Ab testing : Un guide complet à ajouter à vos favoris

Le test A/B est un MUST pour toute organisation axée sur la croissance. Peu importe le secteur d’activité dans lequel vous évoluez. Si vous avez une propriété en ligne comme un ou plusieurs points de contact avec vos clients, vous voulez en faire une machine bien huilée qui convertit le plus grand nombre de visiteurs avec le moins d’efforts possible.Les tests A/B vous permettent de le faire.

Tests A/B fait partie d’un plus grand optimisation du taux de conversion (CRO), qui consiste à collecter des données qualitatives et quantitatives pour améliorer les actions entreprises par vos visiteurs tout au long du cycle de vie du client avec votre entreprise.

Ce tutoriel sur les tests A/B passe en revue tout ce que vous devez savoir sur les tests A/B pour faire de vous un meilleur expert en CRO, quel que soit votre rôle spécifique. Cela inclut :

• Définition et avantages des tests A/B.
• Quoi et comment tester.
• Comment surmonter les difficultés et les erreurs courantes en matière de tests A/B.

Allons-y…

Qu’est-ce que le test A/B et comment fonctionne-t-il ?

Dans « A/B », « A » représente la version originale de l’élément, également appelée « contrôle », tandis que « B » fait référence à la variation destinée à défier l’original. D’où l’autre nom de B : challenger.

Vous pouvez effectuer ce test sur votre bouton d’appel à l’action, votre message, les titres des pages ou la position des éléments de la page (comme les formulaires). Il fonctionne pour tout élément graphique ou textuel de votre site Web ou de votre application.

La raison d’être des tests A/B est de comprendre ce qui améliore les performances et ce qui ne les améliore pas. C’est un moyen de prendre des décisions fondées sur des données dans une stratégie de produit et de marketing.

Le trafic est divisé au hasard de sorte qu’un groupe voit la version A tandis que l’autre voit la version B. Une analyse statistique est utilisée pour déterminer le gagnant de chaque test.

Une fois que vous avez mis en place votre test A/B, vos visiteurs verront soit votre page de contrôle, soit une variation de cette page.

Il est aléatoire de savoir qui voit quelle page.

Des mesures telles que le nombre de conversions, les transactions en devises pour chaque page, etc. sont calculées et suivies.

NOTE: Ce guide se concentre sur le test d’éléments de sites Web, mais le concept de test A/B peut également s’appliquer aux systèmes et aux processus.

En fonction des résultats, vous pouvez déterminer quelle page a donné les meilleurs résultats. Répondre à la question : Les visiteurs ont-ils eu des réactions positives, négatives ou neutres aux changements apportés à la page ?

Faire de nombreux tests signifie des données composées que vous pouvez utiliser pour décider comment optimiser.

Le test A/B est un test dans votre programme d’expérimentation.

Avant d’entrer dans les détails des tests A/B, jetons un coup d’œil rapide aux autres types d’expériences.

Quels sont les différents types de tests ?

Le test A/B est l’une des formes d’expérimentation les plus courantes. Mais ce n’est pas le seul type. Il est important de les exposer, car un programme de tests fonctionne à l’unisson avec les éléments de l’ensemble de votre programme d’expérimentation.

C’est comme si vous étiez une équipe de recherche, qui recueille des données dans de nombreux domaines et de diverses manières pour obtenir une vue à 360°.

Passons en revue les différents tests avant de nous plonger dans le monde des tests A/B.

Qu’est-ce que le test A/A ?

Un test A/A est un test A/B qui compare des versions identiques les unes aux autres.

Les tests A/A sont utilisés pour vérifier le contrôle de la qualité, les lignes de base, et pour assurer la calibration statistique de l’outil de test utilisé. Dans ce test, A n’est pas le contrôle, c’est l’ensemble du test qui est un contrôle.

Puisqu’il n’y a aucune différence entre vos deux versions, attendez-vous à ce que votre outil de test A/B signale cette absence de différence.

Pourquoi et quand effectuer un test A/B ?

L’une des raisons d’effectuer un test A/A est de déterminer vos mesures de base, comme les conversions, avant de mettre en œuvre un test.

Cela rend les données que vous recueillez pendant le test beaucoup plus précieuses, car vous avez un point de référence auquel les comparer.

