Qu’est-ce que l’a/b testing ?
L’a/b testing, également connu sous le nom de test fractionné, est un processus d’expérimentation aléatoire dans lequel deux versions ou plus d’une variable (page web, élément de page, etc.) sont présentées simultanément à différents segments de visiteurs de sites web afin de déterminer la version qui a le plus d’impact et qui génère des mesures commerciales.
Essentiellement, l’a/b testing éliminent toute approximation de l’optimisation des sites Web et permettent aux optimiseurs d’expérience de prendre des décisions fondées sur des données. Dans L’a/b testing, A désigne le « contrôle » ou la variable d’origine du test. Tandis que B fait référence à la « variation » ou à une nouvelle version de la variable de test originale.
La version qui fait évoluer votre/vos métrique(s) commerciale(s) dans le bon sens est appelée la « gagnante ». La mise en œuvre des modifications de cette variation gagnante sur votre/vos page(s)/élément(s) testé(s) peut contribuer à optimiser votre site Web et à augmenter le retour sur investissement de votre entreprise.
Les paramètres de conversion sont propres à chaque site web. Par exemple, dans le cas du commerce électronique, il peut s’agir de la vente de produits. En revanche, pour le B2B, il peut s’agir de la génération de prospects qualifiés.
L’a/b testing est l’un des composants du processus global d’optimisation du taux de conversion (CRO), grâce auquel vous pouvez recueillir des informations qualitatives et quantitatives sur les utilisateurs. Vous pouvez ensuite utiliser les données recueillies pour comprendre le comportement des utilisateurs, leur taux d’engagement, les points douloureux et même leur satisfaction à l’égard des fonctionnalités du site Web, y compris les nouvelles fonctionnalités, les sections de page remaniées, etc. Si vous ne procédez pas à des tests A/B sur votre site Web, vous perdez certainement beaucoup de revenus commerciaux potentiels.
Pourquoi envisager l’a/b testing ?
Si les entreprises B2B sont aujourd’hui mécontentes de tous les prospects non qualifiés qu’elles obtiennent chaque mois, les boutiques de commerce électronique, quant à elles, sont aux prises avec un taux élevé d’abandon de panier. Quant aux médias et aux maisons d’édition, ils sont également confrontés à un faible engagement des spectateurs. Ces indicateurs de conversion de base sont affectés par certains problèmes courants tels que les fuites dans l’entonnoir de conversion, les abandons sur la page de paiement, etc.
Voyons pourquoi vous devriez faire des tests A/B :
Résoudre les problèmes des visiteurs
Les visiteurs viennent sur votre site Web pour atteindre un objectif spécifique qu’ils ont en tête. Il peut s’agir d’en savoir plus sur votre produit ou service, d’acheter un produit particulier, de lire/apprendre davantage sur un sujet spécifique, ou simplement de naviguer. Quel que soit l’objectif du visiteur, il peut être confronté à des difficultés communes lorsqu’il atteint son but. Il peut s’agir d’un texte confus ou d’un bouton CTA difficile à trouver, comme acheter maintenant, demander une démo, etc.
Le fait de ne pas pouvoir atteindre leurs objectifs entraîne une mauvaise expérience utilisateur. Cela augmente les frictions et finit par avoir un impact sur vos taux de conversion. Utilisez les données recueillies par les outils d’analyse du comportement des visiteurs, tels que les cartes thermiques, Google Analytics et les enquêtes sur les sites Web, pour résoudre les problèmes de vos visiteurs. Cela vaut pour toutes les entreprises : commerce électronique, voyages, SaaS, éducation, médias et édition.
Obtenir un meilleur retour sur investissement du trafic existant
Comme la plupart des optimiseurs d’expérience l’ont compris, le coût d’acquisition d’un trafic de qualité sur votre site Web est énorme. L’a/b testing vous permettent de tirer le meilleur parti de votre trafic existant et vous aident à augmenter les conversions sans avoir à dépenser des sommes supplémentaires pour acquérir un nouveau trafic. L’a/b testing peuvent vous procurer un retour sur investissement élevé, car parfois, même les plus petits changements sur votre site Web peuvent entraîner une augmentation significative des conversions globales de l’entreprise.
Tirez parti des tests A/B pour obtenir un retour sur investissement élevé à partir du trafic existant. Commencez votre essai gratuit dès aujourd’hui !
Réduire le taux de rebond
L’une des mesures les plus importantes à suivre pour évaluer les performances de votre site Web est son taux de rebond. Les raisons d’un taux de rebond élevé peuvent être nombreuses : trop d’options parmi lesquelles choisir, inadéquation des attentes, navigation confuse, utilisation d’un jargon trop technique, etc.
Étant donné que des sites Web différents ont des objectifs différents et s’adressent à des publics différents, il n’existe pas de solution unique pour réduire le taux de rebond. Cependant, l’exécution d’un a/b testing peut s’avérer bénéfique. Avec l’a/b testing, vous pouvez tester plusieurs variantes d’un élément de votre site Web jusqu’à ce que vous trouviez la meilleure version possible. Cela vous aide non seulement à trouver les points de friction et de douleur des visiteurs, mais aussi à améliorer l’expérience globale des visiteurs de votre site Web, ce qui leur permet de passer plus de temps sur votre site et même de se convertir en clients payants.
Effectuer des modifications à faible risque
Apportez des modifications mineures et progressives à votre page Web à l’aide de tests A/B au lieu de refaire toute la page. Cela peut réduire le risque de mettre en péril votre taux de conversion actuel.
L’a/b testing vous permettent de cibler vos ressources pour un rendement maximal avec des modifications minimales, ce qui se traduit par un meilleur retour sur investissement. Un exemple de cela pourrait être les changements de description de produit. Vous pouvez effectuer un a/b testing lorsque vous envisagez de supprimer ou de mettre à jour les descriptions de vos produits. Vous ne savez pas comment vos visiteurs vont réagir à ce changement. En effectuant un a/b testing, vous pouvez analyser leur réaction et déterminer de quel côté la balance peut pencher.
Un autre exemple de modification à faible risque peut être l’introduction d’un nouveau changement de fonctionnalité. Avant d’introduire une nouvelle fonctionnalité, le lancement d’un a/b testing peut vous aider à comprendre si la nouvelle modification que vous proposez plaira ou non au public de votre site Web.
Mettre en œuvre un changement sur votre site Web sans le tester peut s’avérer payant ou non, à court et à long terme. Le fait de tester puis d’apporter des changements peut rendre le résultat plus certain.
Obtenir des améliorations statistiquement significatives
Étant donné que l’a/b testing sont entièrement basés sur des données et qu’ils ne laissent aucune place aux suppositions, aux intuitions ou aux instincts, vous pouvez rapidement déterminer un « gagnant » et un « perdant » sur la base d’améliorations statistiquement significatives de paramètres tels que le temps passé sur la page, le nombre de demandes de démonstration, le taux d’abandon de panier, le taux de clics, etc.
Refonte du site web pour augmenter les gains commerciaux futurs
La refonte peut aller d’une modification mineure du texte ou de la couleur d’un CTA sur certaines pages Web à un remaniement complet du site Web. La décision de mettre en œuvre une version ou l’autre doit toujours être fondée sur des données lors des tests A/B. N’arrêtez pas les tests lorsque la conception est finalisée. Lorsque la nouvelle version est mise en ligne, testez d’autres éléments de la page Web pour vous assurer que la version la plus attrayante est proposée aux visiteurs.
Que pouvez-vous tester par A/B ?
L’entonnoir de conversion de votre site Web détermine le sort de votre entreprise. Par conséquent, chaque élément de contenu qui atteint votre public cible via votre site Web doit être optimisé au maximum de son potentiel. Cela est particulièrement vrai pour les éléments qui ont le potentiel d’influencer le comportement des visiteurs de votre site Web et le taux de conversion de votre entreprise. Lorsque vous entreprenez un programme d’optimisation, testez les éléments clés suivants du site (la liste n’est toutefois pas exhaustive) :
Titres et sous-titres
Un titre est pratiquement la première chose qu’un visiteur remarque sur une page Web. C’est aussi ce qui définit sa première et sa dernière impression, en remplissant les blancs pour savoir s’il va ou non se convertir en client payant. Il est donc impératif de faire très attention aux titres et aux sous-titres de votre site. Veillez à ce qu’ils soient courts, pertinents, accrocheurs et qu’ils transmettent le message souhaité dès le début. Essayez de faire des tests A/B sur quelques copies avec des polices et des styles d’écriture différents, et analysez ce qui attire le plus l’attention de vos visiteurs et les incite à convertir.
Corps du texte
Le corps ou le contenu textuel principal de votre site Web doit indiquer clairement ce que le visiteur va obtenir – ce qu’il va trouver. Il doit également être en résonance avec le titre et le sous-titre de votre page. Un corps de texte bien rédigé peut augmenter considérablement les chances de transformer votre site Web en un aimant à conversion.
