icin Versiyon B, tiklamalar icin Versiyon A

Ogrenim: Merak uyandiran konu satirlari acilmalari artirdi ancak daha az satin alma niyetli trafik cekti. Ekip, gelirle daha guclu korelasyon gosterdigi icin tiklama oranini optimize etmeye karar verdi.

Ornek 2: Acilis Sayfasi CTA Butonu

Sirket: Ucretsiz deneme sunan bir SaaS urunu

Test: Fiyatlandirma sayfasindaki CTA buton metni

• Versiyon A: “Ucretsiz Denemeye Basla”
• Versiyon B: “Ucretsiz Denemeye Basla - Kredi Karti Gerekmez”

Sonuclar:

• Versiyon A: %3,8 donusum orani
• Versiyon B: %5,1 donusum orani (%34 iyilesme, p = 0,008)

Ogrenim: CTA metninde algilanan riski kaldirmak kayitlari onemli olcude artirdi. “Kredi kartimi girmem gerekiyor mu?” itirazi, sayfada zaten daha kucuk metinle bahsedilmesine ragmen buyuk bir surunme noktasiydi.

Ornek 3: Tajo ile Urun Oneri E-postalari

Sirket: Musteri ve siparis verilerini Brevo ile senkronize etmek icin Tajo kullanan bir Shopify magazasi

Test: Ilk satin alma sonrasi tetiklenen otomatik urun oneri e-postalari icin iki yaklasim

• Versiyon A: Kategoriye dayali genel “Bunlari da begenebilirsiniz” onerileri
• Versiyon B: Tajo’nun senkronize edilmis satin alma gecmisi ve Brevo’ya gonderilen musteri segment verileriyle desteklenen kisisellestirilmis oneriler

Sonuclar:

• Versiyon A: %2,1 tiklama orani, %0,8 satin alma orani
• Versiyon B: %4,7 tiklama orani, %2,3 satin alma orani (%187 daha fazla satin alma)

Ogrenim: Tajo’dan gelen musteri zekasi Brevo’nun e-posta motoruna daha zengin davranissal veri beslediginde, oneri uygunlugu dramatik olarak iyilesir. Anahtar, yalnizca siparis verilerini degil ayni zamanda gozetleme olaylarini ve urun yakinlik puanlarini Tajo’nun gercek zamanli veri hatti araciligiyla senkronize etmekti.

Ornek 4: Reklam Yaratici Testi

Sirket: LinkedIn reklamlari yayinlayan bir B2B yazilim sirketi

Test: Ayni kitle icin iki yaratici yaklasim

• Versiyon A: Ozellik vurgulari ile urun ekran goruntusu
• Versiyon B: Portre fotografi ile musteri referans alintisi

Sonuclar:

• Versiyon A: %0,38 TO, $42 potansiyel musteri basina maliyet
• Versiyon B: %0,61 TO, $28 potansiyel musteri basina maliyet (%33 daha dusuk CPL)

Ogrenim: Sosyal kanit, LinkedIn’deki soguk kitleler icin urun ozelliklerinden daha iyi performans gosterdi. Ekip daha sonra farkli referans formatlarini test etti ve alıntıdaki belirli metriklerin (“haftada 12 saat tasarruf”) genel ovgulerden daha iyi performans gosterdigini buldu.

Yaygin A/B Testi Hatalari

1. Hipotez Olmadan Test Etme

Net bir hipotez olmadan rastgele testler calistirmak veri uretir ancak bilgi degil. Her zaman bir degisikligin neden ise yarayabilecegine dair gerekcelendirilmis bir tahminle baslayin. Hipoteziniz yanlis olsa bile, gerekce ogrenmenize ve daha iyi testler tasarlamaniza yardimci olur.

2. Testleri Erken Sonlandirma

Birkac yuz veri noktasindan sonra bir kazanan ilan etme cazibesı gucludur, ozellikle erken sonuclar dramatik gorundugunde. Direnin. Erken sonuclar, daha fazla veri biriktikce ortalamaya dogru geriler. Test baslamadan once orneklem buyuklugu hesaplamaniza bagli kalin.

