A/B Testi Nedir? A/B Test Teknikleri

A/B testi, çevrimiçi varlıkların iki veya daha fazla versiyonu arasında, en iyi performansı sağlayan modeli tespit etmek üzere kullanılan ölçüm yöntemidir. Dijital rekabetin artmasıyla önem kazanan A/B testleri, çoğunlukla web siteleri, online uygulamalar ve dijital pazarlama kampanyalarına yönelik hazırlanır. Farklı varyantlar arasından hedeflenen dönüşüm oranına ulaştıracak sürümü belirlemek için yapılan analizlerdir.

“A/B testi nedir?” sorusu, bilimsel açıdan “Önceden tanımlanmış bir dönüşüm hedefine yönelik, kullanıcı tarafında hangi sürümün en etkili sonucu verdiğini istatistiksel verilere dayandıran bölünmüş testlerdir” şeklinde açıklanabilir. Kullanıcı davranışı ve edinilen deneyimi esas alan AB testleri ile işletmeniz için en iyi çevrim içi pazarlama stratejilerini oluşturabilir, online performansı artırarak dijital rekabette daha ön plana çıkabilirsiniz.

Web sitesinde kullanılan metinlerden e-posta pazarlama kampanyalarına ve arama motoru reklamcılığına kadar geniş bir mecrada, birbirinden farklı oluşturulan varyasyonlara kullanıcıların verdiği tepkiyi görmek için A/B analizinden faydalanabilirsiniz. İyi planlanmış bir A/B testinin işletmenize sağlayacağı avantajlar, bunun için harcanan süreyi dengeleyecek ve dijital pazarlama çabalarınızın etkinliğinde büyük fark yaratacaktır. Önemli olan, “iyi olur” tahminini “ölçülmüş sonuç” ile değiştirmektir.

A/B Testi Sözlüğü: Kontrol, Varyant, Dönüşüm

Konuya yeni başlayanlar için terimleri net oturtmakta fayda var. A/B testinin tüm mantığı bu birkaç kavram üzerine kuruludur:

Terim	Anlamı
Kontrol (A)	Mevcut, hiçbir değişiklik yapılmamış orijinal sürüm. Karşılaştırmanın referans noktasıdır.
Varyant (B)	Test etmek için oluşturulan alternatif sürüm. Yalnızca tek bir öge bakımından kontrolden ayrılmalıdır.
Dönüşüm	Ziyaretçinin gerçekleştirmesini istediğiniz eylem: satın alma, form doldurma, tıklama, abonelik gibi.
Dönüşüm oranı	Dönüşüm sayısının toplam ziyaretçi sayısına oranıdır; sürümlerin başarısını kıyaslamaya yarar.
Kazanan	İstatistiksel olarak anlamlı ve daha yüksek dönüşüm oranına ulaşan sürüm.
İstatistiksel anlamlılık	Aradaki farkın tesadüf olma olasılığının düşük olduğunu gösteren güven düzeyi (genellikle %95).

A/B Testi ile Detaylı Ziyaretçi Analizi Yapın

Geleneksel pazarlamaya kıyasla dijital pazarlamada daha düşük maliyetli ve daha uygulanabilir bir analiz yöntemidir. Bir web sitesi üzerinde yapılacak değişikliğin hedef kitle üzerinde yaratacağı etkiyi hesaplamada kullanılacak en iyi yöntemdir. Örneğin reklam gelirleriyle ayakta duran bir sitede yapacağınız A/B testing uygulaması sayesinde ziyaretçilerin dikkatini çekecek ideal yerleşim ve tasarımı saptayabilir, gelir performansınızı artırabilirsiniz.

Dijital pazarlama faaliyetlerinde kullandığınız başlıklar, CTA (call to action) butonları, gövde metni ve görseller yanı sıra web sitelerinin ve uygulamaların arayüz yapıları gibi birçok unsura A/B testi uygulayabilirsiniz. Bir versiyon diğerinden iki, üç hatta dört kat daha yüksek verimlilik düzeyinde çalışabilir. Test yapmadan aksiyon almak dijital performans hedeflerine ulaşma sürecinde hayal kırıklığı yaşatabilir.