Lorsque vous rédigez le contenu de votre site web, gardez à l’esprit les deux paramètres suivants :
- Style d’écriture : Utilisez la bonne tonalité en fonction de votre public cible. Votre texte doit s’adresser directement à l’utilisateur final et répondre à toutes ses questions. Il doit contenir des phrases clés qui améliorent la convivialité et des éléments stylistiques qui soulignent les points importants.
- Mise en forme : Utilisez des titres et des sous-titres pertinents, divisez le texte en petits paragraphes faciles à lire, et mettez-le en forme pour les lecteurs en utilisant des puces ou des listes.
Fait intéressant, les optimiseurs d’expérience peuvent désormais tirer parti de l’intelligence artificielle pour créer des copies de sites Web. GPT-3, ou Generative Pre-trained Transformer 3, est un réseau neuronal alimenté par l’intelligence artificielle qui a la capacité de produire un contenu textuel presque sans défaut et pertinent pour tout contexte donné. Construit par OpenAI, GPT-3 utilise l’apprentissage automatique pour prédire et rédiger du contenu tout comme un humain.
Les lignes d’objet
Les lignes d’objet des e-mails ont un impact direct sur les taux d’ouverture. Si un abonné ne voit rien qui lui plaise, l’e-mail finira probablement dans sa corbeille.
Selon des études récentes, les taux d’ouverture moyens dans plus d’une douzaine de secteurs d’activité varient entre 25 et 47 %. Même si vous vous situez au-dessus de la moyenne, seule la moitié de vos abonnés pourrait ouvrir vos courriels.
L’a/b testing sur les lignes d’objet peuvent augmenter vos chances d’inciter les gens à cliquer. Essayez les questions par rapport aux déclarations, testez les mots forts les uns par rapport aux autres, et envisagez d’utiliser des lignes d’objet avec et sans émojis.
Testez vos lignes d’objet dès aujourd’hui et constatez vous-même la différence.
Conception et mise en page
Parce que tout semble si essentiel, les entreprises ont parfois du mal à trouver uniquement les éléments les plus indispensables à conserver sur leur site Web. Grâce aux tests A/B, ce problème peut être résolu une fois pour toutes.
Par exemple, en tant que boutique de commerce électronique, votre page produit est extrêmement importante du point de vue de la conversion. Une chose est sûre : avec le progrès technologique à son stade actuel, les clients aiment tout voir en haute définition avant de l’acheter. Par conséquent, votre page produit doit être dans sa forme la plus optimisée en termes de conception et de mise en page.
Outre le texte, la conception et la mise en page de la page comprennent des images (images de produits, images d’offres, etc.) et des vidéos (vidéos de produits, vidéos de démonstration, publicités, etc.) Votre page produit doit répondre à toutes les questions de vos visiteurs sans les embrouiller et sans être encombrée :
- Fournissez des informations claires : En fonction des produits que vous vendez, trouvez des moyens créatifs de fournir tout le contexte nécessaire et des descriptions précises des produits afin que les acheteurs potentiels ne soient pas submergés par un texte désordonné lorsqu’ils cherchent des réponses à leurs questions. Rédigez des textes clairs et fournissez des tableaux de tailles, des options de couleurs, etc. facilement repérables.
- Mettez en évidence les avis des clients : Ajoutez des avis positifs et négatifs sur vos produits. Les avis négatifs ajoutent de la crédibilité à votre boutique.
- Rédigez un contenu simple : Évitez d’embrouiller les acheteurs potentiels avec un langage compliqué dans la quête de décoration de votre contenu. Faites en sorte qu’il soit court, simple et agréable à lire.
- Créez un sentiment d’urgence : Ajoutez des tags tels que « Il n’en reste que 2 en stock », des comptes à rebours tels que « L’offre se termine dans 2 heures et 15 minutes », ou mettez en avant des remises exclusives et des offres festives, etc. pour inciter les acheteurs potentiels à acheter immédiatement.
D’autres pages importantes dont la conception doit être au point sont des pages comme la page d’accueil et la page de destination. Utilisez l’a/b testing pour découvrir la version la plus optimisée de ces pages essentielles. Testez autant d’idées que possible, par exemple en ajoutant beaucoup d’espace blanc et des images haute définition, en présentant des vidéos de produits au lieu d’images et en testant différentes mises en page.
Désencombrez vos pages en utilisant des informations provenant de cartes thermiques, de cartes de clics et de cartes de défilement pour analyser les clics morts et identifier les distractions. Moins votre page d’accueil et vos pages de renvoi sont encombrées, plus vos visiteurs ont de chances de trouver facilement et rapidement ce qu’ils recherchent.
Navigation
Un autre élément de votre site Web que vous pouvez optimiser par des tests A/B est la navigation de votre site. C’est l’élément le plus crucial lorsqu’il s’agit d’offrir une excellente expérience utilisateur. Assurez-vous d’avoir un plan clair pour la structure de votre site Web et la façon dont les différentes pages seront liées les unes aux autres et réagiront au sein de cette structure.
La navigation de votre site Web commence sur la page d’accueil. La page d’accueil est la page mère à partir de laquelle toutes les autres pages émergent et renvoient les unes aux autres. Assurez-vous que votre structure est telle que les visiteurs peuvent facilement trouver ce qu’ils cherchent et ne se perdent pas à cause d’un chemin de navigation défectueux. Chaque clic doit diriger les visiteurs vers la page souhaitée.
Vous trouverez ci-dessous quelques idées pour vous aider à améliorer votre navigation :
- Répondez aux attentes des visiteurs en plaçant votre barre de navigation à des endroits standard, comme la navigation horizontale en haut et la verticale en bas à gauche, afin de rendre votre site Web plus facile à utiliser.
- Rendez la navigation de votre site Web prévisible en conservant les contenus à thème similaire dans le même panier ou dans des paniers connexes afin de réduire la charge cognitive de votre visiteur. Par exemple, en tant que magasin de commerce électronique, vous pouvez vendre une variété d’écouteurs et de casques. Certains d’entre eux peuvent être filaires, tandis que d’autres peuvent être sans fil ou avec des écouteurs. Regroupez-les de telle sorte que lorsqu’un visiteur recherche des écouteurs ou des casques, il trouve toutes ces variétés au même endroit plutôt que de devoir chercher chaque type séparément.
- Créer un site web fluide et facile à naviguer en gardant sa structure simple, prévisible et correspondant aux attentes de vos visiteurs. Cela augmentera non seulement les chances d’obtenir plus de conversions, mais aussi de créer une expérience client agréable qui incitera les visiteurs à revenir sur votre site.
Formulaires
Les formulaires sont des moyens par lesquels les clients potentiels entrent en contact avec vous. Ils deviennent encore plus importants s’ils font partie de votre entonnoir d’achat. De même qu’il n’y a pas deux sites Web identiques, il n’y a pas deux formulaires identiques destinés à des publics différents. Alors qu’un petit formulaire complet peut convenir à certaines entreprises, des formulaires longs peuvent faire des merveilles pour la qualité des prospects d’autres entreprises.
Vous pouvez déterminer le style qui convient le mieux à votre public en utilisant des outils/méthodes de recherche tels que l’analyse de forme pour déterminer la zone problématique de votre forme et travailler à son optimisation.
CTA (Call-to-action)
Le CTA est l’endroit où se déroule toute l’action réelle – que les visiteurs terminent ou non leurs achats et convertissent, qu’ils remplissent ou non le formulaire d’inscription, et d’autres actions de ce type qui ont une incidence directe sur votre taux de conversion. L’a/b testing vous permettent de tester différentes copies de CTA, leur placement sur la page Web, leur taille et leur schéma de couleurs, etc. Une telle expérimentation permet de comprendre quelle variation a le potentiel d’obtenir le plus de conversions.
Preuve sociale
La preuve sociale peut prendre la forme de recommandations et de critiques d’experts dans des domaines particuliers, de célébrités et de clients eux-mêmes, ou encore de témoignages, de mentions dans les médias, de récompenses et de badges, de certificats, etc. La présence de ces preuves valide les affirmations de votre site Web. L’a/b testing peuvent vous aider à déterminer si l’ajout de preuves sociales est une bonne idée ou non. Si c’est une bonne idée, quels types de preuves sociales devez-vous ajouter, et combien devez-vous en ajouter. Vous pouvez tester différents types de preuves sociales, leurs dispositions et leurs emplacements pour comprendre ce qui fonctionne le mieux pour vous.
Profondeur du contenu
Certains visiteurs de sites Web préfèrent lire des contenus longs qui couvrent en profondeur les moindres détails. D’autres, en revanche, préfèrent parcourir la page et se plonger uniquement dans les sujets qui les intéressent le plus. Dans quelle catégorie se situe votre public cible ?
Faites un a/b testing sur la profondeur du contenu. La création de deux parties du même contenu, dont l’une est nettement plus longue que l’autre, permet d’obtenir plus de détails. Analysez lequel des deux séduit le plus vos lecteurs.
Comprenez que la profondeur du contenu a un impact sur le référencement et sur de nombreuses autres mesures commerciales telles que le taux de conversion, le temps passé sur la page et le taux de rebond. L’a/b testing vous permettent de trouver l’équilibre idéal entre les deux.
Quels sont les différents types de tests A/B ?
