Conversion Research Nedir? CRO’da Ne Test Edeceğimize Nasıl Karar Veririz?

Conversion research, bir web sitesinde veya dijital deneyimde hangi conversion problemlerinin bulunduğunu, bu problemlerin nerede ortaya çıktığını ve kullanıcıların neden zorlandığını sistematik biçimde araştırma sürecidir. Amaç rastgele A/B test fikirleri üretmek değil; analytics, kullanıcı davranışı, müşteri geri bildirimi ve usability araştırması gibi farklı kanıtları kullanarak hangi problemin gerçekten çözülmeye değer olduğunu belirlemektir.

CRO burada test yapmaktan önce başlar. Çünkü henüz problemi anlamadan “headline değiştirelim”, “formu kısaltalım” veya “CTA rengini değiştirelim” demek çözüm üretmek değil, çözüm tahmin etmektir.

CXL conversion research’ü kullanıcı veya müşteri davranışı hakkında yararlı bilgi bulmak için nicel ve nitel yöntemlerin birlikte kullanıldığı, elde edilen insight’ların daha sonra test edilebilir hipotezlere dönüştürüldüğü sistematik bir süreç olarak tanımlar.^[1]

Conversion research’ün temel sorusu “Neyi değiştirebiliriz?” değil, “Kullanıcının hedefe ulaşmasını gerçekten ne engelliyor ve bunu hangi kanıtla söylüyoruz?” olmalıdır.

Conversion research neden CRO’nun başlangıç noktasıdır?

Bir sayfada yapılabilecek değişikliklerin teorik olarak sonu yoktur.

• Headline değiştirilebilir.
• CTA yeniden yazılabilir.
• Form alanları azaltılabilir.
• Social proof yukarı taşınabilir.
• Fiyat sunumu değiştirilebilir.
• Ürün görselleri yenilenebilir.
• Navigasyon sadeleştirilebilir.
• Checkout akışı yeniden tasarlanabilir.

Bunların hepsi potansiyel olarak test edilebilir. Fakat “test edilebilir” olmaları “test edilmeleri gerektiği” anlamına gelmez.

CXL’in conversion research yaklaşımındaki temel fikir de budur: optimizasyon bir taktik listesi değil, hangi problemin önemli olduğunu keşfetmeye çalışan tekrarlanabilir bir süreçtir.^[2]

Research yapılmadığında CRO çalışması kolayca şu hale gelir:

Fikir
↓
Değişiklik
↓
Test
↓
Sonuç

Daha sağlam model ise şöyledir:

BUSINESS GOAL
↓
MEASUREMENT
↓
PROBLEM SIGNAL
↓
RESEARCH
↓
EVIDENCE
↓
INSIGHT
↓
HYPOTHESIS
↓
CHANGE / EXPERIMENT
↓
LEARNING

Buradaki fark küçücük görünür ama bütün çalışma biçimini değiştirir. İlk model “ne deneyebiliriz?” diye başlar. İkinci model “hangi problemi çözmeye çalışıyoruz?” diye başlar.

Conversion research ile web analytics aynı şey değildir

Web analytics conversion research’ün önemli parçalarından biridir; fakat research’ün tamamı değildir.

Analytics çoğunlukla şu tür sorulara güçlü cevap verir:

• Hangi sayfada drop-off daha yüksek?
• Hangi cihaz grubunda conversion rate daha düşük?
• Hangi trafik kaynağı daha farklı davranıyor?
• Checkout’ın hangi aşamasında kullanıcı kaybediliyor?
• Belirli bir form kaç kişi tarafından başlatılıyor ve tamamlanıyor?

CXL’in web analytics analysis yaklaşımı da önce measurement’ın güvenilirliğini kontrol etmeyi, ardından KPI’ları ve funnel içindeki sızıntıları araştırmayı önerir.^[3]

Ancak analytics çoğu zaman şu sorunun cevabını tek başına vermez:

Kullanıcı neden burada durdu?

Örneğin ürün sayfasından sepete ekleme oranının düşük olduğunu analytics ile görebiliriz. Fakat bunun nedeni:

• ürün bilgisinin yetersiz olması,
• teslimat süresinin belirsiz olması,
• fiyatın pahalı algılanması,
• uyumluluk bilgisinin bulunamaması,
• CTA’nın anlaşılmaması,
• teknik bir hata

olabilir.

