A/B Test Sonuçları İstatistiksel Olarak Gerçekten Doğru Mu?

Vefa Çınar   |    Ekim 9, 2018

Temelde tüm performans pazarlama süreçlerinin 2 basit ve ortak hedefi var: web sitesine veya uygulamaya trafik yaratmak ve bu kullanıcıların siteye geldikten sonra dönüşüm gerçekleştirmelerini sağlamak. Bu basit hedeflerden ikincisini gerçekleştirmek için en fazla kullanılan yollardan birisi de A/B testler. A/B test çalışmalarının kullanıcı deneyimi tasarımında ve dönüşüm optimizasyonundaki büyük etkisi yadsınamaz. Ancak A/B test süreçleri, hizmet ettiği hedefler kadar basit değil ya da en azından öyle olmamalı diyebiliriz.

Peki neden? Her zaman bir araştırmada ya da bilimsel bir deneyde ulaşılan sonucun rastlantıya bağlı olma ihtimali vardır. Ancak dijital ürünler üzerinde değişkenlerin test edildiği A/B test gibi deneylerden bahsediyorsak bu olasılık normalden daha yüksek. Çünkü bu testlerde hiçbir zaman denekler hakkında gerçek bilgimiz olmaz ve tüm değişkenleri kontrol edemeyiz. Biz sadece bir değişkeni test ettiğimizi ve diğerlerini sabit bıraktığımızı sanarken, gerçekte durum farklı olabilir. Dolayısıyla eğer A/B testler sonucunda öğrendiklerimizi kullanarak dönüşüm oranını artırmak istiyorsak; yaptığımız testin istatistiksel olarak anlamlı olması şart.

Örneklem Nedir?

Eğer bir deney ya da anket yaparken, tüm havuzdaki kullanıcıları teste dahil etme şansınız yoksa, diğer bir deyişle testin sonsuza kadar sürmesini istemiyorsanız örneklem kullanmanız gerekir. Örneğin; seçim anketlerini düşünelim. Bu anketlerde araştırmacıların hiçbir zaman tüm nüfusu ankete dahil etme şansı olmaz. Bunun yerine toplumun tüm kesimlerinin eşit şekilde temsil edildiği bir alt grupla anket gerçekleştirilir ve sonuçlar genele yansıtılır. Web sitemizde gerçekleştirdiğimiz A/B testler için de durum böyledir. Testin sonsuza kadar sürmemesi için, mutlaka bir örneklem üzerinde test yapmak zorundayız. Peki teste soktuğumuz örneklem, tüm kullanıcıların ortalamasıyla karşılaştırdığımızda ne kadar doğru? Bunu anlayabilmek için de bir başka istatistik terimi olan standart sapmayı anlamamız gerekiyor.

Standart Sapma Ne Anlama Gelir?

Özet olarak standart sapma, teste soktuğumuz örneklemdeki çeşitliliğin bir ifadesidir. Yani bizim test sonucunda elde ettiğimiz her bir verinin, genel ortalamaya olan uzaklığını anlatır.  A/B testimizi uygulayacağımız havuz içerisindeki standart sapma ne kadar yüksekse, örneklem hacminin eksikliğinden kaynaklı hata olasılığı da bir o kadar yükselir. Örneğin aşağıdaki grafikte 2 farklı veri setine ait değerlerin dağılımı gösterilmiştir. Mavi veri seti için standart sapma 50 iken, kırmızı veri seti için 10’dur. Yani mavi veri setinde çeşitlilik daha yüksektir ve bu set içerisinden seçeneğimiz örneklemdeki değerlerin farklılık gösterme olasılığı daha fazladır. Ancak kırmızı set için bu farklılık daha düşüktür, test sonuçları istatistiksel olarak daha anlamlı olacaktır.

P Değeri Neyi İfade Eder?

İstatistikte anlamlılığın varlığından söz etmek için P değeri kullanılır. Bir deneyde “istatistiksel olarak anlamlı farklılık vardır” sonucuna ulaşacağımız zaman olası hata miktarını gösterir. İngiliz istatistikçi Ronald Fisher bu hatanın kabul edilebilir maksimum değerini 0,05 olarak önermiş ve bu öneri istatistik dünyasında kabul görmüştür. Bir A/B test ya da daha genel olarak bir deney sonucunda hesaplanan P değeri 0,05’in altında  ise test sonucunda anlamlı farklılığa ulaşılmış olur.