Après avoir appris quels éléments de page Web tester pour faire évoluer les mesures de votre entreprise dans le bon sens, poursuivons en découvrant les différents types de méthodes de test et leurs avantages.
Idéalement, il existe quatre méthodes de test de base : L’a/b testing, le test Split URL, le test Multivariate et le test Multipage. Nous avons déjà abordé la première, à savoir l’a/b testing. Passons maintenant aux autres.
Test split URL
Nombreux sont ceux qui, dans le domaine des tests, confondent les tests Split URL et l’a/b testing. Or, ces deux types de tests sont fondamentalement très différents. Pourtant, les deux sont fondamentalement très différents. Le Split URL testing fait référence à un processus d’expérimentation dans lequel une version entièrement nouvelle de l’URL d’une page web existante est testée afin d’analyser laquelle est la plus performante.
Généralement, l’a/b testing sont utilisés lorsque vous souhaitez tester uniquement les changements frontaux sur votre site Web. En revanche, les tests Split URL sont utilisés lorsque vous souhaitez apporter des modifications importantes à votre page existante, notamment en termes de conception. Vous ne souhaitez pas toucher à la conception de la page Web existante à des fins de comparaison.
Lorsque vous effectuez un test d’URL fractionnée, le trafic de votre site Web est réparti entre le contrôle (URL de la page Web originale) et les variations (nouvelle URL de la page Web), et chacun de leurs taux de conversion respectifs est mesuré pour déterminer le gagnant.
Avantages des tests Split URL
Idéal pour tester de nouvelles conceptions radicales tout en utilisant la conception de la page existante pour une analyse comparative.
Recommandé pour effectuer des tests avec des changements non liés à l’interface utilisateur, comme le passage à une autre base de données, l’optimisation du temps de chargement de votre page, etc.
Modifiez les flux de travail des pages Web. Les flux de travail ont une incidence considérable sur les conversions commerciales. Ils permettent de tester de nouvelles voies avant de mettre en œuvre les changements et de déterminer si l’un des points de blocage a été manqué.
Une meilleure méthode de test, très recommandée, pour le contenu dynamique.
Tests multivariés (MVT)
Le test multivarié (MVT) est une méthode d’expérimentation dans laquelle des variations de plusieurs variables de page sont testées simultanément afin d’analyser quelle combinaison de variables donne les meilleurs résultats parmi toutes les permutations possibles. Il s’agit d’une méthode plus complexe qu’un a/b testing classique et elle convient mieux aux professionnels avancés du marketing, des produits et du développement.
Exemple de test multivarié
Voici un exemple pour vous donner une description plus complète des tests multivariés. Disons que vous décidez de tester 2 versions, chacune de l’image du héros, de la couleur du bouton d’appel à l’action et des titres de l’une de vos pages de renvoi. Cela signifie qu’un total de 8 variations sont créées, qui seront testées simultanément pour trouver la variation gagnante.
Voici une formule simple pour calculer le nombre total de versions dans un test multivarié :
[Nombre de variations de l’élément A] x [Nombre de variations de l’élément B] x [Nombre de variations de l’élément C]… = [Nombre total de variations].
Lorsqu’ils sont menés correctement, les tests multivariés peuvent contribuer à éliminer la nécessité d’exécuter plusieurs tests A/B séquentiels sur une page Web ayant des objectifs similaires. L’exécution de tests simultanés avec un plus grand nombre de variations vous permet d’économiser du temps, de l’argent et des efforts et de parvenir à une conclusion dans les plus brefs délais.
Avantages des tests multivariés
Les tests multivariés offrent généralement trois avantages principaux :
Permet d’éviter de réaliser plusieurs tests A/B séquentiels avec le même objectif et de gagner du temps puisque vous pouvez suivre simultanément les performances des différents éléments de la page testée.
Analysez et déterminez facilement la contribution de chaque élément de la page aux gains mesurés,
Cartographier toutes les interactions entre toutes les variations d’éléments indépendants (titres de pages, image de bannière, etc.).
Tests multipages
Les tests multipages sont une forme d’expérimentation qui vous permet de tester les modifications apportées à des éléments particuliers sur plusieurs pages.
exemple de test multipage
Il y a deux façons de réaliser un test multipage. La première consiste à prendre toutes les pages de votre entonnoir de vente et à créer de nouvelles versions de chacune d’entre elles, ce qui fait de votre challenger l’entonnoir de vente, et vous le testez ensuite par rapport au contrôle. C’est ce qu’on appelle le test multipage de l’entonnoir.
Deuxièmement, vous pouvez tester l’impact de l’ajout ou de la suppression d’un ou de plusieurs éléments récurrents, tels que des badges de sécurité, des témoignages, etc. sur les conversions dans l’ensemble de l’entonnoir. C’est ce qu’on appelle les tests multipages classiques ou conventionnels.
Avantages des tests multipages
À l’instar des tests A/B, les tests multipages sont faciles à créer et à exécuter et fournissent des données significatives et fiables avec facilité et dans les plus brefs délais.
Les avantages des tests multipages sont les suivants :
Il vous permet de créer des expériences cohérentes pour votre public cible.
Il aide votre public cible à voir un ensemble cohérent de pages, qu’il s’agisse du contrôle ou de l’une de ses variantes.
Il vous permet de mettre en œuvre le même changement sur plusieurs pages afin d’éviter que les visiteurs de votre site Web ne soient distraits et ne rebondissent entre différentes variations et conceptions lorsqu’ils naviguent sur votre site.
Quelle approche statistique utiliser pour réaliser un a/b testing ?
Après avoir appris les quatre différents types de méthodes d’expérimentation des tests A/B, il est tout aussi important de comprendre quelle approche statistique adopter pour mener à bien un a/b testing et en tirer la bonne conclusion commerciale.
Idéalement, il existe deux types d’approches statistiques utilisées par les expérimentateurs A/B/n du monde entier : Fréquentiste et Bayésienne. Chacune de ces approches a ses propres avantages et inconvénients.
La comparaison entre les deux approches présentée ci-dessous vous aidera à comprendre pourquoi.
Approche fréquentiste :
L’approche fréquentiste des probabilités définit la probabilité d’un événement en fonction de la fréquence (d’où son nom) à laquelle un événement particulier se produit dans un grand nombre d’essais/de points de données. Lorsqu’on l’applique au monde des tests A/B, on peut voir que toute personne adoptant l’approche fréquentiste aurait besoin de plus de données (en fonction du nombre de visiteurs testés et sur des périodes plus longues) pour parvenir aux bonnes conclusions. C’est un élément qui vous limite dans la mise à l’échelle de tout effort de a/b testing. Selon l’approche fréquentiste, il est essentiel de définir la durée de votre a/b testing en fonction de la taille de l’échantillon pour parvenir aux bonnes conclusions du test. Ces tests reposent sur le fait que toute expérience peut être répétée à l’infini.
Cette approche exige une grande attention aux détails pour chaque test que vous exécutez, car pour le même ensemble de visiteurs, vous serez obligé d’exécuter des tests de plus longue durée que dans l’approche bayésienne. Par conséquent, chaque test doit être traité avec un soin extrême car il n’y a qu’un petit nombre de tests que vous pouvez exécuter dans un laps de temps donné. Contrairement aux statistiques bayésiennes, l’approche fréquentiste est moins intuitive et s’avère souvent difficile à comprendre.
Approche bayésienne :
Par rapport à l’approche fréquentiste, la statistique bayésienne est une approche théorique qui traite de l’interprétation bayésienne de la probabilité, où la probabilité est exprimée comme un degré de croyance en un événement. En d’autres termes, plus vous en savez sur un événement, mieux et plus rapidement vous pouvez prédire les résultats finaux. Plutôt que d’être une valeur fixe, la probabilité selon les statistiques bayésiennes peut changer à mesure que de nouvelles informations sont recueillies. Cette croyance peut se fonder sur des informations passées, telles que les résultats de tests antérieurs ou d’autres informations sur l’événement.
Contrairement à l’approche fréquentiste, l’approche bayésienne fournit des résultats exploitables près de 50 % plus rapidement tout en se concentrant sur la signification statistique. À tout moment, si vous disposez de suffisamment de données, l’approche bayésienne vous indique la probabilité que la variation A ait un taux de conversion inférieur à celui de la variation B ou du témoin. Elle n’est pas soumise à une limite de temps définie et ne nécessite pas de connaissances approfondies en statistiques.
En termes simples, l’approche bayésienne s’apparente à la façon dont nous abordons les choses dans la vie quotidienne. Par exemple, vous avez égaré votre téléphone portable dans votre maison. En tant que fréquentiste, vous n’utiliserez qu’un traceur GPS pour le retrouver et vous ne vérifierez que la zone vers laquelle pointe le traceur. En revanche, en tant que bayésien, vous n’utiliserez pas seulement un traceur GPS, mais vous vérifierez également tous les endroits de la maison où vous avez déjà trouvé votre téléphone égaré. Dans le premier cas, l’événement est considéré comme une valeur fixe, tandis que dans le second, toutes les connaissances passées et futures sont utilisées pour localiser le téléphone.
