Médias sociaux : le guide complet de l’A/B testing pour optimiser vos conversions

Ce n’est probablement pas la première fois que vous lisez sur les tests A/B, qui sont largement abordés dans divers articles. Et peut-être avez-vous déjà soumis le sujet de vos e-mails ou de vos messages sur les médias sociaux au test A/B. Malgré l’abondance des informations diffusées sur le sujet, de nombreux spécialistes du marketing continuent à faire des tests A/B incorrects. La conséquence ? D’importantes décisions commerciales sont prises sur la base de résultats inexacts et de tests incorrects. Le problème est que la procédure de réalisation des tests A/B est souvent décrite de manière simpliste, surtout dans le cas de contenus destinés aux commerçants.

1. Qu’est-ce que le test A/B ?

Le test A/B, également appelé “split test”, est une procédure par laquelle deux versions de la même page web sont comparées pour déterminer laquelle d’entre elles produit les meilleures performances. Ce processus répond à d’importantes questions commerciales, permet de générer davantage de revenus à partir du trafic actuel et jette les bases d’une stratégie de marketing basée sur les données.

2. Comment fonctionne le test A/B

La version A est montrée à 50 et les visiteurs (appelons-la “originale”) et les 50 autres et les visiteurs la version B (appelons-la “variante”). La version de la page web qui génère le taux de conversion le plus élevé passe le test. Par exemple, supposons que la variante (version B) génère le taux de conversion le plus élevé. Dans ce cas, il sera établi que la variante a passé le test et, à partir de ce moment, elle sera présentée à 100 et aux visiteurs. Par conséquent, la variante deviendra “originale” et une nouvelle variante devra être conçue. Il convient de rappeler que le taux de conversion est un critère de réussite imparfait. Si vous mettiez gratuitement en vente chaque article, le taux de conversion augmenterait instantanément. Bien sûr, ce serait un mauvais choix commercial. C’est pourquoi la valeur des conversions devrait être ancrée à un critère de mesure économique.

3. Qu’est-ce qu’un test A/B/n ?

Avec le test A/B/n, il est possible de tester plusieurs variantes simultanément, en les comparant au même original. Dans ce cas, l’original n’est pas montré à 50 et les visiteurs la variante. Par exemple, vous montrez l’original à 25 et les visiteurs, 25 % de plus pour la première variante, 25 % de plus pour la deuxième variante et les 25 % restants pour la troisième variante. Remarque : le test A/B/n diffère du test multi-variantes, bien que les deux permettent de comparer plusieurs variantes. En fait, avec les tests multivariés, vous testez plusieurs variantes et simultanément plusieurs éléments, dans le but de comprendre quelle combinaison offre les meilleures performances. Un test multivarié nécessite beaucoup de trafic, donc pour l’instant nous allons omettre ce type de test.

4. Quelle est la durée idéale d’un test A/B ?

La durée idéale d’un test A/B est d’au moins un ou, mieux encore, deux cycles économiques complets. N’interrompez pas le test simplement parce que les données sont devenues significatives. Pour effectuer le test, vous devez examiner un échantillon d’utilisateurs d’une taille prédéterminée. Enfin, n’oubliez pas que le test doit être effectué sur des périodes de plusieurs semaines. Pourquoi la durée idéale d’un test A/B est-elle de deux cycles économiques complets ? Tout d’abord, parce qu’il est possible d’en tenir compte : “Statistiquement significatif” ne signifie pas “test terminé”. Si vous avez déjà utilisé un outil de test fractionné, vous connaissez probablement l’icône verte “statistiquement significatif”. Pour beaucoup, malheureusement, c’est le signal universel qui indique que “le test est terminé et prêt à exporter”. Mais comme vous l’apprendrez plus tard dans le cours accéléré de statistiques, “statistiquement significatif” n’équivaut pas à “test terminé”. Le fait d’avoir atteint un certain degré de signification statistique ne signifie pas que vous pouvez arrêter le test.

5. Pourquoi faire un test A/B ?

Supposez que vous dépensiez 100 euros en publicités Facebook pour diriger dix personnes vers votre site et que le montant moyen de votre commande soit de 25 euros. Si 8 visiteurs quittent le site sans rien acheter et que 2 d’entre eux dépensent 25 euros chacun, vous aurez perdu 50 euros. Supposez maintenant que vous investissiez 100 euros dans des publicités Facebook pour diriger dix personnes vers votre site. La valeur moyenne de votre commande est toujours de 25 euros. Cependant, cette fois-ci, seuls cinq visiteurs quittent le site sans rien acheter, tandis que les cinq autres dépensent 25 euros chacun. Le résultat ? Vous aurez gagné 25 euros. C’est une simplification, bien sûr. Mais le sentiment est que l’augmentation du taux de conversion du site rend le même volume de trafic plus rentable. Que le test démontre ou non la plus grande efficacité de la variante, vous obtiendrez tout de même des informations utiles et applicables dans divers contextes. Supposez par exemple qu’un test A/B sur une description de produit fournisse des informations utiles pour la rédaction. Ils peuvent être utilisés pour améliorer la proposition de valeur et d’autres descriptions de produits. En outre, la recherche constante d’une amélioration de l’efficacité de votre magasin a une valeur intrinsèque indéniable.

