Çok Değişkenli Test: En İyi Sonuçlar İçin En İyi Testler Nasıl Çalıştırılır

A/B testi, tıklama sonrası açılış sayfalarınız için optimizasyon fikirleri bulmanın en kolay yollarından biridir, ancak her zaman en verimli yol değildir.

Bir seferde iki, üç veya dört sayfayı test etmeye başlamadan önce, daha da fazlasını nasıl test edeceğinizi öğrenin ve ziyaretçilerinizi dönüştürmek için en iyi öğe kombinasyonunu keşfedin.

A/B testi nedir?

Bölünmüş test olarak da bilinen A/B testi, ziyaretçileri hangisinin daha iyi dönüştürdüğünü belirlemek için bir web sayfasının iki farklı sürümünü karşılaştırmanıza olanak tanır.

Bu iki sayfa şunlar olabilir:

• Kısmen farklı

Yüksek dönüşüm sağlayan bir tasarımınız varsa ve tek bir öğeyi nasıl iyileştirebileceğinizi öğrenmek istiyorsanız, iki farklı sayfayı tek bir farkla test edebilirsiniz. Merak edilen bir başlığın mı yoksa haber odaklı bir başlığın mı daha iyi performans gösterdiğini görmek istiyorsanız, manşete karşı manşeti test edebilirsiniz. Bir videonun veya bir gifin dönüşümleri daha fazla etkileyip etkilemediğini görmek istiyorsanız, her sayfada bir tane test edebilirsiniz.

Her birine eşit trafik sağladıktan sonra, en çok dönüşümü sağlayan kazanır. Ve iki sayfa arasında yalnızca bir fark olduğundan, birinin daha fazla dönüşüm sağlamasının nedeni açıktır.

• büyük ölçüde farklı

Ayrıca birden çok yönden farklı olan iki sayfayı da test edebilirsiniz. Orijinal sayfanız, varyasyonunuzdan farklı bir başlığa, öne çıkan görsele ve harekete geçirici mesaj düğmesine sahip olabilir. Test etmek şöyle görünebilir:

Hem orijinal sayfaya (A veya "kontrol") hem de varyasyon sayfasına (B) eşit trafik sağladıktan sonra, daha iyi dönüşüm sağlayan kazanır. Ancak, test başına yalnızca bir öğeyi değiştirdiğinizden farklı olarak, büyük ölçüde farklı sayfaları test ettiğinizde, belirli bir sayfanın kazanma nedenini belirlemenin bir yolu yoktur.

Yukarıdaki örneğin sonuçlarını ele alırsak, yalnızca “b” sürümünün “a” sürümünden daha iyi olduğunu bilirdik, ancak daha iyi olmasının nedenini bilemeyiz, çünkü buna atfedilebilecek birkaç neden vardır. Dönüşümler, gezinme çubuğunun soldan sağa ayarlanmasından veya yukarıdan aşağıya kayıt formundan gelebilirdi. Çok farklı tasarımları A/B testi yaptığınızda kesin olarak söyleyebileceğiniz tek şey, bir sayfanın diğerinden daha iyi olduğudur.

Ancak, birden çok öğede yapılan değişikliklerin birbiriyle nasıl etkileşime girdiğini belirlemek için çalıştırabileceğiniz farklı türde bir test vardır. Çok değişkenli test denir.

Çok değişkenli test nedir?

Çok değişkenli test, optimize ediciler tarafından iki farklı web sayfasını karşılaştırmak için kullanılan süreçtir. Yöntem, birden fazla öğe arasındaki ince değişiklikleri karşılaştırmaya ve ardından en yüksek performansı bulmak amacıyla bu öğelerin birbirleriyle nasıl etkileşime girdiğini ölçmeye odaklanır.

A/B testi ile çok değişkenli test arasındaki fark

Bir başlıkla diğerini veya öne çıkan bir görseli bir videoyla veya bir harekete geçirici mesajla biraz farklı olanı karşılaştırarak kazanan bir sayfa bulan birçok A/B testi vaka çalışması okumuşsunuzdur. Onlar Widemile de optimize göre, doğrulukla bunu için kullanılabilir iken, A kullanmak daha ideal bir yol var / B testi:

A/B testi için ideal kullanım, "iki veya daha fazla kökten farklı sayfayı test etmek" için olduğunu söylüyorlar. Test terimleriyle, "küresel maksimum" denen şeyi bulmak için A/B testi yapmak ve "yerel maksimum"a doğru hassaslaştırmak için çok değişkenli test yapmak daha iyidir.

