A/B Testi Analizi ile A/B Testi Sonuçlarını Analiz Etme

Herhangi birinin isteyeceği en son şey yanlış bir pozitiftir - test ne olursa olsun! Dönüşüm oranı optimizasyonu (CRO) ile yanlış bir pozitif, bir çıkmaza yol açabilir.

Bir A/B testi yürüttüğünüzde , formları, sayfaları veya sitenizin diğer özelliklerini değiştirmeye zaman harcamadan önce test sayfanızın (B) gerçekten kontrol sayfanızdan (A) daha iyi performans gösterip göstermediğini bilmek istersiniz.

Bir A/B testi analiz tekniği, testinizin istatistiksel olarak anlamlı olup olmadığını ve elinizde kazanan bir dizi veri olup olmadığını belirlemenize yardımcı olacaktır.

A/B testinizin istatistiksel olarak anlamlı olup olmadığını nasıl anlarsınız?

İstatistiksel anlamlılık, testi tekrarlayabileceğiniz ve sürekli olarak aynı veya benzer sonuçları alabileceğiniz anlamına gelir.

Örneğin, bir harekete geçirici mesaj (CTA) düğmesinin yerleşimini değiştirdiğinizi varsayalım. Düğme eskiden açılış sayfanızın içeriğinin altındaydı, ancak düğmeyi öne ve ortaya yerleştirirseniz daha fazla müşteri adayı alacağınızı varsaydınız. Böylece, sayfayı değiştirdiniz ve düğmeyi ana başlığınızın üzerine koydunuz.

Ardından, önceki açılış sayfasını (kontrol sayfası) 1000 ziyaretçi üzerinde test ettiniz. Oradan, ince ayar yapılmış sayfayı başka bir 1000 ziyaretçi üzerinde test ettiniz. Sonuçlarınızı bir A/B testi hesaplayıcıyla ölçtükten sonra, sayfada yukarı taşıdıktan sonra CTA düğmenize yapılan tıklamalarda %25'lik bir artış gösterdi.

Testi bir kereden fazla tekrarlarsanız ve tıklamalarda yaklaşık %25'lik bir artış almaya devam ederseniz, sonuçlarınızın istatistiksel olarak anlamlı olduğunu kabul edebilirsiniz. CTA düğmesinin değişen yerleşiminin de değişikliğe neden olduğunu varsayabilirsiniz.

A/B testinizi nasıl analiz edersiniz?

A/B hesaplayıcıları, A/B testi analizinin her şeyinin sonu olmasa da, topladığınız verileri anlamlandırmanıza yardımcı olur.

Diyelim ki küçük bir işletmeniz var. Ortalama site ziyaretçi sayınız, haftada 100 – 500 kullanıcı arasında değişir . Açılış sayfanızın CTA düğmesinde benzer bir A/B testi yaptınız, ancak 1000 yerine 100 kişilik bir örneklem üzerinde.

Sonuçlarınız, 100 kişiden 50'sinin orijinal sayfa için CTA düğmenize tıkladığını gösteriyor. Test sayfasında 58 kişi butona tıkladı. Bu artış örneklem büyüklüğü açısından önemli gibi görünse de, A/B hesaplayıcısına göre sadece %16'lık bir değişimdir.

A/B testi yapmadan önce ne yapmalısınız?

Örnek senaryomuza başlamadan önce, herhangi bir veri toplamadan önce yapmanız gerekenlerin bir özetini burada bulabilirsiniz.

1. Hedeflerinizi bilin

Temel performans göstergeleriniz (KPI'ler) nelerdir ? Başka bir deyişle, işletmeniz için en önemli sonuçları hangi konuşmalar sağlıyor? Bu göstergeler, satış hacminden müşteriyi elde tutmaya kadar her şey olabilir. KPI'larınıza yönelik değişikliklere odaklanmak en iyi sonuçları sağlayacaktır.

2. Nerede olduğunuzu ve nereye gitmek istediğinizi bilin

Neyi ölçmek istediğinizi öğrendikten sonra, şu anda nerede durduğunuzu öğrenin. Reklam tıklamalarını, açılan e-postaların sayısını veya iletişim formunuzu ayda kaç potansiyel müşterinin doldurduğunu ölçtüyseniz zaten genel bir fikriniz olabilir.

Verileri olduğu gibi ölçmek için CRM'nize ve Google Analytics'e bir göz atın . Mevcut veriler size hangi iyileştirmelerin gerekli ve gerçekçi olduğu konusunda bir fikir vermelidir.

