Réussir en Test AB :
Le Guide Complet
Ceci est votre page de référence pour faire un test AB, avec tout ce que vous devez savoir pour réussir vos tests
Parmi Les Plus Grandes Noms:
L’A/B testing implique deux versions d’une même page web. La version A est la version actuelle (le “contrôle”), alors que la Version B est la page modifiée (le “traitement”). En utilisant simultanément les deux pages, vous pouvez facilement comparer leur performance.
La modification de la version A doit être basée sur une hypothèse du comportement des visiteurs de votre page web. Ce changement doit être en rapport avec le design, la structure ou le contenu. En comparant les deux versions (le traitement et le contrôle) vous pouvez soit approuver ou refuter votre hypothèse.
Afin de mesurer la performance de vos pages, la première chose à décider est le “KPI” à mesurer. Cela pourrait être le volume de ventes (“véritable” conversions), abonnements (un formulaire de “micro-conversion”), ou une autre action. Peu importe votre choix, il sera la métrique qui déterminera quelle version de votre page web performe le mieux.
Faire de nombreux A/B tests est la meilleure façon de gagner une réelle compréhension sur comment le design d’une page web peut affecter sa performance. Pour les gros E-Commerçant, ce processus est continu et requiert plusieurs versions pour chaque page.
Voir l’introduction complète aux tests AB : Qu’est ce que l’A/B Testing?
Comment Faites-Vous
un AB Test?
Un AB test est toujours basé autour d’un but. Pour la plupart des gens, le but est d’augmenter leur taux de conversion. Tant que vous avez un objectif mesurable, vous pouvez collecter des données de vos utilisateurs. Cependant, vous avez aussi besoin d’autres ingrédients pour que votre test soit réussi.
- Traffic: Vous ne pouvez pas tester votre site web sans un échantillon assez large
- Hypothèse: Vous asez besoin d’idées pour savoir quels changements à apporter á votre page originale
- Outil AB testing: Un logiciel pour allouer votre trafic et collecter vos résultats
Un faible trafic est l’un des obstacles les plus communs pour les premiers testeurs.
Il existe différentes stratégies pour les tests AB, mais la plupart d’entre elles suivent un modèle continu basé sur des étapes.
AB Test Etape 1 – Analyse de données
Avant de construire une version alternative (B), il est nécessaire d’examiner en détail la version originale (A). L’analyse des données est une étape primordiale de tout bon test AB. Google Analytics est un outil indispensable pour les marketeurs digitaux puisqu’il leur permet de savoir comment les visiteurs utilisent leur site. En examinant le comportement de vos visiteurs et en identifiant les faiblesses de votre Tunnel de Conversion, vous aurez une meilleure idée de ce qui doit être optimisé. Toutefois, pour comprendre Pourquoi et Comment améliorer ces aspects, d’autres outils sont nécessaires.
Des logiciels gratuits en ligne permettent de transformer les données de suivi de souris (mouse-tracking) en heatmaps plus visuelles. Les scrollmaps vous indiquent jusqu’où vos visiteurs font défiler une page avant de la quitter. Ces outils doivent être associés à une segmentation client et à des sondages de sortie pour mieux comprendre les réactions de vos visiteurs sur votre site. Mais ce n’est pas fini ! Afin de changer le ressenti de vos visiteurs, vous devez penser à la psychologie du consommateur. La dernière étape de la phase de recherche est donc une analyse exhaustive des mécanismes cognitifs qui peuvent se jouer sur la page.
AB Test Etape 2 – Hypothèse
C’est la partie amusante du processus ! Vous devez prendre votre courage à deux mains et trouver un moyen de changer votre Version A afin d’atteindre un objectif que vous aurez fixé. Alors, qu’allez-vous modifier ? Vos boutons Call-to-Action, votre texte, les couleurs ou la structure de vos sections ? Est-ce que votre page a besoin d’un petit ravalement de façade ou d’une reconstruction complète ? Tout le monde peut proposer une hypothèse mais une bonne hypothèse requiert une réflexion méticuleuse.
AB Test Etape 3 – Design
Il est important d’être précis sur les paramètres de votre expérience. Avant de mener un test, vous devez choisir :
- Votre objectif – Pour qu’une plateforme de AB testing puisse comparer les taux de conversion des versions A et B, vous devez indiquer une action qu’elle peut traquer. Le plus souvent, il s’agit de l’URL d’une page de remerciement (à la suite d’un achat) car cela garantit que vous ne recevrez que les données liées aux achats menés à terme. Il arrive parfois que vous vouliez atteindre un autre objectif. Les clics sur un bouton Call-to-Action particulier ou les visites sur une autre page de votre site peuvent être de meilleurs objectifs à mesurer selon vos besoins.
