Ciddiye Almamanız Gereken 10 Dönüşüm Optimizasyonu Tavsiyesi

Hiçbir pazarlama uygulaması kolay değildir. Hangeldiyev dijital reklam ajansının kurucusu Atamyrat Hangeldiyev, bu makalede birtakım tanınan CRO (dönüşüm oranı optimizasyonu) kavram yanılgılarından ve bunların olağandışı gerçeklerinden bahsediyor.

Dönüşüm oranı optimizasyonu ile ilgili epeyce fazla içerik mevcuttur. Kimileri epey kalitelidir, lakin birçoğu maalesef tıpkı saçmalıkları anlatmaktadır. İşte bu saçmalıkları ayrıntılıca inceleyelim.

Öncelikle şunu söyleyeyim, dönüşüm oranı optimizasyonu kolay bir şey değildir, satış ve pazarlama bahislerine da hakim olmanız gerekmektedir. Masanızın üzerindeki kalemi bile satamıyorsanız dijital pazarlamadan muhakkak uzak durmanızı öneririm, zira bu işte amatörler asla başarılı olamaz, ya da konuttan meskene dolaşıp bir şeyler satarak satış konusunda kendinizi gereğince geliştirdikten sonra dijital pazarlamaya adım atabilirsiniz.

Peki o vakit dönüşüm oranı optimizasyonu ile ilgili kavram yanılgılarına ve bunların olağan dışı gerçeklerine göz atalım.

1. Yanlış Kanı: Herkes yapabilir

Dönüşüm optimizasyonunda güzel sonuç elde etmek için takımınızda maharetli insanlara gereksiniminiz var. Dönüşüm oranı optimizasyonu takımı ekseriyetle şunları içermelidir:

• İki yahut üç dönüşüm optimizasyonu uzmanı
• UX tasarımcı
• Front-end developer
• Müşteri araştırma uzmanı (part-time olabilir)
• Analiz uzmanı (part-time olabilir)
• Veri analisti (part-time olabilir)
• Ürün yahut program yöneticisi, işinize bağlı.

Tüm bu farklı iş çeşitleri ve sorumlulukları ile, tek kişi hepsini nasıl yapabilir? Herkes Chuck Norris değildir.

1. Yanlış Kanı: En yeterli CRO uygulamaları mevcuttur

Herkes en yeterli uygulamaları ister, fakat dönüşüm optimizasyonunda en uygun uygulama diye bir şey yoktur. Zira bir web sitesinde işe yarayan uygulama bir öteki sitede çalışmayabilir.

Örneğin, CaffeineInformer ve Booking.com her ikisi de tıpkı gezinme menülerini test etmiştir, ve CaffeineInformer’de işe yarayan menü Booking.com’da âlâ sonuç sağlamamıştır.

CaffeineInformer, hamburger menüsünü (üç çubuktan oluşan simge) kenarlıklı ve kenarlıksız klâsik söz menüsüne karşı test ederek sonuçları ayrıntılıca yayınlamıştır. Kutulu menü sonuçlarının, kenarlıksız menüden daha sık tıklandığını ve hamburger menüsünün de kullanım göstermediğini görebilirsiniz.

Rakipleriniz size ilham verse de, sitelerinde kullandıkları şeyler birçok vakit sizin sitenizde işe yaramayabilir. Üstteki örnekte, bu küçük bir değişikliktir, lakin şirketlerin yüz binlerce dolara mal olan ve sitelerinde olumsuz bir tesir yaratan bir değişiklik hakkında bahis yaptıkları görülmüştür.

Tavsiyem bölümünüzü takip etmek ve öbür sitelerden ilham almak, lakin sitenizde bir değişiklik yapmadan evvel araştırma, prototipleme ve kullanılabilirlik testleri ile emin adımlarla yürümek (özellikle de proje büyükse). Hamburger menüsü üzere küçük bir şey ise, işe koyulun ve test edin, lakin kendinize şunu sorun, bu değişiklik ile sahiden ne elde etmeye çalışıyorum? Başlamak için konseptin geçerliliğini düşünün ve siteniz için sahip olduğunuz genel yol haritasına uyup uymadığına bakın.

1. Yanlış Kanı: Dönüşüm oranı optimizasyonu A/B testidir

• A/B testi dönüşüm oranı optimizasyonu sürecinin yalnızca bir modülüdür.
• Dönüşüm oranı optimizasyonu için kullandığımız metodoloji şöyledir:
  • İnce eleyip sık dokumak,
  • Varsayımda bulunmak,
  • Uygulamak,
  • Yaymak.

Dönüşüm oranı optimizasyonu yapmak için harcadığımız vaktin yüzde 70’inden fazlası, sürecin evresini dikkatle incelemektir (planlamak). Datalar tarafından desteklenmeyen plansız bir test ekseriyetle uygun sonuç vermez.

