Google Ads reklamınıza kullanıcı geliyor ama açılış sayfasındaki hangi düzenin gerçekten daha iyi müşteri ürettiğini bilmiyor musunuz? Başlık, form konumu, güven unsurları veya iletişim çağrılarını geliştirirken tahmine değil kontrollü deneye ihtiyacınız var. Bu rehberde A/B testinin adımlarını, hangi araçla uygulanabileceğini, nitelikli lead ölçümünü ve iki varyantın gerçekçi örnek hesaplarını gösteriyoruz.
Bu yazı landing page'in temel tanımını tekrarlamaz. Google Ads kampanya deneyleriyle site içi ziyaretçi randomizasyonu arasındaki farkı açıklar ve “B'de daha çok form geldi, öyleyse B kazandı” varsayımının neden tehlikeli olabileceğini gösterir.
Google Ads landing page A/B testi nasıl yapılır?
Önce tek bir değişken ve ölçülebilir hipotez belirleyin. Uygun trafik iki sürüme rastgele dağıtılırken kampanya koşulları ve dönüşüm ölçümü olabildiğince aynı tutulmalı. Form sayısı yanında yanıtlanan çağrı, nitelikli lead ve bu lead'in maliyeti karşılaştırılmalı. Google Ads deneyleri uygun kampanyalarda işe yarayabilir; site içi A/B testi farklı bir randomizasyon altyapısı gerektirir. Yeterli veri olmadan kazanan ilan etmeyin.
Landing Page A/B Testi Nedir, Normal Sayfa İyileştirmesinden Farkı Ne?
Google Ads açılış sayfasında A/B testi, benzer koşullarda gelen uygun kullanıcıların rastgele iki alternatif sayfaya veya sayfa sürümüne yönlendirilip sonuçların önceden belirlenmiş bir ölçüte göre karşılaştırılmasıdır. A sürümü kontrol, B sürümü değişiklik olarak tanımlanır. Örneğin A'da teklif formu sayfanın altında, B'de ilk görünür içerik bölümünde olabilir. Değişimin işe yaradığı yalnız tasarım zevkinden değil, ölçülen sonuçlardan anlaşılır.
Her trafik karşılaştırması A/B testi değildir. Pazartesi eski sayfayı, salı yeni sayfayı kullanıp form sayısını karşılaştırırsanız hafta içi davranışı, rakip reklamları veya bütçe değişiklikleri sonucu etkileyebilir. Benzer biçimde mobil kullanıcıları A'ya, masaüstünü B'ye göndermek tarafların yapısal olarak farklı olmasına yol açar. Rastgele bölüşüm ve tutarlı ölçüm yapılmadan nedensel sonuç iddiası kurulmaz.
| Yöntem | Ne yapar? | Ne söyleyebiliriz? |
|---|---|---|
| Önce–sonra karşılaştırması | Eski ve yeni sayfa farklı zamanlarda yayınlanır. | İlişki görülebilir; dış değişkenler ayrışmayabilir. |
| Gerçek A/B testi | Uygun trafik kontrol ve varyanta rastgele ayrılır. | Doğru kurgulanırsa sayfa değişiminin etkisi daha güvenilir ölçülebilir. |
| Çok değişkenli test | Birden fazla öğenin kombinasyonları karşılaştırılır. | Daha fazla trafik ve sıkı deney tasarımı gerektirebilir. |
İyi bir açılış sayfasının temel bileşenlerini yeniden anlatmıyoruz. Bunun için mevcut Google Ads landing page rehberimize bakabilirsiniz. Bu makalenin odağı, hangi değişikliğin yararlı olduğunu ölçmek.
Teste Başlamadan Önce Hipotez, Başarı Ölçütü ve Koruma Metriklerini Nasıl Belirlersiniz?
