A/B Testing : Comment mener à bien un test A/B ?

Fini les réunions interminables entre les équipes pour valider l’application d’un changement d’image ou de wording, les tests A/B s’en occupent pour vous !

Si vous ne connaissiez pas encore cette méthodologie, voici quelques détails à son sujet pour commencer à booster votre taux de conversion!

Qu’est ce que l’A/B Testing ?

L’A/B Testing est un moyen simple de vérifier et de valider si les changements effectués sur un site ont un effet positif ou négatif sur les KPI. C’est la mise en concurrence de deux ou plusieurs versions d’une page sur un panel ou sur la totalité des visiteurs du site. En effet il existe plusieurs types de tests possibles :

  • Test A/B : changer un élément de la page donc la version originale contre la version optimisée
  • Test MultiVarié : changer plusieurs éléments de la page (image, call to action, bannières de rassurance, etc.)

Attention! Si 3 versions de l’image sont testées + 2 calls to action + 3 bannières de rassurance cela fait 3x2x3=18 combinaisons possibles de la page !
AB testing version a vs version b by optimizely
Image de Optimizely

Pourquoi faire un test A/B?

Avec la crise économique et les budgets de plus en plus serrés les entreprises sont toujours à la recherche de moyens peu onéreux pour optimiser l’expérience des visiteurs acquis afin d’améliorer les conversions sans augmenter le budget d’acquisitions de visiteurs. De ce fait l’A/B Testing répond parfaitement à ce besoin : on optimise les pages et l’expérience utilisateurs sur le trafic existant. L’A/B testing permet de s’assurer que les analyses et recommandations analytiques portent leurs fruits. En effet une recommandation analytique sur une page produit pourrait être de déplacer le bouton « Call to Action » alors qu’un simple changement de wording serait la solution. « Ajouter au Panier » plutôt que « Acheter » . L’impact est vérifiable via l’A/B Testing la version original contre la version optimiser sur un même nombre de visites.

Le choix de la page à tester

L’A/B testing peut être mis en place sur n’importe quelle page du site et tout au long de la visite et du processus d’achat. Cependant afin de ne pas fausser les données il est recommandé d’éviter de  ne pas effectuer plusieurs tests en même temps. Pour un choix pertinent de la page à optimiser, il faut d’abord effectuer un audit du site afin de déterminer quelles pages sous-performent et nécessitent d’être optimisé. Ensuite un audit analytique et ergonomique de la page pour identifier les éléments problématiques.

Le choix de l’outil et le paramétrage de l’outil

Il existe plusieurs outils d’A/B testing tels que (parmi les plus connus):

Mais avec certaines solutions analytiques tels que Google Content Experiments, Adobe TargetWebtrends Optimize, il est également possible d’effectuer des tests A/B. D’un point de vue technique, ces outils proposent généralement une interface dans laquelle il est facile de modifier un élément et de voir le résultat s’appliquer sans changer les lignes de code sur le site. Il n’est pas nécessaire de savoir parfaitement coder mais un minimum de connaissance sur les balises est conseillé.

La durée du test

La durée du test est aléatoire en fonction du nombre de visites et de la quantité de données disponibles. Il est recommandé de faire un test au minimum sur 2 à 3 semaines afin d’avoir un volume de données assez conséquent et lissé pour une confiance statistique vraie. Il faut également éviter de mettre en place le test durant une période qui fausserait le comportement des visiteurs notamment les fêtes de Noël.
AB testing courbe de temps by Arise
Image de Arise

La validation des données

Pour valider vos données assurez-vous d’avoir travaillé sur un échantillon assez large, assurez vous qu’il n’y ait pas eu de bugs de sur la période. Etablissez un intervalle de confiance statistique, c’est à  dire la marge d’erreur. Plus vous êtes proche de 99% plus votre test est valide et vous pouvez penser à arrêter le test. Dans bien des cas la version optimisée sera plus performante que l’originale mais ne vous inquiétez pas si la version originale performe mieux que la version optimisée, il est possible que vos améliorations n’entrainent pas de hausse de conversion.

Exemple sur une répartition du trafic à Nombre de visites Nombre de transactions Taux de conversion Chiffre d'affaires
Variation Original   34% 34 000 816 2.4% 100 000€
Variation 1   33% 33 000 1196 3.6% 150 000€
Variation 2   33% 33 000 264 0.8% 33 333€

Dans cet exemple la variation 1 est gagnante, si le chiffre d'affaire du site sur un seul produit était de 100 000€ une augmentation de 1.2 point du taux de conversion entraîne + 50 000€ de chiffre d'affaires.

En conclusion

Utilisez les données analytiques pour identifier les pages problématiques ensuite les données ergonomiques pour perfectionner les éléments problématiques sur la page, puis les tests A/B pour valider vos changements. Si vous avez besoin d’aide pour analyser votre site et déterminer les leviers d'actions ou pour une mise en place de test A/B avec un outil d'A/B testing, contactez nous!

Pas de commentaire.

Ajouter un commentaire