# A/B Testi Anlamlılık Hesaplama

> AB test calculator ve AB test guide: iki grubun dönüşüm oranını, p değerini ve yaklaşık %95 fark aralığını hesaplayın.

- Kategori: [SEO ve Web](https://toolbrio.com/kategori/seo-web/index.md)
- Alt kategori: Pazarlama ve reklam
- Son güncelleme: 2026-09-08
- Etkileşimli araç: [https://toolbrio.com/ab-testi-hesaplama/](https://toolbrio.com/ab-testi-hesaplama/)

## A/B testi sonucu, oran farkından daha fazlasıdır

A/B testi, aynı hedef için iki sürümü farklı gruplarda karşılaştırır. AB testing olarak da adlandırılan bu deneyde örneğin mevcut başvuru formunu A grubu, yeni formu B grubu görür. Her grupta formu tamamlayan kişilerin oranı hesaplanır. B oranının daha yüksek çıkması gözlenen bir farktır; istatistiksel test, bu farkın örnekleme belirsizliği karşısında ne kadar güçlü kanıt sunduğunu değerlendirir.

Bu hesaplayıcı iki grubun dönüşüm yapan ve yapmayan kişi sayılarını kullanır. Dönüşüm oranını, B eksi A farkını, A oranına göre göreli değişimi ve koşullar sağlandığında iki taraflı p değerini gösterir. Sonucun yönü B grubu referans alınarak yazılır: pozitif fark B oranının yüksek, negatif fark düşük olduğunu belirtir. Daha yüksek oranın iş açısından istenip istenmediği ise seçtiğiniz hedefe bağlıdır.

## Yüzde puan ile göreli artışı ayıran bir örnek

Aşağıdaki sayılar açıklama için oluşturulmuş bir deney örneğidir; gerçek bir kampanyanın performans verisi değildir. Her grupta 1.000 bağımsız ziyaretçi vardır. A grubunda 100, B grubunda 130 kişi hedefi tamamlamıştır.

| Ölçü |  | Sonuç |

| A dönüşüm oranı |  | 100 / 1.000 = %10 |

| B dönüşüm oranı |  | 130 / 1.000 = %13 |

| B eksi A |  | +3 yüzde puan |

| A oranına göre değişim |  | (13 / 10 - 1) × 100 = %30 artış |

| İki taraflı p değeri |  | Yaklaşık 0,03549 |

| Yaklaşık %95 fark aralığı |  | +0,2068 ile +5,7932 yüzde puan |

%10 oranının %13 olması, 3 yüzde puanlık mutlak fark ve başlangıç oranına göre %30 göreli artış demektir. Bunları tek bir “%3 artış” ifadesinde birleştirmek etkiyi yanlış anlatır. Hesaplanan p değeri 0,05 altında olduğundan bu örnek fark için istatistiksel kanıt verir. Buna rağmen farkın olası büyüklüğü geniş bir aralıktadır; sonuç “B kesin kazanır” veya “gelir %30 artar” anlamına gelmez.

## İki oran için kullanılan hesaplama

A ve B gruplarının ziyaretçi sayıları nA ve nB, dönüşüm sayıları xA ve xB olsun. Oranlar pA = xA/nA ve pB = xB/nB olarak bulunur. Sıfır hipotezi iki grubun gerçek dönüşüm oranlarının eşit olmasıdır. Test iki taraflıdır; hem artış hem azalış için kanıt arar.

Ortak oran p = (xA + xB)/(nA + nB) alınır. Test istatistiği z = (pB - pA) / √[p × (1 - p) × (1/nA + 1/nB)] biçimindedir. İki taraflı p değeri standart normal dağılımın iki kuyruğundan hesaplanır. Kullanılan ortak oranlı yaklaşım, [NIST iki oran karşılaştırması](https://www.itl.nist.gov/div898/handbook/prc/section3/prc33.htm) ile uyumludur. Araç anlamlılık eşiğini 0,05 olarak sabit tutar ve karar verirken yuvarlanmamış p değerini kullanır.

Fark için yaklaşık %95 güven aralığında ortak oran kullanılmaz. Sınırlar (pB - pA) ± 1,959964 × √[pA × (1 - pA)/nA + pB × (1 - pB)/nB] ile hesaplanır ve yüzde puana çevrilir. Bu normal yaklaşım, [Penn State iki bağımsız oran dersinde](https://online.stat.psu.edu/stat200/Lesson09) açıklanan aralıktır. Yöntem aynı koşullarda tekrar tekrar uygulandığında oluşturulan aralıkların yaklaşık %95 oranında gerçek farkı kapsaması hedeflenir. Görünen tek aralık, B sürümünün başarılı olma olasılığı değildir.

## p değeri neden bazen hesaplanmaz?

Normal yaklaşım için araç her grupta en az 10 dönüşüm yapan ve 10 dönüşüm yapmayan kişi arar. Örneğin 100 ziyaretçiden A grubunda 5, B grubunda 8 dönüşüm gelirse oranlar %5 ve %8, fark +3 yüzde puandır. Fakat dönüşüm sayıları 10 altında olduğu için p değeri ve güven aralığı gösterilmez. Yalnızca toplam ziyaretçi sayısının yüksek olması bu koşulu sağlamaz.