Dans cet exemple, l’objectif est d’augmenter le taux de clics grâce au changement la coleur de le bouton Call-to-Action. Vous pouvez suivre l’URL de destination ou le bouton lui-même.
- Le type de pages que vous souhaitez cibler – Tester chaque page produit une par une prendrait une éternité mais cibler les mauvaises pages peut également rendre vos résultats plus difficiles à analyser. Votre ciblage est en général défini par les URLs sur lesquelles vos changements vont s’appliquer. Comme pour les recherches en ligne, vous pouvez poser des limites à votre test en utilisant les termes suivant : « l’URL contient », « l’URL finit par » ou « l’URL est égale à ».
- La façon dont votre trafic doit être divisé – Certains logiciels possèdent un algorithme de « Multi-Armed Bandit » (ou Bandit Manchot en français) qui dirige la majorité de votre trafic vers la version de la page qui fonctionne le mieux. Cela présente deux avantages. Cela peut tout d’abord réduire le temps nécessaire à l’obtention de résultats significatifs. Ensuite, cela évite de perdre des conversions en envoyant une trop grande partie de votre précieux trafic vers la page la moins optimale. Toutefois, dans le cas où votre outil de AB testing ne propose pas ce genre d’algorithme, vous devez réfléchir à comment allouer votre trafic de manière adéquate.
AB Test Etape 4 – L’experience
Mener une expérience, c’est comme être assis sur le siège passager d’une voiture. Peu importe à quel point vous voulez modifier, ajuster ou altérer la trajectoire, il vous faut laisser le contrôle au conducteur. Toutefois, une décision importante vous incombe toujours : choisir quand arrêter le test. Avant de commencer votre AB test, vous devez décider du niveau de « confiance » dont vous avez besoin avant de conclure l’expérience. Le taux de confiance le plus courant dans l’industrie est de 95% mais les testeurs expérimentés peuvent décider d’arrêter leurs tests plus tôt dans certaines situations.
Un conseil qui revient souvent est la règle dite du « pas de coup d’oeil » durant le test. Quand ils analysent la valeur d’une hypothèse, les marketeurs regardent souvent leurs données avant que les résultats soient représentatifs. Il est alors très facile de tirer des conclusions hâtives.
AB Test Etape 5 – Enseignement et Amélioration
La représentativité statistique est la base sur laquelle vous devez vous appuyer pour tirer des conclusions. Cependant, une augmentation significative des conversions pour la version B ne vous conduira peut-être pas à apporter de grands changements à votre site. Par exemple, la version B peut conduire les visiteurs à acheter plus fréquemment mais elle peut aussi les mener à faire des achats moins profitables. Elle peut aussi réduire le nombre de clients qui reviennent sur le site ou causer d’autres problèmes imprévus. Il est aussi possible que vous n’ayez montré votre version B qu’à un segment précis de vos consommateurs. Dans ce cas, la prochaine étape est de la tester sur d’autres segments.
Il y a 4 ans, le marché des outils d’A/B testing étaient divisés en deux options: Optimizely et VWO. Depuis cela, le nombre d’outils qui faire des tests AB a rapidement augmenté. AB Tasty est arrivé avec un un jeu d’analyse avancées en 2017 et Google a lancé Optimize et Optimize 360. En 2021 on compte environ 50 options bien connues pour des logiciels AB test.
Le meilleur outil pour les agences de marketing
Le meilleur outil pour les grandes entreprises
Un outil gratuit pour les développeurs internet
Un outil simple et convivial pour tous
Voir les meilleurs outils AB testing pour votre secteur: Outils AB Testing (2021)
Comment Choisir le Meilleur
Outil d’A/B Testing Pour Votre Business
S’abonner à un outil d’A/B testing est un bon investissement à long terme. Il permettra à votre équipe de prendre de meilleures décisions, d’encourager la culture de l’expérimentation et la prise de décisions basées sur les données. Cependant, il n y a pas une seule solution qui correspond pour chaque entreprise. Pour trouver la bonne option pour votre business, vous devez vous poser quelques questions…
1. Quels compétences avez vous?
Si votre équipe n’a pas de compétences en développement front-end ou de connaissances en programmation, vous avez besoin d’un outil avec un éditeur simple glisser-déposer.
Similairement, si votre équipe n’a pas d’expertise statistique, vous avez besoin d’un outil avec des statistiques intégrées. Même des testeurs expérimentés peuvent être embourbés par de subtils détails. Alors si vous ne vous sentez pas de traiter des données brutes, vous avez besoin d’un outil qui le fera pour vous.
