A/B testi: tanım, SEO etkisi ve kontrol listesi

A/B testi nedir?

A/B testi, aynı hedefe sahip bir sayfanın veya akışın iki veya daha fazla varyasyonunu (A: kontrol, B: varyasyon) rastgele ziyaretçilere sunarak hangi versiyonun hedef metriği daha iyi iyileştirdiğini istatistiksel yöntemlerle doğrulayan deney tasarımıdır. Deney; hipotez, rastgele atama, ölçüm (ör. dönüşüm, tıklama, etkileşim) ve sonuçların anlamlılık değerlendirmesini içerir.

A/B testinin SEO için önemi

A/B testleri doğrudan bir sıralama sinyali değildir; bunun yerine kullanıcı davranışını ve KPI'ları iyileştirir. Ancak deney sırasında yapılan teknik değişiklikler (ör. canonical başlıkları, yönlendirmeler, noindex meta etiketleri veya render edilen içerik) indexleme ve dolayısıyla dolaylı ranking etkileri oluşturabilir. Burada üç aşamayı netleştirmek önemlidir: crawling (Googlebot sayfayı fetch eder), indexing (Google sayfayı dizine ekleyip içerik ve canonical kararlarını verir) ve ranking (dizindeki içerikler arasında sıralama yapılır). Teknik değişiklikler indexlemeyi etkileyebilir; indexleme değiştiğinde sıralama da dolaylı olarak etkilenebilir, ancak A/B testi sonucu tek başına doğrudan sıralama garantisi vermez.

A/B testi nasıl çalışır

Temel akış: hipotez belirleme → varyasyon oluşturma → rastgele trafik atama → veri toplama → istatistiksel analiz → karar. Rastgele atama, grubun kontrol ve varyasyon arasında sistematik farklılık içermemesini sağlar. Analizde p-değeri, güven aralığı ve etki büyüklüğü gibi istatistiksel metrikler kullanılır; deneyin süresi ve örneklem büyüklüğü deneyi anlamlı hale getirecek şekilde planlanmalıdır (belirli bir sayı vermeden, yeterli örneklem ve test süresi gerektiğini vurgulayın).

A/B testi tipleri

Aşağıda yaygın yaklaşımlar ve her birinin kısa avantaj/dezavantajları:

A/B (iki varyasyon)
- Avantajları: Basit, sonuçları anlaşılır.
- Dezavantajları: Birden fazla öğe test etmek gerektiğinde yavaş.

A/B/n (çoklu varyasyon)
- Avantajları: Birden fazla tasarım seçeneğini aynı anda test eder.
- Dezavantajları: Her varyasyon için daha fazla trafik gerekir.

Çok değişkenli test (multivariate)
- Avantajları: Birden çok öğe kombinasyonunun etkisini aynı anda ölçer.
- Dezavantajları: Çok büyük örneklem gerektirir; etkileşimler karmaşıklaşır.

Bandit algoritmaları
- Avantajları: Trafiği hızlıca daha iyi varyasyonlara yönlendirir, dönüşümü kısa vadede artırabilir.
- Dezavantajları: Net causal sonuç çıkarmak zordur; istatistiksel analiz farklıdır.

Yürütme katmanına göre: client-side vs server-side
- Client-side (tarayıcıda JS ile): hızlı kurulum, ancak render sıralaması ve crawl farkları olabilir.
- Server-side: daha kararlı deneyler, botlar ve kullanıcılar için aynı HTML sağlanabilir ama uygulama değişikliği gerektirir.

A/B testi ile başlamak: temel adımlar

1) Net hipotez tanımlayın: hangi metrik değişecek, nasıl ölçülecek? 2) Ölçüm altyapısını doğrulayın: analitik, olaylar (events) ve hedefler doğru çalışmalı. 3) Uygulama yaklaşımını seçin: client-side veya server-side. 4) Trafik segmentlerini ve rastgeleleştirmeyi planlayın. 5) Test süresini ve erken durdurma kurallarını belirleyin. 6) Sonuçları istatistiksel olarak raporlayın ve üretime geçmeden önce riskleri değerlendirin.