Güven Aralığı Ne Demek?

Eğer Ronald Fisher’a katılmıyorsanız ve test sonuçlarının kesinlik seviyesini artırmak istiyorsanız P değeri için üst sınırı 0,01 olarak kabul edebilirsiniz. Tam tersi de mümkün, kesinlik seviyesini düşürüp sonuçlara daha kolay ve kısa sürede ulaşmak isterseniz P değeri için toleransınızı 0,1’e kadar çıkarabilirsiniz. Bu tercihleri yaparken aslında “güven aralığı” belirlemiş oluyorsunuz. Standart P değeri (0,05) kullandığınızda, %90 güven aralığında deneyinizi gerçekleştiriyorsunuz. Bu oranı %90’a düşürmek veya %99’a çıkarmak da mümkün. Yani aslında 1-“güven aralığı”=P değeri formülüyle tercih ettiğiniz güven aralığına göre P değeri toleransını hesaplayabilirsiniz.

İstatistiksel Anlamlılık Nasıl Hesaplanır?

Yazıyı buraya kadar sıkılmadan okuduysanız, istatistiksel anlamlılığı hesaplamak için karışık bir istatistik formülü bekliyor olabilirsiniz 🙂 Ama hesaplamayı bizim için yapan ve hayatımızı kolaylaştıran istatistiksel anlamlılık hesaplama araçları mevcut. Bu araçları kullanarak örneklemimizi, test sonucunda elde ettiğimiz farklı varyantlara ait dönüşüm sayılarını ve kullanmak istediğimiz güven aralığını girerek, testimizin istatistiksel olarak anlamlı olup olmadığını görebiliyoruz. Sonuç olarak dönüşüm optimizasyonu süreçlerinizde veya reklam kampanyalarınızı optimize ederken A/B testler kullanıyorsanız, elde ettiğiniz sonuçların gerçekliğinden emin olmanız için istatistiksel anlamlılık hesaplaması yapmanızda fayda var.

Eğer bu yazı ilginizi çektiyse istatistiksel hesaplamalar hakkında detaylar için bu yazıya göz atabilirsiniz.