Dönüşüm optimizasyonu hakkında konuştuğumuzda, tasarım kanısına, yenilikçiliğe ve yaratıcılığa odaklanmamız gerekir. Sonuçta, bir tecrübesi optimize ediyor ve bu tecrübesi site ziyaretçisi için yeni bir düzeye getiriyorsunuz. Ziyaretçiyi sadece müşteriye dönüştürmekle kalmayıp, akılda kalacağı unutulmaz, eğlenceli bir tecrübeye sahip olduğundan emin olmak için karmaşık sıkıntılara tahlil getiriyorsunuz.

Bunu başarmak mutlaka kolay değildir!

1. Yanlış Kanı: Kolay bir değişiklik bile elde edeceğiniz sonucu etkiler

Bazen kolay bir değişiklik tesirli olabilir. Lakin kendimizi kandırmayalım: bu istisnadır, kural değil.

Sitenizdeki bir renk değişikliğinin dönüşümü yüzde 40 ila yüzde 50 oranında artıracağını sanmak yeterli bir fikir değildir. Birisi bu hususta benimle tartıştığında, çabucak “Test ne kadar sürdü?” ve “İstatistiksel güce ulaştı mı?” diye merak ederim.

BlueStout.com‘dan Allen Burt, Shane Barker‘ın blogunda bu mevzu ile ilgili şunu demiştir:

“Dönüşüm oranını nasıl artırabileceğimiz ve nasıl optimize edebileceğimiz hakkında konuşmayı seviyorum, zira birçok site, bilhassa de e-ticaret işi yapanlar bunu yanlış anlıyor. Bu bireyler dönüşüm optimizasyonunun büsbütün A/B testi olduğunu ve farklı renkleri deneme ile ilgili olduğunu düşünmektedir. Gerçekte, küçük ve orta ölçekli işletmelerin %90’ı için, sitenizde dönüşüm oranını artırmak için yapabileceğiniz bir numaralı değişiklik, verdiğiniz iletidir.”

Kestirmelerden uzak durun; kullanılabilirlik mevzularının ele alınması gerekir ve “Ödeme Sürecine Devam Et” sözü üzere kritik davetleri ve renkleri test etmek uygun bir denemedir. Fakat, kolay değişikliklerin sonuçlarınızda değerli bir tesir yaratmasını beklemeyin.

Başarılı bir dönüşüm oranı optimizasyonu programının değerli bileşenlerinden biri, bunun ardındaki yaratıcılıktır. Testlerle sonları zorlayın, yeni şeyler deneyin, ve sıradanlığa alışmış olan ziyaretçiyi heyecanlandırın.

1. Yanlış Kanı: A/B testi her şeydir

Geçmişte, en küçük butondan ana resme kadar her şeyde A/B testi uygulama ile ilgili güçlü bir vurgu vardı. Lakin artık, işler değişti ve A/B testini farklı görmekteyiz.

Bazı şeylerin yalnızca sitede sabitlenmesi gerekiyor. Kullanılabilirlik probleminin anlaşılması yahut sık karşılaşılan meselelerin giderilmesi durumunda dönüşümlerin arttığını anlamak için A/B testi yapmaya gerek yok. Bir A/B testinin yapılmasının gerekip gerekmediğini belirlemek için gerekli olan tek şey kolay bir araştırma olabilir.

Bir siteyi değerlendirirken, meseleleri buluyoruz ve daha fazla hareketi belirlemeye yardımcı olması için bu meselelere kümeler halinde tahlilleri sınıflandırıyoruz. İşte dört temel küme:

• Alanlar ve problemler test için kıymetlendirilir. Bunları bulduğumuzda, araştırma fırsatları grubuna yerleştiririz.
• Bazı alanlar test edilmeye gereksinim duymaz, zira bunlar tutarsızlıktan muzdariptir ve yalnızca düzeltilmesi gerekir. Bu problemleri hemen düzeltilmesi gerekenler grubuna yerleştiririz.
• Diğer alanlar üstteki iki kümeden birine yerleştirmeden evvel sorun hakkında daha fazla bilgi sahibi olmamızı ve anlamamızı gerektirebilir, bu yüzden bunu daha fazla araştırma kümesine yerleştiririz.
• Herhangi bir site değerlendirmesinde, bir etiketin yahut aktifliğin bulunmadığını ve makul bir sayfa yahut öge hakkında kâfi bilgi sağlamadığını görebilirsiniz. Bu, sınıflandırma aracı kümesine yerleştirilir.

1. Yanlış Kanı: İstatistiksel anlamlılık en değerli metriktir

Dönüşüm optimizasyonu ile ilgili şunu her vakit duyarız: Test yüzde 95 istatistiksel inancı sağladı, bu yüzden bu testi durdurmalıyız. Fakat, geriye dönüp teste baktığınızda, orjinal ve varyasyon ortasında yalnızca 50 dönüşüm toplanmıştır (her biri için yaklaşık 25) ve test yalnızca iki gün sürmüştür.