Sayısal düşüş bize nerede araştırma yapacağımızı gösterir. Nedeni anlayabilmek için başka research yöntemlerine ihtiyaç duyabiliriz.

Nicel ve nitel araştırmanın CRO’daki rolleri nasıl ayrılır?

Conversion research yaparken “qualitative mı quantitative mı?” diye bir taraf seçmek gerekmiyor. İki araştırma türü farklı soruları yanıtlar.

NN/g’nin kullanıcı araştırması yöntemleri çerçevesinde nicel çalışmalar daha çok “kaç?”, “ne kadar?” gibi soruları; nitel çalışmalar ise “neden?” ve “nasıl düzeltilebilir?” gibi soruları cevaplamaya uygundur.^[4]

Araştırma	Temel soru	Örnek yöntem
Nicel	Ne oluyor, nerede oluyor, ne kadar büyük?	Web analytics, funnel analysis, segment analizi, deney verileri
Nitel	Neden oluyor, kullanıcı neyi anlamıyor veya neye ihtiyaç duyuyor?	Kullanıcı görüşmeleri, survey, usability testing, müşteri geri bildirimi
Davranışsal gözlem	Kullanıcı arayüzle gerçekte nasıl etkileşiyor?	Session recording, usability test, click/scroll davranışı

Bunu pratikte şöyle düşünebiliriz:

QUANTITATIVE
"Checkout step 2'de kayıp yüksek."

          ↓

BEHAVIORAL
"Kullanıcılar teslimat seçeneğini
bulmakta tekrar tekrar zorlanıyor."

          ↓

QUALITATIVE
"Kullanıcılar teslimat tarihini
ödeme öncesinde bilmek istiyor."

          ↓

HYPOTHESIS
"Teslimat bilgisini daha erken ve
açık gösterirsek ilerleme oranı artabilir."

Burada tek bir veri kaynağı bütün hikâyeyi anlatmıyor. Farklı araştırma yöntemleri aynı problemin farklı parçalarını görünür hale getiriyor.

Conversion research hangi soruyla başlamalıdır?

Research tool açarak başlamamalıdır.

Önce işletmenin ve kullanıcının hangi davranışını anlamaya çalıştığımız belirlenmelidir.

Örneğin:

“Microsoft Clarity kayıtlarına bakalım.”

bir araştırma sorusu değildir.

Şu ise araştırma sorusudur:

“Ürün sayfasını ziyaret eden kullanıcıların önemli bir bölümü neden sepete ürün eklemeden ayrılıyor?”

İkinci durumda hangi veriye ihtiyaç duyabileceğimiz daha nettir.

Örneğin:

• PDP → add-to-cart oranı,
• ürün kategorilerine göre farklar,
• mobil / desktop farkları,
• session recordings,
• ürün sayfasındaki click ve scroll davranışı,
• müşteri soruları,
• satış veya destek ekibinin aldığı tekrar eden sorular

birlikte değerlendirilebilir.

Araştırma sorusu yoksa araç kullanımı kolayca boş gezinmeye dönüşür. İnsan beyni de birkaç session kaydı izleyince üç davranışı evrensel kullanıcı gerçeği sanmaya gayet heveslidir.

1. Önce business goal ve conversion’ı tanımla

Conversion research başlamadan önce hangi iş sonucunun iyileştirilmek istendiği açık olmalıdır.

Bir e-ticaret sitesi için nihai hedef satış olabilir. Fakat araştırılan davranış:

• ürün görüntüleme,
• sepete ekleme,
• checkout başlatma,
• ödeme tamamlama

gibi funnel aşamalarından biri olabilir.

B2B lead generation sitesinde ise:

• form başlatma,
• form gönderme,
• telefon araması,
• randevu oluşturma,
• qualified lead

birbirinden ayrılmalıdır.

Her click conversion olmadığı gibi, her form gönderimi de eşit iş değerine sahip değildir.

Bu nedenle research başlamadan önce:

BUSINESS GOAL
↓
USER ACTION
↓
MEASURABLE EVENT

ilişkisi kurulmalıdır.

