Bu İçerikte Yer Alan Ana Başlıklar:
• Neden A/B Testi Seçmelisiniz?
• Userspots A/B Test Space Quiz
Bu içerik ile; kullanıcı testi yöntemlerinden biri olan A/B Test’in nasıl yapıldığını, yaparken nasıl ürününüzü özelleştirebileceğinizi ve nelere dikkat etmeniz gerektiğini öğreneceksiniz. Kullanıcılarınızı birkaç gruba bölerek onlara tasarımınızı nasıl sunabileceğinizi, hangi grubun daha çok reaksiyon gösterdiğini nasıl ölçümleyeceğinizi görebileceksiniz.
Userspots'tan A/B Test servisi alabilir ayrıca Userspots Akademi'de online olarak devam eden; Tasarımcılar İçin Veri Eğitimi ve Design Sprint ile UI/UX Eğitimi’ne katılarak “Kullanılabilirlik ve A/B Test” çalışmasını uygulamalı olarak deneyimleyebilirsiniz.
Süreciniz sonunda ortaya çıkan tasarımların hangi versiyonunun daha kullanışlı ve amacınıza yönelik olduğunu kullanıcı üzerinde test etmeye yarayan yöntemdir. Genellikle kullanıcıyı gözlemleyip sonucunda da bunlardan çıkarım yaparak yorumladığınız yöntemlerin aksine, burada sonuç bellidir, hatta yüzdelere dayalıdır. Benzer kullanıcıların eşit sayıda ayrılarak farklı varyasyonları deneyimlediği bu yöntemde cevap, ya A şıkkıdır, ya da B. Fakat bunun doğrusu veya yanlışı yoktur. Tamamen deneysel olan bu yöntemin sonucu; ne kadar insanın, hangi seçenekten ilerleyerek ne sonuca vardığına göre belirlenir.
Güvenilirdir. Uygulamayı düşündüğünüz sürümleri direkt olarak kullanıcı ile paylaştığınız ve onun kendi yol haritasını oluşturmasını izlediğiniz için sonuçlar kullanıcının gerçek davranışlarını ölçer yani bu yüzden gerçekçidir.
Kolaydır. Test edebileceğiniz insan sayısı fazla olabileceği için çok küçük farklılıklardan bile büyük istatistiksel sonuçlar çıkarabilirsiniz yani sonuçları anlamlandırmak kolaydır.
Açıklığa kavuşturur. Çelişen kararlar ve yönergeleri nitel kullanılabilirlik bulgularıyla çözümler. Kullanıcınızın hangi senaryoda istediğiniz sonuca ulaştığını görebilir ve stratejik kararlar alabilirsiniz.
Ucuzdur. Ufak bir yazılım ile kolay bir şekilde kullanıcılara rastgele bir sürüm verebilir ve denemelerini isteyebilirsiniz. Bu süreçte kullanılabilirlik uzmanlarına ihtiyacınız kalmaz ve çok fazla kullanıcıya ulaşabilirsiniz yani ucuzdur.
A/B Testi öncesinde:
1. Test edilecek bir değişken seçin. Ürününüzü test edeceğiniz zaman sonucunu görmek istediğiniz birden çok değişken olduğunu fark edebilirsiniz. Fakat bir değişkenin ne kadar güçlü bir etki yaratmak istediğini görmek için tek bir “bağımsız değişken” seçerek daha doğru sonuçlar elde edebilirsiniz. Aksi halde performanstaki değişikliklerden hangisinin sorumlu olduğundan emin olamayabilirsiniz. Tabii ki bu durum ölçmek istediğiniz özellik veya özelliklerin neler olduğuna göre değişkenlik gösterir. Tek bir değişken yerine birden çok değişkeni test etmenin daha mantıklı olduğu zamanlar vardır.
2. Hedefinizi belirleyin. Birden çok özelliği test edecek olsanız bile birincil bir özellik seçin. Ne sonuçlar elde etmek istediğinizi ve önerdiğiniz değişikliklerin kullanıcı davranışını nasıl etkileyebileceğini düşünmek için daha sonraya kadar beklerseniz, testi en etkili şekilde kuramayabilirsiniz.
3. Örnek gruplarınızı eşit ve rastgele bölün. Daha kesin ve verimli sonuçlar elde etmeniz için geniş bir hedef kitlesi bulun ve bu kitleyi 2 veya daha fazla gruba rastgele bölün.
4. Sonuçlarınızın ne kadar önemli olması gerektiğine karar verin. Hedefinizi belirledikten sonra, bir seçeneği öbürüne tercih etmeyi haklı çıkarmak için çıkan sonuçların ne kadar önemli olması gerektiğini düşünün. Düşüncenize ne kadar güveniyorsanız sonuçlarınız da bu oranda verim sağlayacaktır. İstatistik olarak bunu belirlemeniz A/B Test sürecini yönetmenizde büyük yardım sağlayacaktır.
5. Yalnızca bir test çalıştırdığınızdan emin olun. Tek bir ürün için birden fazla şeyi test etmek sonuçlarınızı karmaşıklaştırabilir. Örneğin, kullanıcıya sunduğunuz test giriş sayfasıyla alakalı ve aynı anda sunduğunuz ikinci test ise bu sayfadan yaptığı tıklamayla ulaştığı kampanya sayfası. Böyle durumlarda hangi testin neyi tetiklediğinin ayrımını yapmak güçleşir. Hangisinin ne ölçüde kullanışlı olduğunu anlayamayabilirsiniz.