La deuxième raison, comme mentionné ci-dessus, est de vérifier la précision de votre logiciel de test A/B.

Qu’est-ce que le test A/B/n ?

Les tests A/B/n sont un autre type de test A/B utilisé pour tester plus de deux variantes l’une contre l’autre. Dans ce cas, « n » représente le nombre de variantes différentes, où « n » est égal ou supérieur à deux, sans limite (nième).

Dans un test A/B/n, A est le contrôle, et B et les nièmes changements sont des variations.

Les tests A/B/n sont très utiles lorsque vous avez plusieurs versions d’une page que vous voulez tester en même temps. Ils permettent de gagner du temps et d’obtenir rapidement la page la plus rentable.

Cependant, n’oubliez pas que pour chaque variante supplémentaire ajoutée dans un test A/B/n, le temps nécessaire pour atteindre une signification statistique augmente.

Les gens utilisent couramment le terme A/B/n de manière interchangeable avec le terme « test ». test multivariablemais ils sont différents. Le test A/B/n compare les performances d’un seul changement, par exemple, la formulation d’un titre. Vous testez des variations qui comprennent des textes différents pour ce seul élément (le titre).

Comme vous le verrez dans la définition du test multivarié, il est différent d’un test A/B/n.

Test A/B vs. Split Testing vs. Test multivarié

Bien qu’il existe des similitudes fondamentales entre les tests A/B, les tests fractionnés et les tests multivariés, ils ont leurs propres méthodes et cas d’utilisation.

Test multivarié (MVT)

Les tests multivariés (MVT) sont similaires aux tests A/B. Les tests A/B portent sur un élément ou une page à la fois. Les tests A/B portent sur un élément ou une page à la fois, mais les tests multivariés portent sur plusieurs variables en même temps. C’est un moyen de voir comment une combinaison de différents changements se comporte lorsqu’elle est mise ensemble.

À titre d’illustration, imaginez que vous exécutiez un test multivarié sur votre pop-up de génération de prospects pour voir quelle combinaison de titre et d’accroche convertit le mieux. Vous créeriez 4 versions de la pop-up comme ceci :

Version 1 = Titre A et CTA A

Version 2 = Titre A et CTA B

Version 3 = Titre B et CTA A

Version 4 = Titre B et CTA B

Vous ferez un MVT des 4 versions en même temps pour voir ce qui se passe.

Qu’est-ce que le test Split URL ?

Le test d’URL fractionné est similaire au test A/B. Les termes sont utilisés de manière interchangeable, mais ils ne sont pas identiques. Ces termes sont utilisés de manière interchangeable, mais ils ne sont pas identiques.

Alors que les tests A/B opposent deux versions d’un élément sur une page pour voir si le challenger améliore les performances, les réduit ou n’a aucun effet, le test split fonctionne à plus grande échelle.

Le test fractionné vérifie si une version totalement différente de la page fonctionne mieux que l’originale. Ainsi, au lieu de tester un élément, il teste la page entière. Par exemple, si vous voulez voir si un nouveau design de pop-up de génération de leads apporte plus d’inscriptions par email que l’original.

Ils sont plus complexes que les tests A/B frontaux. Ils peuvent nécessiter un certain savoir-faire technique (comment construire un site Web).

Par exemple, si vous cherchez à remanier votre page d’accueil, le test fractionné est idéal. Vous pouvez rapidement identifier quel outil optimise les conversions.

Les avantages du Split Testing

Un défi associé aux tests est que les sites web ont besoin d’un seuil de base de visiteurs pour valider un test. Cependant, les tests fractionnés fonctionnent bien pour les sites à faible trafic.

Autre avantage, il est facile de voir le gagnant. Quel site a obtenu le plus de conversions ?

Test multipages

Le test multipage, aussi appelé test en entonnoir, vous permet de tester une série de pages en une seule fois.

Il y a deux façons d’effectuer un test multipage :

1. Vous pouvez créer de nouvelles variantes pour chaque page de votre entonnoir, OU
2. Vous pouvez modifier des éléments spécifiques de l’entonnoir et voir comment cela affecte l’ensemble de votre entonnoir.

Pour bien comprendre la différence entre les tests A/B, les tests multivariés et les tests multipages, consultez cet article :

Maintenant que vous avez compris les différents types de tests, il est temps de partager les mérites des tests A/B.

