Qu'est-ce que l'A/B testing

Tout ce que vous avez besoin de savoir se trouve ici

Introduction

Les temps où l’on dépensait son budget marketing à tout va est révolu. Aujourd’hui, les équipes marketing sont en mesure de prendre des décisions informées, et adoptent une approche scientifique pour optimiser l’expérience de leurs visiteurs. Ils basent leurs décisions sur de la donnée fiable et pas sur une intuition subjective, grâce notamment à l’A/B testing..

Il est temps d’adopter une culture de l’expérimentation et de tester concrètement toutes vos idées !

En basant votre stratégie sur de la donnée, vous serez non seulement plus agile mais saurez également ce qui marche, et ce qui ne marche pas. Vous investirez votre temps et argent dans ce que vos visiteurs veulent vraiment et prendrez ainsi de meilleures décisions pour votre business.

A/B Testing : l’arme secrète des meilleurs marketers

75% des sites ayant un trafic supérieur à 1 million de visiteurs font de l’A/B testing. Peut-être devriez-vous également retirer toute incertitude dans vos décisions marketing.

Il est cependant vrai que l’A/B testing nécessite la mise en place d’un process strict et une période d’apprentissage. Vous devrez identifier les zones d’optimisation de votre site, prioriser votre roadmap, et apprendre (un peu) sur les statistiques pour ne pas commettre d’erreurs..

Mais n’ayez crainte, nous avons réuni toutes les ressources dont vous aurez besoin pour maitriser le sujet, avec les meilleurs contenus des plus grands experts de la discipline.

Qu’est ce que l’A/B testing ?

Définition : L’A/B testing est une expérience conduite sur un site internet, une application mobile, des publicités (entre autres), venant valider des hypothèses d’optimisation améliorations potentielles comparées à une variante de référence (ou original). Il vous permet de voir ce qui fonctionne pour votre audience en vous basant sur l’analyse statistique des performances.



L’A/B testing peut également être appelé split testing, ou split URL testing. Dans un A/B test classique, les deux variations de vos pages sont sur la même URL. Dans le cas du split URL testing, la variante B est sur une URL distincte (vos visiteurs ne voient évidemment pas la différence).


Qu’est ce qu’un test multi-varié (MVT)?

Dans certains cas, il est possible de tester plusieurs changements simultanément sur une page web : une bannière, un titre, une description ou encore une vidéo. Un test MVT vous permet de tester toutes ces optimisations dans la même expérience.

Votre outil d’A/B testing générera autant de variantes qu’il y a de combinaisons pour déterminer laquelle à le plus grand impact sur vos taux de conversion.

Le problème d’un test MVT est qu’il nécessite d’avoir un volume énorme de trafic pour pouvoir tester toutes les variantes et obtenir la significativité statistique qui vous permettra de prendre des décisions informées. Si vous souhaitez en savoir plus sur les différences entre un test MVT et un test A/B/n, nous vous conseillons de lire cet article d’Hubspot.

Exemple avec une bannière et une image
(4 variantes, référence non représentée)


Test Bandit ou test à allocation dynamique de trafic (multi-armed bandit testing)

Dans un test bandit, un algorithme redirige graduellement et automatiquement une proportion croissante de votre trafic vers la variation gagnante..

Si vous souhaitez en savoir plus sur le multi-armed bandit testing, le meilleur article sur le sujet est de loin celui d’Alex Birkett pour le blog ConversionXL.


A/B/n testing

Un test A/B/n permet de tester n hypothèses d’optimisation de votre page. Vous pourriez par exemple tester 6 variantes de votre page en faisant un test A/B/C/D/E/F.




Quels sont les bénéfices de l’A/B testing ?

Pourquoi vous lancer dans l’A/B testing ? Ou une meilleure question serait : êtes-vous satisfait de la façon dont vous exploitez le trafic acquis à la sueur de votre front et de votre porte monnaie ? Optimiser vos conversions est bien moins cher que d’acquérir du trafic, avec un ROI potentiel bien plus important. Et avec l’A/B testing les effets seront magnifiés. Mais l’A/B testing vous permet bien plus :

Voici quelques exemples de questions auxquelles vous pourrez apporter des réponses fiables grâce à l’A/B testing :


Comment marche l’A/B testing ?

L’A/B testing vous permet de comparer la version existante de votre page à une (ou plus) variante(s) faisant apparaitre l’optimisation que vous souhaitez tester (CTA, titre, élément, ...).


Votre audience est alors divisée en portions égales et exposée de manière aléatoire aux différentes variantes testées jusqu’à identifier la variante qui performe le mieux sur les objectifs que vous vous êtes fixés (engagement, clic, mise au panier, …), c’est-à-dire dont le taux de conversion est meilleur. Les performances sont ensuite analysées et comparées pour déterminer si oui ou non les changements que souhaitiez implémenter en vaillent la peine ou pas.