Bu mantık SEO stratejisini iş hedefinden başlayarak ölçülebilir kararlara bağlama yaklaşımına da benzer. Acquisition ve CRO farklı problemlere çalışsa da ölçümün iş hedefinden kopmaması gerekir.

2. Measurement güvenilir mi?

Bozuk veri üzerinden çok disiplinli research yapmak yalnızca hatayı daha profesyonel göstermek olur.

Bu nedenle conversion araştırmasının ilk kontrollerinden biri measurement QA olmalıdır.

Şunlar incelenebilir:

• Conversion event gerçekten doğru aksiyonda mı tetikleniyor?
• Aynı event iki kez gönderiliyor mu?
• Form success ile form button click birbirine karıştırılmış mı?
• Checkout aşamaları doğru sıralanıyor mu?
• Internal traffic filtrelenmiş mi?
• Consent nedeniyle veri kaybı veya farklılık bulunuyor mu?
• Revenue ve transaction verileri doğru mu?
• Cihaz, trafik kaynağı veya landing page segmentasyonu kullanılabilir mi?

CXL ResearchXL modelinde web analytics aşamasının parçası olarak analytics health check yapılmasını özellikle vurgular.^[1]

Yani research’ün ilk bulgusu bazen “kullanıcılar burada zorlanıyor” değil:

Bu davranışı doğru ölçmüyoruz.

olabilir.

3. Quantitative analysis ile “nerede ve ne oluyor?” sorusunu araştır

Measurement güvenilir olduğunda nicel veriler problem alanlarını daraltmak için kullanılabilir.

Bakılabilecek alanlar projenin yapısına göre değişir:

• Landing page performansı
• Funnel step’leri
• Device segmentleri
• Browser ve işletim sistemi
• Traffic source / medium
• New vs returning users
• Product veya category segmentleri
• Form completion oranları
• Internal search kullanımı
• Checkout drop-off

Burada amaç dashboard’daki bütün metrikleri incelemek değildir.

Amaç anormal veya iş değeri yüksek davranış farklarını araştırılabilir sorulara çevirmektir.

Örneğin:

BULGU:
Mobil checkout completion desktop'tan belirgin düşük.

KÖTÜ SONUÇ:
Mobil tasarımı değiştirelim.

DOĞRU SONRAKİ SORU:
Mobil kullanıcılar checkout'ın hangi aşamasında
ve hangi nedenle daha fazla kaybediliyor?

Nicel veri burada çözümü değil, araştırmanın yönünü belirler.

4. Heuristic analysis ne işe yarar?

Heuristic analysis, deneyimli bir kişinin sayfayı belirli kriterler üzerinden sistematik biçimde incelemesidir.

CXL’in ResearchXL yaklaşımında heuristic değerlendirmede özellikle şu alanlara bakılır:^[1]

• Relevance
• Clarity
• Value
• Friction
• Distraction

Örneğin bir hizmet landing page’inde şu gözlem yapılabilir:

“Hero alanından hizmetin kimler için olduğu ve teklifin tam olarak ne içerdiği anlaşılmıyor.”

Bu değerli bir bulgudur fakat henüz gerçek değildir.

CXL de heuristic analysis sonucunda bulunan noktaları doğrulanmış problemler değil, sonraki araştırmada doğrulanması veya yanlışlanması gereken areas of interest olarak tanımlar.^[1]

Bu ayrım CRO’da önemli.

HEURISTIC FINDING
≠
USER EVIDENCE

“Ben bu CTA’yı beğenmedim” kullanıcı araştırması değildir.

Fakat “CTA’nın ne olacağını anlamak zor; bunu kullanıcı davranışı ve görüşmeleriyle kontrol edelim” araştırmaya dönüşebilir.

5. Session recordings ve heatmap’ler nasıl kullanılmalı?

Session recording araçları kullanıcının gerçek oturumdaki davranışını gözlemlemek için yararlıdır.

Örneğin:

• aynı alana tekrar tekrar dönme,
• formda takılma,
• bir öğeye tıklamaya çalışma,
• checkout içinde geri dönme,
• belirli bilgiyi arama

gibi davranış desenleri görülebilir.