Pourquoi faire des tests A/B ?

L’argument en faveur des tests A/B est une simple équation de logique : si vous ne testez pas, vous ne savez pas. Et en affaires, deviner devient rapidement un jeu perdant.

Votre entreprise peut connaître des pics d’espoir de succès, mais ils se transformeront rapidement en « pics d’impuissance » si vous n’avez pas de méthode formelle pour expérimenter, suivre et reproduire ce qui fonctionne et ce qui ne fonctionne pas.

Même si vous devinez correctement 50% du temps, ce qui est rare, sans données et sans comprendre pourquoi cela a fonctionné, votre croissance stagnera.

Le test A/B vous permet de chausser vos lunettes axées sur les données pour prendre des décisions axées sur la croissance et l’optimisation. Aucun autre système ne vous fournira les données dont vous avez besoin pour prendre des décisions fondées sur l’optimisation.

Il n’est pas surprenant que le surnom des tests A/B soit :

« Soyez toujours en train de tester. »

– A/B Testing

Pourquoi un test A/B ? Voici quelques avantages de la mise en place de tests A/B dans votre entreprise.

17 avantages du test A/B

1. Optimisez le retour sur investissement du trafic existant et réduisez le coût d’acquisition.
2. Résoudre les problèmes des prospects.
3. Créez/concevez un site Web et des outils marketing axés sur la conversion.
4. Apporter des modifications éprouvées et testées.
5. Réduire le taux de rebond.
6. Augmenter la consommation de contenu.
7. Testez de nouvelles idées avec un investissement minimal.
8. Posez des questions basées sur des données.
9. Perpétuez un état d’esprit de croissance au sein de votre organisation.
10. L’optimisation des sites Web n’est plus une question de hasard.
11. Améliorez l’expérience de l’utilisateur sur votre site.
12. Apprenez à connaître vos prospects, vos clients et votre entreprise.
13. Testez les théories et les opinions.
14. Améliorer les campagnes de marketing.
15. Réduisez vos dépenses publicitaires grâce à des éléments publicitaires testés.
16. Validez les nouvelles fonctionnalités et les nouveaux éléments de conception.
17. Optimiser les points de contact avec les utilisateurs.

Cette liste n’est pas exhaustive, mais vous pouvez constater les nombreux avantages des tests A/B.

Maintenant que vous connaissez les avantages des tests A/B, voyons comment réaliser un tel test.

Comment réaliser un test A/B ? Le processus de test A/B

Tout comme les scientifiques et les médecins suivent des protocoles spécifiques, il en est de même pour les tests A/B. Il s’agit d’un processus continu qui consiste à passer par chaque étape pour affiner votre marketing en extrayant des données des résultats de vos tests.

Nous allons passer en revue les étapes générales qui mènent à des tests A/B réussis, en utilisant le logiciel Convert Experiences comme exemple d’application.

Étapes essentielles pour réaliser un test A/B réussi

Étape 1 : Recherche et collecte de données

Vous devez être stratégique quant à ce que vous testez. La meilleure façon de le faire est d’examiner vos analyses actuelles. Quelles sont les performances de votre site ? Quels sont vos objectifs de conversion actuels pour chaque page ? Les atteignez-vous ? Peuvent-ils être améliorés ?

Utilisez des outils quantitatifs et qualitatifs pour trouver et analyser ces données.

L’analyse qualitative dans les tests A/B

L’analyse qualitative dans les tests A/B consiste à collecter et à interpréter des données non numériques pour en extraire des informations. Les données qualitatives sont généralement des phrases et des descriptions en langage naturel, comme les commentaires des clients, les résultats d’enquêtes et de sondages, et les enregistrements de sessions.

Elles fournissent des informations généralisées et subjectives pour les étapes de brainstorming de votre programme de tests A/B. Elles expliquent le « pourquoi » derrière vos données quantitatives et peuvent aider à formuler des hypothèses dans les tests A/B.