3. Onemsiz Degisiklikleri Test Etme

Bir butonu #FF0000’den #FF1100’e degistirmek olculebilir sonuclar uretmeyecektir. Gercek kullanici endiselerini, itirazlarini veya davranis kaliplarini ele alan degisikliklere odaklanin. En iyi testler mesaji, teklifi veya kullanici akisini degistirir, kucuk kozmetik ayrintilari degil.

4. Segment Farklarini Gormezden Gelme

Genel bir “fark yok” sonucu, segmentler icindeki onemli farklari maskeleyebilir. Versiyon B mobil kullanicilar icin dramatik olcude daha iyi calisabilirken masaustu kullanicilar icin daha kotu performans gosterebilir. Orneklem boyutlari izin verdiginde her zaman sonuclari temel segmentlere (cihaz, kaynak, yeni vs. geri donen) gore analiz edin.

5. Dis Faktorleri Hesaba Katmamak

Tatil indirimi doneminde calistirilan bir test, normal bir haftada calistirilandan farkli sonuclar uretecektir. Sonuclari carpitabilecek mevsimsel etkiler, promosyon takvimleri, haber olaylari ve diger dis faktorlerin farkinda olun.

6. Ayni Anda Cok Fazla Seyi Test Etme

Basligi, kahraman gorselini, CTA metnini ve sayfa duzenini bir kerede degistirirseniz, olumlu bir sonuc bir seyin isleedigini soyler ama neyin oldugunu degil. Test fikirlerinizi potansiyel etkiye gore onceliklendirin ve en yuksek kaldiraca sahip elemanlari once test edin.

7. Test Kulturu Olusturmamak

A/B testi, surekli bir uygulama yerine tek seferlik bir proje olarak ele alindiginda basarisiz olur. En basarili sirketler surekli testler calistirir, paylasilmis bir sonuc deposu tutar ve testi her kampanya lansmaninin standart bir parcasi haline getirir.

Bir A/B Test Programi Olusturma

Bir Test Birikim Listesi Olusturma

ICE cercevesini kullanarak onceliklendirilmis bir test fikirleri listesi tutun:

• Etki: Bu test hedef metrigi ne kadar iyilestirebilir? (1-10)
• Guven: Bu testin anlamli bir sonuc uretecegine ne kadar eminsiniz? (1-10)
• Kolaylik: Bu testi uygulamak ne kadar kolay? (1-10)

Testleri siralamak icin uc puani carpin. Yuksek etkili, yuksek guvenli, uygulamasi kolay bir test (Brevo’da konu satiri testi gibi), potansiyel olarak yuksek etkili ancak karmasik bir testten (tam odeme yeniden tasarimi gibi) once onceliklendirilmelidir.

Bir Test Ritmi Olusturma

Tutarli bir ritim hedefleyin:

• E-posta testleri: Her buyuk kampanya gonderiminde calistirin. Brevo bunu ozellikle kolaylastirir cunku A/B islevi kampanya olusturma akisina yerlesiktir.
• Acilis sayfasi testleri: Trafik hacmine bagli olarak ayda 2-4 test ile surekli calistirin.
• Reklam testleri: Reklam seti basina ayda 1-2 yaratici test calistirin.

Sonuclari Belgeleme ve Paylasma

Basit bir test kaydi olusturun:

• Test adi ve tarihi
• Hipotez
• Ne degistirildi
• Sonuclar (guven duzeyini dahil ederek)
• Temel ogrenim
• Sonraki eylem

Bu belgeleme zamanla en degerli pazarlama varliklarinizdan biri haline gelir.

Sikca Sorulan Sorular

Bir A/B testi ne kadar sure calistirilmalidir?

Gerekli orneklem buyuklugünuze ulasana kadar veya en az bir tam is dongusu (web testleri icin tipik olarak 7-14 gun). Brevo gibi araclardaki e-posta A/B testleri icin, platform zamanlamayi otomatik olarak halleder. Test suresini ayarlarsiniz (konu satiri testleri icin genellikle 1-4 saat) ve kazanan versiyon kalan alicilara gider.

A/B testi icin iyi bir orneklem buyuklugu nedir?

Temel donusum oranınıza ve tespit etmek istediginiz minimum etkiye baglıdır. Kaba bir rehber olarak: %5 temelde %10 goreceli iyilesme tespit etmek icin %95 guven ve %80 gucle, varyasyon basina yaklasik 15.000 ziyaretciye ihtiyaciniz vardir. E-posta testleri icin, varyasyon basina 1.000’den fazla aboneden olusan listeler genellikle acilma orani testleri icin guvenilir sonuclar uretir.