Vous souhaitez en savoir plus sur le fonctionnement de l’A/B testing ?

La discipline de l’optimisation de la conversion est indispensable à l’A/B testing

Qu’est-ce que l’optimisation des taux de conversion (ou CRO)?

Il s’agit de l’amélioration itérative et continue de votre site pour que plus de vos visiteurs complètent les actions que vous attendez d’eux.


Il peut s’agir d’un achat (ou “conversion”) ou encore de la collecte de coordonnées, faisant avancer vos visiteurs dans leur cycle de vie client.

Avoir beaucoup de trafic est un atout indéniable, encore faut-il capitaliser dessus. C’est là que l’optimisation des taux de conversion prend tout son sens et sa valeur.


Quelques uns des meilleurs guides sur l’optimisation des taux de conversion :

Comment faire de l’A/B testing : méthodologie et process

Comme toute expérimentation, l’A/B testing repose sur un process et une méthodologie rigoureux pour prioriser les idées et se concentrer sur les tests A/B les plus pertinents.

Chaque entreprise développe son propre process, mais il ressemble généralement à ceci :

  1. 1

    Mesurez et analysez les performances de votre site pour identifier les zones d’optimisation et les opportunités de croissance.

  2. 2

    Formulez une ou des hypothèses d’optimisation (sujet très bien couvert par Craig Sullivan):

  3. 3

    Priorisez vos idées de tests A/B : une des méthodes les plus utilisées est le PIE framework, créé par Widerfunnel.

    Grâce à ce framework, vous pourrez classer vos idées de tests selon 3 critères notés de 1 à 10 pour déterminer par le(s)quel(s) vous devriez commencer :
    Potentiel ./10 : à combien évaluez-vous la marge d’amélioration sur cette (ces) page (s) ?
    Impact (./10) : quelle est la valeur du trafic (volume, qualité) sur cette (ces) page(s) ?
    Facilité de mise en place (./10) : quelle est la facilité de mise en place du test (10 = très facile, 1 = très difficile) ?

    En faisant la moyenne des 3 notes, vous saurez par quels tests commencer. (Il existe bien sûr d’autres frameworks de priorisation, à vous de trouver celui que vous préférez)

  4. 4

    A/B testez les hypothèses les plus prioritaires.

  5. 5

    Analysez et apprenez des résultats de vos tests A/B

  6. 6

    Communiquez vos résultats en interne.Comme l’a expliqué Thomas Sauzedde, directeur général du routard.com, c’est un des facteurs clé du succès de vos efforts d’optimisation ! Il faut encourager les échanges et discussions pour générer de nouvelles idées de tests, sans oublier de toujours inclure l’équipe IT dans la boucle.

  7. 7

    Recommencez !


Autres frameworks et processus d’A/B testing :

Quoi tester? Des idées d’A/B tests à la pelle

Vous pouvez absolument tout A/B tester sur votre site :


Mais de temps en temps, il faut stimuler la créativité et trouver de nouvelles sources d’inspiration. Voici donc quelques idées de tests pour vous aider.

Petit avertissement: ce qui a marché pour d’autres ne marchera pas nécessairement pour vous ! N’appliquez pas tout ce que vous lisez ici sans prendre le temps de bien analyser leur pertinence pour votre situation et comment (si) vous pouvez les adapter à votre business.


Trouvez de l’inspiration pour vos prochains tests A/B

A/B testing: Bonnes (et mauvaise) pratiques

L’A/B testing peut être compliqué et contraire à vos enjeux business si mal utilisé.

Sécurisez votre succès en apprenant sur les meilleures pratiques et erreurs à ne pas commettre.


Des livres pour aller plus loin

Il n’y a pas beaucoup de livres (ou ebook) sur l’A/B testing…du moins en français. En voici quelques uns qui vous permettront d’en apprendre encore plus sur le sujet.


A/B Testing reporting & résultats

L’A/B testing permet de prendre des décisions informées ET d’apprendre. Votre reporting et la bonne lecture de vos résultats sont absolument essentiels pour obtenir un véritable ROI.


Comment lire et analyser les résultats d’un test A/B :

Comprendre les statistiques pour l’A/B testing

L’A/B testing est basé sur des méthodes de calculs statistiques. Vous n’avez pas besoin d’être data scientist pour réussir, mais quelques notions de mathématiques vous y aideront surement.

En A/B testing, Il existe 2 méthodes de calculs statistiques, qui répondent à deux besoins et enjeux différents. Voici comment nous abordons le sujet avec le moteur statistique de Kameleoon.

