Kırmızı buton daha çok satış getirir mi?

Kısa cevap

Tek başına hayır. Kırmızı butonun yeşili yendiği ünlü test, kırmızının sayfadaki tek kırmızı öğe olduğu belirli bir tasarımda yapılmıştı ve testi yapan kişi sonucun başka sitelere taşınmaması gerektiğini açıkça yazmıştı. Buton renginde işe yarayan şey çoğunlukla belirli bir ton değil, butonun çevresinden ne kadar ayrıldığıdır; bunu da ancak kendi sayfanızda, doğru kurulmuş bir testle öğrenebilirsiniz.

İddia

Dijital pazarlama yazılarında ve sunumlarında sık tekrarlanan bir öneri vardır: "Satın al" ya da "Kaydol" butonunuzu kırmızı yapın, dönüşüm oranınız artar. Bazen gerekçe renk psikolojisine dayandırılır: kırmızı aciliyet ve heyecan uyandırır, harekete geçirir. Bazen de bir sayı eklenir: kırmızı buton yüzde 21 daha fazla tıklama getirdi.

İddianın cazibesi basitliğindedir. Bir sitenin satışlarını artırmak için tasarımı baştan yapmak, metni yeniden yazmak ya da ürünü değiştirmek gerekmez; tek bir renk kodunu değiştirmek yeter.

Nereden çıktı?

İddianın en çok alıntılanan kaynağı, pazarlama yazılımı şirketi Performable'da tasarımcı Joshua Porter'ın 2010'da paylaştığı bir A/B testidir. Porter şirketin ana sayfasındaki yeşil butonu kopyalanmış bir sayfada kırmızıya çevirmiş ve sayfada başka hiçbir şeyi değiştirmemişti. Birkaç gün süren ve iki binden fazla ziyareti kapsayan testte kırmızı buton yeşilden yüzde 21 daha iyi sonuç verdi. Sonuç, Performable'ı daha sonra satın alan HubSpot'un blogunda da yayımlandı ve yıllarca "kırmızı kazanır" kanıtı olarak dolaştı.

Ama testin kendisi bu yorumu desteklemiyordu. Performable'ın sayfası yeşil ağırlıklıydı; logo ve tasarım da yeşil tonlarındaydı. Kırmızı buton, sayfadaki tek kırmızı öğe olduğu için göze batıyordu. Porter da yazısında bunu açıkça söyledi: sonuçlar en fazla, gerçekleştikleri koşullarda, yani bu sayfa tasarımında, bu sitede ve onu gören kitlede geçerliydi. Okurlarına yeşil butonlarını test etmeden kırmızıya çevirmemelerini, renkleri kendi sayfalarında ve kendi kitleleriyle denemelerini önerdi.

Buton rengi testlerinin ünlenmesinde büyük teknoloji şirketlerinin hikâyeleri de rol oynadı. Google'da görsel tasarım ekibini yöneten Douglas Bowman, Mart 2009'da şirketten ayrılırken yazdığı yazıda, bir ekibin iki mavi arasında karar veremediği için aralarındaki 41 tonu test ettiğini anlattı. Bowman bunu verinin her tasarım kararını belirlediği bir kültürün örneği olarak eleştiriyordu; ama hikâye zamanla "renk testi milyonlar kazandırır" iddiasının kanıtı gibi anlatılmaya başlandı.

Kanıt ne diyor?

Kanıt, iddianın üç ayrı noktada sorunlu olduğunu gösterir.

Birincisi kontrasttır. Bir butonun tıklanıp tıklanmaması önce fark edilmesine bağlıdır ve fark edilmeyi belirleyen, butonun renginin kendisinden çok, çevresindeki renklerden ne kadar ayrıldığıdır. Yeşil bir sayfada kırmızı buton öne çıkar; kırmızı ağırlıklı bir sayfada ise kırmızı buton kaybolur ve yeşil ya da mavi bir buton öne çıkabilir. Tek vurgu renginin bir sayfada gözü nasıl yönettiği GT-03'ün konusudur.