Bu kâfi bilgi değildir.

Bir A/B testi başlatırken göz önünde bulundurulması gereken birinci adım örneklem büyüklüğünü hesaplamaktır. Örneklem büyüklüğü, testin yapılmasından evvel ulaşmanız gerekeceğine inandığınız ziyaretçi sayısı, dönüşüm sayısı ve beklenen artışa dayanmaktadır.

Hubspot.com‘daki bir blog yazısında, WPEngine’nin Carl Hargreaves‘i şunları söylemiştir:

“Sayfanız için gerçekçi bir sayı seçmeniz gerektiğini unutmayın. Hepimiz test etmek için milyonlarca kullanıcıya sahip olmayı istesek de, çoğumuz bu lükse sahip değiliz. Maksat örneklem büyüklüğüne ulaşmadan evvel testinizi ne kadar sürdürebilmeniz gerektiğini iddia etmenizi öneririm.”

İkincisi, istatistiksel gücü düşünün. Minitab.com’a nazaran, “İstatistiksel güç, bir testin gerçekte var olan bir farklılığı (veya etkiyi) tespit etme mümkünlüğüdür.”

Bir A/B testinin, varyasyonlar ortasındaki dönüşüm oranlarındaki bir değişikliği tespit etme mümkünlüğü, yeni dizaynın tesirine bağlıdır. Tesir büyükse (dönüşümlerde yüzde 90’lık bir artış gibi), A/B testinde tespit edilmesi kolay olacaktır.

Etki küçükse (dönüşümlerde yüzde 1 artış gibi), A/B testinde tespit edilmesi sıkıntı olacaktır.

Ne yazık ki, gerçek tesir büyüklüğünü bilmiyoruz! A/B testinin gayelerinden biri bunu kestirim etmektir. Etki büyüklüğünün seçimi her vakit biraz rastlantısaldır ve fizibilite konuları ekseriyetle çok kıymetlidir.

1. Yanlış Kanı: Bir seferde yalnızca bir şeyi değiştir

Bazı beşerler, değişimin tesirlerini anlamak için yavaşça hareket ederler ve bir seferde bir değişiklik yaparlar. Test ederken, testle ilgili bir hipotez oluşturursunuz ve bu bir yahut daha fazla ögesi içerebilir.

Şablonun ayarlanması (örneğin, sırf pozisyonların değiştirilmesi ve ögelerin tasarımı) değil; Bu, ziyaretçilerin görebileceği ve hissedebileceği bilgiye dayalı değişikliklerle sonuçlanan bilgilerle desteklenen bir hipoteze karşı test yapmaktır.

1. Yanlış Kanı: Her seferinde birden çok değişiklik yap

Yukarıdaki 7 numarada belirtilen olayın tam zıddı. Bazen bir hipotezin bulanık hale geldiğini görürüz zira öteki değişiklikler tek bir test içinde yer alır. Bu, sonuçların güvenilirliğini ve hangi ögenin testi etkilediğini deşifre etmeyi zorlaştırır.

Her vakit hipoteze sadık kalın ve hipotezinizin sitede yaptığınız değişikliklerle eşleştiğinden emin olun.

1. Yanlış Kanı: Yaygın kullanılmayan ögelerden kaçınılmalıdır

Carousel’lerin işe yaradığına inanmayan bir müşterimiz vardı. Ben de carousel’leri sevmem açıkçası, lakin bu müşteri spesifik bir eser sattığı için, carousel’lerin gerekli olduğunu ve kullanılmaları gerektiğini düşündük.

Ancak, müşterileri şikayetçi oluncaya kadar bu müşterimiz direndi. O vakte kadar, müşterimiz, döner carousel’lerin ziyaretçilere gereksinim duydukları şeyi bulmalarına yardımcı olacağını ve sattıkları eser yelpazesine genişlik katacaklarını fark etmedi.

Araştırma size bir ögenin sizin için bir tahlil sunabileceğini gösteriyorsa, onu büsbütün kaldırmadan evvel test edin.

1. Yanlış Kanı: Dönüşüm oranı optimizasyonu için siteniz çok küçük

Dönüşüm oranı optimizasyonu (CRO) sadece testle ilgili değildir. CRO, ziyaretçilerinizi anlamak ve onlara daha ilgi cazibeli bir tecrübe sunmakla ilgilidir. Rastgele bir boyuttaki siteye sahip olan dijital pazarlamacılar ve web yöneticileri CRO’nun uygulanmasını sağlamalıdır.

Teorilerinizi haklı çıkaracak bir trafiğiniz varsa, test edin! Aksi takdirde, sitenizi daima olarak güncelleyin ve tahlillerinizle yahut kullanılabilirlik testi aracılığıyla değerli metriklerin gözlemlenmesi yoluyla değişikliklerinizi ölçün.