Questions à se poser avant de procéder à un test A/B

Voici quelques autres questions stimulantes que vous pouvez poser pendant le processus de recherche :

• Quelles sont vos pages les plus performantes ? Pouvez-vous les rendre encore plus performantes ?
• Où les gens quittent-ils votre entonnoir ?
  Vous pouvez considérer cela comme un trou dans votre seau, vous voulez le boucher dès que possible.
• Quelles sont les pages dont les performances sont faibles, avec un nombre élevé de visites mais un taux de rebond élevé ?
  Cela peut indiquer que la page ne répond pas à l’intention des chercheurs. Pouvez-vous apporter des modifications pour inciter les internautes à rester plus longtemps sur la page ?
• Tirez parti de la règle des 80/20. Quels changements mineurs pouvez-vous apporter (les 20 %) qui entraîneront une augmentation des conversions (les 80 %) ?

Analyse quantitative dans les tests A/B

L’analyse quantitative dans les tests A/B implique la collecte, le nettoyage et l’interprétation de données numériques pour en tirer des enseignements. Comme son nom l’indique, vous travaillerez avec des données quantitatives telles que les pages vues, les taux de rebond et le nombre de nouveaux utilisateurs.

Cela s’avère pratique lorsque vous souhaitez vérifier certaines mesures de performance par rapport à vos indicateurs clés de performance. C’est également un ingrédient clé de l’analyse statistique dans les tests A/B.

Vous pouvez trouver ces opportunités en effectuant des recherches. Une fois que vous êtes armé d’informations, il est temps de vous fixer un objectif.

Étape 2 : Fixer un objectif

Définissez un objectif clair. Comment allez-vous mesurer les résultats de votre test ?

De nombreux objectifs peuvent être fixés et ils seront uniques à votre entreprise. Votre objectif peut être d’augmenter le nombre de clics sur votre bouton CTA, tandis qu’une autre entreprise peut vouloir augmenter le nombre de ventes, ou le nombre d’inscriptions à des courriels.

Assurez-vous que l’objectif est spécifique et clair. Tout membre de votre équipe doit être capable de lire votre objectif et de le comprendre.

Comment choisir un objectif de test A/B ?

Sans objectif, il est inutile de commencer des tests A/B. Vous avez besoin d’éléments mesurables qui montrent comment votre site atteint des objectifs prédéfinis – c’est votre objectif de test A/B. Si vous n’avez pas cet objectif, quels résultats attendez-vous ?

Pour choisir un objectif de test A/B qui vous assure que vos investissements en temps et en argent dans l’expérimentation en valent la peine, suivez les étapes suivantes :

1. Connaissez votre entreprise dans ses moindres détails : Déterminez dans quel but l’entreprise est créée et ce que l’organisation dans son ensemble veut atteindre. En général, il s’agit de la croissance des revenus dans une organisation à but lucratif.

2. Trouvez les buts qui s’alignent sur les objectifs de l’entreprise : Si un média veut gagner plus d’argent, il sera intéressé par l’engagement de plus d’utilisateurs. Par conséquent, les inscriptions à la newsletter seront précieuses pour lui. Une chaîne YouTube qui veut être monétisée a besoin d’un temps de visionnage total de 4000 heures.

3. Identifiez les indicateurs clés de performance et les mesures dont vous avez besoin pour mesurer l’atteinte de l’objectif : L’organe de presse voudra savoir combien de nouvelles inscriptions à sa lettre d’information électronique sont enregistrées et quel est le taux d’ouverture. La chaîne YouTube s’intéressera aux nouveaux abonnés et à la durée moyenne de visionnage.

4. Choisissez le type d’objectif en fonction des éléments ci-dessus. 3 : Il peut s’agir de soumissions de formulaires, de clics, de commentaires, de pages vues, de créations de profils, de partages de médias sociaux, etc. Voir d’autres types d’objectifs de test A/B ici.

Maintenant que vous avez un objectif clair, il est temps de créer une hypothèse.

Étape 3 : Formuler une hypothèse

Maintenant que vous avez un objectif clair, il est temps de formuler une hypothèse. Votre hypothèse exprime votre objectif et les raisons pour lesquelles vous pensez qu’il aura un impact positif. Elle donne une direction à votre test.

Génération d’hypothèses dans les tests A/B

Une hypothèse de test A/B est une explication pour une observation que vous avez faite à partir de l’analyse qualitative ou quantitative et que vous n’avez pas encore testée et prouvée. C’est comme si vous disiez « voilà pourquoi ceci se produit » et que vous testiez ensuite pour voir si vous avez raison ou tort. Vous pouvez en créer autant que vous le pouvez pour la même observation.