Tutarlı bir metot kullanarak yapacağınız A/B testi sayesinde, beklenen dönüşüm oranına ulaşmak için neyin işe yarayıp yaramadığını istatistiki veriler ışığında kanıta dayandırabilirsiniz. Böylece daha etkili pazarlama materyalleri oluşturabilir, işletme karlılığını artıracak yatırımlar konusunda daha kolay karar alabilir ve sektörel hedeflerinize tahmin yürütmek yerine ölçümlenmiş ve kanıtlanmış yoldan ulaşabilirsiniz.

A/B Testinde Neler Test Edilir?

Kafanızda somutlaşması için pratikte en çok test edilen öğeleri sıralayalım. Aşağıdaki her madde, doğru kurgulandığında dönüşüm oranını gözle görülür şekilde etkileyebilir:

• Başlıklar (headline): Sayfanın ilk okunan cümlesi çoğu zaman kal-git kararını belirler.
• CTA butonları: Metin (“Hemen Başla” vs “Ücretsiz Dene”), renk, boyut ve konum.
• Görseller ve videolar: Ürün fotoğrafı mı, yaşam tarzı görseli mi, kısa video mu?
• Form alanları: Form uzunluğu ve istenen alan sayısı doğrudan tamamlanma oranını etkiler.
• Fiyatlandırma sunumu: Aylık mı yıllık mı, indirim vurgusu, paket sıralaması.
• Sayfa düzeni: Tek sütun mu çok sütun mu, sosyal kanıtın (yorum/puan) konumu.
• E-posta konu satırları: Açılma oranını belirleyen en kritik değişken.

A/B Testi Nasıl Yapılır?

Dijital pazarlamaya teknik perspektiften bakanlar; bir web sitesinin açılış sayfasını oluştururken, e-posta kampanyası hazırlarken ya da eyleme teşvik amaçlı bir buton tasarlarken, kullanıcıyı dönüşüme sevk eden ayrıntıları bilmek isterler. Bu nedenle büyük çaplı bir aksiyon almadan önce, zaman ve maliyet avantajı sağlamak için rastgele seçilen gruplara bölünmüş testler yapar, pazarlama kararlarını bilimsel verilere dayandırırlar.

Bir A/B testini (bölünmüş test) başlangıçtan sonuca taşıyan süreç, aşağıdaki adımlarla özetlenebilir:

1. Veriyi inceleyin ve hipotez kurun. “Buton metnini değiştirirsem kayıt oranı artar” gibi tek değişkenli, ölçülebilir bir hipotezle başlayın.
2. Hedef metriği belirleyin. Dönüşümü net tanımlayın: tıklama, satın alma, form gönderimi gibi.
3. Örneklem büyüklüğünü hesaplayın. Teste başlamadan önce ne kadar trafiğe ihtiyacınız olduğunu bir hesaplayıcıyla belirleyin.
4. Kontrol ve varyantı oluşturun. Yalnızca tek bir öge farklı olsun; geri kalan her şey aynı kalsın.
5. Trafiği rastgele bölün. Aynı dönemde, benzer büyüklükteki iki kitleye sürümleri aynı anda gösterin.
6. Testi yeterince uzun çalıştırın. Erken durdurmayın; hafta içi/hafta sonu farklılıklarını kapsamak için en az tam bir hafta, ideali 2 hafta.
7. Sonucu yorumlayın. İstatistiksel anlamlılık (genellikle %95) yakalandıysa kazananı yayına alın; yakalanmadıysa testi uzatın veya hipotezi yenileyin.

A/B testlerinin sonuçlarını anlamlandırmak için istatistiksel anlamlılık hesabından yararlanılır. İstatistiksel anlamlılık hesabı yapabilmek için bir mevcut içeriğiniz bir de oluşturduğunuz alternatif versiyonu olmalıdır. Bu hesaplama yönteminde mevcut içeriğinize “kontrol” adı verilir. Alternatif içerik versiyonu ise “varyant” olarak ifade edilir. Her iki içerik rastgele seçilen, aynı sayıda iki farklı kitleye sunulur.