Heatmap ve aggregate interaction verileri ise birçok kullanıcının tıklama veya scroll davranışını toplu olarak incelemeye yardımcı olabilir.

Ancak burada iki hata sık görülür.

Rastgele kayıt izlemek

Binlerce session arasından tesadüfen seçilmiş birkaç kayıt, bütün kullanıcı kitlesini temsil etmek zorunda değildir.

Research sorusuna göre segment oluşturmak daha değerlidir.

Örneğin:

Mobil kullanıcı
+
Organik trafik
+
> 60 saniye session
+
> PDP ziyaret etti
+
> Sepete eklemedi

gibi bir grup, “neden add-to-cart gerçekleşmiyor?” araştırması için rastgele oturumlardan daha anlamlı olabilir.

Davranışı neden ile karıştırmak

Recording bize kullanıcının ne yaptığını gösterebilir.

Ancak kullanıcının zihninden geçen nedeni doğrudan göstermez.

Kullanıcının fiyat alanına üç kere bakması:

• fiyatı pahalı bulduğu,
• taksit aradığı,
• KDV dahil mi diye düşündüğü,
• indirim kodu beklediği

anlamına gelebilir.

Davranıştan motivasyon çıkarmak inference’tır. Bunu research bulgusu gibi yazmamak gerekir.

6. Kullanıcı görüşmeleri ve survey’ler neyi gösterir?

Nitel araştırma, özellikle kullanıcının motivasyonlarını, tereddütlerini, beklentilerini ve kullandığı dili anlamak için değerlidir.

NN/g kullanıcı görüşmelerini; insanların deneyimleri, ihtiyaçları, değer verdikleri noktalar ve düşünce modelleri hakkında bilgi toplamak için kullanılan exploratory bir yöntem olarak tanımlar.^[5]

CRO açısından sorulabilecek sorular arasında şunlar olabilir:

• Bu ürünü / hizmeti aramanıza ne sebep oldu?
• Karar verirken en önemli kriteriniz neydi?
• Satın almadan önce sizi tereddütte bırakan bir şey oldu mu?
• Başka hangi seçenekleri değerlendirdiniz?
• Sayfada cevabını bulamadığınız bir soru oldu mu?
• Bu çözümü kendi kelimelerinizle nasıl tarif edersiniz?

CXL’in qualitative CRO yaklaşımında da müşteri anketleri, satış ve müşteri hizmetleri görüşmeleri; müşterilerin ne istediğini, hangi konuda tereddüt yaşadığını ve hangi dili kullandığını anlamak için kullanılır.^[6]

Ancak kullanıcının söylediği şey ile yaptığı şey her zaman aynı değildir.

NN/g bu ayrım nedeniyle görüşmelerin gerçek kullanıcı davranışını tahmin etmek için değil, insanların deneyimleri ve algıları hakkında bilgi edinmek için kullanılmasını önerir.^[7]

Örneğin:

“Bu yeni checkout’ı kullanır mıydınız?”

sorusundan gerçek kullanım davranışı tahmin etmek zayıftır.

Buna karşılık:

“En son bu ürünü satın alırken hangi noktada karar vermekte zorlandınız?”

geçmiş deneyimi araştırmaya daha uygundur.

7. Sales ve customer support neden conversion research kaynağıdır?

Conversion problemi her zaman analytics aracında saklanmaz.

Satış ve müşteri destek ekipleri her gün potansiyel müşterilerin:

• sorularını,
• itirazlarını,
• yanlış anlamalarını,
• rakip karşılaştırmalarını,
• fiyat itirazlarını,
• karar kriterlerini

duyar.

CXL qualitative research yaklaşımı da sales ve customer service ekiplerine en sık gelen müşteri sorularının incelenmesini önerir.^[6]

Basit bir araştırma başlangıcı şu olabilir:

1. Potansiyel müşteriler en çok hangi beş soruyu soruyor?
2. Satın almadan önce en sık hangi konuda tereddüt ediyorlar?
3. Hangi yanlış beklentiler tekrar ediyor?
4. Kaybedilen lead’lerde hangi nedenler tekrar ediyor?
5. Müşteriler ürünü veya hizmeti hangi kelimelerle tarif ediyor?

