A/B Testing : le guide ultime pour bien démarrer

Temps de lecture : 6 minutes

Comme le cerveau, le marketing digital est composé de deux hémisphères, le droit et le gauche, le créatif et le logique.

Le premier répond aux émotions et le second aux données. Bien qu’une bonne campagne de publicité en ligne ait besoin des deux parties pour réussir et atteindre ses objectifs, nous allons aujourd’hui nous concentrer sur le côté gauche, qui a beaucoup de choses à apporter à nos stratégies marketing actuelles et surtout nous pouvons aider à déterminer l’efficacité de l’investissement que nous Fabriquer.

Ce guide cherche à expliquer de manière générale le concept de test a/b, cependant, nous vous recommandons de télécharger notre guide d’installation de Google Optimize ici afin que vous puissiez commencer à expérimenter dès maintenant !

A/B Testing : qu’est-ce que c’est et comment l’utiliser ?

L’ A/B testing (appelé aussi a/b tests) est une méthode permettant de comparer les versions d’une page web, d’une publicité ou d’une campagne entre elles afin de déterminer laquelle des deux est la meilleure et selon les cas, laquelle des deux génère de meilleurs résultats.

Ce type de test A/B consiste généralement en une expérience dans laquelle deux variables ou plus sont modifiées pour créer des variantes qui seront présentées aux utilisateurs de manière aléatoire afin de déterminer, par analyse statistique, quelle variation obtient les meilleurs résultats.

Dans le processus de prise de décision en marketing, il a toujours été populaire de discuter des décisions que les spécialistes du marketing prennent dans certains cas concernant les couleurs ou les copies à utiliser sur une page Web ou dans une publicité. Pourquoi certains prennent-ils apparemment de meilleures décisions ?

À partir de certaines études menées, nous pouvons, par exemple, prendre des décisions marketing sur la base des résultats obtenus à partir d’une expérience dans l’un des canaux de commercialisation où nous pouvons contrôler un environnement de test, par exemple, un page de destination.

Cependant, en marketing, les faits obtenus à partir de l’expérimentation sont souvent confondus avec des vérités absolues, à titre d’exemple, les suivantes :

Afin de faire cette affirmation, il est nécessaire de faire des tests pour déterminer si c’est vrai ou faux pour votre cas.

Tous les gourous du marketing prétendent avoir le secret pour augmenter les conversions, cela peut être possible après un long processus d’expérimentation.

Google a eu une anecdote particulière sur les tests A/B alors qu’il était en train de prendre une décision sur la couleur du texte du lien (texte d’ancrage) de son célèbre moteur de recherche.

À cette époque, Google avait plus de 40 nuances de bleu, il a donc dû effectuer des tests sur la couleur qui encourageait le plus d’interaction. En fin de compte, le géant de la technologie a pris une décision basée sur l’expérimentation, les alternatives et, surtout, les données de résultats.

Maintenant que vous comprenez un peu plus les bases de l’A/B testing, il est temps de vous montrer sa méthodologie de mise en œuvre et comment vous pouvez l’utiliser pour prendre des décisions dans votre startup ou votre entreprise.

Méthodologie pour mettre en place un test A/B

Pour commencer l’expérimentation, il faut formuler une hypothèse, dans ce cas, on va utiliser des éléments sur un site internet pour réaliser les tests, cependant n’oubliez pas que vous pouvez aussi expérimenter avec des campagnes, des audiences, des lieux, des copies, etc.

D’abord… qu’est-ce qu’une hypothèse ?

Par définition, une hypothèse est une proposition de déclaration faite sur la base de preuves limitées qui peuvent être prouvées ou réfutées et utilisées comme point de départ pour une enquête plus approfondie (un peu théorique, n’est-ce pas ?).

Traduisons un peu en espagnol :

Il s’agit d’une proposition d’affirmation, c’est-à-dire que l’on pense que les résultats sont causés par un facteur. Une hypothèse n’est pas un fait et ne doit pas être discutée comme correcte ou incorrecte tant qu’elle n’a pas été testée et prouvée d’une manière ou d’une autre par l’expérimentation.

Votre hypothèse est basée sur les informations et les connaissances dont vous disposez sur ce qui se passe sur votre site Web, sur toute recherche ou analyse de situations actuelles en cours.