Kitlelerin sunulan içeriğe verdikleri tepki “dönüşüm” olarak ifade edilir. Kontrol ile varyant arasında en fazla dönüşüm elde eden içerik “kazanan” olarak adlandırılır. Her içeriğin dönüşüm sayısının ziyaretçi sayısına oranı “dönüşüm oranı” olarak adlandırılır. Yapılan A/B testinin başarılı sayılabilmesi için sonucun %95 güven düzeyinde istatistiksel anlamlılığa ulaşması (en azından %90) beklenir.

İstatistiksel Anlamlılık ve Örneklem Büyüklüğü

A/B testinin en çok atlanan ama en kritik kısmı sayılardır. Sonuca güvenebilmek için üç kavramı bilmek yeter:

• Güven düzeyi (%95): Endüstri standardı %95’tir. Yani gözlemlenen farkın sırf şansa bağlanma olasılığı %5’in altındadır. Fiyat, ödeme akışı gibi yüksek riskli değişikliklerde %99’a çıkmak; başlık veya görsel gibi düşük riskli denemelerde %90 yeterli olabilir.
• İstatistiksel güç (power, %80): Gerçek bir kazananı yakalama olasılığı. Yaygın pratik %80’dir.
• Örneklem büyüklüğü: Mevcut dönüşüm oranınıza ve yakalamak istediğiniz minimum etkiye (MDE) göre değişir. Trafiği az olan siteler anlamlı sonuca daha geç ulaşır.

Pratik kural: örneklem büyüklüğünü teste başlamadan önce hesaplayın ve o sayıya ulaşana kadar testi durdurmayın. “Erken anlamlılık” görüp testi kapatmak (peeking), yanlış bir kazananı yayına almanın en yaygın sebebidir. Süre tarafında ise alt sınır genellikle bir tam haftadır; çünkü kullanıcı davranışı hafta içi ile hafta sonu, hatta mevsimden mevsime farklılık gösterir. Çoğu uzman 2 haftalık bir minimumla 6-8 haftalık bir üst sınır önerir. Hesaplama için Evan Miller, AB Tasty, Convert veya Statsig gibi ücretsiz örneklem ve anlamlılık hesaplayıcılarını kullanabilirsiniz.

A/B Testi ile Çok Değişkenli Test (MVT) Farkı

Bu ikisi sık karıştırılır ama amaçları farklıdır. A/B testi tek bir değişikliğin etkisini net ölçer; çok değişkenli test ise birden fazla öğenin kombinasyonlarını aynı anda dener. Hangisini seçmeniz gerektiği büyük ölçüde trafiğinize bağlıdır:

Ölçüt	A/B Testi	Çok Değişkenli Test (MVT)
Test edilen	Tek bir öge (2 sürüm)	Birden fazla öğenin kombinasyonu
Gereken trafik	Daha az	Çok daha fazla
Ne işe yarar	Hangi değişiklik daha iyi?	Öğeler birlikte nasıl etkiyor?
Kurulum zorluğu	Basit	Karmaşık
İdeal kullanım	Net hipotez, sınırlı trafik	Yüksek trafik, ince ayar

Özetle: trafiğiniz kısıtlıysa ve net bir sorunuz varsa A/B testi; yüksek trafiğiniz var ve birden fazla öğeyi birlikte optimize etmek istiyorsanız MVT daha doğrudur.

Hangi Sayfalar Daha Fazla İlgi Çekiyor Öğrenin

Yüksek istatistiksel anlamlılığa sahip bir A/B testinde, kazanan içeriğin pazarlama performansını olumlu yönde etkileyeceği savunulur. Yaptığınız A/B testinin istatistiksel önem değerini hesaplamak ve işletmenizin dijital varlığında yapacağınız değişimin faydalı olup olmayacağını öğrenmek isterseniz, yukarıda andığımız ücretsiz anlamlılık hesaplayıcılarıyla test sonuçlarınızı güvenle ölçümleyebilirsiniz.