Bu bilgiler özellikle:

• value proposition,
• copywriting,
• objection handling,
• FAQ,
• pricing presentation,
• landing page hierarchy

çalışmalarında güçlü research input’u olabilir.

8. Usability testing conversion research’e ne katar?

Usability testing, gerçek kullanıcıların belirli görevleri bir arayüz üzerinde tamamlamaya çalışmasını gözlemlemeyi sağlar.

NN/g usability testing’i bir katılımcının gerçekçi görevler gerçekleştirirken araştırmacı tarafından gözlemlendiği yöntem olarak tanımlar.^[8]

CRO açısından örneğin kullanıcıdan:

• belirli özellikte bir ürün bulması,
• uygun varyantı seçmesi,
• teslimat bilgisini öğrenmesi,
• teklif talebi oluşturması,
• checkout’ı tamamlaması

istenebilir.

Araştırmacı bu sırada kullanıcının nerede:

• durduğunu,
• yanlış anladığını,
• geri döndüğünü,
• gereksiz adım attığını,
• görevi tamamlayamadığını

gözlemler.

Bu yöntem özellikle tasarımın gerçekten kullanılabilir olup olmadığını anlamada, yalnız kullanıcının “bence güzel” gibi beyanlarından daha işlevseldir.

9. Technical analysis neden CRO araştırmasının parçasıdır?

Bazen conversion problemi persuasion problemi değildir.

Sayfa bozuk olabilir.

Örneğin:

• Safari’de ödeme butonu çalışmıyordur.
• Mobil form validation hatası vardır.
• Belirli ekran boyutunda CTA görünmüyordur.
• Checkout JavaScript hatası veriyordur.
• Sayfa aşırı yavaş açılıyordur.

Bu nedenle CXL’in ResearchXL modelinde technical analysis ayrı bir research alanıdır ve browser, device ve site speed gibi kontroller içerir.^[1]

Teknik hata varsa bunu “A/B test etmek” de gerekmez.

Bug, hipotez değildir. Bug düzeltilir.

Bu ayrım optimization backlog’unu temiz tutar.

Research bulguları nasıl birleştirilir?

Conversion research’ün değeri her araçtan ayrı bir screenshot çıkarmak değildir.

Asıl değer farklı kaynakların aynı problem hakkında ne söylediğini birleştirmektir.

Örneğin:

Kaynak	Bulgu
Analytics	Mobil add-to-cart oranı belirgin biçimde daha düşük.
Session recordings	Kullanıcılar teslimat ve stok bilgisi çevresinde tekrar eden gezinme davranışı gösteriyor.
Customer support	“Ne zaman teslim edilir?” sorusu sık geliyor.
Survey	Bir grup kullanıcı satın almadan önce teslimat zamanını bilmek istediğini belirtiyor.

Bu durumda tek bir heatmap’e göre karar vermekten daha güçlü bir problem tanımı oluşturabiliriz:

Teslimat bilgisinin karar anında yeterince görünür olmaması, özellikle mobil kullanıcıların ürün satın alma kararında belirsizlik yaratıyor olabilir.

Buradaki “olabilir” önemlidir.

Research kanıt üretir ama bütün nedenselliği otomatik olarak kanıtlamaz.

Research finding ile insight arasındaki fark nedir?

Her veri noktası insight değildir.

Örneğin:

“Kullanıcıların %42’si pricing sayfasından çıkıyor.”

bir bulgudur.

Tek başına ne yapılacağını söylemez.

Başka kanıtlarla birleştiğinde:

“Pricing sayfasındaki paket farkları yeterince açık olmadığı için kullanıcıların doğru planı seçmekte zorlanması, decision friction yaratıyor olabilir.”

gibi bir problem insight’ına dönüşebilir.

Bunu şu zincirle düşünmek daha sağlıklıdır:

DATA
↓
FINDING
↓
PATTERN
↓
PROBLEM
↓
INSIGHT
↓
HYPOTHESIS

CXL’in conversion research yaklaşımında da toplanan verinin değerli olabilmesi için actionable insight’a ve ardından test hipotezine dönüşebilmesi gerektiği vurgulanır.^[1]

Her research bulgusu A/B testine dönüşmeli mi?

Hayır.

Conversion research’ün çıktısı yalnız “test ideas” listesi değildir.