Mais attendez, la génération d’une hypothèse pour vos tests A/B ne s’arrête pas là. Et si vous voulez tester la bonne chose et extraire des informations utiles, vous devez avoir une hypothèse correcte.

Comme dans la définition de l’hypothèse, vous partez d’une observation de données soigneusement collectées, vous les analysez et vous déterminez quel changement peut produire un certain résultat.

Vous pouvez utiliser un outil gratuit de génération d’hypothèses comme le générateur d’hypothèses de Convert pour formuler une hypothèse crédible pour les grands apprentissages et les levées.

Si vous ne voulez pas utiliser un générateur d’hypothèses, vous pouvez également utiliser une boîte à outils de génération d’hypothèses qui promet de vous aider à identifier ce qu’il faut tester, avec la promesse de vous donner des « ailes de scientifique des données. »

Il se peut que vous arriviez à plusieurs hypothèses. Dans ce cas, vous pouvez les classer par ordre de priorité.

Hiérarchisation dans les tests A/B

Qu’est-ce que la hiérarchisation dans le test A/B ? Lorsque vous avez plusieurs hypothèses, vous avez le choix entre celles à tester et celles à garder pour plus tard. Vous devez donc définir leur priorité.

La priorisation dans les tests A/B utilise une méthode scientifique, par opposition à une sélection aléatoire, pour choisir quelle hypothèse doit être testée en premier. Il existe deux modèles populaires pour cela : PIE et ICE.

Le modèle PIE évalue votre hypothèse en fonction du potentiel, de l’importance et de la facilité. Alors que le modèle ICE évalue l’impact, la confiance et la facilité. Une version différente de ICE est impact, coût et effort.

Les organisations développent leurs propres modèles internes de priorisation qui correspondent à leur culture unique. Certaines notent sur la base de plus de 3 paramètres. Par exemple, le cadre PXL comporte 10 attributs.

Et il y en a d’autres : RICE, KANO, et même IE (impact et effort).

Vous pouvez créer votre propre modèle de hiérarchisation des tests A/B, unique pour vous et votre organisation, en fonction de ce que vous valorisez.

Vous pouvez également utiliser l’outil de hiérarchisation de Convert (PIE et ICE) dans le logiciel. Il vous aidera à organiser le degré de confiance que vous avez dans la victoire, l’impact qu’elle aura et la facilité avec laquelle elle sera mise en œuvre.

Les modèles sont les suivants :

Sur la base de vos réponses et observations, choisissez ce qui sera le plus judicieux pour votre prochaine action. Moins d’efforts, plus de résultats.

Étape 4 : Estimez votre EDM, la taille de votre échantillon, la puissance statistique et la durée de votre test.

Identifiez la taille de l’échantillon, c’est-à-dire le nombre exact de visiteurs qui doivent être regroupés pour obtenir des résultats précis.

Même si votre logiciel de test A/B le calcule pour vous, ayez une compréhension générale de ces statistiques. Cela vous aidera à repérer les problèmes dans vos tests d’anomalies.

Par exemple, si vous savez que votre test doit durer 28 jours, mais que vous ne l’avez terminé qu’après 14 jours ? Ou peut-être avez-vous estimé qu’il vous fallait environ 20 000 visiteurs pour atteindre une signification statistique, mais vous constatez que votre test est toujours en cours avec 120 000 visiteurs. Dans les deux cas, vous devez examiner de près votre test.

Étape 5 : Déterminer le public à cibler avec le test

Certains outils, comme Convert Experiences, vous permettent de segmenter le public qui verra le test.

Étape 6 : Créer des variantes

La création de votre variation devrait être facile puisque votre recherche a révélé ce que vous devez tester, pourquoi vous le testez, et comment vous voulez tester votre hypothèse.

C’est encore plus facile en utilisant une plateforme de test comme Convert, il vous suffit d’effectuer le changement que vous avez priorisé à l’étape 4 dans l’éditeur, ou via le code. Il peut s’agir de modifier un titre, de copier un bouton CTA, de cacher un élément, les possibilités sont infinies.

Étape 7 : Exécution du test

Vous êtes maintenant prêt à exécuter votre test !