Global maksimum ve yerel maksimum

Yapması ne kadar zor olsa da, bir an için hayatınızda bir kaşık dondurma yemediğinizi ve bir dondurmacıda 30 farklı lezzetten hangisini almak istediğinize karar vermeye çalıştığınızı hayal edin. .

10 çeşit çikolata, 10 çeşit vanilya ve 10 çeşit çilek var. Hangisinden bir kepçe istediğinize karar vermeden önce 30 çeşidi de deneyecek misiniz?

Muhtemelen değil. En çok hangi çeşidi seveceğinizi daraltmak için büyük olasılıkla her bir farklı lezzetten birini (bir çikolata, bir çilek ve bir vanilya) deneyeceksiniz. Vanilya ve çilek yerine çikolatayı sevdiğinizi keşfederseniz, en çok hangi çikolatayı sevdiğinize karar vermek için “çikolatalı kurabiye hamuru”, “çikolatalı fıstık ezmesi” ve “çikolatalı şekerleme” gibi tatları denemeye başlayacaksınız.

İstatistiksel olarak, en çok sevdiğiniz çeşidi (çikolata, vanilya veya çilek) küresel maksimum olarak adlandırırız. Bu, üç büyük ölçüde farklı türden size en iyi gelen lezzettir. Çeşitliliğin kendine özgü tadı (çikolatalı şekerleme, çikolatalı kurabiye hamuru, çikolatalı fıstık ezmesi) yerel maksimum olacaktır. Seçtiğiniz çeşidin en iyi versiyonudur.

Bir optimize edici olarak, teste benzer şekilde yaklaşmak istersiniz. Ziyaretçilerinizi en iyi dönüştüren sayfayı (genel maksimum) bulmak ve ardından o sayfadaki belirli öğeleri, onu olabilecek en yüksek dönüşüm sağlayan sayfaya (yerel maksimum) dönüştürmek için değiştirmek istiyorsunuz. Aradığınız şey, hangi testi kullanacağınızı belirleyecektir.

A/B testi ne zaman ve çok değişkenli test ne zaman kullanılır?

A/B testleri, global maksimumu test etmek için en iyisidir. Ziyaretçilerinizin hangi sayfada dönüşüm yapmak istediğini keşfetmede en iyisidirler. Bu örneği, Investopedia'nın haber bülteni Investopedia Advisor için dönüşümleri artırmasına yardımcı olmak için bir A/B testi kullanan MarketingExperiments'tan alın.

Teklif basitti - hisse senedi ipuçları içeren ücretsiz bir haber bülteni - ve bu nedenle orijinal sayfa bunu yansıtıyordu. Uzun, karmaşık veya birçok unsurla dolu değildi. Tek alanlı bir müşteri adayı yakalama formu, madde işaretli kopya ve bir infografik içeriyordu:

Ancak, değerli ücretsiz teklife rağmen, yalnızca %1,33 oranında dönüşüm sağlıyordu. MarketingExperiments ekibi, sayfayı tamamen elden geçirmeye karar verdi. Başlığı, düzeni, CTA düğmesini değiştirdiler ve diğer şeylerin yanı sıra bazı rozetler eklediler. Ardından yeni sayfayı orijinal sayfaya göre A/B testine tabi tuttular ve dönüştürülen yeni sayfayı %89,4 daha yüksek buldular. İşte böyle görünüyordu:

Bu A/B testiyle deneycilerin yeni sayfanın neden eskisinden daha iyi dönüştürüldüğünü tam olarak anlamadıklarını, ancak yeni bir daha yüksek dönüştürücü bulduklarını hatırlamak önemlidir. Başka bir deyişle, yeni bir küresel maksimum buldular. Bu noktada, isterlerse, hangi öğe kombinasyonunun en çok ziyaretçiyi dönüştürdüğünü belirlemek için bu sayfayı çok değişkenli testlerle iyileştirebilirler.

Örneğin, Optimizely'nin bu varsayımsal örneğindeki test kullanıcılarının tam olarak yapmak istediği şey budur. Hangi başlık ve görsel kombinasyonunun en çok ziyaretçiyi dönüştürdüğünü bulmak istiyorlar.

Bu nedenle, hangisinin en iyi performansı gösterdiğini görmek için farklı başlık ve resim kombinasyonlarıyla birden çok sayfa oluştururlar.