CXL’in CRO process yaklaşımında bulgular farklı aksiyon türlerine ayrılabilir:^[2]

• Test: Davranışı değiştirebilecek ve kontrollü deneyle doğrulanması gereken fırsat.
• Instrument: Ölçüm eksik olduğu için önce tracking’in düzeltilmesi gereken durum.
• Hypothesize: Problem görüldüğü fakat çözüm hipotezinin henüz net olmadığı durum.
• Just Do It: Açık teknik hata veya düşük riskli belirgin düzeltme.
• Investigate: Karar vermek için daha fazla araştırma gereken bulgu.

Bu ayrım çok değerli.

Çünkü:

Her problem experiment değildir.

Örneğin yanlış çalışan telefon linkini A/B test etmeye gerek yoktur. Tracking çalışmıyorsa önce tracking düzeltilir. Kullanıcıların neden zorlandığı bilinmiyorsa yeni tasarım üretmeden önce araştırmaya devam edilir.

Research bulgusu CRO hipotezine nasıl dönüşür?

İyi bir hipotez research’ten kopuk fikir değildir.

En basit biçimde şu zincir kurulabilir:

OBSERVATION
↓
EVIDENCE
↓
PROBLEM
↓
PROPOSED CHANGE
↓
EXPECTED BEHAVIOR
↓
METRIC

Örneğin:

Observation: Kullanıcılar pricing sayfasında paketler arasında sık sık ileri geri hareket ediyor.

Evidence: Session recordings bunu gösteriyor; sales ekibi paket farklarının sık sorulduğunu bildiriyor.

Problem: Paketlerin hangi kullanıcı için uygun olduğu yeterince açık olmayabilir.

Proposed change: Paket karşılaştırmasını kullanım senaryolarıyla daha açık hale getirmek.

Expected behavior: Kullanıcının paket seçme belirsizliğinin azalması.

Metric: Pricing → signup progression.

Bu hipotez:

“Pricing’i yeniden tasarlasak güzel olabilir.”

fikrinden çok daha değerlidir çünkü hangi probleme neden müdahale edildiğini açıklar.

Conversion research’te araçlar nasıl seçilmeli?

Araç listesinden research yöntemi çıkarmak yerine research sorusundan araç seçmek daha doğru olur.

Soru	Uygun veri veya yöntem
Kullanıcılar nerede kayboluyor?	Analytics, funnel analysis
Hangi segment daha fazla zorlanıyor?	Analytics segmentation
Kullanıcı sayfada nasıl hareket ediyor?	Session recordings, behavioral analysis
Arayüzde görevi tamamlayabiliyor mu?	Usability testing
Hangi konuda tereddüt ediyor?	Survey, interview, sales/support feedback
Hangi mesajı anlamıyor?	User interviews, copy testing, usability research
Değişiklik davranışı gerçekten değiştirdi mi?	Uygun koşullarda controlled experiment / A/B test

Dolayısıyla:

PROBLEM
↓
RESEARCH QUESTION
↓
METHOD
↓
TOOL

sırası daha mantıklıdır.

Tersine:

TOOL
↓
"Buradan ne bulabiliriz?"

yaklaşımı çoğu zaman araştırma değil araç kullanımı üretir.

Conversion research’te sık yapılan hatalar

Analytics’i açıp rastgele metrik bakmak

Dashboard incelemek research değildir. Önce hangi kullanıcı davranışını veya business problemini araştırdığını bilmek gerekir.

Birkaç session kaydını bütün kullanıcıların davranışı sanmak

Tekil kayıtlar güçlü örnekler olabilir fakat temsiliyet garantisi taşımaz. Segmentasyon ve diğer veri kaynaklarıyla desteklenmelidir.

Heatmap’i neden-sonuç kanıtı gibi yorumlamak

Çok tıklanan alanın neden tıklandığını heatmap tek başına söylemez.

Kullanıcının söylediği şeyi gerçek davranış kabul etmek

Interview ve survey kullanıcı algısını anlamak için değerlidir. Gelecekteki gerçek davranışı garanti etmez.

Heuristic görüşü kullanıcı gerçeği sanmak

Uzman değerlendirmesi araştırılacak alan üretir; doğrulama yerine geçmez.