Une hypothèse peut être prouvée ou réfutée, et un exemple peut être lu comme suit :

En changeant le bouton du vert à l’orange, nous aurons une augmentation des conversions

Dans le point suivant, nous expliquerons comment vérifier si l’hypothèse est vraie ou fausse.

Deuxièmement… il est temps d’expérimenter

Le mot-clé principal ici est « expérience », alors voyons comment expérimenter.

Tout d’abord, nous partons de notre site Web existant. Nous appellerons l’état d’origine, c’est-à-dire notre page Web sans aucun changement, ce sera notre base.

Nous allons maintenant créer la « variation A », qui est celle qui représente l’hypothèse que nous avons formulée ci-dessus.

L’objectif maintenant est de faire l’expérimentation, pour cela vous devrez faire voir à 50% de votre audience la version A et les 50% restants avec notre page « contrôle ». Cela nous aidera à rendre l’expérience statistiquement valide (cela semble plus complexe qu’il ne l’est en réalité).

Pour ce faire lors d’un test A/B de votre site Web, nous vous recommandons les plateformes suivantes :

• Visual Website Optimizer
• Optimizely
• Google Optimize
• Thrive Optimize

 

Une fois que nous avons configuré notre expérience et déterminé les quotas pour chacune des versions, il est temps de lancer le test et d’attendre un certain temps pour pouvoir tirer des conclusions de vos expériences.

Il est maintenant temps d’analyser et de déclarer un gagnant

Selon le graphique précédent, nous pouvons déterminer que la version orange de la page Web est celle qui a obtenu les meilleurs résultats.

Dans ce cas, nous déterminerons que notre hypothèse était correcte. En plus de cette expérience, vous pouvez essayer d’expérimenter les copies de vos pages de destination, la taille des boutons, le CTA et plus encore.

Mais que se passe-t-il lorsqu’une variation a plus d’un élément qui a été modifié, comment faire l’expérimentation alors ?

Avantages des tests A/B

Simple dans son concept et sa conception, le test A/B est une méthode de test puissante et largement utilisée.

Garder le nombre de variables faible signifie que ces tests peuvent donner des informations fiables très rapidement, car ils ne nécessitent pas beaucoup de trafic pour s’exécuter.

Ceci est particulièrement utile si votre site a un petit nombre de visiteurs quotidiens. Diviser le trafic en plus de trois ou quatre segments rendrait plus difficile la réalisation d’un test.

En fait, les tests A/B vous permettent d’interpréter rapidement et facilement les résultats. Cette pratique est très courante sur les grands sites où ils exécutent des cycles de test en continu pour optimiser les conversions ou les ventes à partir d’une page de destination, au lieu d’effectuer des tests multivariés plus complexes.

Les tests A/B sont également un bon moyen d’introduire le concept d’optimisation en testant une équipe sceptique, car ils peuvent rapidement démontrer l’impact mesurable d’une simple modification de votre page de destination.

Limites des tests A/B

Le test A/B est un outil polyvalent, et lorsqu’il est combiné à une conception d’expérience intelligente et à un engagement envers des cycles itératifs de test et de refonte, il peut vous aider à apporter de grandes améliorations à votre site.

Cependant, il est important de rappeler que les limites de ce type de test sont résumées dans le nom. Ils servent plutôt à mesurer l’impact de deux à quatre variables sur les interactions avec la page.

Les tests avec plus de variables prennent plus de temps à s’exécuter, et en soi, le test A/B ne révélera aucune information sur l’interaction entre les variables sur une seule page.

A/B et MVT

Dans sa forme la plus simple, le test A/B est une méthode qui consiste à comparer 2 versions de quelque chose l’une contre l’autre pour déterminer laquelle est la plus efficace. Ce quelque chose peut être une image, un bouton, une copie ou au-delà.

Le test multivarié est une extension du test A/B, où plus de 2 versions sont comparées et (souvent) plus de variations sont incluses. Cela peut vous permettre de tester plusieurs éléments à la fois et de voir comment ils interagissent les uns avec les autres.

Dans la figure suivante, vous pouvez comprendre un peu la différence :

Si vous avez besoin d’informations sur la façon de faire des expériences où plusieurs variables sont utilisées, ne manquez pas notre article sur MVT ou Multivariate Testing.