Bu dört versiyondan hangisi testten en yüksek dönüşüm oranına sahip çıkarsa o kazanır. Ampullü iki versiyon, dişlili iki versiyondan daha iyi performans gösteriyorsa, ampul görüntüsünün dönüşümler üzerinde en büyük etkiye sahip olduğu sonucuna varabilirsiniz. Oradan, beraberindeki hangi başlığın daha fazla dönüşüm sağladığını görebilir ve o sayfayı kullanabilirsiniz.

Çok değişkenli test nasıl yapılır

Birkaç yıl önce VWO'nun kurucusu Paras Chopra, web sayfasındaki indirmeleri artırmak istediğinde, bunun nasıl olduğunu anlamak için çok değişkenli testler kullandı. Bir A/B testi yürütme adımlarına aşina iseniz, bu çok değişkenli test örneğindeki adımların çoğunu tanıyacaksınız.

1. Bir sorun tanımlayın

Web sayfanızı geliştirmeye başlamadan önce, verileri derinlemesine araştırmak ve ziyaretçilerin bununla nasıl etkileşime girdiğini öğrenmek en iyisidir. Bulduğu şey, insanların "indirme" düğmesini olması gerektiği kadar tıklamadığıydı, bu yüzden nedenini anlamak için sayfayı inceledi.

2. Bir hipotez formüle edin

Kapsamlı bir incelemeden sonra, indirme bağlantısının oldukça farkedilmez olduğunu fark etti. Bu yüzden sayfayı geliştirmek için bir hipotez oluşturdu:

Ziyaretçilerin indirme bağlantısını fark etmesini sağlamak için bariz bir çözüm, indirme bölümünü sayfanın en belirgin kısmı yapmaktır. Sayfa tasarımında, "İndir" başlığının boyutu ve rengi sayfanın geri kalanına iyi uyum sağladı ve bu da insanların indirme bağlantısını kaçırmasına neden oldu.

"İndir" bağlantısını daha belirgin hale getirerek, dönüşümleri artırabileceğine inanıyordu. İşte bunu yapmaya nasıl karar verdi.

3. Varyasyonlar oluşturun

Şimdi test için varyasyon sayfaları oluşturma zamanıydı. Paras'a göre:

Çok değişkenli test için, varyasyon oluşturmak için sayfada iki faktör seçtim: kenar çubuğundaki "İndir" başlığı ve altındaki "PDFProducer" indirme bağlantısı. Testin odak noktası, "ücretsiz" kelimesinin etkisini ve indirme bölümünü vurgulamanın etkisini gözlemlemekti.

İndirme bölümünü daha dikkat çekici ve çekici hale getirmeye nasıl karar verdiği aşağıda açıklanmıştır.

Orijinal "İndir" bağlantısı için üç farklı varyasyonu test etti:

• Kırmızı "İndir"
• Kırmızı renkte "Ücretsiz İndir"
• Varsayılan renkte "İndir", ancak daha büyük bir yazı tipi boyutu

Orijinal "PDFProducer" bağlantısı için iki farklı varyasyonu test etti:

• Varsayılan renkte, ancak daha büyük bir yazı tipi boyutunda "PDFProducer"
• kırmızı "PDFProducer"

Tüm kombinasyonlar şöyle görünüyordu:

İndirme bağlantısının dört versiyonu (orijinal dahil) ve “PDFProducer” metninin üç versiyonu (yine orijinal dahil), tam bir faktöriyel test yapmak için 12 farklı varyasyon oluşturuldu. Tam faktöriyel, yalnızca en etkili olanı test eden kesirli bir faktöriyelin aksine tüm kombinasyonları test eder.

CXL'den Alex Birkett, çok değişkenli analizin birden fazla yöntemi olsa da - tam faktöriyel, kesirli faktöriyel ve Taguchi - çoğu optimize edici, doğruluğu için tam bir faktöriyel çalıştırmayı önerir.

4. Numunenizin boyutunu belirleyin

Sayfalarınıza trafik çekmeye başlamadan önce, örnek boyutunuzu belirlemeniz gerekir - testinizin sonuçları hakkında sonuçlara varmadan önce her sayfanın oluşturması gereken ziyaretçi sayısı.

VWO'nun bu hesaplayıcısı, web sitenizin trafiğine, kaç varyasyona sahip olduğunuza ve istatistiksel öneminize göre kaç ziyaretçinin olduğunu ve testinizi ne kadar süreyle çalıştırmanız gerektiğini anlamanıza yardımcı olacaktır.