C’est le moment où vos visiteurs sont choisis au hasard pour expérimenter votre contrôle ou la variation. La façon dont ils réagissent est suivie, calculée, comparée.

Étape 8 : Analyse des résultats et déploiement

Avec la phase de planification, cette étape est probablement la plus importante du processus de test. C’est comme obtenir une liste des actions qui ont le meilleur rendement sur le marché, mais ne jamais en acheter. Ce n’est pas l’information qui est puissante, mais ce que vous en faites. Avec les tests A/B, c’est ce que vous faites après l’achèvement du test qui se traduira par des conversions plus élevées.

L’analyse des résultats de vos tests A/B vous donnera les informations dont vous avez besoin pour passer à l’étape suivante. En fin de compte, vos résultats devraient conduire à une action spécifique. N’oubliez pas que la recherche et les données ne sont bonnes que si elles sont appliquées.

Une autre chose à retenir, il n’y a pas de mauvais résultats de test. Ils sont toujours neutres et vous donnent les informations dont vous avez besoin pour mieux comprendre vos clients et établir un lien avec eux.

Heureusement, les meilleurs logiciels de test comme Convert facilitent la mise en œuvre du gagnant de votre test et vous permettent de savoir s’il existe une différence statistiquement significative entre votre contrôle et votre variance.

Laissez ces résultats guider votre prochain test.

Comment lire et partager les résultats des tests A/B ?

Partager les résultats de vos tests A/B d’une manière facilement compréhensible déclenche un cycle de confiance qui donne l’occasion de tester encore et encore.

Le plus souvent, les parties prenantes qui veulent savoir ce que vous faites lorsque vous effectuez des « tests A/B » ne sont pas familières avec ce concept. Comment communiquer vos idées et vos résultats de manière à ce qu’ils aient un sens pour eux ?

Vous devez comprendre votre public et préparer une présentation qui lui soit directement destinée. Ne tombez pas dans le piège de partager des captures d’écran de données. Vous devez mettre des interprétations significatives juste à côté de ces données.

Assurez-vous d’aborder le « pourquoi » des tests, leur impact et les prochaines étapes recommandées. Votre présentation des tests A/B doit comprendre une vue d’ensemble, des détails, les résultats, les idées et l’impact.

Outre une présentation, vous pouvez également le faire avec un document, une infographie ou une combinaison de tous ces éléments. Restez simple et engageant en supprimant le superflu et les chiffres inutiles et parlez de ce qui plaît à vos collaborateurs.

Mais que faire si vous ne comprenez pas les résultats de votre test A/B ? Lisez cet article pour comprendre les résultats de vos tests A/B.

Maintenant que vous connaissez la théorie des tests et que vous savez comment mettre en place un test A/B, examinons les différents éléments que vous pouvez tester.

Que pouvez-vous tester en A/B ?

La réponse courte serait, TESTEZ TOUT. Mais cela ne serait ni stratégique ni une bonne utilisation de vos ressources.

Exemples de tests A/B

Voici quelques exemples de tests A/B pour inspirer les vôtres :

1. Une agence de CRO a conçu un test A/B pour découvrir pourquoi les sites de commerce électronique de leurs clients avaient un taux élevé d’abandon de panier. Elle a ensuite conçu un challenger qui corrigeait ces problèmes et a effectué le test avec Convert Experiences. Ils ont trouvé une variation qui a permis une augmentation de 26% du revenu par utilisateur.
2. BestSelf Co avait un taux de rebond énorme sur la page d’accueil de son produit, ils ont donc engagé SplitBase pour trouver comment le corriger. Après avoir utilisé HotJar pour étudier le comportement des utilisateurs, ils ont découvert que le titre pouvait être à l’origine du problème. Ils ont donc créé deux variations qui ont battu l’original et ont choisi le gagnant avec 27% de conversions en plus.
3. InsightWhale, une agence de CRO, a travaillé sur le formulaire de la page d’offres d’un voyagiste qui, malgré l’énorme trafic, n’attirait pas l’attention. Ils ont utilisé Google Analytics pour comprendre l’audience et Convert pour mettre en œuvre deux solutions au problème dans un test. Ils en ont trouvé une qui a ajouté 26 % de conversions supplémentaires.