İkincisi istatistiktir. Bir testte bir sürümün daha iyi çıkması, farkın gerçek olduğu anlamına gelmez; küçük örneklemlerde rastlantı büyük farklar üretebilir. Varsayımsal bir örnekle düşünelim: iki sürüm biner ziyaretçi alsın, yeşil sürümde 50, kırmızı sürümde 60 kişi tıklasın. Kırmızı yüzde 20 "daha iyi" görünür. Ama bu büyüklükte bir fark, iki sürüm aslında eşit olsa bile rastlantıyla kolayca ortaya çıkabilir; standart bir istatistik testiyle bakıldığında fark anlamlı değildir. Buna karşın aynı oranlar yüz binlerce ziyaretçide gözlenseydi, fark güvenilir hâle gelirdi.

Deney yürütme konusundaki önemli bir başvuru kitabında Ron Kohavi, Diane Tang ve Ya Xu, bu tür şaşırtıcı sonuçlara karşı "Twyman yasası" denen ilkeyi hatırlatır: ilginç ya da farklı görünen bir sayı genellikle yanlıştır. Yazarlar, özellikle çarpıcı olumlu sonuçların yeniden kontrol edilmesini ve geçerlilik testlerinden geçirilmesini önerir.

Üçüncüsü zamandır. Bir sitenin sadık ziyaretçileri bir öğenin değiştiğini fark eder ve yeni olduğu için ona bir süre daha çok ilgi gösterebilir. Bu ilgi alışkanlık oluştukça söner. Bu yüzden kısa süren bir testte yeni renk kazanmış görünebilir, ama birkaç hafta sonra fark kaybolabilir.

Doğru kurulmuş bir buton testi bu üç tuzağı baştan hesaba katar. Ölçülecek davranış testten önce seçilir: tıklama mı, satın alma mı, üyelik mi? Gereken ziyaretçi sayısı da testten önce hesaplanır ve test bu sayıya ulaşmadan, ara sonuçlar ne kadar heyecan verici görünürse görünsün, durdurulmaz. Test en az bir ya da iki tam hafta sürdürülür ki hafta içi ile hafta sonu ziyaretçileri ve yeniliğin sönmesi hesaba girsin. Rengi değiştirmeden önce de butonun çevresiyle kontrastı ölçülür; böylece sonuç ortaya çıktığında "kırmızı mı kazandı, yoksa daha belirgin olan mı?" sorusuna cevap verilebilir. En sonunda, önemli bir kazanç ancak bir kez daha tekrarlandığında kalıcı bir tasarım kararına dönüştürülür.

Bu üç sorunun ortak sonucu, bir buton renk testinin bulgusunun başka bir siteye taşınamamasıdır. Farklı bir sitenin renkleri farklıdır, bu yüzden kontrast da farklıdır; kitlesi, trafiği ve ziyaretçilerinin alışkanlıkları da farklıdır. "Kırmızı yüzde 21 kazandırır" gibi genel bir cümle, tek bir sayfada bir kez ölçülmüş bir sonucu evrensel bir yasa gibi sunar.

Hüküm — Yanlış

"Kırmızı buton daha çok satış getirir" genel bir kural olarak yanlıştır. Kırmızı bir buton belirli bir sayfada gerçekten daha iyi çalışabilir, ama bunun nedeni genellikle kırmızının kendisi değil, o sayfadaki kontrastıdır. En çok alıntılanan kanıtın yazarı bile sonucun genellenmemesini istemiştir.

Örnek — iki sayfa, iki farklı kazanan

Bir kozmetik markası, fondöten ürünleri için iki farklı sayfayı test ediyor. Birinci sayfa beyaz zemin üzerine açık yeşil vurgularla tasarlanmış; burada turuncu-kırmızı bir buton öne çıkıyor ve daha çok tıklanıyor. İkinci sayfa ise farklı ten tonlarındaki modellerin büyük fotoğraflarıyla dolu; fotoğraflarda sıcak kahve, bal ve pembe tonları baskın. Bu sayfada aynı turuncu-kırmızı buton, fotoğraflardaki sıcak tonların arasında kaybolabiliyor; koyu lacivert bir buton ise daha belirgin ayrılıyor.