İstatistiksel anlamlılığa ulaşma ve hesap makinesine girmeniz gereken her şey hakkında daha fazla bilgi edinmek için bu blog gönderisine göz atın.

5. Araçlarınızı test edin

Trafiği çalıştırmaya başlamadan önce her şeyi test edin. Tıklama sonrası açılış sayfanız her tarayıcıda aynı mı görünüyor? CTA düğmeniz çalışıyor mu? Reklamlarınızdaki tüm bağlantılar doğru mu?

Herhangi bir şeyi çalıştırmaya başlamadan önce, hiçbir şeyin sonuçlarınızı zehirlemediğinden emin olmak için kampanyanızın her yönünü KG'den geçirmek önemlidir.

6. Trafik kullanmaya başlayın

Artık varyasyonlarınızı oluşturduğunuza ve her biri için ne kadar trafik oluşturmanız gerektiğini bildiğinize göre, bunlara trafik çekmeye başlayabilirsiniz. Çok değişkenli testlerin en büyük dezavantajı, onları sonuçlandırmadan önce ihtiyaç duyacağınız devasa trafik miktarıdır, bu nedenle sabırlı olmanız gerekir.

A/B testi yaparken, önemli miktarda trafik çekmeniz gereken yalnızca iki sayfa vardır. Ancak örneğin Paras'ınki gibi çok değişkenli bir testte, testi çağırmadan önce büyük bir örneklem boyutu toplaması gereken 12 farklı sayfa vardır.

Leonid Pekelis, geçerliliğinize yönelik tehditlere karşı dikkatli olun ve artan yanlış pozitif sonuç oranını hesaba katmayı unutmayın:

“Aslında her etkileşim için ayrı bir A/B Testi çalıştırıyorsunuz. Ölçülecek 20 etkileşiminiz varsa ve test prosedürünüzde her biri için %5 yanlış pozitif bulma oranı varsa, aniden bir etkileşimin tamamen şans eseri önemli bir şekilde tespit edilmesini beklersiniz. Bunu hesaba katmanın yolları var, bunlara genellikle çoklu test düzeltmeleri denir, ancak yine maliyet, kesin sonuçları görmek için daha fazla ziyaretçiye ihtiyaç duyma eğiliminde olmanızdır.”

7. Sonuçlarınızı analiz edin

Dört hafta boyunca testini yürüttükten sonra Paras'ın bulduğu şey şuydu:

Kırmızı renkli "Ücretsiz İndir" başlığının indirme dönüşüm oranını %39'dan %63'e, %60'lık büyük bir artışa ittiğini görebilirsiniz. Büyük yazı tipi boyutunda (kırmızı bağlantı rengiyle birleştirilmiş) “İndir” özelliği de varsayılana göre olumlu (%43) bir gelişme sağladı. Tüm sonuçlardan ilk üçü, %95 veya daha fazla güven düzeyinde istatistiksel olarak anlamlıdır.

Paras yeni sayfasını uygulayabilir ve bu testi unutabilirdi, ancak bunun yerine önemli bir son adımı vurguluyor:

8. Sonuçlarınızdan öğrenin

Testlerinizin her biri, web sayfalarınız ve ziyaretçileri hakkında gelecekteki testleri bilgilendirmek için kullanabileceğiniz bir şeyler öğrenmek için kullanılmalıdır.

Bunu kendi web sayfasından öğrendi:

• “Ücretsiz” kelimesi, web sitesi ziyaretçilerinde yankı buldu.
• Teklifin ücretsiz niteliği, en iyi şekilde harekete geçirici mesajda veya yakınında duyurulur.
• Kırmızı renk ziyaretçilerin dikkatini çekti.
• Daha büyük bir harekete geçirici mesaj, daha fazla ziyaretçinin dikkatini çekti.

Ama unutmayın, bunlar onun testinin sonuçları. "Ücretsiz" kelimesi, ücretsiz bir teklifin reklamını yapan herhangi bir web sayfasında kullanmak her zaman iyi olsa da, CTA'nızın en iyi konumu, boyutu ve rengi web sayfalarınızda farklı olabilir. Kesin olarak bilmenin tek yolu test etmektir.

Çok değişkenli testi denediniz mi?

Çok değişkenli testten çok karmaşık olduğunu düşündüğünüz için mi saptınız? Bugün bir Instapage Enterprise demosu için kaydolun.