Comment réaliser un a/b testing ?
L’a/b testing offrent un moyen très systématique de déterminer ce qui fonctionne et ce qui ne fonctionne pas dans une campagne de marketing donnée. La plupart des efforts de marketing sont axés sur l’augmentation du trafic. L’acquisition de trafic devenant de plus en plus difficile et coûteuse, il devient primordial d’offrir à vos utilisateurs la meilleure expérience possible lorsqu’ils viennent sur votre site web. Cela les aidera à atteindre leurs objectifs et leur permettra de convertir de la manière la plus rapide et la plus efficace possible. L’a/b testing dans le domaine du marketing vous permettent de tirer le meilleur parti de votre trafic existant et d’augmenter le flux de revenus.
Un programme structuré de tests A/B peut rendre les efforts de marketing plus rentables en mettant le doigt sur les problèmes les plus cruciaux à optimiser. L’a/b testing ne sont plus une activité isolée menée une fois par mois, mais une activité plus structurée et continue, qui doit toujours être réalisée dans le cadre d’un processus CRO bien défini. En gros, ce processus comprend les étapes suivantes :
Étape 1 : Recherche
Avant d’élaborer un plan de a/b testing, il faut effectuer des recherches approfondies sur les performances actuelles du site Web. Vous devrez collecter des données sur tout ce qui concerne le nombre d’utilisateurs qui arrivent sur le site, les pages qui génèrent le plus de trafic, les différents objectifs de conversion des différentes pages, etc. Les outils de a/b testing utilisés ici peuvent inclure des outils quantitatifs d’analyse de sites Web tels que Google Analytics, Omniture, Mixpanel, etc., qui peuvent vous aider à déterminer les pages les plus visitées, les pages où l’on passe le plus de temps ou celles où le taux de rebond est le plus élevé. Par exemple, vous pouvez commencer par sélectionner les pages qui ont le plus fort potentiel de revenus ou le plus fort trafic quotidien. Ensuite, vous pouvez vous plonger dans les aspects qualitatifs de ce trafic.
Les outils Heatmap sont la principale technologie utilisée pour déterminer les endroits où les utilisateurs passent le plus de temps, leur comportement de défilement, etc. Cela peut vous aider à identifier les zones problématiques de votre site Web. Les enquêtes auprès des utilisateurs de sites Web sont un autre outil populaire utilisé pour effectuer des recherches plus approfondies. Les enquêtes peuvent servir de lien direct entre l’équipe en charge de votre site Web et l’utilisateur final et mettent souvent en évidence des problèmes qui peuvent passer inaperçus dans les données globales.
En outre, des informations qualitatives peuvent être tirées des outils d’enregistrement de session qui collectent des données sur le comportement des visiteurs, ce qui permet d’identifier les lacunes dans le parcours de l’utilisateur. En fait, les outils d’enregistrement de session combinés à des enquêtes d’analyse de formulaires peuvent permettre de comprendre pourquoi les utilisateurs ne remplissent pas votre formulaire. Cela peut être dû à certains champs qui demandent des informations personnelles ou au fait que les utilisateurs abandonnent peut-être vos formulaires pendant trop longtemps.
Comme nous pouvons le constater, la recherche quantitative et qualitative peut nous aider à préparer l’étape suivante du processus, en faisant des observations exploitables pour les étapes suivantes.
Étape 2 : Observer et formuler une hypothèse
Rapprochez-vous de vos objectifs commerciaux en enregistrant les observations de recherche et en créant des hypothèses fondées sur des données visant à augmenter les conversions. Sans cela, votre campagne de test est comme une boussole sans direction. Les outils de recherche qualitative et quantitative ne peuvent vous aider qu’à recueillir des données sur le comportement des visiteurs. Il vous incombe maintenant d’analyser ces données et de leur donner un sens. La meilleure façon d’utiliser chaque élément de données collecté est de l’analyser, de faire de fines observations sur celles-ci, puis de tirer des sites Web et des idées d’utilisateurs pour formuler des hypothèses fondées sur des données. Une fois que votre hypothèse est prête, testez-la en fonction de divers paramètres tels que le degré de confiance que vous avez dans sa victoire, son impact sur les macro-objectifs, sa facilité de mise en place, etc.
Étape 3 : Créer des variantes
L’étape suivante de votre programme de test doit consister à créer une variation basée sur votre hypothèse et à la soumettre à un a/b testing par rapport à la version existante (contrôle). Une variation est une autre version de votre version actuelle avec des changements que vous voulez tester. Vous pouvez tester plusieurs variations par rapport à la version de contrôle pour voir laquelle fonctionne le mieux. Créez une variation basée sur votre hypothèse de ce qui pourrait fonctionner du point de vue de l’UX. Par exemple, suffisamment de personnes ne remplissent pas les formulaires ? Votre formulaire comporte-t-il trop de champs ? Demande-t-il des informations personnelles ? Vous pouvez peut-être essayer une variation avec un formulaire plus court ou une autre variation en omettant les champs qui demandent des informations personnelles.
Étape 4 : Exécuter le test
Avant de passer à cette étape, il est important de déterminer le type de méthode et d’approche de test que vous souhaitez utiliser. Une fois que vous avez choisi l’un ou l’autre de ces types et approches en fonction (voir les chapitres ci-dessus) des besoins et des objectifs commerciaux de votre site Web, lancez le test et attendez le temps nécessaire pour obtenir des résultats statistiquement significatifs. Gardez une chose à l’esprit : quelle que soit la méthode que vous choisissez, votre méthode de test et la précision statistique détermineront les résultats finaux.
Par exemple, l’une de ces conditions est le calendrier de la campagne de tests. Le calendrier et la durée du test doivent être parfaits. Calculez la durée du test en tenant compte de vos visiteurs moyens quotidiens et mensuels, du taux de conversion existant estimé, de l’amélioration minimale du taux de conversion que vous attendez, du nombre de variations (y compris le contrôle), du pourcentage de visiteurs inclus dans le test, etc.
Utilisez notre calculateur bayésien pour calculer la durée pendant laquelle vous devez effectuer vos tests A/B pour obtenir des résultats statistiquement significatifs.
Étape 5 : Analyse des résultats et déploiement des changements
Même s’il s’agit de la dernière étape pour trouver le gagnant de votre campagne, l’analyse des résultats est extrêmement importante. Étant donné que l’a/b testing nécessitent une collecte et une analyse continues des données, c’est à cette étape que se déroule l’ensemble de votre parcours. Une fois votre test terminé, analysez les résultats en tenant compte de paramètres tels que le pourcentage d’augmentation, le niveau de confiance, l’impact direct et indirect sur d’autres paramètres, etc. Après avoir considéré ces chiffres, si le test est réussi, déployez la variation gagnante. Si le test n’est pas concluant, tirez-en des enseignements et mettez-les en œuvre dans vos tests ultérieurs.
L’a/b testing vous permettent de travailler systématiquement sur chaque partie de votre site Web afin d’améliorer les conversions.
Comment établir un calendrier de tests A/B – planifier et hiérarchiser les priorités.
L’a/b testing ne doivent jamais être considérés comme un exercice d’optimisation isolé. Ils font partie d’un programme de CRO holistique plus large et doivent être traités comme tels. Un programme d’optimisation efficace comporte généralement deux parties, à savoir la planification et la définition des priorités. Se réveiller un jour et décider de tester votre site Web n’est pas la façon dont les choses se font en CRO. Une bonne dose de remue-méninges, accompagnée de données en temps réel sur les visiteurs, est la seule façon de procéder.
En d’autres termes, vous commencez par analyser les données existantes du site Web et recueillir des données sur le comportement des visiteurs, puis vous préparez une liste d’actions à entreprendre en fonction de ces données, vous hiérarchisez ensuite chacune de ces actions, vous effectuez des tests et vous en tirez des conclusions pour l’avenir. Finalement, lorsque, en tant qu’optimiseurs d’expérience, vous aurez réalisé suffisamment de tests ad hoc, vous voudrez faire évoluer votre programme de tests A/B pour le rendre plus structuré.
La première étape consiste à établir un calendrier des tests A/B. Un bon calendrier de tests ou un bon programme de CRO vous fera passer par 4 étapes :
Comment établir un calendrier des tests A/B
Étape 1 : Mesure
Cette étape est celle de la planification de votre programme de tests A/B. Elle consiste à mesurer les performances de votre site Web en fonction de la réaction des visiteurs. À ce stade, vous devez être en mesure de comprendre ce qui se passe sur votre site Web, pourquoi cela se produit et comment les visiteurs y réagissent. Tout ce qui se passe sur votre site Web doit correspondre à vos objectifs commerciaux. Avant toute chose, vous devez donc être sûr de l’objectif ou des objectifs de votre entreprise. Des outils comme Google Analytics peuvent vous aider à mesurer vos objectifs. Une fois vos objectifs clairement définis, configurez GA pour votre site Web et définissez vos indicateurs de performance clés.