6. Quelles sont les pages du site à tester A/B ?

Il y a une liste de “99 choses à tester maintenant”. Les spécialistes du marketing prêts à le faire en échange de clics ne manquent pas. Mais la vérité est que pour déterminer quels tests valent la peine d’être effectués, il n’y a qu’une seule façon : analyser vos données. Et ceux qui sont prêts à dresser ces énormes listes d’idées n’a accès à vos données, à vos clients, etc. Un conseil : déterminez vous-même, par une analyse qualitative et quantitative, quels tests sont utiles. Voici quelques méthodes pour y parvenir :

  • Analyse technique 
  • Sondages sur le site 
  • Entretiens avec les clients 
  • Enquêtes menées dans les locaux des clients 
  • Analyse des données 
  • Test utente
  • Reproductions des sessions

Ils sont similaires aux tests d’utilisateurs. Mais cette fois-ci, vous n’avez pas seulement affaire à de vraies personnes, mais aussi à de l’argent réel et à de réelles intentions d’achat. Il s’agit de savoir comment de vrais visiteurs naviguent sur votre site. Y a-t-il quelque chose qu’ils ont du mal à trouver ? Ou quelque chose qui génère chez eux de la frustration ou de la confusion ? Il existe également d’autres types de recherche, mais ces 7 méthodes constituent un bon point de départ. Essayez-en quelques-uns et vous aurez de nombreuses idées sur les parties de votre site de commerce électronique à tester A/B. Créez votre propre liste.

7. Donner la priorité aux idées de tests A/B

Rassembler une énorme liste d’idées pour faire des tests A/B génère de l’enthousiasme, mais cela n’aide pas à décider par où commencer. Voyons comment l’établir. Il existe certains schémas de hiérarchisation, qui fixent l’ordre dans lequel les tests A/B doivent être effectués :

  • ICE : l’ICE est une mesure d’impact, de confiance et de facilité.
  • PIE : PIE sta par potentiel, importance et facilité.
  • PXL : PXL est le schéma proposé par Conversion XL pour fixer les priorités

8. Cours accéléré de statistiques pour les tests A/B

Avant d’effectuer un test, il est important d’avoir des connaissances en statistiques. Et les statistiques ne sont généralement pas très populaires, mais considérez-les comme le cours obligatoire que vous avez fait l’effort de suivre pour obtenir votre diplôme. Les statistiques sont un élément important des tests A/B. Heureusement, les outils de test ont simplifié le travail d’optimisation ; mais il est essentiel d’avoir une connaissance de base de ce qui se passe en coulisses pour l’analyse ultérieure des résultats des tests.

9. Comment définir un test A/B

Avant de procéder à un test, vous devez avoir une hypothèse solide. Super, on vient de finir le cours de maths et maintenant on passe aux sciences. Mais ne vous inquiétez pas, ce n’est rien de compliqué. Fondamentalement, il faut tester une hypothèse, pas une idée. Une hypothèse est mesurable, elle vise à résoudre un problème de conversion spécifique et se concentre sur des idées et non sur des croyances. Pour écrire une hypothèse, utilisez une formule empruntée au Kit d’hypothèses. Il vous suffit de remplir les champs appropriés et votre idée de test A/B se transformera en hypothèse. Choisir un instrument de test A/B. Vous pouvez maintenant commencer à choisir un outil de test A/B. Les premiers qui viennent généralement à l’esprit sont Google Optimize, Optimizely et VWO

10. Comment analyser les résultats d’un test A/B

Si vous construisez correctement votre hypothèse, la variante perdante sera également un résultat positif, vous permettant d’acquérir des connaissances à utiliser pour de futurs tests et dans d’autres domaines de votre entreprise. Par conséquent, lorsque vous analysez les résultats du test A/B, vous devez vous concentrer sur leur compréhension, et non pas seulement sur le fait de savoir si le test a réussi ou non. Il y a toujours quelque chose à apprendre, toujours quelque chose à analyser. 

11. Archive des tests A/B effectués

C’est pourquoi il est important de créer une archive avec les résultats des tests A/B effectués. Sans archives bien organisées, toutes les informations recueillies seront perdues. De plus, sans blague, il est très facile de tester deux fois la même chose si vous n’avez pas d’archives. Assurez-vous simplement de déposer : au fur et à mesure que votre entreprise se développera, vous vous remercierez d’avoir conservé ces archives. Il vous aidera non seulement vous, mais aussi vos nouveaux employés, partenaires et consultants.