Reklam metinleriniz için farklı yaklaşımlarla A/B test varyasyonları hazırlayın
📝 Prompt
Sen bir conversion rate optimization (CRO) uzmanısın ve A/B test metodolojilerinde PhD düzeyinde eğitime sahipsin. yüzlerce test yönetmiş ve milyonlarca dolarlık dönüşüm artışı sağlamış bir profesyonelsin. Işık Universityde dijital pazarlama dersleri vermiş, Moz ve HubSpot gibi şirketlere danışmanlık yapmış bir uzmansın. Aşağıdaki görevi eksiksiz ve detaylı şekilde yerine getir:
GÖREV: [ELEMENT TİPİ] için A/B test varyasyonları oluştur. Mevcut kontrol versiyonu ile karşılaştırmalı olarak her varyasyonun hipotezini, tasarımını ve beklenen etkisini açıkla.
TEST PARAMETRELERİ:
- Test edilecek element: [başlık, görsel, CTA butonu, form alanı, fiyat gösterimi, navigasyon, renk şeması]
- Mevcut performans: [kontrol versiyonunun mevcut metrikleri - CTR, conversion rate, bounce rate]
- Hedeflenen iyileşme: [yüzdelik hedef - gerçekçi beklenti %5-20 arası]
- Test süresi: [minimum gün sayısı - istatistiksel anlamlılık için en az 1 tam hafta]
- Minimum örneklem büyüklüğü: [gereken trafik hesaplaması]
- Güven düzeyi hedefi: [%95 standart, %99 için daha fazla veri gerekli]
KONTROL VERSİYONU ANALİZİ:
"Mevcut versiyon: [Kontrol içeriği tam olarak ne]
Mevcut performans: [metrikler ve değerler]
Güçlü yönler: [neler işe yarıyor ve neden analizi]
Zayıf yönler: [nerelerde iyileşme gerekiyor ve gözlemlenen sorunlar]
Kullanıcı geri bildirimleri: [varsa anket, kullanıcı testi sonuçları]"
VARYASYON GRUBU A: HİPOTEZ TESTİ
Variyasyon A1 - [DEĞİŞİKLİK TİPİ]:
Hipotez: [Bu değişikliğin neden işe yarayacağını açıklayan teorik temel - davranışsal psikoloji veya UX prensiplerine referans]
Değişiklik: [Tam olarak ne değişecek - spesifik detaylar]
Tasarım: [Görsel veya metinsel detaylar - renk kodları, font boyutları, kelime seçimleri]
Beklenen etki: [Yön (+/-) ve büyüklük (yüzde)]
Güven düzeyi: [A/B test sonrası beklenen istatistiksel güven]
Uygulama önceliği: [Yüksek/Orta/Düşük - potansiyel etkiye göre sıralama]
Variyasyon A2 - [DEĞİŞİKLİK TİPİ]:
[Aynı format]
Variyasyon A3 - [DEĞİŞİKLİK TİPİ]:
[Aynı format]
VARYASYON GRUBU B: DAVRANIŞSAL PSIKOLOJI TESTLERİ
Variyasyon B1 - [SOSYAL İSPAT]:
Hipotez: [Sosyal ispat teorisi - Robert Cialdini prensibi - insanların diğerlerinin davranışlarından etkilendiği]
Değişiklik: [Müşteri yorumları, sayılar, logolar, endorsement lar]
Tasarım: [Gösterilecek sosyal kanıt türü, konumu, boyutu]
Beklenen etki: [Güven artışı veya satış artışı yüzdesi]
Uygulama önceliği: [Yüksek/Orta/Düşük]
Variyasyon B2 - [SKINNERIAN OLABİLİRLİK]:
Hipotez: [Değişken ödül sistemi - B.F. Skinnerin fare kutusu deneyi - belirsizlik heyecanı yaratır ve tekrar davranışını teşvik eder]
Değişiklik: [RNG elementi, rastgele ödül gösterimi, gamification elementleri]
Tasarım: [Nasıl rastgele ödül gösterilecek, hangi ödüller, hangi frekans]
Beklenen etki: [Etkileşim artışı, süreklilik yüzdesi]
Uygulama önceliği: [Yüksek/Orta/Düşük]
Variyasyon B3 - [ZAMAN FENOMENİ]:
Hipotez: [Sınırlı süre bilincinin satın alma davranışını hızlandırması - urgency bias]
Değişiklik: [Geri sayım, zaman sınırlı teklif, müsaitlik göstergesi]
Tasarım: [Zaman göstergesinin konumu, boyutu, rengi, sesli/ görsel uyarı]
Beklenen etki: [Aciliyet artışı, erken satın alma yüzdesi]
Uygulama önceliği: [Yüksek/Orta/Düşük]
Variyasyon B4 - [SAYIM ETKİSİ]:
Hipotez: [Sınırlı sayı bilincinin değer algısını artırması - scarcity principle]
Değişiklik: [Stok göstergesi, kalan miktar, sınırlı sayı]
Tasarım: [Nasıl gösterilecek, eşik değerleri, renk kodlaması]
Beklenen etki: [Değer algısı artışı, sepete ekleme artışı]
Uygulama önceliği: [Yüksek/Orta/Düşük]
VARYASYON GRUBU C: KOGNITIF YÜK TESTLERİ
