AB testing, pourquoi et comment – infographie

guide-AB-testing-pourquoi-et-comment
(25 raters, 125 scores, average: 5,00 out of 5)

guide-AB-testing-pourquoi-et-commentSi l’on avait la recette du succès permanent, on n’aurait pas besoin de tests AB, ni autre expérimentation pour s’améliorer. Mais ce qui est vrai aujourd’hui, ne le sera pas forcément demain, ce qui est vrai ici, ne l’est pas forcément ailleurs… J’ai en mémoire une anecdote sur Coca-Cola, quand ils voulaient améliorer leur vente dans un pays, ils adaptaient le gout de leur cola et livraient tous les accessoires pour valoriser leur produit. En Papouasie (il me semble), où les frigos (à l’époque) étaient rares, ils pensaient qu’en en installant, ils allaient augmenter leur vente… Mais c’est le contraire qui se produisit, leur produit était préféré tiède, par habitude certainement.

L’A/B Testing est une tactique d’adaptation et d’optimisation, de plus en plus adoptée en France. Même si son usage régulier reste faible, notamment dans le cadre de la refonte de site, où l’on préfère largement investir sur un nouveau design, plutôt que de profiter des données de test pour piloter le redesign. Si vous êtes intéressé par la refonte progressive, consultez l’article « Refonte de site Web pour améliorer ses conversions – une bonne idée ?« .

Alors l’AB Testing, quel est son utilité ?

En résumé, les tests servent à persuader le plus grand nombre d’utilisateurs intéressés à passer à l’action. Il n’existe aucune formule magique pour vous aider. L’approche à adopter est scientifique. Analysez les principaux parcours de conversion, diagnostiquez les problèmes, développez des hypothèses d’amélioration, testez vos hypothèses, évaluez les résultats et recommencez. Voir également le cycle sCROm, la mêlée agile de l’optimisation.  Le but est de vérifier vos hypothèses et d’avancer progressivement vers un meilleur modèle, un modèle qui génère de plus en plus de conversions.

Construction d’une hypothèse de test (lean analytics) :

  1. Observation d’un problème sur un indicateur clé (données) d’un segment utilisateur (population).
  2. Si en changeant ceci (changement), la population fait cela (impact), ce qui améliora l’indicateur cible (résultats).
  3. Puis validation, amélioration ou rejet de l’hypothèse selon les résultats du test, après au moins 2 cycles business (14 jours).

Avant de lancer vos tests, vous avez besoin d’au moins deux connaissances, la première, c’est le parcours de conversion et la deuxième la population du test.
Pour éviter de perdre du temps, il est indispensable d’inscrire vos tests sur l’amélioration des conversions ou des transactions de votre site. Pour cela, il peut être utile de cartographier et mesurer le principal parcours de conversion de votre site. En concentrant vos premiers tests sur les dernières étapes du parcours de conversion, vos ciblerez directement la population la plus engagée, à qui il manque qu’un coup de pouce pour aller de l’avant et passer à l’action.

[well]Si vous avez besoin d’aide pour mettre en place votre processus d’amélioration continue, le webAnalyste peut vous aider à augmenter les résultats de votre site.[/well]

Dans l’infographie « A/B testing 101 » (produite par Visual Website Optimizer), vous pourrez apprécier l’explication très claire de chaque étape de production d’un test A/B.

Avant de lancer vos premiers tests AB, je vous invite vivement à prendre connaissance

infograhpie-AB-testing-benefices

Franck Scandolera - Consultant Expert Independant Digital Analytics

Expert Indépendant Digital Analytics (data implementation, manipulation, analysis et data visualisation). Ma petite entreprise webAnalyste se développe grâce à vos avis, alors n'hésitez pas à recommander mes compétences sur LindedIn et à partager mon profil à vos clients, collègues, amis et autres que vous jugez intéressés par mon expertise. Merci !