A/B testi doğrulama: teknik kontrol listesi

**Deney dağılımı** — nerede doğrulanır — başarılı olduğunda trafik rastgele ve sabit oranlarda atanır
**Olay/ETK ölçümü** — nerede doğrulanır — GA4 veya analitik raporlarında event'ler doğru tetiklenir
**Render parity (mobil/masaüstü)** — nerede doğrulanır — Chrome DevTools / gerçek cihazlarda; başarılı olduğunda mobil ve masaüstü kullanıcılar eşdeğer içerik alır
**HTTP durum kodları ve yönlendirmeler** — nerede doğrulanır — curl -I ve sunucu logları; başarılı olduğunda deney varyasyonları istenmeyen 301/302 redirect sorunlarına yol açmaz
**Indexasyon etkisi** — nerede doğrulanır — Google Search Console URL Inspection; başarılı olduğunda sayfalar istemeden noindex veya canonical kaybı yaşamaz
**Çerez / onay (consent) uyumu** — nerede doğrulanır — tarayıcı ile manuel test; başarılı olduğunda kullanıcı onayı deneyin ölçümünü engellemez

Doğrulama için araç örnekleri

Chrome DevTools — Elements ve Network panelleri ile varyasyonun DOM'da ve ağ isteklerinde nasıl görünür olduğunu kontrol edin. curl — başlıkları kontrol etmek için curl -I https://example.com/variant komutunu kullanın; belirli bir user-agent ile HTML kontrolü gerekiyorsa curl -A "Mozilla/5.0" https://example.com/variant çalıştırın (curl -I sadece başlık döndürür). Sunucu logları — gerçek isteklerin varyasyonlara nasıl dağıldığını gösterir. GA4 veya diğer analitik araçlar — etkinliklerin ve hedef dönüşümlerin doğru kaydedildiğini doğrulayın. Google Search Console URL Inspection — yalnızca sizin kontrolünüzdeki sayfalar için indexasyon ve canonical sinyallerini inceleyin. Rich Results Test — yapılandırılmış veri etkileniyorsa sonuçları kontrol etmek için kullanın.

A/B testi yaygın hatalar

• Yetersiz örneklem veya çok kısa test süresi — sonuçlar rastlantısal olabilir. • Analitik olaylarının yanlış veya eksik instrumentasyonu — veriler güvenilmez olur. • Redirect/301 kullanımıyla deney yapmak ve indexleme etkilerini göz ardı etmek — istenmeyen index değişikliklerine neden olabilir. • Mobil/desktop uyumsuzluğu — Google, mobil sürümü öncelikli olarak kullandığı için (Googlebot Smartphone varsayılan) varyantların mobilde farklı davranması index ve görünürlük riskleri taşır. • Test sonuçlarını tüm kullanıcı segmentleri için genelleyememek — segmentlere göre etkiler değişebilir. • Erken durdurma ve peeking (veri peeking) — ara analizlerde acele kararlar yanlış sonuçlara yol açabilir.

Uyarı: Deney sırasında siteye yapılan teknik müdahaleler indexleme davranışını değiştirebilir; bu nedenle A/B testi kararları alırken crawling/indexing/ranking ayrımını göz önünde bulundurun. Örneğin, deneye bağlı olarak kalıcı yönlendirme (301) uygularsanız bu indexleme ve canonical davranışını etkileyebilir; geçici deneyler için 302 veya client-side yaklaşımlar tercih edilir, ancak her iki durumda da doğrulama önemlidir.

Teknik SEO Rehberi'ni okuyun

Sıkça sorulan sorular

A/B testi SEO'yu olumsuz etkiler mi?

Doğru uygulanırsa olumsuz etki ihtiyaç dışı teknik değişikliklerden kaçınılarak minimize edilebilir. Ancak yönlendirmeler, noindex veya canonical değişiklikleri gibi teknik müdahaleler indexlemeyi etkileyebilir; bu yüzden her değişiklik doğrulanmalı ve gerektiğinde geçici teknik çözümler tercih edilmelidir.

Deney süresini nasıl belirlemeliyim?

Süre, örneklem büyüklüğüne, beklenen etki büyüklüğüne ve trafik dalgalanmalarına bağlıdır. Erken durdurma kurallarınız ve istatistiksel güç analiziniz olmalı; kesin bir sayı vermek yerine deney öncesi gerekli trafik ve beklenen etkiyi hesaplayacak bir güç analizi yapın.

Botlar ve arama motoru tarayıcıları deney trafiğini bozmaz mı?

Bot trafiğini filtrelemek önemlidir. Deney atamasının yalnızca gerçek kullanıcılar üzerine yapılmasını sağlamak için analytics ve sunucu tarafı filtreleri kullanın. Ayrıca Googlebot'un mobil sürümünü (Googlebot Smartphone) varsayılan tarayıcı olarak dikkate alın; varyasyonların arama botlarına karşı nasıl sunulduğunu doğrulayın ama botlara farklı içerik verme şeklinde cloaking yapmaktan kaçının.