Variyasyon C1 - [DÜŞÜK KOGNITIF YÜK]:
Hipotez: [Az seçenek = daha kolay karar = daha yüksek dönüşüm - Hick-Hendy Yasası]
Değişiklik: [Seçenek sayısının azaltılması, daha basit form]
Tasarım: [Kaç seçenek kalacak, hangileri çıkarılacak]
Beklenen etki: [Karar yorgunluğunun azalması, dönüşüm artışı]
Uygulama önceliği: [Yüksek/Orta/Düşük]
Variyasyon C2 - [YÜKSEK KOGNITIF YÜK]:
Hipotez: [Çok seçenek = değer algısı = daha yüksek sepet değeri - variety seeking]
Değişiklik: [İlgili ek ürün önerileri, paket seçenekleri, cross-sell]
Tasarım: [Ek ürün öneri konumu, görünümü, öneri motoru mantığı]
Beklenen etki: [Ortalama sepet değeri artışı, AOV]
Uygulama önceliği: [Yüksek/Orta/Düşük]
Variyasyon C3 - [VİSUAL HIERARCHY]:
Hipotez: [Görsel hiyerarşi ile dikkat yönlendirme - gestalt prensipleri]
Değişiklik: [CTA butonu boyutu, rengi, konumu değişiklikleri]
Tasarım: [Hangi element ön plana çıkarılacak, göz yolu analizi]
Beklenen etki: [CTA tıklanma artışı, genel dönüşüm artışı]
Uygulama önceliği: [Yüksek/Orta/Düşük]
TEKNİK UYGULAMA REHBERİ:
Test için gereken minimum trafik hesaplaması:
- Formül: [ Minimum örneklem = (16 x σ²) / (μ1 - μ2)² ]
- Pratik hesap: [Mevcut conversion rate ve expected lift için gerekli haftalık trafik]
- Segmentasyon: [Mobil/desktop, yeni/returning, traffic source]
Rastgele dağılım yöntemi:
- Cookie bazlı: [Avantajları, dezavantajları]
- Session bazlı: [Avantajları, dezavantajları]
- User ID bazlı: [Avantajları, dezavantajları - en doğru ama gereksinimler]
İstatistiksel anlamlılık hesaplama:
- Güven aralığı formülü: [Standart hata hesaplaması]
- P-value yorumlama: [P<0.05 = anlamlı, P<0.01 = çok anlamlı]
- Minimum detectable effect: [Kaç % fark tespit edilebilir]
Erken durma kriterleri:
- Sample size reached: [Örneklem büyüklüğü yeterli]
- Statistical significance reached: [P<0.05 ve yeterli güven aralığı]
- Time-based cutoff: [Test süresi doldu]
- Danger zone: [Negatif sonuç çok belirgin ve devam etmenin maliyeti yüksek]
Çoklu karşılaştırma düzeltmesi:
- Bonferroni correction: [Ne zaman kullanılır, nasıl uygulanır]
- False discovery rate: [Alternatif yöntem]
- Winner declaration: [Kriterler ve prosedür]
BAŞARI KRİTERLERİ:
- Birincil: [dönüşüm oranı, tıklama oranı - hangi metrik optimize ediliyor]
- İkincil: [hata oranı, form tamamlama süresi, bounce rate]
- Üçüncül: [müşteri memnuniyeti, NPS, geri dönüşüm oranı]
- Guardrail metrics: [Performansın kötüleşmemesi gereken metrikler]
ÇIKIŞ FORMATI:
Her varyasyon için yukarıdaki detaylı formatı kullan. Tablolar ve görsel açıklamalar ekle. Test öncelik sıralaması yap.
💡 Kullanım İpuçları
1. A/B testlerini rastgele başlatmayın. Yeterli veri toplamadan sonuç çıkarmak yanıltıcı olabilir. Genel kural: istatistiksel anlamlılık için en az 1000 görüntülenme ve haftalık veri gereklidir.
2. Aynı anda çok fazla varyasyon test etmeyin. Her seferinde sadece bir değişkeni değiştirin. Çoklu değişkenler sonuçların yorumlanmasını zorlaştırır ve yanlış pozitif riskini artırır.
3. Test süresini belirlerken hafta içi/hafta sonu farklılıklarını, mevsimsellik etkilerini ve kampanya dönemlerini göz önünde bulundurun. En az 2 tam iş döngüsü (hafta) veri toplayın.
4. Negatif sonuçları da kaydedin. Bir testin başarısız olması, öğrenme açısından başarılı demektir. Başarısız testlerden öğrenilen dersler gelecek testleri iyileştirir.
5. Test sonuçlarını uygulamadan önce istatistiksel anlamlılığı kontrol edin. %95 güven düzeyi standart eşiktir, %99 daha güvenli ama daha fazla veri gerektirir.
6. Guardrail metrics belirleyin. Bazı değişiklikler bir metriği iyileştirirken diğerini kötüleştirebilir. Dönüşüm artışı için memnuniyetten ödün vermeyin.