Küçük sayı koşulu sağlanmadığında “anlamlı değil” sonucu verilmez; seçilen yöntemle anlamlılık hesaplanmadığı belirtilir. Küçük örneklemler için farklı yöntemler vardır. Araç Fisher kesin testi veya başka bir alternatif teste kendiliğinden geçmez. Bu sayısal kontrolün geçmesi de tek başına yeterli değildir: kişilerin ve grupların bağımsızlığı ayrıca sağlanmalıdır.

## A/B testi nasıl yapılır ve sonuç ne zaman okunur?

Önce neyi değiştirdiğinizi ve hangi tek hedefi değerlendireceğinizi belirleyin. Ardından uygun ziyaretçileri A ve B gruplarına rastgele atayın; aynı kişinin iki grupta da sayılmasını önleyin. Her kişiye dönüşüm için aynı gözlem fırsatını tanıyın. Analiz edilecek örneklem büyüklüğünü veya bitiş kuralını sonuçlara bakmadan önce planlayın. Rastgele atama ve bağımsızlık varsayımlarının önemi, [Microsoft Research deney analizi çalışmasında](https://www.microsoft.com/en-us/research/publication/trustworthy-analysis-of-online-a-b-tests-pitfalls-challenges-and-solutions/) da ele alınır.

Her gün p değerine bakıp ilk kez 0,05 altına indiğinde deneyi durdurmak, sabit analiz için hesaplanan hata oranını korumaz. Bu davranışa peeking denir. [Sürekli izlenen A/B testleri üzerine birincil araştırma](https://pubsonline.informs.org/doi/10.1287/opre.2021.2135), böyle kararlar için uygun ardışık yöntemler gerektiğini açıklar. Buradaki hesaplayıcı ardışık test uygulamaz; her gün yeniden hesaplamak bu eksikliği gidermez.

Birden çok buton, hedef veya kullanıcı segmenti için ayrı test yapıp yalnızca anlamlı olanları seçmek de sonuçların yorumunu değiştirir. [A/B testlerinde sonuç seçimi araştırması](https://www.microsoft.com/en-us/research/uploads/prod/2021/06/PostSelectionKDD2021.pdf), veriye baktıktan sonra olumlu sonuçları ayırmanın oluşturduğu yanlılığı gösterir. Bu araç çoklu karşılaştırma düzeltmesi yapmaz. Tek bir iki grup hesabını, tüm deney programınız için ortak %5 hata güvencesi gibi değerlendirmeyin.

Sonuçları okurken önce ölçümün doğru olduğuna, sonra farkın büyüklüğüne ve belirsizlik aralığına bakın. İstatistiksel olarak anlamlı küçük bir değişiklik uygulama maliyetini karşılamayabilir. Anlamlı bulunmayan bir sonuç da etkisizlik kanıtı değildir. Gelir, maliyet veya müşteri memnuniyeti için ayrıca o ölçülere uygun veri ve değerlendirme gerekir.

## Sık sorulan sorular

### A ve B gruplarının ziyaretçi sayıları eşit olmalı mı?

Hayır. Hesaplama iki grubun örneklem büyüklüğünü ayrı kullanır. Bununla birlikte planlanan dağılım ile gerçekleşen dağılım arasında beklenmeyen fark varsa atama veya ölçüm hatasını inceleyin. Araç planlanan trafik oranını bilmediği için böyle bir hatayı otomatik denetlemez.

### Bir kişi üç sipariş verdiyse üç dönüşüm yazabilir miyim?

Bu hesapta hayır. Her bağımsız kişi için hedef gerçekleşti veya gerçekleşmedi şeklinde tek sonuç gerekir. Üç sipariş veren kişi bir dönüşüm yapan kişi olarak sayılır. Sipariş adedi veya kişi başı gelir gibi farklı ölçüler bu iki oran testinin kapsamına girmez.

### A grubunda hiç dönüşüm yoksa ne gösterilir?

A oranı sıfır, B eksi A farkı ise hesaplanabilir. Göreli değişimde sıfıra bölme gerektiği için bu değer tanımsız gösterilir. En az 10 dönüşüm koşulu da sağlanmadığından p değeri ve yaklaşık %95 fark aralığı verilmez.

### p değeri 0,05 üzerinde çıkarsa iki sürüm eşit midir?

Hayır. Bu test, seçilen eşikte bir fark için yeterli kanıt bulunmadığını söyler. Küçük bir gerçek etkiyi göstermek için veri yetersiz olabilir. Eşdeğerlik iddiası için kabul edilebilir fark sınırları ve buna uygun ayrı bir test tasarımı gerekir.

### p değeri ile %95 fark aralığı neden sınırda farklı işaret verebilir?

p değeri ortak dönüşüm oranını kullanan pooled z testinden gelir. Fark aralığı her grubun kendi oranını kullanan yaklaşık unpooled normal aralıktır. Birbirinin tam ters işlemi olmayan bu iki yaklaşım, özellikle 0,05 eşiğine yakın sonuçlarda veya yuvarlama nedeniyle farklı görünebilir. Karar satırı yuvarlanmamış p değerine dayanır.

### Bu araç testi kurar veya gerekli ziyaretçi sayısını hesaplar mı?

Hayır. Araç topladığınız iki grubun sayılarını karşılaştırır; sitenize kod eklemez, ziyaretçileri gruplara atamaz ve minimum örneklem büyüklüğü hesaplamaz. Test öncesi güç hesabı için başlangıç oranı, saptanmak istenen en küçük etki ve hedef güç ayrıca belirlenmelidir.