Il ne s’agit là que de quelques exemples, mais vous pouvez effectuer des tests A/B sur votre site Web et vos applications pour corriger les points qui vous font perdre des clients. Trouvez le problème, proposez une solution et testez cette solution avant de la mettre en œuvre.

Voici une liste des éléments les plus courants qui font bouger le cadran dans une direction positive pour votre entreprise si vous les mettez en place correctement.

A/B Testing Copy : Titres, sous-titres et corps du texte

Enlevez toutes les images, les couleurs, les arrière-plans, les animations, les vidéos, etc. fantaisistes, et il ne vous reste plus qu’un simple texte.

Ennuyeux ?

Peut-être. Mais devinez quoi ?

La copie vend. La copie convertit !

Imaginez que vous visitez un site Web qui ne comporte que des boutons, des photos et pas une once de texte. Il serait également impossible de partager votre message et encore moins de convertir un visiteur.

Imaginez maintenant le scénario inverse, un site Web sans fioritures, avec uniquement du texte, sans couleurs, vidéos ou images. Pourriez-vous réaliser une vente ? Pourriez-vous inciter vos visiteurs à agir ?

Bien sûr !

Alors que le site serait simple et peut-être peu esthétique, l’utilisation des bons mots pourrait faire la différence.

Il existe deux principaux types de textes que vous pouvez tester. Il s’agit de :

• Titres et sous-titres
• Corps du texte

Test A/B pour les titres

Les grands rédacteurs passent des heures à créer les titres parfaits. Vous ne ferez pas une seule conversion si vous ne pouvez pas attirer l’attention de vos visiteurs.

Imaginez que votre titre est comme la vitrine d’une entreprise ayant pignon sur rue. Le traitement de votre fenêtre a le pouvoir d’attirer ou de repousser. Dans l’espace virtuel, votre titre fait la même chose.

Les spécialistes du marketing ont constaté que le fait de changer un titre peut à lui seul augmenter les conversions. C’est pourquoi les rédacteurs chevronnés passent des heures à trouver le titre parfait.

Pour réussir un titre, soyez concis et assurez-vous de dire à votre visiteur ce qu’il y a à gagner s’il clique et lit la suite.

Utilisez les tests A/B pour tester les mots, le ton, la police de caractères, la taille, etc.

Test A/B sur le corps du texte

Une fois que vous avez incité votre visiteur à cliquer avec votre titre, vous devez retenir son attention et lui donner ce que vous avez promis. C’est le rôle de votre corps de texte.

Chaque ligne du texte doit encourager le visiteur à poursuivre sa lecture ou à prendre l’appel à l’action que vous lui avez attribué.

Même si votre corps de texte vend un produit, offrez de la valeur, même si la personne n’achète pas.

Vous pouvez effectuer des tests A/B sur le format du texte, le style, le ton émotionnel, la facilité de lecture, etc.

Test A/B de la profondeur du contenu

Outre les mots qui composent le contenu, la longueur du contenu joue également un rôle dans les conversions, et peut et doit donc être testée.

En règle générale, écrivez autant de texte que nécessaire pour faire progresser votre prospect dans le processus d’achat, mais pas un mot de plus.

N’abordez pas la longueur comme un nombre de mots standard, mais comme « quels points dois-je aborder pour satisfaire le prospect et l’inciter à agir ? Puis-je le dire de manière plus concise sans compromettre mon message ? ».

Lorsque vous effectuez un test A/B sur la profondeur du contenu, vous vous demandez : « Que se passe-t-il si j’ajoute ou supprime du texte (je modifie la longueur) ? Est-ce que cela augmente ou diminue les conversions ?

Conception et mise en page des tests A/B

Si le texte est important, la forme l’est tout autant.

Êtes-vous déjà entré dans la maison de quelqu’un ou dans un espace qui avait une disposition bizarre ? Vous ne vous êtes pas senti bizarre ? Dans certains cas, vous avez probablement eu envie de faire demi-tour et de partir.
Eh bien, la même chose se produit avec les visiteurs de votre site Web.

C’est cet élément de mise en page qui contribue au temps que les gens restent sur votre site (alias taux de rebond).

Faites donc des tests A/B sur différents designs. Cela peut inclure les couleurs, l’emplacement des éléments, le style général et les thèmes, la facilité de circulation (la page se déplace-t-elle logiquement) et les types d’éléments d’engagement. Vous pouvez également supprimer des éléments de la page.