Ayni anda birden fazla A/B testi calistirabilir miyim?

Evet, testler birbirleriyle etkilesmedigi surece. Bir e-posta konu satiri testi ve bir acilis sayfasi basligi testini ayni anda calistirmak iyidir cunku huninin farkli bolumleri etkiler. Ayni acilis sayfasinda ayni anda iki test calistirmak, sonuclari karistiran etkilesim etkileri yaratabilir.

Istatistiksel olarak anlamli bir sonuc nedir?

Gozlemlenen farkin sansla meydana gelme olasiliginiu anlamlilik esiginizden dusuk oldugu bir sonuc, tipik olarak %5 (p < 0.05). Bu, farkin gercek olduguna ve rastgele varyasyondan kaynaklanmadigina en az %95 eminseniz demektir.

Kucuk bir kitleyle A/B testini nasil yaparim?

Daha kucuk kitlelerle, en buyuk potansiyel etki boyutuna sahip elemanlari test etmeye odaklanin. Konu satiri testleri, acilma orani farklari daha buyuk olma egiliminde oldugundan, daha kucuk listelerle anlamli farklar gosterebilir. Ayrica daha fazla veri biriktirmek icin test surelerini uzatabilir veya kucuk orneklemleri daha zarif bir sekilde ele alan Bayes istatistiksel yontemlerini kullanabilirsiniz.

Her zaman istatistiksel olarak anlamli kazananla mi gitmeliyim?

Genellikle evet, ancak buyuk resmi dusunun. Versiyon B tiklama sayisinda kazanirken Versiyon A gelirde kazaniyorsa, “kazanan” is hedefinize baglidir. Ayrica pratik anlamliligi da goz onunde bulundurun: istatistiksel olarak anlamli %0,1’lik bir iyilesme uygulama cabasina degmeyebilir.

A/B testi ile kisisellesirme arasindaki fark nedir?

A/B testi, tum kitleniz (veya bir segment) icin hangi versiyonun en iyi performansi gosterdigini belirler. Kisisellesirme, farkli kullanicilara ozelliklerine veya davranislarina gore farkli icerik sunar. Ikisi birlikte calisir: Hangi kisisellesirme stratejilerinin en etkili oldugunu belirlemek icin A/B testini kullanin.

Bugun Baslayin

Baslamak icin devasa bir test altyapisina ihtiyaciniz yok. En fazla kontrole ve en hizli geri bildirim dongusune sahip oldugunuz kanalla baslayin, bu cogu isletme icin e-postadir.

Brevo kullaniyorsaniz, kampanya olusturma is akisi icinde bes dakikadan kisa surede ilk A/B testinizi kurabilirsiniz. Bir konu satiri test edin, platformun kazanani otomatik olarak secmesine izin verin ve sonuclari inceleyin. Bu tek test, haftalarca ic tartismadan daha fazla kitleniz hakkinda ogretecektir.

E-ticaret isletmeleri icin, magaza verilerinizi Tajo araciligiyla baglayip Brevo’da urun oneri e-postalari uzerinde A/B testleri yapmak, mevcut en yuksek yatirim getirisine sahip test stratejilerinden biridir. E-postalariniz gercek musteri satin alma verileriyle desteklendiginde, genel icerigin saglayabileceginden cok daha anlamli test elemanlarina sahip olursunuz.

Kazanan sirketler en iyi ilk tahminlere sahip olanlar degildir. En cok test eden, en hizli ogrenen ve zamanla avantajlarini biriktirenlerdir. Bugün ilk testinize baslayin.

Ilgili Makaleler

• E-posta Pazarlama Kampanyalari: Planlama, Yurutme ve Optimizasyon Icin Kapsamli Rehber
• E-posta Pazarlama Stratejisi: Kapsamli Planlama ve Uygulama Rehberi [2025]
• Kucuk Isletmeler Icin E-posta Pazarlama: Kapsamli Rehber (2026)
• E-posta Pazarlama YG: Getirileri Nasil Hesaplanir, Izlenir ve Iyilestirilir [2025]
• Yeni Baslayanlar Icin E-posta Pazarlama: Kapsamli Baslangic Rehberi (2026)