Genel

E-posta Pazarlamada A/B Testi Nasıl Yapılır?

18 Temmuz 2026 · 4 dk okuma · Admin
ÖzetA/B testi, bir e-postanın iki varyantını karşılaştırarak hangisinin daha iyi çalıştığını ölçme yöntemidir. Neler test edilir, tek değişken kuralı, örneklem ve MPP nedeniyle hangi metriğe bakılmalı; adım adım anlatıyoruz.

E-posta pazarlamada A/B testi, bir e-postanın iki farklı varyantını (A ve B) listenizin bölümlerine göndererek hangisinin daha iyi performans gösterdiğini ölçtüğünüz karşılaştırmalı bir deney yöntemidir. Amaç, tahminlere veya varsayımlara güvenmek yerine gerçek abone davranışına dayanarak kararlar almaktır. Doğru kurgulanmış bir test, konu satırından çağrı butonuna kadar her ayrıntının kampanya sonuçlarını nasıl etkilediğini net biçimde ortaya koyar.

A/B Testi Neden Önemli?

Her liste, sektör ve hedef kitle birbirinden farklıdır. Başka bir markada işe yarayan bir konu satırı yaklaşımı, sizin abonelerinizde aynı etkiyi yaratmayabilir. A/B testi, "bize özel neyin çalıştığını" sistematik olarak keşfetmenizi sağlar. Zamanla biriken test sonuçları, gönderim stratejinizi sürekli iyileştiren bir bilgi birikimine dönüşür. Bu da hem etkileşim oranlarını hem de uzun vadede gönderen itibarınızı olumlu etkiler.

E-postada Neler Test Edilebilir?

Bir kampanyanın performansını etkileyen birçok unsur test edilebilir. En yaygın test alanları şunlardır:

  • Konu satırı: Uzunluk, ton, soru cümlesi, emoji kullanımı veya kişiselleştirme. Ayrıntılar için etkili konu satırı yazma rehberine göz atabilirsiniz.
  • Gönderen adı: Marka adı mı yoksa "Ayşe - SenderTR" gibi kişisel bir gönderen mi daha çok güven veriyor?
  • Çağrı butonu (CTA): Buton metni, rengi, konumu ve boyutu.
  • Görsel ve düzen: Tek sütun mu, çok sütun mu; görsel ağırlıklı mı, metin ağırlıklı mı?
  • Ön izleme metni (preheader): Gelen kutusunda konu satırının yanında görünen açıklama.
  • Gönderim zamanı: Haftanın günü ve saati.

Doğru Yöntem: Tek Değişken Kuralı

A/B testinin en temel kuralı, bir seferde yalnızca tek bir değişkeni test etmektir. Aynı testte hem konu satırını hem de gönderen adını değiştirirseniz, sonuç farkının hangisinden kaynaklandığını asla bilemezsiniz. Güvenilir bir sonuç için iki varyant arasında sadece test ettiğiniz unsur farklı olmalı, geri kalan her şey aynı kalmalıdır.

İkinci kritik nokta yeterli örneklem büyüklüğüdür. Çok küçük bir kitleye gönderilen testte ortaya çıkan fark, gerçek bir üstünlükten değil rastlantıdan kaynaklanabilir. Sonuçların istatistiksel olarak anlamlı olması için listenizin büyüklüğüne uygun, yeterince geniş bir test grubu kullanın. Liste küçükse, testi birkaç kampanyaya yayarak veri biriktirmek daha sağlıklıdır.

Hangi Metriğe Bakmalı?

Uzun süre açılma oranı en önemli metrik olarak kabul edildi. Ancak Apple'ın Mail Privacy Protection (MPP) özelliği, kullanıcı e-postayı açmasa bile açılmayı otomatik kaydederek bu oranı yapay biçimde şişirir. Bu nedenle özellikle konu satırı testlerinde açılma oranına güvenmek yanıltıcı olabilir. Bunun yerine tıklama oranı (CTR) ve dönüşüm gibi gerçek eylem gösteren metriklere odaklanmak çok daha güvenilir sonuç verir. Metrikler arasındaki farkları açılma ve tıklama oranı rehberinde ayrıntılı bulabilirsiniz.