La méthode fréquentiste permet une lecture très simple de la fiabilité des résultats donnés avec l’indicateur du taux de confiance : vous avez 95% de chance d'obtenir le même résultat si vous reproduisiez l'expérience dans les mêmes conditions. La méthode a cependant une contrainte : elle est « à horizon fixe », c’est-à-dire que ce taux n’a de valeur qu’à la fin du test pour juger de la fiabilité de ses résultats.

La méthode bayésienne indique une probabilité de résultats. Plus besoin d’attendre la fin d’un test pour voir se dessiner une tendance et interpréter les données. La méthode a cependant elle aussi ses exigences : savoir bien lire l’intervalle de confiance donnée aux estimations en cours de test. La confiance dans la probabilité qu’une variante soit donnée gagnante augmente à chaque conversion supplémentaire.


Autres ressources sur les statistiques pour l’A/B testing

A/B testing : compétences clés et gouvernance

Pour mettre toutes les chances de votre côté, vous aurez besoin de compétences précises, que ce soit pour vous ou votre équipe : Web analytics et UX en sont des exemples.


Outils complémentaires pour maximiser les chances de succès de vos A/B tests

Qu’il s’agisse d’un outil de gestion de projet, de calcul de taille d’échantillon ou de durée de test, de toolkits pour vous assister dans la mise en place de vos process, les choix sont nombreux pour vous mettre en position de succès.


Quels blogs sur l’A/B testing devriez-vous lire ?

En France, la référence sur le sujet est Conversion Matters. (Disclaimer, c’est notre blog ! Mais nous sommes très fier d’avoir réuni la plus grande communauté de marketeurs sur le sujet de l’optimisation de l’expérience utilisateur.) Si vous aimez lire en anglais, vous trouverez ci-dessous une liste des meilleurs blogs sur l’A/B testing et l’optimisation de la conversion dont les contenus vous permettront d’apprendre, de trouver l’inspiration, et devenir un vrai pro de l’A/B testing.


86 experts de l’A/B testing à suivre

Le monde de l’optimisation de la conversion évolue très rapidement, et suivre les experts qui en définissent le futur peut vous être utile. Vous trouverez ci-dessous la liste complète des comptes twitter des experts qui nous inspirent le plus.


Liste Twitter :

https://twitter.com/AlarconJB/lists/cro-experts


Comptes Twitter individuels


Lance Jones

Jason Kincaid

Noah Kagan

Hiten Shah

Dave McClure

Avinash Kaushik

Daniel Gonzalez

David Kirkpatrick

Shanelle Mullin

Steve Blank

Matt McGee

Rand Fishkin

Bart Schutz

Rick Perreault

Sean Ellis

Campaign Monitor

Moz

Bryan Eisenberg

Shopify

Scott Brinker

Chris Goward

Brian Massey

Jeffrey Eisenberg

Sherice Jacob

Carlos del Rio

Pam Moore

Angie Schottmuller

Ryan Deiss

Ian Lurie

ashukairy

Khalid Saleh

Anne Holland

Lincoln Murphy

Amy Africa

Unbounce

Raven Tools

Roger Dooley

Neil Patel

Nichole Elizabeth

Craig Sullivan

Peep Laja

Jon Henshaw

Marketing Nutz

Dan Siroker

Tommy Walker

John Teevan

Joanna Wiebe

Rich Page

Tiffany Da Silva

Jason Quey

Ton Wesseling

Adam Hutchinson

Michael Aagaard

Matt Gershoff

Andy Johns

Brian Balfour

Oli Gardner

Tim Ash

Paul Rouke

Linda Bustos

Theo van der Zee

Get Elastic

Conversion Conference

MAA1

Talia Wolf

Justin Rondeau

Tyson Quick

KlientBoost

Andre Morys

Conversion.com

Anna Talerico

Kelly Cutler

Brooks Bell

Andrew Youderian

Alhan Keser

Conversion Sciences

Alex Birkett

Steven Jacobs

Kaitlyn Nelson

Kevin Hillstrom

Dan Wang

Malachi Leopold

Pete Koomen

Aaron Orendorff

Chief Conversionista

Joel Harvey

Jean-Baptiste Alarcon

Clément René

Vous souhaitez passer par une agence pour faire de l’A/B testing ?

Si vous n’avez pas les ressources internes, passer par une agence est un bon moyen de déployer votre stratégie d’A/B testing. Nous ne travaillons qu’avec les meilleures, et vous pouvez faire confiance à la liste ci dessous.

Note: Les équipes Kameleoon peuvent également vous accompagner dans la mise en place et l’exécution de votre stratégie d’optimisation. Pour en savoir plus, cliquez ici


Prêt à vous lancer dans l’A/B testing ?
Testez notre solution d’A/B testing gratuitement !

En cliquant sur créer un compte, vous acceptez nos conditions d'utilisation.

webleads-tracker