Prenons l’exemple d’une boutique en ligne de housses pour téléphones portables. L’objectif commercial de ce magasin est d’augmenter les revenus en augmentant les commandes et les ventes en ligne. L’indicateur clé de performance défini pour suivre cet objectif serait alors le nombre de housses de téléphone vendues.
Cette étape ne se limite toutefois pas à la définition des objectifs et des indicateurs clés de performance du site. Elle comprend également la compréhension de vos visiteurs. Nous avons déjà évoqué les différents outils qui peuvent être utilisés pour recueillir des données sur le comportement des visiteurs. Une fois les données recueillies, connectez-vous aux observations et commencez à planifier votre campagne à partir de là. De meilleures données signifient des ventes plus élevées.
Une fois les objectifs commerciaux définis, les indicateurs clés de performance fixés et les données du site Web et du comportement des visiteurs analysées, il est temps de préparer un backlog.
Backlog : « Une accumulation de tâches non exécutées ou de matériaux non traités ».
Votre backlog doit être une liste exhaustive de tous les éléments du site Web que vous décidez de tester en fonction des données que vous avez analysées. Une fois le backlog fondé sur les données prêt, l’étape suivante consiste à formuler une hypothèse pour chaque élément du backlog. Avec les données recueillies à cette étape et leur analyse, vous disposez désormais d’un contexte suffisant pour savoir ce qui se passe sur votre site Web et pourquoi. Formulez une hypothèse sur cette base.
Par exemple, après avoir analysé les données recueillies à l’aide d’outils de recherche quantitatifs et qualitatifs lors de la 1ère étape, vous arrivez à la conclusion que l’absence d’options de paiement multiples a conduit le maximum de clients potentiels à abandonner sur la page de paiement. Vous émettez donc l’hypothèse que « l’ajout d’options de paiement multiples contribuera à réduire les abandons sur la page de paiement ».
En bref, à la fin de cette étape, vous connaîtrez le pourquoi et le comment de votre site web.
Étape 2 : Établir des priorités
L’étape suivante consiste à hiérarchiser vos possibilités de test. La hiérarchisation vous aide à trier scientifiquement les hypothèses multiples. À ce stade, vous devriez disposer de toutes les données relatives au site Web et aux visiteurs et avoir une idée claire de vos objectifs. Avec le backlog que vous avez préparé lors de la première étape et les hypothèses prêtes pour chaque candidat, vous êtes à mi-chemin de votre feuille de route d’optimisation. Vient maintenant la tâche principale de cette étape : la hiérarchisation des priorités.
À l’étape 2, vous devriez être parfaitement équipé pour identifier les zones problématiques de votre site Web et les fuites dans votre entonnoir. Mais tous les domaines d’action n’ont pas le même potentiel commercial. Il est donc impératif de peser les candidats de votre backlog avant de choisir ceux que vous voulez tester. Il y a quelques éléments à garder à l’esprit lors de la hiérarchisation des éléments pour votre campagne de test, comme le potentiel d’amélioration, la valeur et le coût de la page, l’importance de la page d’un point de vue commercial, le trafic sur la page, etc.
Mais comment pouvez-vous vous assurer qu’aucune subjectivité ne s’infiltre dans votre cadre de hiérarchisation des priorités ? Pouvez-vous être 100 % objectif à tout moment ? En tant qu’êtres humains, nous accordons beaucoup d’importance aux sentiments, aux opinions personnelles, aux idées et aux valeurs, car ce sont les choses qui nous aident dans notre vie quotidienne. Mais, la CRO n’est pas la vie de tous les jours. Il s’agit d’un processus scientifique qui nécessite que vous soyez objectif et que vous preniez des décisions et fassiez des choix fondés sur des données solides. La meilleure façon d’éliminer ces subjectivités est d’adopter un cadre de hiérarchisation des priorités.
Il existe de nombreux cadres de hiérarchisation que même les experts utilisent pour donner un sens à leurs énormes arriérés. Sur cette page de pilier, vous découvrirez les cadres les plus populaires utilisés par les optimiseurs d’expérience : le cadre de hiérarchisation CIE, le cadre de hiérarchisation PIE et le modèle LIFT.
1. Cadre de priorisation de la CIE
Dans le cadre de la CIE, il y a trois paramètres sur lesquels vous devez évaluer votre test sur une échelle de 1 à 5 :
Confiance : Sur une échelle de 1 à 5 – 1 étant la valeur la plus basse et 5 la plus haute – choisissez votre degré de confiance dans la possibilité d’obtenir l’amélioration attendue grâce à l’hypothèse.
Importance : Sur une échelle de 1 à 5 – 1 étant le plus faible et 5 le plus élevé – sélectionnez le degré d’importance du test (pour lequel l’hypothèse est créée).
Facilité : Sur une échelle de 1 à 5 – 1 étant le plus difficile et 5 le plus facile – sélectionnez la complexité du test. Évaluez le degré de difficulté de la mise en œuvre des changements identifiés pour le test.
Avant de noter vos hypothèses, tenez compte de ces 3 éléments :
A. Quel est votre degré de confiance dans la réalisation de l’augmentation ?
Le prototypage du persona d’utilisateur que vous ciblez peut vous aider à déterminer le potentiel d’une hypothèse. Avec une bonne compréhension de votre public, vous pouvez déterminer si l’hypothèse répondra aux appréhensions et aux doutes des utilisateurs et les incitera à se convertir ou non.
B. Quelle est la valeur du trafic pour lequel vous effectuez ce test ?
Votre site Web peut attirer des visiteurs en grand nombre, mais tous les visiteurs ne deviennent pas des acheteurs. Tous ne se convertissent pas. Par exemple, une hypothèse construite autour de la page de paiement revêt une plus grande importance que celle construite autour de la page des caractéristiques du produit. En effet, les visiteurs de la page de paiement se trouvent au plus profond de votre entonnoir de conversion et ont plus de chances de se convertir que les visiteurs de la page des caractéristiques du produit.
C. Est-il facile de mettre en œuvre ce test ?
Il s’agit ensuite de déterminer la facilité de mise en œuvre de votre test. Essayez de répondre à certaines questions : La mise en œuvre de l’hypothèse nécessitera-t-elle beaucoup de stratégie de votre part ? Quel est l’effort nécessaire pour concevoir et développer la solution proposée par l’hypothèse ? Les changements suggérés dans l’hypothèse peuvent-ils être mis en œuvre en utilisant uniquement l’éditeur visuel, ou faut-il ajouter du code personnalisé ? Ce n’est qu’après avoir répondu à toutes ces questions et à d’autres du même genre que vous devez évaluer votre candidat à l’arriéré sur le paramètre d’assouplissement.
2. Cadre de priorisation de PIE
Le cadre PIE a été développé pour répondre à la question « Où dois-je tester en premier ? ». L’objectif de l’étape de priorisation dans votre parcours de a/b testing est de trouver la réponse à cette question. Le cadre PIE parle de 3 critères que vous devriez prendre en compte pour choisir ce que vous voulez tester en premier : le potentiel, l’importance et la facilité.
Le potentiel signifie la capacité d’une page à s’améliorer. La phase de planification doit vous permettre de disposer de toutes les données nécessaires pour le déterminer.
L’importance fait référence à la valeur d’une page : la quantité de trafic qui arrive sur la page. Si vous avez identifié une page à problème, mais qu’elle ne reçoit aucun trafic, cette page est de moindre importance par rapport à d’autres pages à plus fort trafic.
Le troisième et dernier critère est la facilité. La facilité définit la difficulté d’effectuer un test sur une page ou un élément particulier. Une façon de déterminer la facilité de tester une page consiste à utiliser des outils tels que l’analyseur de pages de renvoi pour déterminer l’état actuel de vos pages de renvoi, estimer le nombre et l’ampleur des changements nécessaires, et classer par ordre de priorité ceux à effectuer ou à ne pas effectuer du tout. C’est important du point de vue des ressources. De nombreuses entreprises abandonnent l’idée d’entreprendre une campagne de tests A/B en raison du manque de ressources. Ces ressources sont de deux types :
A. Ressources humaines
Même si les entreprises utilisent la CRO et l’a/b testing depuis de nombreuses années, ce n’est que récemment que ces deux concepts ont pris le devant de la scène. De ce fait, une grande partie du marché ne dispose pas d’une équipe d’optimisation dédiée, et lorsqu’elle en dispose, elle se limite généralement à quelques personnes. C’est là qu’un calendrier d’optimisation planifiée s’avère utile. Avec un backlog correctement planifié et hiérarchisé, une petite équipe de CRO peut concentrer ses ressources limitées sur les éléments à fort enjeu.
B. Outils :
La popularité de la CRO et des tests A/B ne cesse de croître, tout comme les centaines d’outils de tests A/B, qu’ils soient bas de gamme ou haut de gamme. Sans le point de vue d’un expert, si les entreprises devaient en choisir un, disons le moins cher, et commencer à tester tous les éléments de leur carnet de commandes, elles n’arriveraient à aucune conclusion statistiquement significative. Il y a deux raisons à cela : premièrement, les tests sans hiérarchisation sont voués à l’échec et ne permettent pas d’engranger des bénéfices. Deuxièmement, tous les outils ne sont pas de la même qualité.