“B tasarımı daha modern olsun” bir tasarım isteğidir; tek başına ölçülebilir deney hipotezi değildir. Daha iyi başlangıç: “Mobilde formu ilk anlamlı içerik alanına taşırsak, hizmetle uyumlu başvuru oranı artar; buna karşılık spam başvuru oranı yükselmez.” Bu ifade test edilen değişikliği, etkilenecek kullanıcıyı, ana sonucu ve olası yan etkiyi belirtir.
| Karar | Örnek | Neden gerekli? |
|---|---|---|
| Birincil metrik | Nitelikli müşteri başvurusu / uygun ziyaretçi | Testin asıl iş hedefini tanımlar. |
| İkincil metrik | Form gönderimi, gerçek telefon görüşmesi | Hangi aşamanın değiştiğini gösterir. |
| Koruma metriği | Spam oranı, yanıtlanmayan çağrı, hata oranı | Görünürdeki kazancın gizli maliyetini izler. |
| Minimum faydalı etki | Örneğin nitelikli lead başına maliyette anlamlı düşüş | Çok küçük farkların operasyonel karşılığını sorgular. |
| Karar zamanı | Önceden tanımlanmış süre ve örneklem koşulu | Günlük dalgalanmaya göre testi erken bitirmeyi önler. |
Telefon butonu tıklamasını tamamlanmış telefon görüşmesi, WhatsApp'a geçişi de doğrudan satış gibi saymayın. Önce iletişim zincirini tıklama var ama telefon gelmiyor kontrol rehberimizde anlattığımız gibi doğrulayın.
A ve B Sayfalarında Neyi Değiştirmelisiniz? Örnek Hipotez Tablosu
İlk testlerde, sonucu açıklamaya yetecek kadar sınırlı bir değişken seçmek daha anlamlıdır. Hem teklif formunu, hem fiyat bilgisini, hem referansları, hem de başlıkları aynı anda değiştirirseniz sonuç farklı olsa bile hangi kararın etki yarattığını ayırt edemezsiniz. Sayfanın temel hizmet vaadi ve reklamın arama niyeti iki sürümde de korunmalıdır.
| Test | A: Kontrol | B: Alternatif | Başarı metriği |
|---|---|---|---|
| Form konumu | Hizmet açıklamasından sonra form | İlk anlamlı ekranda kısa form | Nitelikli form oranı |
| Telefon CTA | Teklif al | Çalışma saatine uygun “Bizi arayın” | Yanıtlanan ilgili çağrı oranı |
| Güven kanıtı | Genel marka açıklaması | İzinli, doğrulanabilir proje örneği | Nitelikli başvuru oranı |
| Fiyat yaklaşımı | Fiyat bilgisi yok | Gerçek koşullarıyla açıklanan başlangıç fiyatı | Nitelikli lead maliyeti |
Tablodakiler hipotez örnekleri; B seçeneğinin mutlaka kazanacağını söylemiyor. İddia veya gerçek dışı referansla test yapılmaz. Açılış sayfasındaki telefon, WhatsApp ve teklif CTA'larını ayrıntılandırmak için CTA tasarımı rehberimizi kullanabilirsiniz.
Reklam metninde sunulan hizmet, sayfadaki açıklama ve formda istenen bilgiler birbirini karşılamalı. Testte amaç daha gösterişli vaat değil, kullanıcı ihtiyacının daha açık ve güvenilir karşılanmasıdır.
Google Ads Kampanya Deneyi ile Site İçi A/B Testi Aynı Şey mi?
Hayır. Google Ads'teki Experiments, uygun kampanyalarda orijinal kampanya ile deney kolunun performansını belirlenen trafik/bütçe bölüşümü üzerinden karşılaştırmaya yarar. Bu deneyde değişken yalnız landing page ise, uygun kampanya ve reklam URL yapılandırması doğrulandıktan sonra sayfa varyantları karşılaştırılabilir. Ancak ayarlar, anahtar kelimeler, teklifler ve sayfa aynı anda değişiyorsa elde edilen farkı yalnız sayfaya atfetmek mümkün değildir. Kampanya deneylerini otomatik tekliflerin öğrenme döneminden ayrı değerlendirmek gerekir.