Arama Terimleri Raporunun Performansa Etkisi

Umut Çakmak Kasım 22, 2018

Dijital pazarlama stratejilerini planlarken en kritik noktalardan birisi potansiyel müşterilere ulaşmak ve bu müşteriler tarafından işletmeniz için önemli olan aksiyonların alınmasını sağlamaktır. Bu durum AdWords Arama Ağı kampanyalarını oluştururken de geçerlidir. Arama ağı reklamlarında öncelikle reklamınızın alakalı kişilere gösterilmesini istersiniz, daha sonrasında yine alakalı kişiler tarafından reklamınıza tıklanmasını ve hedeflediğiniz aksiyonun alınmasını istersiniz. Peki ama reklamlarınızın yalnızca potansiyel müşterilerinize gösterilmesini nasıl sağlarsınız? Arama ağı reklamlarını oluştururken bildiğiniz gibi arama ağının yapı taşı olan anahtar kelimelerden faydalanırız. Anahtar kelimeler, hangi kelimeleri aratan kullanıcılara reklamlarınızı göstereceğinizi belirler. Başta da söylediğimiz gibi kampanyaların asıl amacı potansiyel müşterilere ulaşmaktır. Anahtar kelimeler de bu doğrultu da belirlenir. Fakat bazen kullanıcılar, belirlediğiniz anahtar kelimeyi içeren bir aratmalar yapmasına rağmen sizin için potansiyel müşteri değildir. Örneğin, Ataşehir’de bir spor salonu sahibiyseniz ve “spor salonu” anahtar kelimesini hedeflediyseniz “avcılar spor salonu” araması yapan bir kullanıcıya da reklamınız gösterilebilir. İşte bu noktada Arama Terimleri Raporu devreye giriyor. Arama Terimleri Raporu, size kullanıcıların hangi kelimeler ile arama yaptığını ve sizin hangi anahtar kelimelerinizle eşleştiği, reklamlarınızın kaç defa gösterildiği, kaç defa tıkladığı gibi verilere ulaşma imkanı tanır. Arama Terimleri Raporuna Nereden Ulaşılır? Yeni arayüzü kullanıyorsanız, AdWords hesabınıza giriş yapın. Sol taraftaki panelden anahtar kelimeler (keywords) sekmesine tıklayın. Üst taraftaki menüden search term (arama terimleri) butonuna tıklayın. Eski arayüzü kullanıyorsanız, AdWords hesabınıza giriş yapın. En üst menüden kampanyalar sekmesine tıklayın. Keywords (anahtar kelimeler) sekmesine tıklayın. Search term (arama terimleri) düğmesine tıklayın. Arama Terimleri Raporu İle Alınabilecek Aksiyonlar Arama terimleri raporunu incelerken sütunları özelleştirip anahtar kelimelerinizi rapora eklemek, raporu doğru okuyabilmek ve aksiyon alabilmek için oldukça önemli. Sütunlarınızı özelleştirdikten sonra raporu incelediğinizde kullanıcıların arattığı bazı terimlerin sizin için değerli olduğunu ve kampanyalarınıza anahtar kelime olarak eklemek istediğiniz görebilirsiniz. Bu noktada arama teriminin yanındaki kutucuğu işaretleyip sonra yukarıdan anahtar kelime olarak ekle seçeneğini seçebilirsiniz. Bu seçeneğe tıkladığınızda arama terimi otomatik olarak sizin hangi anahtar kelimeniz ile eşleştiyse ve bu anahtar kelime hangi kampanya ve reklam grubunda bulunuyorsa, o kampanya ve reklam grubuna ekleniyor. Raporu incelemeye devam ettiğinizde bazı arama terimlerinin sizin için oldukça alakasız olduğunu görecek ve kullanıcılar bu kelimeleri arattığında reklamınızı göstermek istemeyeceksiniz. Bu durumda iki seçeneğiniz var. Birinci olarak kullanıcılar hangi kelimeleri aratıyor ve sizinle alakasız aratmalarda reklamlarınız gösteriliyor, bunu tespit edip bu kelimeler ile bir negatif kelime listesi oluşturabilir ve bu listeyi birden fazla kampanyaya ekleyebilirsiniz ve negatif kelime listesini eklediğiniz hiçbir kampanyada bu kelimeleri içeren aramalarda reklamlarınız gösterilmez. İkinci olarak da alakasız olduğunu düşündüğünüz terimlerin yanındaki kutucuğu işaretleyip negatif kelime olarak ekle seçeneğini seçebilirsiniz. Bunu yaptığınızda seçtiğiniz arama terimlerini eşleştiği kampanya veya reklam grubuna negatif olarak ekleyebilirsiniz. Arama Terimleri Raporunun Önemi Arama ağı kampanyalarındaki temel amaç, tıklanma oranlarını artırmak, maliyeleri düşürmek düşürmektir. Arama terimleri raporundan hareketle eklediğiniz negatif kelimeler sayesinde alakasız tıklamalar almanın ve dolayısıyla bütçenizi gereksiz yere harcamanın önüne geçersiniz. Alakalı bulup anahtar kelime olarak eklediğiniz terimler sayesinde de alaka düzeyinizi artırır ve potansiyel müşterilerinize daha çok ulaşabilirsiniz. Bu sayede edinme başına maliyetlerinizi düşürebilirsiniz. Arama terimleri raporunu haftalık olarak incelemek ve gerekli aksiyonları almak kampanyalarınızın performansı açısından önemlidir. Bu sayede bütçenizi verimli kullanabilirsiniz.

İçerik Üretiminde Nasıl Yeni Fikirler Geliştirebiliriz ?