2. Combien de visiteurs avez-vous par mois?
Pour faire simple: est-ce que votre trafic est à la hauteur de votre ambition? Pour optimiser un site web avec de l’A/B testing, vous avez besoin entre 10-100,000 visiteurs par mois sur chaque page que vous voulez tester. Pour les test multivariés (MVT), vous aurez besoin de plusieurs fois ce montant.
3. Vous aurez besoin d’autres outils?
Pour optimiser effectivement votre site, vous aurez surement besoin d’un autre outil. Par exemple, vous pourriez penser à utiliser :
- Un outil de carte de chaleur et de défilement
- Un outil de sondage sur page auprès de visiteurs
- Un outil pour visualiser les parcours clients
Une plateforme d’A/B testing n’est pas supposée combiner toutes ces fonctionnalités, vous devrez donc garder une partie de votre budget pour ces autres outils.
Poser les bonnes questions avant de vous abonner à une solution pourrait vous faire économiser beaucoup d’argent et vous aidera à trouver le meilleur outil d’A/B testing pour votre business.
Voici une liste de choses importantes à prendre en considération, lisez : 10 Questions pour choisir le meilleur outil d’A/B testing pour votre Business
Comment Obtenir une Signification Statistique Avec des Tests AB?
Pour n’importe quel test AB, le concept le plus important pour interpréter vos résultats est la signification statistique. C’est la probabilité que la différence de taux de conversion entre votre page A et B soit due a un réel changement de comportement de vos visiteurs.
A moins que vous ayez atteint une signification statistique, il y ait une forte change que vos résultats soient liés à la chance.
Votre intervalle de confiance est le niveau de probabilité minimum que vous êtes prêt à accepter pour que vos résultats ne soient PAS liés à la chance. Elle est souvent définie à 95% (ce qui signifie que n’importe quel effet que vous trouverez sera réel dans 19 cas sur 20).Vous pouvez facilement vérifier si vos résultats sont significatifs en utilisant le calculateur et les instructions dans ce guide : Signification de Test AB
Taille d’échantillon Pour Des Tests AB
Trouver une façon d’obtenir une amélioration n’est pas simple, et obtenir une signification statistique est carrément difficile. C’est pour cela que vous devez penser à votre échantillon d’AB testing avant de lancer une expérience.
Pour vous donner une idée de la taille d’échantillon dont vous avez besoin pour effectuer un des tests AB sur votre site web, nous avons créé ce graphique vous montrant le volume de visiteurs nécessaire pour que les résultats de vos tests soient significatifs.
1. Zone de peur
Avec moins de 10,000 visiteurs par mois, l’AB testing sera très peu fiable. C’est parce qu’avec un si petit échantillon, il serait nécessaire d’améliorer votre taux de conversion de près de 30% afin d’identifier clairement une variation “gagnante”. La plupart des experts sont d’accord sur le fait qu’une amélioration de plus de 10% est très rare.
2. Zone palpitante
Avec entre 10,000 et 100,000 visiteurs par mois, l’AB testing peut être un réel challenge. Même si la page que vous testez reçoit la moitié de votre trafic total, il faudrait toujours une amélioration d’environ 9% pour produire des résultats fiables.
3. Zone d’excitation
Avec entre 100,000 et 1,000,000 de visiteurs par mois, l’AB testing devient plus facile. Avec ce type d’échantillon, il est nécessaire de trouver une amélioration entre 2% et 9% pour trouver un gagnant. Cependant, des volumes importants induisent une nouvelle considération; vous devez être sur que votre taux de conversion soit maintenu pendant le test. Avec un tel volume de trafic, perdre fraction de vos ventes équivaudrait à un montant d’argent important.
4. Zone de sécurité
Au delà d’un million de visiteurs par mois, vous êtes dans la zone de “Sécurité”. Vous pouvez conduire des expériences en continu avec une approche d’optimisation itérative au lieu d’innovative.
Pour une guide de la taille d’échantillon d’un test AB, lisez: Taille d’échantillon AB Test
Utilisez ce simple calculateur de signification pour voir si vos résultats sont significatifs.
Cette année en Janvier, un fournisseur de logiciel de service client a augmenté son CTR de 300% sur une page clé en seulement 1 mois de test.
En modifiant le texte dans leur bouton d’appel à l’action, notre client a accompli une énorme amélioration de leur KPI.
Test: Texte du bouton (CTA) KPI: Taux de Clic (CTR)
Quels sont les erreurs les plus courantes avec l’AB testing?