Site içi A/B testi ise uygun ziyaretçileri web uygulamasında iki sürüme atayıp varyantı analitik olaylarla birlikte ölçer. Google Ads dönüşüm verileriyle ilişkilendirilebilir; fakat GA4 tek başına trafik randomizasyonu yapan bir A/B test motoru değildir. Bu iş için güvenli deney altyapısı veya uygun üçüncü taraf araç gerekir. Google Optimize ve Optimize 360 30 Eylül 2023 itibarıyla kullanımdan kaldırıldı; güncel kılavuzlarda aktif çözüm gibi önerilmemelidir.
| Durum | Yöntem | Kritik not |
|---|---|---|
| Tek bir uygun Google Ads kampanyasında sayfa değişikliği | Destekleniyorsa Google Ads özel kampanya deneyi | Kol ayarları ve nihai URL farkları belgeyle doğrulanmalı |
| Organik + reklam dahil tüm uygun site ziyaretçileri | Site tarafında ziyaretçi bazlı randomizasyon | Aynı kişiyi tutarlı varyantta tutacak atama gerekir |
| Reklam metni ve teklif stratejisi de değişiyor | Ayrı deney tasarımı | Landing page etkisini tek başına yorumlamayın |
Kurulum ayrıntıları kampanya türü ve hesap özelliklerine bağlıdır. Resmî açıklamalar: Google Ads özel deney oluşturma, deneyler ekranı ve Google Optimize'ın kapatılması.
Kampanya deneyi planlanırken bütçe, dönüşüm takibi ve reklam hesabı tarafındaki kontrolleri ayrıca Google Ads yönetimi hizmetimizin kapsamıyla birlikte değerlendirebilirsiniz.
Trafiği Nasıl Bölersiniz ve Adil Karşılaştırmayı Nasıl Korursunuz?
Başlangıç için 50/50 bölüşüm kolay anlaşılır, ancak zorunlu oran değildir. Kampanya deneyinde bölüşüm yönteminin kullanıcı mı, açık artırma trafiği mi üzerinden çalıştığını arayüzden ve dokümandan kontrol edin. “50/50 seçildi” ifadesi, her zaman iki sayfaya birebir eşit benzersiz kullanıcı veya eşit nitelikte müşteri geldiği anlamına gelmez.
| Kurulum kontrolü | Yapılması gereken |
|---|---|
| Trafik kaynağı | Aynı hizmet niyeti, uygun konum ve cihaz karışımını koruyun. |
| Atama birimi | Kişi, oturum veya reklam kolu bazlı ayrımı açıkça tanımlayın. |
| Varyant kimliği | Analitik olayda experiment_id ve variant gibi alanlarla ayrıştırın. |
| Form ve telefon akışı | Her iki sayfada da gerçek kayıt, e-posta ve çağrı yönlendirmesi çalışsın. |
| URL ve izleme | GCLID/UTM parametreleri, yönlendirme ve çapraz alan geçişi kaybolmasın. |
| Teknik durum | HTTP, mobil hız, güvenlik ve consent durumunu her iki varyantta test edin. |
Sunucu tarafında farklı nihai URL'ler kullanılacaksa reklam politikası ve nihai URL/alan adı kurallarını ayrıca denetleyin. Geçersiz ya da yanıltıcı yönlendirmeyle deney kurulmaz. Test sürümlerinin birbirinin kopyası URL'lerle organik indekste yarışması istenmiyorsa canonical, noindex veya varyant URL stratejisi SEO uzmanıyla ayrıca kararlaştırılmalı; Google Ads açısından reklam hedefinin erişilebilir olması korunmalıdır.
GA4, Google Ads ve CRM ile Hangi Dönüşümleri Ölçmelisiniz?
Başarılı landing page testi için ölçüm zincirinde en az üç seviye tutulmalı: ziyaretçi/sayfa görüntüleme, gerçek iletişim aksiyonu ve nitelikli müşteri sonucu. Form açılması veya telefon bağlantısına dokunulması tek başına başvuru değildir. Formun sunucuda başarıyla işlenmesi, çağrının yanıtlanması ya da müşterinin doğru hizmet bölgesinden gelmesi ayrı kayıtlardır.