Certains outils peuvent être plus coûteux, mais ils sont soit intégrés à de bons outils de recherche qualitative et quantitative, soit de brillants outils autonomes, ce qui les rend plus que capables de produire des résultats statistiquement significatifs. Alors que les autres outils peuvent être moins chers et attirer les entreprises en période de pénurie de capitaux et avec un énorme arriéré, ces outils ne seront pour elles qu’une perte d’investissement sans aucun avantage. L’établissement de priorités vous aidera à donner un sens à votre arriéré et à consacrer le peu de ressources dont vous disposez à un candidat de test rentable.
Les candidats en attente doivent être notés en fonction de leur difficulté à être testés sur la base de la facilité technique et économique. Vous pouvez quantifier chaque candidat potentiel en tant qu’opportunité commerciale sur la base des critères ci-dessus et choisir le meilleur score. Par exemple, dans le cas d’une entreprise de commerce électronique, vous pourriez vouloir tester votre page d’accueil, votre page produit, votre page de paiement et votre page de remerciement (évaluation). Maintenant, selon le cadre PIE, vous les alignez et vous les marquez potentiel, importance et facilité.
3. Le modèle LIFT
Le modèle LIFT est un autre cadre populaire d’optimisation des conversions qui vous aide à analyser les expériences web et mobiles, et à développer de bonnes hypothèses de a/b testing. Il s’appuie sur les 6 facteurs de conversion pour évaluer les expériences du point de vue du visiteur de votre page : Proposition de valeur, Clarté, Pertinence, Distraction, Urgence et Anxiété.
En établissant des priorités, vous pouvez avoir votre calendrier de tests A/B prêt à être exécuté pour au moins 6 à 12 mois. Cela vous donnera non seulement du temps et une longueur d’avance pour préparer le test, mais aussi pour planifier vos ressources.
Étape 3 : A/b testing
La troisième étape, la plus cruciale, est celle des tests. Après l’étape de hiérarchisation, vous disposerez de toutes les données nécessaires et d’un backlog hiérarchisé. Une fois que vous avez formulé des hypothèses qui correspondent à votre objectif et que vous les avez classées par ordre de priorité, créez des variantes et lancez le test. Pendant l’exécution de votre test, assurez-vous qu’il répond à toutes les exigences pour produire des résultats statistiquement significatifs avant de le clore, par exemple en testant un trafic précis, en ne testant pas trop d’éléments ensemble, en testant pendant la durée correcte, etc.
Étape 4 : Répétition
Cette étape consiste à tirer des enseignements de votre test passé et actuel et à les appliquer aux tests futurs. Une fois que votre test s’est déroulé pendant la durée stipulée, arrêtez le test et commencez à analyser les données ainsi recueillies. La première chose dont vous vous rendrez compte est que l’une des nombreuses versions testées a obtenu de meilleurs résultats que toutes les autres et a gagné. Il est temps pour vous et votre équipe de comprendre pourquoi cela s’est produit. Il peut y avoir 3 résultats à votre test :
Votre variation ou l’une de vos variations aura gagné avec une signification statistique.
Votre contrôle était la meilleure version et l’a emporté sur la ou les variations.
Votre test a échoué et a produit des résultats insignifiants. Déterminez la signification des résultats de votre test à l’aide d’outils tels que le calculateur de signification de a/b testing.
Dans les deux premiers scénarios, n’arrêtez pas les tests juste parce que vous avez un gagnant. Apportez des améliorations à cette version et continuez à tester. Dans le troisième scénario, rappelez-vous toutes les étapes et identifiez où vous vous êtes trompé dans le processus et refaites le test après avoir rectifié l’erreur.
Voici un exemple de calendrier de a/b testing téléchargeable pour votre référence. Pour utiliser cette feuille de calcul, cliquez sur l’option « Fichier » dans le menu principal, puis sur « Faire une copie ».
Lors de la mise à l’échelle de votre programme de tests A/B, gardez à l’esprit les points suivants :
A. Réexamen du test conclu précédemment :
Avec un calendrier hiérarchisé en place, votre équipe d’optimisation aura une vision claire de ce qu’elle va tester ensuite et de quel test doit être exécuté à quel moment. Une fois que vous avez testé chaque élément ou la plupart des éléments du carnet de commandes, revoyez les campagnes réussies et celles qui ont échoué. Analysez les résultats du test et déterminez s’il y a suffisamment de données pour justifier l’exécution d’une autre version du test. Si c’est le cas, relancez le test, en y apportant les corrections et les modifications nécessaires.
B. Augmenter la fréquence des tests :
Bien qu’il faille toujours faire attention à ne pas tester trop d’éléments ensemble, l’augmentation de la fréquence des tests est essentielle pour mettre à l’échelle votre programme de tests. Votre équipe d’optimisation devra le planifier de manière à ce qu’aucun des tests n’affecte les autres ou les performances de votre site Web. L’une des façons d’y parvenir est d’exécuter des tests simultanément sur différentes pages Web de votre site Web ou de tester des éléments de la même page Web à différentes périodes. Cela augmentera non seulement la fréquence de vos tests, mais aussi le fait qu’aucun des tests n’affectera les autres. Par exemple, vous pouvez tester simultanément un élément de votre page d’accueil, de votre page de paiement et de votre page d’inscription, puis d’autres éléments (un élément à la fois) de ces pages après la fin du test en cours.
C. Espacer les tests :
Cela découle du point précédent. Si vous regardez le calendrier ci-dessus, vous verrez que pas plus de deux tests se chevauchent au cours d’une même semaine. En cherchant à augmenter la fréquence de vos tests, ne faites pas de compromis avec le taux de conversion global de votre site Web. Si vous avez deux éléments critiques ou plus à tester sur la même page Web, espacez-les. Comme nous l’avons souligné précédemment, si vous testez trop d’éléments d’une même page Web, il sera difficile de déterminer quel élément a le plus influencé la réussite ou l’échec du test.
Disons, par exemple, que vous voulez tester l’une des pages de destination de votre publicité. Vous avez décidé de tester le CTA pour augmenter les inscriptions et les bannières pour réduire le taux de rebond et augmenter le temps passé. Pour le CTA, sur la base de vos données, vous décidez de changer la copie. Pour la bannière, vous décidez de tester une vidéo contre une image statique. Vous déployez les deux tests en même temps, et à la conclusion, vos deux objectifs ont été atteints. Le problème ici est que les données ont montré que si le nombre d’inscriptions a augmenté grâce au nouveau CTA, la vidéo y a également contribué (en plus de réduire le taux de rebond et d’augmenter le temps moyen passé sur la page). La plupart des personnes qui ont regardé la vidéo ont également fini par s’inscrire.
Le problème est que, comme vous n’avez pas espacé les deux tests, il est devenu impossible de dire quel élément a le plus contribué à l’augmentation des inscriptions. Si vous aviez mieux chronométré les deux tests, vous auriez pu recueillir des informations beaucoup plus significatives ?
D. Suivi de plusieurs métriques :
Vous mesurez généralement les performances d’un a/b testing sur la base d’un seul objectif de conversion et vous vous fiez entièrement à cet objectif pour trouver la variation gagnante. Mais parfois, la variation gagnante affecte également d’autres objectifs du site Web. L’exemple ci-dessus s’applique ici aussi. La vidéo, en plus de réduire le taux de rebond et d’augmenter le temps passé, a également contribué à augmenter le nombre d’inscriptions. Pour faire évoluer votre programme de tests A/B, suivez plusieurs indicateurs afin d’en tirer plus de bénéfices avec moins d’efforts.
Avoir un calendrier bien conçu permet de rationaliser les choses dans une large mesure.
Quelles sont les erreurs à éviter lors des tests A/B ?
L’a/b testing sont l’un des moyens les plus efficaces de faire évoluer les indicateurs commerciaux dans un sens positif et d’augmenter le flux entrant de revenus. Cependant, comme indiqué ci-dessus, l’a/b testing exigent de la planification, de la patience et de la précision. Faire des erreurs stupides peut coûter à votre entreprise du temps et de l’argent, ce que vous ne pouvez pas vous permettre. Pour vous aider à éviter de faire des gaffes, voici une liste des erreurs les plus courantes à retenir lors de l’exécution d’un a/b testing :
Erreur n° 1 : ne pas planifier votre feuille de route d’optimisation
A. Hypothèse invalide :
Dans le cadre des tests A/B, une hypothèse est formulée avant de réaliser un test. Toutes les étapes suivantes en dépendent : ce qu’il faut changer, pourquoi il faut le changer, quel est le résultat attendu, etc. Si vous commencez avec une hypothèse erronée, la probabilité de réussite du test diminue.
B. Prendre les autres au mot :
Bien sûr, quelqu’un d’autre a modifié son flux d’inscription et a constaté une augmentation de 30 % des conversions. Mais il s’agit du résultat de leur test, basé sur leur trafic, leur hypothèse et leurs objectifs. Voici pourquoi vous ne devez pas appliquer tels quels les résultats des tests de quelqu’un d’autre sur votre site Web : il n’existe pas deux sites Web identiques – ce qui a fonctionné pour eux ne fonctionnera peut-être pas pour vous. Leur trafic sera différent ; leur public cible pourrait être différent ; leur méthode d’optimisation pourrait être différente de la vôtre, etc.