A/B testlerini hem site içi hem de site dışı dijital pazarlama içeriklerinin etkinliğini ölçmek ve daha yüksek dönüşüm sağlayan içerik sürümünü belirlemek için uygulayabilirsiniz. Site içi A/B testleri sayesinde ürün sayfaları, açılış sayfaları, formlar ve sayfa içi diğer elementlerde yapılan bir değişikliğin ziyaretçi davranışlarını nasıl etkilediğini gözlemleyebilirsiniz. Web sitenizin veya uygulamanızın tasarımını bu doğrultuda yenileyebilirsiniz.

Site dışı A/B testleri, ürün ve hizmet pazarlaması için oluşturulan dijital reklamlar, e-posta bültenleri, sosyal medya paylaşımları ve anlık bildirimlere yönelik yapılan analizlerdir. Site dışı bölünmüş testlerin sağladığı veriler sayesinde kullanıcıların hangi içerik sürümüyle daha yoğun etkileşime girdiğini gözlemleyip, dijital pazarlama kampanyalarınızı bu yönde düzenleyerek dönüşüm oranını artırabilirsiniz.

A/B Testi Araçları (2026 Güncel)

Bu bölümün en çok eskiyen kısmı araçlardır; bu yüzden güncel tabloyu netleştirelim. Yıllarca standart kabul edilen Google Optimize, 30 Eylül 2023 itibarıyla kapatıldı ve artık kullanılamıyor. Yerini dolduran ekosistem, ücretli kurumsal platformlar ile ücretsiz/açık kaynak seçenekler olarak ikiye ayrıldı.

Araç	Model	Öne çıkan özellik
VWO	Ücretli (sınırlı ücretsiz)	A/B + çok değişkenli test, ısı haritaları, kolay arayüz
Optimizely	Ücretli	Kurumsal düzeyde deney yönetimi, sürükle-bırak editör
AB Tasty	Ücretli	Kişiselleştirme + deney, GA4 entegrasyonları
Convert	Ücretli	Gizlilik odaklı, kuruluşlar için esnek
Statsig	Cömert ücretsiz katman	Özellik bayrakları + deney, geliştirici dostu
GrowthBook	Açık kaynak / self-hosted	Kendi altyapınızda ücretsiz çalıştırma

VWO

VWO; gelişmiş analiz özellikleri, kolay anlaşılan kullanıcı arayüzü ve farklı büyüklükteki işletmelere yönelik çözümlerle en popüler A/B test araçları arasında yer alıyor. A/B testleri yanı sıra çok değişkenli test özelliği de sunar; bu sayede açılış sayfalarında farklı fikir kombinasyonlarını aynı anda deneyebilirsiniz.

Optimizely

Optimizely, teknik bilgi gereksinimi olmadan sürükle-bırak formatında sunduğu kolay kullanımla öne çıkar. Sayfa URL’sini girdiğinizde deney editörü açılır; arayüzde hayal ettiğiniz tüm değişiklikleri mevcut tasarımı kalıcı olarak değiştirmeden deneyebilir, sitenize yerleştireceğiniz küçük bir kod parçasıyla testleri yayına alabilirsiniz. Kurumsal düzeyde deney yönetimi arayanlar için güçlü bir seçenektir.

AB Tasty ve Convert

Google Optimize kapanınca birçok ekibin geçtiği iki ücretli platformdur. AB Tasty, deneyi kişiselleştirme ile birleştirir ve GA4 ile entegrasyonlar sunar. Convert ise gizlilik odaklı yapısıyla, veri mahremiyetine önem veren kuruluşlar tarafından tercih edilir.

Statsig ve GrowthBook (Ücretsiz Seçenekler)

Bütçesi sınırlı ekipler için günümüzün en iyi ücretsiz alternatifleridir. Statsig bulut tabanlıdır ve geniş bir ücretsiz katman sunar; özellik bayrakları (feature flags) ile deneyi bir arada toplar. GrowthBook ise açık kaynaktır; kendi sunucunuzda barındırdığınızda tamamen ücretsiz çalışır. Kendi altyapısını yöneten ekipler için GrowthBook gibi self-hosted çözümler, veri kontrolü açısından özellikle cazip olabilir.

