A/B Test Sonuçlarını Analiz Etmek İçin Doğru Metrikler Nasıl Seçilmeli?

Dijital varlıklarından daha yüksek dönüşüm almak isteyenler için dönüşüm optimizasyonu kritik bir konu. Daha önce bu konuyla ilgili hem çeşitli makaleler hem de önemli isimlerle yaptığımız röportajları paylaşmıştık. Ayrıca Growth Hacking İstanbul 2017’de yine dönüşüm optimizasyonunu ve bu süreçte başarılı olabilmek için nelerin yapılması gerektiğini konuşmuştuk. Bu yazıda ise karşımıza çok çıkan testi yaptık fakat sonucunu nasıl ölçeceğiz sorusunu yanıtlamayı amaçlıyorum.

Dönüşüm optimizasyonu sürecinde en kritik nokta test yapacağınız hipotezi doğru bir şekilde tasarlayabilmenizdir. Bu ancak hem kalitatif hem de kantitatif veri kaynaklarını titiz bir şekilde okumayı ve sonrasında elde etmiş olduğunuz verilerle çözmeye çalıştığınız problemi netleştirmekle mümkün olur.

Eğer hipotez geliştirme kısmında ödevinizi iyi yapmış ve sıkı bir çalışma yapmışsanız kullanıcılarınızın gerçekleştirdikleri temel gollere giden yolda (satın alma, lead olma vs gibi) yapmış oldukları birçok küçük dönüşüm olduğunu kolaylıkla görebilirsiniz.

Optimizasyon fırsatları bu tespit etmiş olduğunuz küçük dönüşümler altında yatar. Geliştireceğiniz hipotezler aslında kullanıcıların gerçekleştirdikleri bu küçük dönüşümleri optimize ederek dijital varlıklarınızdaki en temel hedefe ulaşmalarını kolaylaştırır. Dönüşüm optimizasyonu bu şekilde gerçekleşmiş olur. (Evet, butonda kullandığınız rengin gerçekten çok bir önemi yok.)

Google Optimize içerisinde test hedeflerinizi detaylı olarak seçerek hipotezinizin her bir hedef için nasıl etki ettiğini gözlemleyebilirsiniz.

Bu süreçte hipotezinizin etkisini ölçebilmek ve gerçekten nasıl bir performans gösterdiğini görebilmek için test sırasında hem bu temel ve büyük dönüşümleri (satın alma işlemini tamamlamak gibi) hem de temel dönüşüme giden küçük dönüşümleri takip etmeniz gerekir.

Eğer bir test gerçekleştiriyor ve bunu sadece bir metrik ile takip ediyorsanız test sonucunu ve hipotezinizi analiz ederken çok zor bir süreç sizi bekliyor demektir. Çünkü hipotezinizin yaratmış olduğu pozitif veya negatif etkiyi anlamlı bir şekilde ortaya çıkarmanız çok mümkün olmayacaktır. Belki daha da kötüsü hipotezinizi gerçek anlamda analiz edemeyecek ve test sonucunuz bir sonraki adımda ne yapmanız gerektiğiyle ilgili size net ve dolu bir bilgi vermeyecektir.

Eğer bir hipotez geliştiriyorsanız öncesinde kalitatif ve kantitatif verilerle yeteri kadar çalıştığınızdan ilk olarak emin olun. Kullanıcı yolculuğunda hangi noktalara nasıl dokunmanız gerektiği üzerine detaylı bir şekilde çalışın. Eğer hipoteziniz gerçekten doğruysa bunun hangi metriklere nasıl yansıyacağını daha test başlamadan çalışmış ve biliyor olmanız gerekir. Aksi takdirde yapmış olmak için bir test hayata geçirmiş olabilir ve bunun sonucunda faydalı bir çıktı alamayabilirsiniz.

A/B testing ve dönüşüm oranı optimizasyonuyla ilgili temel bilgilere ulaşmak isterseniz buraya tıklayarak ücretsiz email kursumuza kayıt olabilirsiniz. Ayrıca A/B testing ve CRO sürecinde en sık yapılan hatalar ve A/B testing sonuçlarının nasıl okunması gerektiğiyle ilgili makalemizi de okumayı unutmayın. Dönüşüm optimizasyon sürecinin temelleri paylaştığımız rehberimize de göz atmayı unutmayın.

Start typing and press Enter to search