Test boyunca:
6. Uygun aracı seçin. Yapacağınız teste en uygun olacak aracı seçmek için araştırma yapın. Buradaki kriterleriniz kişi sayınız, test edeceğiniz ürün ve test edeceğiniz içerik olabilir. Google Analytics' Experiments, Hubspot gibi araçlardan yararlanabilirsiniz.
7. Her iki varyasyonu aynı anda test edin. Bu testte zamanlama önemli bir rol oynar. Hangi gün, saat hatta hangi ay olduğu bile test sonuçlarının değişiklik göstermesinde etkili olabilir. Bu nedenle karşılaştıracağınız iki varyasyonu da aynı koşullarda/zamanlarda yapmak daha gerçekçi sonuçlar elde etmenizi sağlar. Farklı zamanlarda yaptığınız test sonuçlarının ürününüzle alakalı mı yoksa mevsim/saat farkından dolayı mı o sonucu verdiğini anlayamayabilirsiniz.
8. Yeterince zaman verin. Önemli bir örnek boyutu elde etmek için testinizin yeterince uzun süre çalışmasına izin verdiğinizden emin olun. Aksi takdirde, iki varyasyon arasında istatistiksel olarak anlamlı bir fark olup olmadığını söylemek zor olacaktır.
9. Gerçek kullanıcılardan geri bildirim alın. Gerçek kullanıcılardan geri bildirim almak testinizi geliştirmenizi sağlayacaktır. Gerçekten deneyimleyen bireylerin geri bildirimleri sizin için bir hazine niteliğindedir. Daha sonraki testlerinizde hata payını sıfıra indirmeye destek olacaktır. Anket benzeri yöntemleri geri bildirim almak için kullanabilirsiniz.
A/B Test'ten sonra:
10. Hedef ölçümünüze odaklanın. Birden fazla metriği ölçecek olsanız da, analizinizi yaparken asıl hedefiniz olan birincil hedef metriğe odaklanın.
11. Sonuçlarınızın önemini ölçün. Hangi varyasyonun en iyi performansı gösterdiğini belirlediğinizde, sonuçlarınızın istatistiksel olarak anlamlı olup olmadığını belirleyin. Bu sayede yüzdesi yüksek olan metriğin yeterli oranda olup olmadığını ölçün. Çünkü bir yüzdenin diğerinden fazla olması her zaman onun daha iyi olduğunu göstermez. Bunu öğrenmek için, istatistiksel anlamlılık testi yapmanız gerekir. Bunu manuel olarak yapabilir veya çeşitli online araçlar kullanabilirsiniz.
1. Depo kiralama firması, mobil giriş sayfası. Depo rezervasyonlarını arttırabilmek için tasarlanan yeni bir sayfa için A/B testi uygulanıyor. Soldaki tasarım uygulamanın orijinal giriş sayfası. Sağdaki yeni tasarım kullanıldığında siteye kayıt ve çağrı merkezi aramaları %40 artış göstermiştir. Sağ taraftaki tasarımda ise rezervasyon oranları %23 artış göstermiştir.
2. Firma, mobil sitelerinde depolama alanlarının rezervasyon oranlarını arttırmak için farklı buton renklerinin etkisini ölçmek üzere A-B testine başvuruyor. Orijinal buton rengi mavidir. Araştırmalar mavi rengin insanlarda güven duygusunu çağrıştırdığını gösterir. Buna ek olarak araştırma sonuçlarında turuncu rengin kullanıcılarda ürünün ucuz olduğu hissini uyandırdığı gözlemleniyor. Aynı zamanda turuncu renk, hareket halindeki kullanıcıda hızlı karar verme dürtüsünü tetikliyor. Sonuç olarak turuncu buton rezervasyon oranını %7,8, mobil site trafiğini de %12,3 arttırmıştır.
3. Bir e-ticaret sitesinin satışlarını arttırmak amacıyla giriş sayfası yerleşimini test ettiği bir A/B testidir. Orijinal giriş sayfasında: üstte yatay, solda dikey bir navigasyon tasarımı ve kampanyaların öne çıkarıldığı bir sayfa mevcut. Yeni tasarımda ise soldaki navigasyon kaldırılmış ve ürünler sınıflandırılarak sergilenmiştir. Daha sade görünen ikinci tasarım satışlarda %34,7 artış sağlayarak testin kazananı olmuştur.
4. Bir e-ticaret firması iki farklı arama barı için A/B testi yapıyor. Birinci tasarımda sade bir arama barı kullanılıyor. İkinci tasarımda öneri sunan bir arama barı kullanılıyor. Sitede öneride bulunan arama barı kullanıldığında, satışlarda %5, site ziyaretlerinde %8 artış saptanmıştır.
Bu 4 farklı örneğe baktığımızda, A/B Testin kendi içinde de farklılaştığını söylemek yanlış olmaz. Kimisinde sadece renk, kimisinde bir buton, kimisindeyse sayfanın tamamen hiyerarşik düzeni test edilebilir. Bu nedenle her A/B Test, her ürüne uygulanamaz. Ürününüz için en iyi A/B Testi seçmek için mutlaka yukarıdaki 11 Adımdan yararlanın.