A/B Testi Yaparken Nelere Dikkat Edilmeli?

1.  A/B testlerinde aceleci davranmaktan kaçınmalı, istatistiksel anlamı olan sonuçlara ulaşana kadar testi sürdürmelisiniz. Ziyaretçi trafiği az olan sitelere uygulanan bölünmüş testler, yüksek trafiği olan sitelere kıyasla daha uzun sürede anlamlı sonuçlar verir.

2.  A/B testlerinde kontrol ve varyant sürümleri, deney kitlesine aynı dönem içerisinde gösterilmelidir. Kullanıcı davranışlarının farklı aylarda, farklı mevsimlerde ve hatta hafta içi, hafta sonu bile değişiklik gösterebileceği göz önünde bulundurulmalıdır.

3.  Teste başlamadan önce karşılaştırma yapılacak metrikler tanımlanmalı ve mevcut performans hakkında yeterli bilgi sahibi olunmalıdır. Test sonuçları takip edilmeli, istatistiksel önem değeri kontrol edildikten sonra gerekliyse değişim kararı verilmelidir.

4.  A/B testi yaparken oluşturulan içerik sürümlerinde tek bir öğenin farklı olduğundan emin olun. Bir açılış sayfasına yönelik A/B testi yapılacaksa butonlar, metinler ve görseller her sürümde aynı anda farklılık göstermemelidir.

Test edilecek içeriklerin her birinde birden fazla değişken varsa A/B test sonuçları yanıltıcı olabilir. Aynı anda birçok elementi değiştirerek test etmeyi planlıyorsanız çok değişkenli testleri tercih etmeniz daha faydalı olacaktır.

A/B Testinde En Sık Yapılan Hatalar

• Erken durdurma (peeking): Birkaç günde anlamlılık görüp testi kapatmak; sonuç çoğu zaman yanıltıcı çıkar.
• Çok kısa sürede karar: Hafta içi/hafta sonu farkını kapsamayan testler eksik resim verir.
• Aynı anda çok değişken: Hangi değişikliğin etki ettiğini ayırt edemezsiniz.
• Örneklem hesabı yapmamak: Yetersiz trafikle “kazanan” ilan etmek istatistiksel olarak geçersizdir.
• Sunucu/altyapı yavaşlığını görmezden gelmek: Varyant geç açılıyorsa, kötü çıkan sonuç tasarım değil hız kaynaklı olabilir; bu da testi kirletir.

Son madde çoğu zaman gözden kaçar: A/B testinin sağlıklı olması, iki sürümün de aynı hızda servis edilmesine bağlıdır. Sayfa yüklenme süresindeki küçük gecikmeler bile dönüşüm oranını düşürebilir; bu nedenle deney ortamınızın altında hızlı ve kararlı bir barındırma olması önemlidir. WordPress hosting veya yüksek trafikli projeler için bulut sunucu tarafında LiteSpeed ve LSCache gibi çözümler, varyantlarınızın eşit koşullarda yarışmasını sağlar.

Alastyr Teknoloji; domain (alan adı), web hosting, bulut sunucu (cloud server) ve veri merkezi hizmetleriyle siz de projelerinizi hayata geçirebilirsiniz. Hızlı, güvenli ve ekonomik web çözümlerimizle ihtiyacınız olan performansa sahip olun. İzmir’deki kendi veri merkezimiz, %99.9 uptime, günlük yedekleme ve 7/24 Türkçe desteğimizle, A/B testlerinizin altyapısı sağlam temellere otursun.

Web projeleriniz için uygun fiyatlarla alan adı sorgulayın. Sitelerinizi hızlı, güvenli ve yüksek performansla yayınlayabileceğiniz hosting paketlerine göz atın. Kurumsal mail paketlerimizle işletmeniz için sınırsız e-posta hesapları oluşturun. SSL sertifikası ile de sitenizin güvenliğini ve güvenilirliğini artırın.

Sıkça Sorulan Sorular

A/B testi nedir, kısaca nasıl açıklanır?