Aynı marka, aynı ürün, aynı buton; iki farklı sonuç. Bu örnek, butonun renginin ancak çevresiyle birlikte anlam kazandığını gösteriyor. Ayrıca ten tonlarının çeşitli olduğu görsellerle çalışırken, buton rengini açık tenli tek bir model fotoğrafına göre seçmenin, sayfanın öbür sürümlerinde beklenmedik sonuçlar verebileceğini hatırlatıyor.

Sık yapılan yanlış

Özet

1. Kırmızı butonun yüzde 21 kazandırdığı ünlü test, yeşil ağırlıklı tek bir sayfada yapılmıştı ve yazarı sonucun genellenmemesini açıkça istemişti.
2. Buton testlerinde belirleyici olan genellikle ton değil kontrasttır; ayrıca küçük örneklemler, istatistiksel anlamlılık eksikliği ve yenilik etkisi yanıltıcı kazananlar üretebilir.
3. Bir buton renk testinin sonucu başka bir siteye taşınamaz; her sayfa kendi renkleri, kitlesi ve trafiğiyle kendi testini gerektirir.

Kendini sına

1. (Kolay) A/B testinde iki sürüm arasında kaç öğe farklı olmalıdır?
2. (Kolay) Performable testinde kırmızı buton neden öne çıkmış olabilir?
3. (Orta) Bir buton renk testinin sonucunu başka bir siteye genellemek neden hatalıdır?
4. (Orta) Yenilik etkisi kısa süreli bir testin sonucunu nasıl yanıltabilir?
5. (Zor) Biner ziyaretçiyle yapılan bir testte kırmızı sürüm yüzde 20 daha iyi çıkıyor. Bu sonuca neden hemen güvenilmemelidir ve ne yapılmalıdır?
6. (Zor) Twyman yasası bir pazarlama ekibinin çarpıcı bir test sonucuna nasıl yaklaşmasını önerir?

Cevaplar

1. Yalnız bir öğe; böylece sonuçtaki fark o öğeye bağlanabilir («İddia»).
2. Sayfa yeşil ağırlıklıydı ve kırmızı buton sayfadaki tek kırmızı öğeydi; yani kırmızının kendisinden çok kontrast öne çıkardı («Nereden çıktı?»).
3. Başka bir sitenin renkleri, dolayısıyla kontrastı farklıdır; kitlesi, trafiği ve alışkanlıkları da farklıdır. Bir sayfada bir kez ölçülmüş sonuç, o koşulların dışında geçerli olmayabilir; testin yazarı da bunu açıkça belirtmiştir («Kanıt ne diyor?»).
4. Sadık ziyaretçiler değişen öğeye yeni olduğu için bir süre daha fazla ilgi gösterebilir; test bu dönemde biterse yeni sürüm kazanmış görünür, ama ilgi söndükçe fark kaybolabilir («Kanıt ne diyor?»).
5. Bu büyüklükte bir örneklemde bu kadar fark, iki sürüm aslında eşit olsa bile rastlantıyla ortaya çıkabilir; fark istatistiksel olarak anlamlı olmayabilir. Örneklem büyütülmeli, test yeterince uzun sürdürülmeli ve mümkünse tekrarlanmalıdır («Kanıt ne diyor?»).
6. İlginç ya da beklenmedik görünen bir sayının genellikle yanlış olduğunu varsaymayı; özellikle çarpıcı olumlu sonuçları yeniden kontrol etmeyi ve geçerlilik testlerinden geçirmeyi önerir («Kanıt ne diyor?»).

Kaynaklar

• Porter, J., «Button Color Test: Red Beats Green», Performable blogu, 2010.
• Bowman, D., «Goodbye, Google», Stopdesign, 20 Mart 2009.
• Kohavi, R., Tang, D. ve Xu, Y., Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing, Cambridge University Press, 2020.

Sonraki adım

GT-03 bu dersin kontrast bulgusunu tasarım yöntemine dönüştürüyor: tek vurgu rengi ilkesini, nötr alanların gücünü ve bir sayfada gözün nereye gideceğini sınamak için bulanıklaştırma testini anlatıyor. PS-05 ise kırmızının kendisine dönüyor: kırmızı giyen sporcunun daha sık kazandığı, kırmızı gören öğrencinin sınavda geriye düştüğü gibi iddiaları ve bu çalışmaları tekrarlama girişimlerinin ne bulduğunu değerlendiriyor.