Çok Değişkenli Test: En İyi Sonuçlar İçin En İyi Testler Nasıl Yapılır?

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

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

A/B testi nedir?

Bölme testi olarak da bilinen A/B testi, bir web sayfasının iki farklı sürümünü karşılaştırarak hangisinin ziyaretçileri daha iyi dönüştürdüğünü belirlemenize olanak tanır.

Bu iki sayfa şunlar olabilir:

• Kısmen farklı

Yüksek dönüşüm sağlayan bir tasarımınız varsa ve tek bir öğeyi nasıl geliştireceğinizi öğrenmek istiyorsanız, yalnızca bir farkla iki farklı sayfayı test edebilirsiniz. Merak uyandıran bir başlığın mı yoksa haber odaklı bir başlığın mı daha iyi performans gösterdiğini görmek istiyorsanız, başlık ve başlık testini yapabilirsiniz. Bir videonun mu yoksa gif'in mi dönüşümleri daha fazla etkilediğini görmek istiyorsanız, her sayfada bir tane test edebilirsiniz.

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

• büyük ölçüde farklı

Farklı şekillerde 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 çektikten sonra, daha iyi dönüşüm sağlayan kazanır. Ancak, test başına yalnızca bir öğeyi değiştirdiğinizden farklı olarak, büyük ölçüde farklı sayfaları test ettiğinizde, belirli bir sayfanın neden kazandığını belirlemenin bir yolu yoktur.

Yukarıdaki örneğin sonuçlarını ele alırsak, yalnızca "b" sürümünün "a" sürümünden daha iyi olduğunu bilebiliriz, ancak daha iyi olmasının nedenini bilemeyiz, çünkü bunun atfedilebileceği birkaç neden vardır. Dönüşümler, gezinti çubuğunun soldan sağa ayarlanmasından veya kayıt formundan yukarıdan aşağıya doğru gelebilirdi. Büyük ölçüde 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. Buna çok değişkenli test denir.

Çok değişkenli test nedir?

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

A/B testi ile çok değişkenli test arasındaki fark

Muhtemelen, bir başlığı diğeriyle veya öne çıkan bir görselle bir videoyu veya bir harekete geçirici mesajla biraz farklı bir başlığı karşılaştırarak kazanan bir sayfa bulan çok sayıda A/B testi vaka çalışması okudunuz. Widemile'deki optimize edicilere göre, bunu doğrulukla yapmak için kullanılabilseler de, A/B testini kullanmanın daha ideal bir yolu var:

A/B testi için ideal kullanımın "birbirinden tamamen farklı iki veya daha fazla sayfayı test etmek" olduğunu söylüyorlar. Test terimlerinde, "global maksimum" denen şeyi bulmak için A/B testi yapmak ve "yerel maksimuma" doğru inceltmek 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 durup 30 farklı tattan hangisini alacağınıza karar vermeye çalıştığınızı hayal edin. .

10 çeşit çikolata, 10 çeşit vanilya ve 10 çeşit çilek var. Hangisinden bir kaşık alacağınıza karar vermeden önce 30 lezzetin hepsini deneyecek misiniz?

Muhtemelen değil. En çok hangi çeşidi seveceğinizi daraltmak için muhtemelen her biri büyük ölçüde farklı tatlardan birini - bir çikolata, bir çilek ve bir vanilya - deneyeceksiniz. Çikolatayı vanilya ve çileğe tercih ettiğinizi fark ederseniz, hangi çikolatayı daha çok sevdiğinize karar vermek için “çikolatalı kurabiye hamuru” ve “çikolatalı fıstık ezmesi” ve “çikolatalı şekerleme” gibi lezzetleri denemeye başlayacaksınız.

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

Bir optimize edici olarak, testlere benzer şekilde yaklaşmak istersiniz. Ziyaretçilerinizi en iyi şekilde dönüştüren sayfayı (genel maksimum) bulmak ve ardından, olabilecek en yüksek dönüşüm sağlayan sayfaya (yerel maksimum) yükseltmek için o sayfadaki belirli öğeleri değiştirmek istiyorsunuz. Hangisini aradığınız, hangi testi kullandığınızı 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 gerçekleştirmek istediğini en iyi onlar keşfeder. Investopedia'nın haber bülteni Investopedia Advisor için dönüşümleri artırmasına yardımcı olmak için bir A/B testi kullanan MarketingExperiments'tan bu örneği alın.

Teklif basitti - hisse senedi ipuçları içeren ücretsiz bir haber bülteni - ve bu nedenle orijinal sayfa bunu yansıtıyordu. Uzun, karmaşık veya pek çok unsurla dolu değildi. Tek alanlı bir potansiyel müşteri 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 kıyasla A/B testi yaptılar ve yeni sayfanın %89,4 daha yüksek dönüştürüldüğünü gördüler. İşte neye benzediği:

Bu A/B testiyle, deneyi yapanların yeni sayfanın neden eskisinden daha iyi dönüştürüldüğünü tam olarak anlamadıklarını, ancak yeni ve daha yüksek dönüştürücü bulduklarını unutmamak 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 testle hassaslaştırabilirler.