A/B testi, bir web sayfası, e-posta veya reklamın iki farklı sürümünü (kontrol ve varyant) gerçek kullanıcılara aynı anda göstererek hangisinin daha çok dönüşüm getirdiğini istatistiksel olarak ölçen bir yöntemdir. Amaç, tahmine değil veriye dayanarak daha iyi performans gösteren sürümü seçmektir.

A/B testi ne kadar sürmeli?

Test, önceden hesaplanan örneklem büyüklüğüne ulaşana kadar sürmelidir. Süre tarafında alt sınır genellikle bir tam haftadır; çoğu uzman en az 2 hafta çalıştırmayı ve 6-8 haftayı aşmamayı önerir. Erken anlamlılık görüp testi durdurmak yanıltıcı sonuçlara yol açar.

A/B testinde kaç ziyaretçi gerekir?

Kesin bir tek sayı yoktur; gereken örneklem mevcut dönüşüm oranınıza ve yakalamak istediğiniz minimum etkiye bağlıdır. Teste başlamadan önce Evan Miller, AB Tasty veya Convert gibi ücretsiz örneklem hesaplayıcılarını kullanarak hedef sayıyı belirlemek en sağlıklı yaklaşımdır. Trafiği düşük siteler anlamlı sonuca daha geç ulaşır.

İstatistiksel anlamlılık neden önemli?

İstatistiksel anlamlılık, iki sürüm arasındaki farkın tesadüf olma olasılığını gösterir. Endüstri standardı %95 güven düzeyidir; yani farkın şansa bağlanma olasılığı %5’in altında olmalıdır. Yüksek riskli değişikliklerde (fiyat, ödeme) %99’a çıkmak, düşük riskli denemelerde %90 yeterli olabilir.

Google Optimize hala kullanılıyor mu?

Hayır. Google Optimize ve Optimize 360, 30 Eylül 2023 tarihinde kapatıldı ve artık kullanılamıyor. Yerine VWO, Optimizely, AB Tasty, Convert gibi ücretli platformlar ile Statsig ve GrowthBook gibi ücretsiz/açık kaynak seçenekler tercih ediliyor.

A/B testi ile çok değişkenli test (MVT) arasındaki fark nedir?

A/B testi tek bir öğenin iki sürümünü karşılaştırır ve daha az trafik gerektirir. Çok değişkenli test ise birden fazla öğenin kombinasyonlarını aynı anda dener; öğelerin birlikte nasıl etkidiğini gösterir ama çok daha fazla trafiğe ihtiyaç duyar. Net bir sorunuz ve sınırlı trafiğiniz varsa A/B, yüksek trafiğiniz varsa MVT daha uygundur.

A/B testinde neden aynı anda tek değişken değiştirilir?

Çünkü aynı anda birden fazla öğeyi değiştirirseniz, sonuçtaki farkın hangi değişiklikten kaynaklandığını ayırt edemezsiniz. Tek değişkenli yaklaşım, neden-sonuç ilişkisini net kurmanızı sağlar. Birden fazla öğeyi birlikte test etmek isterseniz çok değişkenli testi tercih etmelisiniz.

Sayfa hızı A/B testi sonucunu etkiler mi?

Evet. İki sürüm farklı hızlarda açılıyorsa sonuç tasarımı değil hızı ölçer hale gelir. Saniyenin kesirleri bile dönüşüm oranını etkileyebilir; bu yüzden her iki varyant aynı hızlı barındırma altında, eşit koşullarda servis edilmelidir. LiteSpeed ve önbellek (cache) çözümleri bu eşitliği sağlamaya yardımcı olur.

A/B testi sadece web siteleri için mi yapılır?

Hayır. Web sayfaları ve uygulama arayüzleri (site içi) dışında; dijital reklamlar, e-posta bültenleri, sosyal medya paylaşımları ve anlık bildirimler (site dışı) için de A/B testi yapılır. Özellikle e-posta konu satırları ve reklam metinleri, açılma ve tıklama oranlarını artırmak için en çok test edilen alanlardandır.