Taha Yelkenci Ekim 18, 2018

Yeni içerik fikirleri düşünmek içerik üreticilerinin en çok zamanı harcadığı taraflardan biridir. İçerik üretmeye ilham veren hazır da olan bir çok konuya sahip olmak güzel olurdu değil mi ? Bu içeriğimizde en hızlı şekilde yeni içerik fikirleri üretmek için alternatif yollar öğreneceksiniz. Bu fikirleri sürekli uygulayın ve excel ortamında toplayın böylece daha çok ilham kaynağınız ve daha fazla zamanınız olacak. 1- Sektörünüzde ki SSS Sayfalarını İncelemek Potansiyel müşterilerinizin sorularının ne olduğunu, nelere dikkat ettiklerini veya neleri istedikleri hakkında fikir edinebilmenin harika bir yoludur. Sektörünüz için hedef bir anahtar kelime seçin ve Google da ; inurl:SSS [anahtar kelime] araması yapın. Yeni içerik fikirleri edinmek için sonuçta sıralanan sitelerin SSS sayfalarına gidin ve müşterilerinizi daha iyi tanıyın. Bu sık sorun soruları blog gönderisi, rehber içerikler gibi alanlarda kullanarak web sitenizi müşterileriniz için bir kaynak haline getirebilirsiniz. 2- Konularınızı AnswerThePublic.com ile Görselleştirin Answerthepublic aracı ile içerik fikirlerinizi şablonlara dökerek zenginleştirebilirsiniz. İçerik konularınız için Google otomatik tamamlama özelliğini kullanıyorsanız eğer bu aracın size ne kadar zaman kazandıracağını kendiniz göreceksiniz. Bu araç daha fazla ilham alabilmeniz için anahtar kelimenizi en yayın sorulara ve edatlara ayırarak ifadelerin görsel şemalarını size sunar. Araç ayrıca Ubersuggest gibi anahtar kelimelerin alfabetik listelerini de çıkartabiliyor ve tüm bunları ister görsel olarak ister excel tablosu halinde indirebiliyorsunuz. 3- Pinterest ile İçeriğinizi Kılavuzlayın Pinterest kullanıcıların demografik özelliklerini temsil etmese de harika fikirler edinebilmek için görsel sonuçlarla ilham kaynağı olabiliyor. Pinterest içeriğinizle ilgili daha fazla anahtar kelime önererek sonuçları daraltmaya yardımcı oluyor. 4- BuzzSumo ile Sosyal Ağlarda En çok Paylaşılan İçerikleri Keşfedin Buzzsumo, sektörünüz için ilgi çekici, merak uyandırıcı konular bulmak için harika bir araçtır. Anahtar kelimenizi aratıp kullanıcıların en çok neleri paylaştığını görebilirsiniz. Aynı zamanda sektörde ki lider firmaların en çok paylaşılan URL’lerini de BuzzSumo ile keşfedebilirsiniz, bu kısmı daha eğlenceli. 5- İçerik Fikirlerini Artırmak için Quora Sorularını İnceleyin Quora, büyük bir soru-cevap platformu ve içerik fikirleri için çok değerli bir kaynak. Soruları da cevapları da kullanıcılar sorup cevapladığı için kitlenizi daha iyi tanıyabilirsiniz. Fakat genel anahtar kelimeleriniz yerine daha uzun kuyruklu anahtar kelimeleriniz veya kategori içerikleriniz için araştırma yapmanızı öneririz. Quora ile sadece sorulara değil sol tarafta ki filtreleme seçenekleri ile konu başlıklarına, blog postlarına da ulaşabilirsiniz. 6- SEMrush ile Rakiplerinizin En çok Trafik Alan Organik Sayfalarını Görün Rakiplerinizin en çok trafik alan sayfalarını ulaşmak istiyorsanız SEMrush tam anlamıyla istediklerini karşılıyor. Sitenizdeki içerikler için fikir üretmek, denetlemekve geliştirmek için rakiplerinizin yüksek performans gösteren içeriklerini inceleyerek bu bilgileri kendi içerik stratejinize dahil etmelisiniz. Bu yöntemlerle sizin uzun süre meşgul eden içerik fikirlerinizi daha kısa sürede listeleyebileceksiniz. Bu bilgiler dışında birçok farklı yöntem daha mevcut. Fikir üretmek için en hızlı ulaşabileceğiniz yolları listeledik, bu listeye ek olabilecek kaynaklar biliyorsanız yorum yaparak açıklayabilirsiniz!