Testinizin istatistiksel olarak anlamlı olup olmadığını nasıl anlayabilirsiniz (A/B hesap makinesi kullanmadan)

Şimdi eğlenceli kısma geçelim: A/B testi analizi. Yukarıdaki adımları izledikten sonra, denemelerinizi yürütmeye ve verilerinizi toplamaya ek olarak, sonuçlarınızın değişiklik yapmak için yeterince önemli olup olmadığını belirleyebilirsiniz.

İyi haber şu ki, bir A/B hesap makinesini başlangıç ​​noktası olarak kullanmaya devam edebilirsiniz. Daha önce bahsettiğimiz küçük işletmeler için 100 web sitesi ziyaretçisinden, sözde CTA düğmesinin yerleşiminin taşınması nedeniyle tıklamalarda %16'lık bir artış oldu. Şimdi, bunun doğru olup olmadığını nasıl bileceğiz?

1. Testi tekrar çalıştırın

Bir A/B testi yaptığınızda, değişiklik önemli değilse testi tekrar yapmak isteyeceksiniz; örneğin, sonuçlar sonuçtaki %36'lık farktan daha düşükse.

Genel olarak, sonucun yaptığınız değişikliğin doğrudan sonucu olduğu sonucuna varmak için yeterli veriye sahip olmak için A/B testlerini yeniden çalıştırmak en iyisidir.

2. Verileri tekrar analiz edin

Diyelim ki bu tekrardan sonra 100 kişiden 60'ı test sayfasının CTA düğmesine, 52'si orijinal sayfaya tıkladı. Hesaplayıcıya göre bu %15,38'lik bir artış.

3. Testinizi bir kez daha çalıştırın (ve sonuçları analiz edin)

Bu sonuç, üçüncü seferdeki %15-16'lık değişime benzer . Ancak, değişiklikleri uygulamaya geçmeden önce sonuçlarınızı bir kez daha test edin.

Daha küçük bir örneklemle çalışırken, tutarlı değişimin tesadüf olup olmadığını bilmek zordur. Tipik olarak, örneklem büyüklüğü ne kadar büyükse, o kadar fazla istatistiksel güce sahip olursunuz.

4. Başka bir A/B testi yapın — kontrol sayfanızı kendisiyle test edin

Teknik olarak, bunun gibi bir değerlendirme A/A testi olarak kabul edilir. Kontrol sayfanızı 100 ziyaretçilik bir sette test edin ve aynı sayfayı farklı bir 100 ziyaretçilik sette test edin. Bunu, bir değişikliği test etmeden önce veya sonra yapabilirsiniz.

Herhangi bir değişiklik yapılmadan CTA'nızdaki tıklamalardaki doğal sapma, %2'lik bir farkı geçmemelidir. Bu aralık, sayfanızın aldığı tıklamalardaki doğal dalgalanmayı açıklar. Bu aralığı aşan herhangi bir değişikliğin önemli olduğu kabul edilebilir.

Artık yeterli veriye sahip olduğunuza göre, üç kutuyu işaretleyip işaretlemediğini görme zamanı. Verilerin şu olup olmadığını belirleyin:

• Yeterli: Evet, testi üç kez yaptık.
• Tutarlı: Evet, üç kez benzer bir sonuç aldık.
• Farklılaştırılmış: Evet, kontrol sayfamızı kendisine karşı test ettik ve doğal değişikliklerin %-2 ile %2 arasında düştüğünü fark ettik; bu, test sayfamız için tıklamalardaki tutarlı %15'lik artışın önemli olduğu anlamına geliyor.

Bu sonuçlara dayanarak, verilerin istatistiksel olarak anlamlı olduğunu belirleyebiliriz. CTA düğmesinin yerleşimindeki değişikliğin de tıklamalardaki artışın nedeni olduğunu makul bir şekilde varsayabiliriz.

WebFX, işletmelerin güvendiği bir iş ortağıdır.

WebFX hizmetleriyle organik oturumlarda % 236'lık bir artış gören HydroWorx'tan haber alın.

Video Referansını İzleyin

A/B testi analizi için WebFX ile ortak olun

Gördüğünüz gibi, özellikle hangi değişikliklerin en iyi sonuçları sağlayacağından emin değilseniz, A/B testi analizi göz korkutucu bir görev olabilir. WebFX'teki 500'den fazla konu uzmanından oluşan ekibimiz, A/B test hizmetlerimizle etkili açılış sayfaları oluşturmak için veriye dayalı SEO stratejileri kullanır. Müşterilerimiz için 3 milyar dolardan fazla gelir elde ettik ve açılış sayfanızı bir sonraki seviyeye taşımaya hazırız.

Bugün bir strateji uzmanıyla konuşmak için çevrimiçi olarak bizimle iletişime geçin veya 888-601-5359 numaralı telefondan bizi arayın!