Erreur n° 2 : tester trop d’éléments ensemble
Les experts du secteur mettent en garde contre l’exécution de trop de tests en même temps. Si l’on teste ensemble trop d’éléments d’un site Web, il est difficile de déterminer quel élément a le plus influencé la réussite ou l’échec du test. Plus les éléments testés sont nombreux, plus le trafic sur cette page doit être important pour justifier un test statistiquement significatif. Ainsi, la hiérarchisation des tests est indispensable à la réussite des tests A/B.
Erreur n° 3 : ignorer la signification statistique
Si des sentiments ou des opinions personnelles s’immiscent dans la formulation de l’hypothèse ou pendant que vous fixez les objectifs du a/b testing, celui-ci a toutes les chances d’échouer. Indépendamment de tout, que le test réussisse ou échoue, vous devez le laisser suivre son cours jusqu’à ce qu’il atteigne sa signification statistique.
Ce n’est pas pour rien que les résultats des tests, qu’ils soient bons ou mauvais, vous donneront des indications précieuses et vous aideront à mieux planifier votre prochain test.
Vous pouvez obtenir plus d’informations sur les différents types d’erreurs en traitant les mathématiques des tests A/B.
Erreur n° 4 : utiliser un trafic déséquilibré
Les entreprises finissent souvent par tester un trafic déséquilibré. L’a/b testing doivent être effectués avec le trafic approprié pour obtenir des résultats significatifs. L’utilisation d’un trafic inférieur ou supérieur à celui requis pour les tests augmente les chances que votre campagne échoue ou génère des résultats non concluants.
Erreur n°5 : tester pour une durée incorrecte
En fonction de votre trafic et de vos objectifs, exécutez des tests A/B pendant une certaine durée pour obtenir une signification statistique. Si vous effectuez un test pendant une période trop longue ou trop courte, le test peut échouer ou produire des résultats non significatifs. Ce n’est pas parce qu’une version de votre site Web semble gagner dès les premiers jours du test que vous devez l’arrêter avant terme et déclarer un gagnant. Laisser une campagne durer trop longtemps est également une erreur courante des entreprises. La durée de votre test dépend de différents facteurs tels que le trafic existant, le taux de conversion existant, l’amélioration attendue, etc.
Apprenez combien de temps vous devez exécuter votre test.
Erreur n° 6 : ne pas suivre un processus itératif
L’a/b testing sont un processus itératif, chaque test s’appuyant sur les résultats des tests précédents. Les entreprises abandonnent l’a/b testing après l’échec de leur premier test. Mais pour améliorer les chances de réussite de votre prochain test, vous devez tirer des enseignements de vos derniers tests tout en planifiant et en déployant votre prochain test. Cela augmente la probabilité de réussite de votre test avec des résultats statistiquement significatifs.
De plus, n’arrêtez pas les tests après un succès. Testez chaque élément de manière répétitive afin d’en produire la version la plus optimisée, même s’ils sont issus d’une campagne réussie.
Erreur n° 7 : ne pas tenir compte des facteurs externes
Les tests doivent être effectués à des périodes comparables pour produire des résultats significatifs. Il est erroné de comparer le trafic d’un site Web les jours où il est le plus fréquenté aux jours où il est le moins fréquenté en raison de facteurs externes tels que les soldes, les vacances, etc. Parce que la comparaison n’est pas faite ici entre les goûts, les chances de parvenir à une conclusion non significative augmentent.
Erreur n° 8 : utiliser les mauvais outils
Avec la popularité croissante des tests A/B, de nombreux outils peu coûteux ont également vu le jour. Tous ces outils ne sont pas aussi bons les uns que les autres. Certains outils ralentissent considérablement votre site, tandis que d’autres ne sont pas étroitement intégrés aux outils qualitatifs nécessaires (cartes thermiques, enregistrements de sessions, etc.), ce qui entraîne une détérioration des données. L’a/b testing réalisés avec de tels outils défectueux peuvent compromettre le succès de votre test dès le départ.
Erreur n° 9 : s’en tenir à la méthode classique des tests A/B
Bien que la plupart des optimiseurs d’expérience recommandent de commencer votre parcours d’expérimentation en effectuant de petits tests A/B sur votre site Web pour vous familiariser avec l’ensemble du processus. Mais, à long terme, s’en tenir aux méthodes de a/b testing classiques ne fera pas de miracles pour votre entreprise. Par exemple, si vous envisagez de remanier entièrement l’une des pages de votre site Web, vous devez recourir aux tests fractionnés. Si vous souhaitez tester une série de permutations de boutons CTA, leur couleur, le texte et l’image de la bannière de votre page, vous devez utiliser les tests multivariés.
Quels sont les enjeux des tests A/B ?
Le retour sur investissement des tests A/B peut être énorme et positif. Ils vous aident à orienter vos efforts de marketing vers les éléments les plus utiles en identifiant les zones problématiques exactes. Mais de temps en temps, en tant qu’optimiseur d’expérience, vous pouvez être confronté à certains défis lorsque vous décidez d’entreprendre des tests A/B. Les 6 principaux défis sont les suivants :
Défi n° 1 : Décider de ce qu’il faut tester
Vous ne pouvez pas vous réveiller un jour et décider de tester certains éléments de votre choix. Une réalité amère que les optimiseurs d’expérience sont en train de réaliser est que tous les petits changements faciles à mettre en œuvre ne sont pas toujours les meilleurs si l’on tient compte de vos objectifs commerciaux et qu’ils ne s’avèrent souvent pas significatifs. Il en va de même pour les tests complexes. C’est là que les données du site Web et les données d’analyse des visiteurs entrent en jeu. Ces points de données vous aident à surmonter le défi de « ne pas savoir quoi tester » à partir de votre arriéré sans fin en indiquant généralement les éléments qui peuvent avoir le plus d’impact sur vos taux de conversion ou en vous dirigeant vers les pages avec le plus grand trafic.
Défi n° 2 : Formuler des hypothèses
En grande résonance avec le premier défi se trouve le second : formuler une hypothèse. C’est là que l’importance d’avoir des données scientifiques à sa disposition prend tout son sens. Si vous effectuez des tests sans disposer des données appropriées, vous pourriez tout aussi bien jouer votre entreprise. À l’aide des données recueillies lors de la première étape (c’est-à-dire la recherche) des tests A/B, vous devez découvrir où se situent les problèmes de votre site et formuler une hypothèse. Cela ne sera possible que si vous suivez un programme de tests A/B bien structuré et planifié.
Défi n°3 : Fixer la taille de l’échantillon
Peu d’optimiseurs d’expérience sont statisticiens. Nous commettons souvent l’erreur d’appeler des résultats concluants trop rapidement car nous sommes le plus souvent à la recherche de résultats rapides. En tant qu’optimiseurs d’expérience, nous devons apprendre à connaître la taille des échantillons, en particulier la taille de notre échantillon de test en fonction du trafic de notre page Web.
Défi n° 4 : Analyser les résultats des tests
Avec l’a/b testing, vous serez témoin de succès et d’échecs à chaque étape. Ce défi, cependant, est pertinent tant pour les tests réussis que pour les tests ratés :
1. Des campagnes réussies :
C’est bien que vous ayez effectué deux tests, et que les deux aient réussi à produire des résultats statistiquement significatifs. Que faire ensuite ? Oui, déployer le gagnant, mais que faire après ? L’interprétation des résultats des tests est une tâche que les optimisateurs expérimentés négligent souvent ou trouvent difficile. L’interprétation des résultats des tests après leur conclusion est extrêmement importante pour comprendre pourquoi le test a réussi. La question fondamentale à se poser est la suivante : pourquoi ? Pourquoi les clients se sont-ils comportés comme ils l’ont fait ? Pourquoi ont-ils réagi d’une certaine manière avec une version et pas avec les autres ? Quelles informations sur les visiteurs avez-vous recueillies, et comment pouvez-vous les utiliser ? De nombreux optimiseurs d’expérience ont souvent du mal à répondre à ces questions, qui non seulement vous aident à donner un sens au test en cours, mais fournissent également des données pour les tests futurs.
2. Campagnes échouées :
Parfois, les optimiseurs d’expérience ne se penchent même pas sur les tests qui ont échoué. Soit ils ont du mal à les gérer, par exemple en parlant à l’équipe des tests ratés, soit ils ne savent pas quoi en faire. Un test raté n’est raté que si vous ne parvenez pas à en tirer des enseignements. Les campagnes ratées doivent être traitées comme des piliers qui vous mèneront finalement au succès. Les données recueillies tout au long du processus de a/b testing, même si le test a finalement échoué, sont comme une boîte de Pandore non ouverte. Elles contiennent une pléthore de données et d’informations précieuses qui peuvent vous donner une longueur d’avance pour votre prochain test.