R Programlama Dili ile Google Analytics Verilerinin Analizi

Vefa Çınar Ekim 16, 2018

Catalysor’de veri analizi ve optimizasyon için hem mevcut analiz araçlarını hem de kendi geliştirdiğimiz çözümleri kullanıyoruz. Bunlardan birisi de R programlama dili kullanarak oluşturduğumuz analizler ve makine öğrenmesi (machine learning) algoritmaları. Google Analytics API tarafından sağlanan verileri R ile inceleyip, markaların performans metriklerinin zaman içinde nasıl değişeceğine dair tahminler yapmak mümkün. Daha çok veri = daha iyi performans. Genel olarak R; veri görselleştirme, istatistiksel analiz ve makine öğrenmesi gibi amaçlarla kullanılan bir programlama dili. Bu yazıda R ile Google Analytics API bağlantısı kurarak, verileri R Studio arayüzüne aktaracağız ve birkaç veri görselleştirme örneğinden bahsedeceğiz. Böylece R ile Google Analytics verilerinin analizi konusuna giriş yapmış olacağız. Başlamadan önce aşağıda detaylı inceleyeceğimiz adımları bir arada gösteren kod parçacığını paylaşıyorum. R ile daha önce çalıştıysanız, direkt olarak kodu çalıştırıp, çıktıları elde edebilirsiniz. Bu yazıda, kod içerisindeki farklı bölümleri adım adım çalıştırarak ilerleyeceğiz. library(googleAnalyticsR) library(ggplot2) #Authorize Google Analytics R- this will open a webpage #You must be logged into your Google Analytics account on your web browser ga_auth() #Use the Google Analytics Management API to see a list of Google Analytics accounts you have access to my_accounts <- google_analytics_account_list() View(my_accounts) #Use my_accounts to find the viewId. Make sure to replace this with your viewId. my_id <- 123456 #set date variables for dyanmic date range start_date <- "60daysAgo" end_date <- "yesterday" #Page View Query df1 <- google_analytics_4(my_id,                           date_range = c("2016-12-10", "2017-02-07"),                           metrics = c("pageviews"),                           dimensions = c("pagePath")) #Session Query - Uses start_date and end_date df2 <- google_analytics_4(my_id,                           date_range = c(start_date, end_date),                           metrics = c("sessions"),                           dimensions = c("date")) #graph sessions by date ggplot(data=df2, aes(x=date, y=sessions)) +   geom_line(stat="identity") R ve R Studio Yükleme R Studio, R programlama dili kullanarak scriptler oluşturma ve test etme amacıyla kullanılan bir IDE (Interactive Development Environment). R indirmek için https://cran.r-project.org adresini, R Studio indirmek için de https://www.rstudio.com/products/rstudio/download adresini kullanabilirsiniz. İhtiyacımız Olan R Paketleri R paketleri, spesifik fonksiyonları gerçekleştirmek veya farklı platformlarla bağlantı kurmak için kullanılan eklentiler. Google Analytics verilerinin analizi için googleAnalyticsR paketini, veri görselleştirme için ise ggplot2 paketini yüklememiz gerekiyor. Bunun için R Studio konsolunda aşağıdaki kod parçacığını çalıştırabilirsiniz. > install.packages(c("googleAnalyticsR","ggplot2")) Google Analytics Erişimi R Studio üzerinden Google Analytics verilerine ulaşabilmeniz için yetkilendirme yapmanız gerekli. Aşağıdaki kodu çalıştırdığımızda, browser üzerinde googleAnalyticsR paketine yetki vermemizi isteyen bir pencere açılacak. Bu adımı onayladıktan sonra R Studio’ya geri dönebilirsiniz. library(googleAnalyticsR) library(ggplot2) #Authorize Google Analytics R- this will open a webpage #You must be logged into your Google Analytics account on your web browser ga_auth() viewID Listeleme ve Seçim GA hesabımıza eriştikten sonra, aşağıdaki kod ile hesabımıza tanımlı görünümleri dataframe formatında listeleyip, analizimizde kullanmak istediğimiz viewID’ye ulaşabiliriz. #Use the Google Analytics Management API to see a list of Google Analytics accounts you have access to my_accounts <- google_analytics_account_list() View(my_accounts) Sonrasında hangi view ile işlem yapmak istediğimizi belirlemek için aşağıdaki kodu çalıştırıyoruz. #Use my_accounts to find the viewId. Make sure to replace this with your