A/B Testi Kurma Adımları

  1. Hedef belirleyin: Neyi iyileştirmek istediğinizi netleştirin (örneğin daha fazla tıklama).
  2. Tek bir değişken seçin: Yalnızca konu satırı, yalnızca CTA gibi tek unsura karar verin.
  3. İki varyant oluşturun: A ve B versiyonlarını, sadece seçtiğiniz değişkeni farklılaştırarak hazırlayın.
  4. Test grubunu ve süresini ayarlayın: Yeterli büyüklükte bir örneklem ve makul bir gözlem süresi belirleyin.
  5. Kazanan metriği seçin: MPP nedeniyle tıklama veya dönüşüm gibi bir metrik üzerinden karar verin.
  6. Kazananı yayın: Üstün gelen varyantı listenin geri kalanına gönderin ve öğrendiklerinizi kaydedin.

Sık Yapılan Hatalar

  • Aynı anda çok değişken test etmek: Sonucun nedeni belirsiz kalır.
  • Küçük örneklemle karar vermek: Rastlantısal farklar gerçek sanılır.
  • Erken sonuç çıkarmak: Yeterli veri birikmeden testi bitirmek yanlış yönlendirir.
  • Yanlış metriğe bakmak: MPP etkisi altında açılma oranına güvenmek.
  • Öğrenilenleri belgelememek: Her testin bir sonraki karara katkı sağlaması gerekir.

Daha isabetli testler için kitlenizi doğru bölümlemek de önemlidir; ilgili gruplara uygun içerik göndermek test kalitesini artırır. Bu konuda e-posta segmentasyonu yaklaşımından yararlanabilir, düzenli bültenlerinizde ise kampanya ve bülten e-postası ilkelerini uygulayabilirsiniz.

SenderTR, A/B testlerinizi kolayca kurgulamanız, varyantları yönetmeniz ve tıklama ile dönüşüm odaklı raporlarla kazananı güvenle belirlemeniz için gereken araçları sunar. Verileriniz Türkiye'de barındırılır, KVKK ve İYS uyumlu altyapı sayesinde deliverability'den ödün vermeden test edip öğrenerek kampanyalarınızı sürekli iyileştirebilirsiniz.

Sık sorulan sorular

E-posta A/B testi nedir?

A/B testi, bir e-postanın iki farklı varyantını (A ve B) listenizin bölümlerine göndererek hangisinin daha iyi performans gösterdiğini ölçen karşılaştırmalı bir deney yöntemidir. Kararları varsayıma değil gerçek abone davranışına dayandırmanızı sağlar.

A/B testinde neler test edilebilir?

Konu satırı, gönderen adı, çağrı butonu (CTA) metni ve rengi, görsel ve düzen, ön izleme metni ile gönderim zamanı gibi birçok unsur test edilebilir. Ancak bir testte yalnızca tek bir değişken değiştirilmelidir.

A/B testinde neden tek değişken test edilir?

Aynı testte birden fazla unsuru değiştirirseniz, sonuçtaki farkın hangi değişikliğe bağlı olduğunu bilemezsiniz. Güvenilir sonuç için iki varyant arasında sadece test ettiğiniz unsur farklı olmalı, geri kalan her şey aynı kalmalıdır.

A/B testinde hangi metriğe bakmalıyım?

Apple'ın Mail Privacy Protection (MPP) özelliği açılmaları yapay biçimde şişirdiği için, özellikle konu satırı testlerinde açılma oranı yanıltıcı olabilir. Bunun yerine tıklama oranı (CTR) ve dönüşüm gibi gerçek eylem gösteren metriklere odaklanmak daha güvenilirdir.

A/B testinde en sık yapılan hatalar nelerdir?

Aynı anda birden fazla değişken test etmek, çok küçük örneklemle karar vermek, yeterli veri birikmeden erken sonuç çıkarmak, MPP etkisi altında yanlış metriğe bakmak ve öğrenilenleri belgelememek en yaygın hatalardır.

← Tüm rehberler