De plus, en l’absence de connaissances appropriées sur la manière d’analyser les données recueillies, les risques de corruption des données augmentent considérablement. Par exemple, si vous n’avez pas mis en place un processus, vous n’aurez de cesse de faire défiler les données des cartes thermiques ou de l’enregistrement des sessions. Par ailleurs, si vous utilisez différents outils pour ces tâches, les risques de fuite de données lors de leur intégration augmentent également. Il se peut également que vous ne parveniez pas à tirer des enseignements significatifs de votre errance dans les données et que vous vous noyiez sous celles-ci.
Défi n° 5 : Maintenir une culture de test
L’une des caractéristiques les plus cruciales des programmes d’optimisation comme la CRO et l’a/b testing est qu’il s’agit d’un processus itératif. C’est également l’un des principaux obstacles auxquels sont confrontés les entreprises et les optimiseurs d’expérience. Pour que vos efforts d’optimisation soient fructueux à long terme, ils doivent former un cycle qui, en gros, commence par la recherche et se termine par la recherche.
Ce défi ne consiste pas seulement à faire des efforts ou à posséder les connaissances nécessaires. Parfois, en raison d’une pénurie de ressources, les entreprises utilisent rarement ou par intermittence l’a/b testing et ne parviennent pas à développer une culture d’essai appropriée.
Défi n°6 : Modifier les paramètres de l’expérience au milieu d’un a/b testing
Lorsque vous lancez une expérience, vous devez vous y consacrer entièrement. Ne modifiez pas les paramètres de l’expérience, ne modifiez pas ou n’omettez pas les objectifs du test et ne jouez pas avec la conception du contrôle ou de la variation pendant que le test est en cours. De plus, n’essayez pas de modifier les allocations de trafic aux variations, car cela modifierait non seulement la taille de l’échantillon de vos visiteurs qui reviennent, mais fausserait aussi massivement les résultats de votre test.
Alors, compte tenu de tous ces défis, l’a/b testing valent-ils la peine d’être entrepris ?
D’après toutes les preuves et données disponibles sur l’a/b testing, même après ces difficultés, l’a/b testing génèrent un excellent retour sur investissement. Du point de vue du marketing, l’a/b testing éliminent les incertitudes du processus d’optimisation. Les décisions stratégiques de marketing deviennent fondées sur des données, ce qui facilite l’élaboration d’une stratégie de marketing idéale pour un site Web aux objectifs bien définis. Sans programme de tests A/B, votre équipe de marketing se contentera de tester des éléments au hasard ou sur la base de son intuition et de ses préférences. Ces tests sans données sont voués à l’échec.
Si vous commencez fort avec une bonne analyse du site Web et des données sur les visiteurs, les trois premiers défis peuvent être facilement résolus. Grâce aux nombreuses données sur le site Web et les visiteurs dont vous disposez, vous pouvez établir des priorités dans votre carnet de commandes, et vous n’aurez même pas à décider de ce que vous allez tester. Les données parleront d’elles-mêmes. Avec des données de cette qualité, associées à votre expertise commerciale, la formulation d’une hypothèse de travail devient une simple question d’examen des données disponibles et de décision quant aux changements les plus appropriés à votre objectif final. Pour surmonter le troisième défi, vous pouvez calculer la taille d’échantillon appropriée pour votre campagne de test à l’aide de nombreux outils disponibles aujourd’hui.
Les deux derniers défis sont liés à la façon dont vous abordez l’a/b testing. Si vous traitez l’a/b testing comme un processus itératif, la moitié du quatrième défi ne sera peut-être même pas dans votre assiette. L’autre moitié peut être résolue en engageant des experts dans ce domaine ou en vous formant à l’analyse correcte des données et des résultats de recherche. La bonne approche pour relever le dernier défi est de canaliser vos ressources sur les éléments les plus critiques pour l’entreprise et de planifier votre programme de test de manière à pouvoir créer une culture de test avec des ressources limitées.
Tests A/B et SEO
En ce qui concerne les implications du référencement sur l’a/b testing, Google a clarifié la situation dans son article de blog intitulé « Website Testing And Google Search ». Les éléments importants de cet article sont résumés ci-dessous :
Pas de cloaking
Le cloaking, c’est-à-dire l’affichage d’un ensemble de contenus pour les humains et d’un autre pour Googlebot, est contraire à nos directives pour les webmasters, que vous effectuiez un test ou non. Assurez-vous que vous ne décidez pas de servir le test ou la variante de contenu à servir, en fonction de l’agent utilisateur. Par exemple, vous devez toujours servir le contenu original lorsque vous voyez l’agent utilisateur « Googlebot ». N’oubliez pas que la violation de nos consignes peut entraîner la rétrogradation de votre site, voire sa suppression des résultats de recherche de Google, ce qui n’est probablement pas le résultat souhaité pour votre test.
N’utilisez que des redirections 302
Si vous effectuez un a/b testing qui redirige les utilisateurs de l’URL d’origine vers une URL différente, utilisez une redirection 302 (temporaire) et non 301 (permanente). Cela indique aux moteurs de recherche que cette redirection est temporaire – elle ne sera en place que pendant la durée de l’expérience – et qu’ils doivent conserver l’URL d’origine dans leur index plutôt que de la remplacer par la cible de la redirection (la page de test). Les redirections basées sur JavaScript ont également reçu le feu vert de Google.
Exécuter les expériences pendant la durée appropriée
Le temps nécessaire à la réalisation d’un test fiable varie en fonction de facteurs tels que vos taux de conversion et le volume de trafic de votre site Web. Un bon outil de test devrait vous indiquer quand vous avez rassemblé suffisamment de données pour pouvoir tirer des conclusions fiables. Une fois le test terminé, vous devez mettre à jour votre site avec la ou les variations souhaitées et supprimer dès que possible tous les éléments du test, tels que les URL alternatives ou les scripts et balises de test.
Utilisez des liens rel= »canonical
Google suggère d’utiliser l’attribut de lien rel= »canonical » sur toutes les URL alternatives pour pouvoir mettre en évidence que l’URL d’origine est en fait l’URL préférée. Cette suggestion découle du fait que rel= »canonical » correspond mieux à votre intention dans cette situation que d’autres méthodes comme la métabalise « no index ». Par exemple, si vous testez des variantes de votre page produit, vous ne voulez pas que les moteurs de recherche n’indexent pas votre page produit. Vous voulez simplement qu’ils comprennent que toutes les URL de test sont des doublons proches ou des variations de l’URL d’origine et qu’elles doivent être regroupées, avec l’URL d’origine comme héros. Parfois, dans ces cas, l’utilisation de no index plutôt que de rel= »canonical » dans une telle situation peut parfois avoir de mauvais effets inattendus.
Les outils d’A/B testing
- AB Tasty
- Unbounce
- Kameleoon.
- Optimizely
- Fivesecondtest
- Visual Website Optimizer
- Nelio A/B Testing for WordPress
- Google Analytics
Conclusion
Après avoir lu cet article complet sur l’a/b testing, vous devriez maintenant être parfaitement équipé pour planifier votre propre feuille de route d’optimisation. Suivez chaque étape impliquée avec diligence et méfiez-vous de toutes les erreurs majeures et mineures que vous pouvez commettre si vous n’accordez pas aux données l’importance qu’elles méritent. L’a/b testing sont inestimables lorsqu’il s’agit d’améliorer les taux de conversion de votre site Web.
S’ils sont effectués avec un dévouement total et avec les connaissances dont vous disposez maintenant, l’a/b testing peuvent réduire de nombreux risques liés à un programme d’optimisation. Il vous aidera également à améliorer considérablement l’UX de votre site Web en éliminant tous les maillons faibles et en trouvant la version la plus optimisée de votre site Web.
Si vous avez trouvé ce guide utile, faites passer le mot et aidez les autres optimiseurs d’expérience à effectuer des tests A/B sans tomber dans les pièges les plus courants. Bon test !
FAQ sur l’a/b testing
Quelle est la définition des tests A/B ?
L’a/b testing consistent à comparer deux variantes d’un élément de page, généralement en testant la réaction des utilisateurs à la variante A par rapport à la variante B et en concluant laquelle des deux variantes est la plus efficace.
Qu’est-ce que l’a/b testing dans le marketing numérique ?
Dans le domaine du marketing numérique, l’a/b testing consistent à montrer simultanément deux versions de la même page Web à différents segments de visiteurs du site, puis à comparer la version qui améliore les conversions.
Pourquoi faire des tests A/B ?
Il y a plusieurs raisons pour lesquelles nous faisons des tests A/B. Il s’agit notamment de résoudre les problèmes des visiteurs, d’augmenter le nombre de conversions ou de prospects et de réduire le taux de rebond. Veuillez lire notre guide pour connaître les autres raisons.
Qu’est-ce que l’a/b testing et les tests multivariés ?
Dans l’a/b testing, le trafic est réparti entre deux ou plusieurs versions complètement différentes d’une page web. Dans les tests multivariés, de multiples combinaisons de quelques éléments clés d’une page sont testées les unes par rapport aux autres afin de déterminer quelle combinaison fonctionne le mieux pour l’objectif du test.