Örneğin, Optimizely'den alınan bu varsayımsal örnekteki test uzmanlarının tam olarak yapmak istediği şey budur. Hangi başlık ve resim kombinasyonunun en çok ziyaretçiyi dönüştürdüğünü bulmak istiyorlar.

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

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

Çok değişkenli bir test nasıl yapılır?

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

1. Bir sorunu tanımlayın

Web sayfanızı iyileştirmeye başlamadan önce, verileri derinlemesine araştırmak ve ziyaretçilerin sayfayla nasıl etkileşimde bulunduğunu öğrenmek en iyisidir. Bulduğu şey, insanların "indir" düğmesini tahmin ettiği kadar fazla tıklamadıklarıydı, bu yüzden nedenini anlamak için sayfayı inceledi.

2. Bir hipotez formüle edin

Kapsamlı bir incelemeden sonra, indirme bağlantısının oldukça farkedilemez olduğunu fark etti. Böylece sayfayı iyileştirmek için bir hipotez oluşturdu:

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

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

3. Varyasyonlar oluşturun

Şimdi test için varyasyon sayfaları oluşturma zamanı gelmişti. 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.

İşte indirme bölümünü nasıl daha dikkat çekici ve çekici hale getirmeye karar verdiği.

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

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

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

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

Tüm kombinasyonlar böyle görünüyordu:

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

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

4. Örnek boyutunu belirleyin

Sayfalarınıza trafik çekmeye başlamadan önce, örneklem büyüklüğünüzü, yani testinizin sonuçları hakkında bir sonuca varmadan önce her sayfanın oluşturması gereken ziyaretçi sayısını belirlemeniz gerekir.

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

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

5. Aletlerinizi 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 şey yayınlamaya başlamadan önce, sonuçlarınızı hiçbir şeyin zehirlemediğinden emin olmak için kampanyanızın her yönüyle QA yapmak önemlidir.

6. Trafiği yönlendirmeye başlayın

Artık varyasyonlarınızı oluşturduğunuza ve her biri için ne kadar trafik oluşturmanız gerektiğini bildiğinize göre, onlara trafik çekmeye başlayabilirsiniz. Çok değişkenli testlerin en büyük dezavantajı, onları tamamlamadan önce ihtiyaç duyacağınız muazzam miktarda trafiktir, 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 çağırabilmeniz için büyük bir örneklem boyutu toplaması gereken 12 farklı sayfa vardır.

Leonid Pekelis, geçerliliğinize yönelik tehditlere dikkat edin ve yanlış pozitif sonuçların artan oranını hesaba katmayı unutmayın, diyor:

"Aslında her etkileşim için ayrı bir A/B Testi yürütüyorsunuz. Ölçülecek 20 etkileşiminiz varsa ve test prosedürünüzün her biri için %5 yanlış pozitif bulma oranı varsa, birdenbire yaklaşık bir etkileşimin tamamen tesadüfen önemli ölçüde tespit edilmesini beklersiniz. Bunu açıklamanın yolları var, bunlara genellikle birden fazla test düzeltmesi denir, ancak yine, maliyet, kesin sonuçları görmek için daha fazla ziyaretçiye ihtiyaç duyma eğiliminde olmanızdır.

7. Sonuçlarınızı analiz edin

Testini dört hafta boyunca çalıştırdıktan sonra, Paras şunları buldu:

Kırmızı renkli “Ücretsiz İndirin” başlığının, indirme dönüşüm oranını %39'dan %63'e, yani %60 gibi büyük bir artışa ittiğini gözlemleyebilirsiniz. Büyük yazı tipi boyutunda (kırmızı bağlantı rengiyle birlikte) “İndir” seçeneğinin olması da varsayılana göre olumlu (%43) bir iyileşme sağladı. Tüm sonuçların ilk üçü, %95 veya daha fazla güven düzeyinde istatistiksel olarak anlamlıdır.

Paras yeni sayfasını uygulayıp bu testi unutabilirdi ama 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.

Web sayfasında şunu öğrendi:

• "Ücretsiz" kelimesi, web sitesi ziyaretçilerinde yankı uyandırdı.
• Teklifin ücretsiz doğası, en iyi harekete geçirici mesajda veya buna yakın bir yerde duyurulur.
• Kırmızı renk, ziyaretçilerinin dikkatini çekti.
• Daha büyük bir harekete geçirici mesaj, daha fazla ziyaretçinin ilgisini çekti.

Ama unutma, bunlar onun testinin sonuçları. Ücretsiz bir teklifin reklamını yapan herhangi bir web sayfasında "ücretsiz" kelimesini 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 karmaşık olduğunu düşündüğünüz için çok değişkenli testten saptığınız oldu mu? Instapage Enterprise demosuna bugün kaydolun.