| Aşama | Ölçüm örneği | Yanıltıcı yorum |
|---|---|---|
| Ziyaret | Uygun landing page ziyaretçisi | Sayfa açılışı = potansiyel müşteri |
| İlk etkileşim | Telefon/WhatsApp tıklaması, form başlangıcı | Tıklama = tamamlanmış görüşme |
| Başvuru | Başarıyla kaydedilmiş form veya yanıtlanan çağrı | Tüm başvurular eşit kalitede |
| Nitelikli lead | Hizmet, konum, bütçe ve ihtiyaca uygun gerçek talep | Her lead satışa dönüşür |
| Satış | CRM'de doğrulanmış teklif / kazanılan iş | Form oranı artışı = kâr artışı |
GA4'teki önemli olaylar (key events) ile Google Ads'teki dönüşüm tanımlarını ayrı anlayın; hangi olayın Ads teklif optimizasyonunda birincil kullanıldığını ve sayım mantığını kontrol edin. Resmî kaynak: GA4 önemli olaylar ve Google Ads dönüşümleri farkı. Teklif formunu ölçmek için teklif formu ve dönüşüm rehberimize de bakabilirsiniz.
Telefon yönlendirmesi ve başvuru kayıtları eksikse “B kazandı” sonucu gerçek değil, etiketleme farkı olabilir. KVKK ve ilgili rıza yükümlülükleri analitik kurulumu sırasında ayrıca değerlendirilmelidir.
A/B Testi Sonuç Tablosu: Daha Çok Form Gerçekten Daha Çok Müşteri mi?
Aşağıdaki tamamen varsayımsal senaryoda bir hizmet işletmesi iki landing page sürümüne 1.000'er uygun ziyaretçi yönlendirmiş olsun. İki sürüm için reklam harcaması örnekte eşit kabul edilmiştir; gerçek deneylerde harcama, trafik kalitesi ve atama dağılımı farklı olabilir.
| Ölçüt | A sürümü | B sürümü |
|---|---|---|
| Uygun ziyaretçi | 1.000 | 1.000 |
| Reklam harcaması | 10.000 TL | 10.000 TL |
| Form başvurusu | 40 | 52 |
| Form dönüşüm oranı | %4,0 | %5,2 |
| Form başına maliyet | 250 TL | 192,31 TL |
| Nitelikli lead | 20 | 18 |
| Nitelikli lead başına maliyet | 500 TL | 555,56 TL |
B, form oranında %30 göreli artış gösteriyor: (5,2 − 4,0) / 4,0 = %30. Ancak nitelikli lead sayısı A'da 20, B'de 18 olduğu için nitelikli müşteri başına maliyet B'de daha yüksek. Üstelik yalnız 40'a karşı 52 form başvurusu görülmesi, farkın istatistiksel olarak güvenilir olduğunu tek başına kanıtlamaz. Basit iki oran karşılaştırmasıyla bile örneklem oynaklığı önemlidir; gerçek karar varyant bazında kullanıcı ataması, güven aralığı, çoklu karşılaştırma ve deneyin ön koşullarıyla değerlendirilmelidir.
İki sayfayı yalnız “B'de daha çok dönüşüm oldu” diye kazanan–kaybeden ilan etmeyin. Bu tablo, reklam harcaması ile iş kalitesi arasındaki ayrımı öğretmek için oluşturulmuştur; Netasus'un gerçek müşterisine ait performans sonucu değildir.
A/B Testi Kaç Gün Sürmeli? İstatistiksel Anlamlılık ve Dönüşüm Gecikmesi
Her işletme için geçerli “7 günde biter” kuralı yok. Trafik, mevcut dönüşüm oranı, ölçmek istediğiniz en küçük anlamlı fark, varyant sayısı ve dönüşüm gecikmesi ihtiyaç duyulan örneklem süresini değiştirir. Başlamadan birincil metriği, örneklem/analiz planını ve testi durdurma ölçütünü yazın. Günlük grafikte B öne geçti diye durdurmak yanlış pozitif riskini artırabilir.