L’A/B testing peut être compliqué, et il est très facile d’investir du temps et de l’argent sans produire aucun résultat. Voici quelques erreurs les plus communes.
1. Prioriser les mauvaises choses Vous ne pouvez pas tout tester, alors vous devez prioriser vos tests basés sur les critères suivants…
- Potentiel: le gain potentiel d’un test réussi
- Importance: le volume de trafic sur la page testé
- Ressources: Qu’est-ce qui est nécessaire pour lancer le test et appliquer les résultats
- Délai d’exécution: le délai entre le lancement du test et l’implémentation des changements
2. Tester trop de choses Un AB test implique la comparaison de A avec B. En d’autres termes, tester une chose à la fois. Lancer trop de tests sans un processus structuré va allonger le temps de chaque test pour produire des résultats fiables. Une fois de plus, ceci revient à la question de la taille de l’échantillon.
3. Arrêter le test trop tôt Dans ce cas, “trop tôt” signifie simplement que vous arrêtez le test avant que les deux résultats soient significatifs et représentatifs. C’est une des principales erreur en A/B testing, et probablement la plus importante à éviter. Quelques experts en AB testing préconisent une règle stricte de “non-regard” pendant l’exécution d’un test. De cette façon, ils ne sont pas tentés d’arrêter un test avant qu’il ait atteint la taille d’échantillon cible.
Pour une liste des erreurs les plus courantes en AB testing, lisez: Erreurs en A/B testing
Un magasin de sport d’hiver a augmenté son taux de conversion sur une catégorie sur mobile. La variation test incluait une notification sur page annonçant une offre groupée.
Test: Notification sur page KPI: Taux de conversion
Les Tests AB affectent-ils le SEO?
- Utiliser des Balises de “Contenu Canonique”. Les moteurs de recherche ont des difficulté à classer du contenu quand il apparaît à deux emplacements (“contenu dupliqué”). Par conséquent, les robots d’indexation pénalisent le contenu dupliqué et réduit son classement SERP. Quand deux URLs affichent des versions alternées d’une page (pendant les A/B tests par exemple) il est important de spécifier lesquelles d’entre elles doivent être classées. Ceci est fait en attachant une balise rel=canonical à la version alternative (“B”) de votre page, redirigeant les robots d’indexation à votre version préférée.
- N’Utilisez pas de “Cloaking”. Afin d’éviter des pénalités pour contenu dupliqué, certain premier A/B testeurs ont recouru au blocage de certain robot d’indexation de Google sur une version d’une page. Cependant, cette technique peut mener à des pénalités SEO. Montrer une version de contenu à des humains et une autre aux indexeurs de site Google va à l’encontre des règles de Google. Il est important de ne pas exclure Googlebot (en éditant un fichier robot.txt d’une page quand vous faites des A/B tests.
- Utilisez des redirects 302. Rediriger du trafic est la base de l’A/B testing. Cependant, une redirection 301 peut tromper Google en pensant qu’une page “A” est un vieux contenu. Afin d’éviter cela, le trafic devrait être redirigé en utilisant un lien 302 (qui indique une redirection temporaire).
Dois-je Utiliser des tests multivariés?
Combien de temps Devrait Durer un Test AB?
- Régression vers la moyenne Ce phénomène se produit lorsque des résultats qui pointent apparemment clairement dans une direction deviennent moins explicites au fur et à mesure de l’augmentation de la taille de l’échantillon. Si la différence entre A et B semble significative au début mais décroit jusqu’à devenir plus modérée par la suite, c’est que les résultats initiaux étaient probablement dus à des phénomènes à la marge. Dans ce cas, la variation sera moins prononcée au fil du test.
- Taille de l’Echantillon Avant de lancer un test AB, vous devez calculer la taille d’échantillon dont vous avez besoin. Les visiteurs de votre site composent votre échantillon. La durée de votre test est donc directement liée au volume de trafic que votre site reçoit. Dans certains cas il peut être préférable de ne pas lancer de test AB car le volume de trafic disponible sur le site (ou la page testée) est insuffisant.
- Magnitude de l’Effet Il s’agit du changement causé par votre variable. Lors d’un test AB, ce changement est mesuré en taux de conversion. Une forte augmentation des conversions pour la Version B de votre page constituerait ainsi un Effet conséquent. Plus la différence est importante entre les versions, plus vous aurez de chances d’obtenir des résultats significatifs.
Les Tests AB affectent-ils le vitesse de chargement?
- À partir de scripts côté client (front-end)
- En utilisant des scripts côté serveur