viewId. my_id <- 123456 Tarih Değişkenleri Tanımlama Sonraki adımlarda kullanabileceğimiz başlangıç ve bitiş tarihleri için değişken tanımlayabiliriz. Böyle her tarih seçmemiz gerektiğinde kod parçacığını düzenlemek yerine, başlangıç ve bitiş tarihlerini otomatik olarak çektirebilirsiniz. Ya da dilerseniz manuel olarak da tarih seçebilirsiniz. #set date variables for dyanmic date range start_date <- "60daysAgo" end_date <- "yesterday" Sayfa Görüntülemelerini Çağırma Aşağıdaki kodu çalıştırarak, seçtiğimiz tarih aralığında ve seçtiğimiz view için sayfa görüntüleme verisini oluşturabiliriz. Kodu çalıştırdığımızda, R Studio’da sağ üst tarafta bulunan Environment sekmesinde yeni bir data frame oluşacak. Bu data frame’e tıklayarak tabloyu görüntüleyebilirsiniz. Bu örnekte tarih seçimini tanımladığıımz değişkenlerle değil, manuel değerler girerek yaptık. #Page View Query df1 <- google_analytics_4(my_id,                           date_range = c("2016-12-10", "2017-02-07"),                           metrics = c("pageviews"),                           dimensions = c("pagePath")) Oturum Verilerini Çağırma Sayfa görüntülemeyle benzer şekilde, oturum verilerini de görüntüleyebiliriz. Bu kez daha önce tanımladığımız tarih değişkenlerini kullandık. #Session Query - Uses start_date and end_date df2 <- google_analytics_4(my_id,                           date_range = c(start_date, end_date),                           metrics = c("sessions"),                           dimensions = c("date")) Verileri Kullanarak Grafik Oluşturma Yukarıda tablo olarak görüntülediğimiz tarihlere göre oturum sayısını verilerini grafik haline getireceğiz. Grafiğin x eksenine tarih değerlerini, y eksenine ise oturum değerlerini koyalım. #graph sessions by date ggplot(data=df2, aes(x=date, y=sessions)) + geom_line(stat="identity") Daha Büyük Veri Seti İçin Görselleştirme Şimdi de veri setimizdeki gün sayısını artırıp, yukarıdaki yöntemle oluşturduğumuz grafiğin anlam ifade etmediği bir örnek oluşturalım. Daha önce start_date <- “60daysAgo” ve end_date <- “yesterday” olarak belirlediğimiz tarih değişkenlerini genişleterek start_date <- “1000daysAgo” olarak güncelleyelim. Bu durumda grafiği tekrar oluşturursak aşağıdaki gibi okuması ve anlamlandırması zor bir grafik elde edeceğiz. Bu veri setini  ve grafiği anlamlı hale getirmek için gün olarak çektiğimiz tarihleri ay şeklinde gruplandırabiliriz. Bunun için yeni bir data frame oluşturmamız ve print(n=100) fonksiyonu ile grafikteki veriyi gruplandırabiliriz. #set date variables for dyanmic date range start_date <- "1000daysAgo" end_date <- "yesterday" #Session Query - Uses start_date and end_date df2 <- google_analytics_4(my_id, date_range = c(start_date, end_date), metrics = c("sessions"), dimensions = c("date")) ###New Code Starts here### #add in year month columns to dataframe df2$month<-format(df2$date,"%m") df2$year<-format(df2$date,"%Y") #include dplyr library to group data by month and year library(dplyr) #sessions by month by year using dplyr then graph using ggplot2 bar graph df2 %>% group_by(year,month) %>% summarize(sessions=sum(sessions)) %>% #print table steps by month by year print (n=100) %>% #graph data by month by year ggplot(aes(x=month, y=sessions, fill=year)) + geom_bar(position='dodge', stat='identity') Aylara göre gruplanmış grafiği yukarıdaki kodu çalıştırarak elde edebiliriz. Sonuç olarak aşağıdaki gibi, okuması ve anlamlandırması daha kolay bir grafik elde edeceğiz. Eğer R programlama dilini kullanarak Google Analytics verilerini analiz etme konusu ilginizi çektiyse, googleAnalyticsR paketinin yaratıcısı Mark Edmondson’ın analiz örneklerini inceleyebilirsiniz. Biz de bu konuda daha detaylı içerikler paylaşmaya devam edeceğiz. Ayrıca veri analizi aracı olarak R yerine Python programlama diline aşinaysanız, benzer işlemleri Google Analytics API ve Python kullanarak nasıl yapabileceğinizi bu kaynaktan öğrenebilirsiniz.

Bültenimize Kaydolun

Her hafta, teknoloji ve pazarlamayla ilgili güncel gelişmeleri Catalysor Bülten'de sizinle paylaşıyoruz. Söz veriyoruz, spam email yok.