Google Ads, deney sonucu henüz belirlenmemişse bazı deneyler için 4–6 hafta veya daha uzun veri toplamayı önerir; bu tüm landing page A/B testlerinin matematiksel olarak aynı sürede kesinleştiği anlamına gelmez. Öneri kampanya deneyi bağlamına aittir ve örneklem büyüklüğünün yerini tutmaz (Google Ads Experiments rehberi). Sonuç ekranında istatistiksel anlamlılık veya kararsızlık gösteriliyorsa koşul ve gecikmeleri gözden geçirin.
| Risk | Nasıl ele alınır? |
|---|---|
| Çok az lead | Gereken örneklem için güç analizi yapın; küçük fark bekliyorsanız daha fazla veri gerekir. |
| Günlük mevsimsellik | Hafta içi–hafta sonu döngüsünü ve kampanya takvimini kapsayın. |
| Satış gecikmesi | Lead nitelendirme ve kazanılan iş kaydı için yeterli izleme süresi bırakın. |
| Sonuca sık sık bakıp durdurmak | Önceden belirlenmiş karar yöntemi veya geçerli ardışık test yaklaşımı kullanın. |
| Çok sayıda metrikte kazanan aramak | Birincil metriği önceden seçin; çoklu test düzeltmesini değerlendirin. |
Landing Page Deneylerinde Sonucu Bozan 8 Kritik Hata
Teknik sorunlar bazen tasarım farkından daha büyük etki üretir. Yanlış kampanya ayarı, mobilde açılmayan form veya Analytics etiketinin B sayfasında eksik olması durumunda sonuç tablosu güvenilir değildir. Bunun için her iki sayfada 390, 768 ve 1440 piksel testleri; gerçek form gönderimi ve telefon–WhatsApp kontrolü yapılmalıdır.
Yalnız yeni müşteri adaylarını B'ye gönderip A ile kıyaslamayın.
Teklif stratejisi, reklam mesajı ve sayfa eşzamanlı değişirse etki karışır.
A ve B'de event ve başarı ekranı aynı kuralla ölçülmeli.
Görsel, form ve CTA gerçek mobil görünümde test edilmeli.
Başvuru gerçekten kaydediliyor ve arama karşılanıyor mu?
Konum, cihaz, anahtar kelime ve haftalık değişimleri raporlayın.
Önceden belirlenmiş sonlandırma ölçütünden sapmayın.
Form sayısından sonra CRM'de uygun lead ve satış sonucuna bakın.
Temel reklam ve iletişim problemlerini ayırmak için Google reklamlarında tıklama olup müşteri gelmemesi rehberimizi de kullanın. A/B testi, bozuk bir takip düzeninin üzerini örten sihirli araç değildir.
A/B Testini Ne Zaman Yayına Almalı? 12 Maddelik Uygulama Kontrol Listesi
Başarılı bir deney sonunda üç makul karar vardır: B'yi uygula, A'yı koru veya sonuç belirsiz de. İstatistiksel olarak belirsiz ya da ticari açıdan önemsiz farkı zorla kazanan ilan etmek gerekmez. Deney tamamlandığında kullanılan sürümleri, tarihleri, trafik kaynağını, metrikleri, ham sayılarını, karar nedenini ve rollback imkanını belgeleyin.
Ne değişiyor ve neden işe yarayabilir?
Arama niyeti ve hizmet bölgesi aynı mı?
Form değil nitelikli lead gerekip gerekmediğine karar verin.
Beklenen etki ve düşük trafik riskini hesaplayın.
Aynı kişi uygun şekilde aynı sürümü görüyor mu?
Sunucu kaydı ve bildirimleri ayrı ayrı deneyin.
Tık değil gerçek çağrı/mesajı ayırın.
GA4, Ads ve CRM tutarlılığını doğrulayın.
Hız, kırık görsel ve yatay taşmayı kontrol edin.
Yeni büyük müdahaleleri not edin ya da ayrı test edin.
Anlamlılık, güven aralığı ve ticari etki birlikte değerlendirilsin.
Kaybeden sürüme dönme ve etiketleri temizleme planını oluşturun.
Landing page dışındaki dönüşüm tıkanmalarını web sitem var ama müşteri gelmiyor rehberimizde ele aldık. Eğer sorun tek bir hizmet sayfasının içeriği ise hizmet sayfası şablonumuza da göz atın.
Sonuç: A/B testi, “turuncu buton mu mavi buton mu?” tartışmasından çok daha fazlasıdır. Rastgele karşılaştırma, temiz ölçüm, nitelikli lead ve kontrollü karar süreci birlikte çalışırsa reklam bütçesi için daha anlamlı öğrenme sağlar. Hiçbir test dönüşüm artışı veya satış garantisi vermez.
