AB testing, pourquoi et comment – infographie

Partager la publication "AB testing, pourquoi et comment – infographie"

Facebook
Twitter
Google+
Pinterest
Viadeo
LinkedIn
E-mail

Si l’on avait la recette du succès on n’aurait pas besoin de tests AB, ni autre expérimentation pour améliorer notre produit. Mais ce qui est vrai ici, ne l’est pas forcément ailleurs… J’ai en mémoire une anecdote sur Coca-Cola, quand ils attaquaient un nouveau marché, ils adaptaient le gout de leur cola et livraient tous les accessoires pour valoriser leur produit, comme des frigos. En Papouasie (il me semble), où les frigos (à l’époque) étaient rares, ils pensaient qu’en installant des frigos, 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, ou l’on préfère largement investir sur un nouveau design, from scratch que de profiter des données pour piloter la refonte. Consulter l’article « Refonte de site Web pour améliorer ses conversions – une bonne idée ? » pour évaluer les différentes approches en cas de refonte de votre site Web.

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

des 10 erreurs à éviter pour fiabiliser et améliorer ses résultats,
des réponses utiles aux questions clés relatives aux tests AB.

Alors l’AB Testing, quel est son utilité ?

En résumé, les tests servent à vous rapprocher de vos utilisateurs qui hésitent à passer à l’action. En améliorant votre connaissance utilisateur. Ce n’est pas magique, c’est scientifique, après avoir analysé le comportement de vos utilisateurs les plus engagés, les prospects, vous éditez des hypothèses d’amélioration. Si tel segment d’utilisateur ne passe pas à l’action à cette étape du processus de conversion, c’est parce que ceci ou cela. C’est ceci ou cela que vous allez traduire en objet de test. Vous l’avez compris, le but est de vérifier vos hypothèses et d’avancer progressivement vers un meilleur modèle, un modèle qui génère de plus en plus de conversion ou de transaction.

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

Observation d’un problème sur un indicateur clé (données) d’un segment utilisateurs (population).
Si en changeant ceci (changement), la population fait cela (impact), ce qui améliora l’indicateur cible (résultats).
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.

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.

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.