Her bulguyu A/B teste çevirmek

Bazı problemler bug’dır, bazıları measurement problemidir, bazıları daha fazla investigation gerektirir.

Research yapıp önceliklendirmemek

Elli problem bulup hangisinin iş açısından önemli olduğunu belirlememek, research sürecini yalnız daha büyük bir backlog üretme makinesine çevirir.

Pratik bir conversion research süreci nasıl kurulabilir?

Her proje aynı research yoğunluğunu gerektirmez. Büyük bir e-ticaret sitesiyle aylık birkaç yüz lead alan B2B siteye aynı metodolojiyi mekanik biçimde uygulamak anlamsızdır.

Ancak temel süreç şu şekilde kurulabilir:

1. Business goal’u belirle. Hangi ticari sonucun iyileştirilmek istendiğini netleştir.
2. Conversion ve funnel’ı tanımla. Kullanıcının hangi aşamalardan geçtiğini çıkar.
3. Measurement QA yap. Verinin güvenilir olduğundan emin ol.
4. Quantitative analysis yap. Problem alanlarının nerede ve ne büyüklükte olduğunu araştır.
5. Heuristic ve technical review yap. İncelenecek olası problem alanlarını çıkar.
6. Behavioral data incele. Kullanıcıların arayüzle gerçekte nasıl etkileştiğini gözlemle.
7. Qualitative research yap. Motivasyon, tereddüt, beklenti ve müşteri dilini araştır.
8. Kanıtları birleştir. Tek bir veri noktasına değil tekrar eden pattern’lere bak.
9. Problemleri önceliklendir. Evidence, business impact ve uygulanabilirlik üzerinden karar ver.
10. Hipotez üret. Değişiklik fikrini research bulgusuna bağla.
11. Doğru aksiyonu seç. Test et, düzelt, instrument et veya araştırmaya devam et.
12. Öğrenmeyi kaydet. Sonuç yalnız winner / loser değil, sonraki kararı besleyen bilgi üretmelidir.

Bu akış katı bir waterfall değildir. Analytics sırasında tracking problemi bulunabilir ve measurement aşamasına geri dönülebilir. Kullanıcı görüşmeleri yeni bir segmentation ihtiyacı doğurabilir. Experiment sonucu yeni research soruları üretebilir.

Daha doğru model döngüseldir:

RESEARCH
↓
PRIORITIZE
↓
HYPOTHESIZE
↓
CHANGE / EXPERIMENT
↓
MEASURE
↓
LEARN
↓
RESEARCH AGAIN

Conversion research sonunda ne üretmelidir?

İyi conversion research sonunda yalnız dashboard screenshot’ları, heatmap’ler veya saatlerce session recording izlenmiş olması kalmamalıdır.

En azından şu çıktılar oluşmalıdır:

• Açıkça tanımlanmış conversion problemi,
• problemi destekleyen evidence,
• etkilenen kullanıcı veya segment,
• problemin business impact’i,
• gerekirse ek araştırma ihtiyacı,
• öncelik seviyesi,
• uygun aksiyon türü,
• test edilecekse hipotez ve başarı metriği.

Ben bunu tek satırlık şu yapıyla özetliyorum:

PROBLEM
+
EVIDENCE
+
USER IMPACT
+
BUSINESS IMPACT
+
NEXT ACTION

CRO’nun research tarafı tam olarak burada değer üretir.

Rastgele değişiklik üretmek yerine hangi problemin çözülmeye değer olduğunu, bu problemi neden gerçek kabul ettiğimizi ve sıradaki kararın ne olması gerektiğini belirler.

Conversion research daha fazla veri toplama işi değildir. Daha iyi karar verebilmek için gereken kanıtı toplama işidir.

Kaynaklar ve teknik referanslar

1. CXL — Conversion Research
2. CXL — How to Create a Conversion Rate Optimization Process
3. CXL — Web Analytics Analysis: How to Find Business Growth Opportunities
4. Nielsen Norman Group — Quantitative User-Research Methodologies
5. Nielsen Norman Group — User Interviews 101
6. CXL — How to Use Qualitative Research to Drive Conversions
7. Nielsen Norman Group — Why User Interviews Fail
8. Nielsen Norman Group — Usability Testing 101