Le design et la mise en page sont cruciaux pour les pages d’accueil, les pages de destination, les pages de produits. Les pages où vous souhaitez que les prospects entreprennent des actions massives. Cela peut inclure le remplissage de formulaires, qui peuvent également faire l’objet de tests A/B.

Formulaires de test A/B

Vous voulez que vos visiteurs vous donnent des informations. La façon de le faire en ligne est par le biais de formulaires.

Cela peut ne pas sembler intuitif, mais des changements dans la façon dont vous recueillez les informations de vos prospects peuvent modifier leur réponse. La modification d’un seul champ peut augmenter ou diminuer le pourcentage d’inscriptions de 5 à 25 %.

Remplir un formulaire peut être le principal CTA d’une page. Si tel est le cas, trouver l’équilibre parfait entre l’obtention de toutes les informations dont vous avez besoin, sans causer trop de frictions chez vos prospects, peut relever de l’art.

Les tests A/B sur différents formulaires (texte, style, emplacement, avec ou sans pop-up, couleurs, etc.) peuvent vous fournir des informations précieuses sur ce qui réduit la résistance et permet à vos clients de remplir et de soumettre les formulaires de vos pages.

Vous pouvez tester :

• Longueur du formulaire (combien de champs avez-vous besoin par rapport à ceux que vos utilisateurs trouvent confortables)
• Conception du formulaire
• Titres des formulaires
• Position du formulaire sur la page
• Couleur, texte/copie et taille de la police du bouton de soumission
• Champs obligatoires (empêchez-vous les utilisateurs de soumettre le formulaire à moins qu’ils ne fournissent des informations qu’ils ne souhaitent pas fournir ?)
• Indicateurs de confiance (conformité au GDPR, témoignages, anciens clients, etc.)

Lorsque vous effectuez des tests A/B sur vos formulaires, vous pouvez dévoiler des opportunités pour comprendre votre public et améliorer les conversions. Découvrez comment vous pouvez intégrer Convert Experiences à Zuko pour tester les formulaires de vos sites Web.

A/B Testing CTA

Déterminer l’appel à l’action auquel vos prospects et visiteurs répondent le plus peut à lui seul augmenter vos taux de conversion. C’est la raison pour laquelle vous avez consacré tant d’efforts à la création d’un site Web et aux tests, n’est-ce pas ? Vous voulez que vos visiteurs agissent.

Les gens font couramment des tests A/B sur les couleurs des boutons CTA, c’est un début, mais ne vous arrêtez pas là. Vous pouvez également tester le texte à l’intérieur du bouton, son emplacement et sa taille.

Soyez implacable avec vos tests de CTA jusqu’à ce qu’ils soient 100% réglés. Ensuite, testez-les.

A/B Testing Navigation

La navigation est un autre élément associé au flux de votre page Web. Comme il s’agit d’exigences banales, leur importance peut parfois être négligée. Pourtant, votre navigation est liée à l’UX de votre site.

Assurez-vous que votre navigation est claire, structurée, facile à suivre et intuitive. Si je cherche le prix d’un produit, je ne m’attends pas à ce qu’il se trouve sous l’onglet des témoignages.

Bien que les experts en conception de sites Web suggèrent de placer les barres de navigation à des endroits standard, comme à l’horizontale en haut de la page, vous pouvez effectuer des tests A/B sur différents emplacements. Vous pouvez également tester différents textes de navigation. Par exemple, remplacez « Témoignages » par « Ce que les gens disent ».

A/B Testing Social Proof

Les prospects sont naturellement sceptiques quant aux éloges que vous faites de votre entreprise. Ils sont plus enclins à faire confiance à leurs pairs, aux personnes auxquelles ils s’identifient. C’est pourquoi la preuve sociale sous forme d’avis et de témoignages de clients est importante pour le taux de conversion.

Le test A/B de votre preuve sociale peut vous aider à déterminer l’emplacement idéal de celle-ci sur votre page, l’objection à laquelle elle doit répondre, la disposition qui contribue à une meilleure conversion (avec ou sans photo, titre, lieu, prénom ou nom et prénom). Vous pouvez tester de nombreuses variantes.

Test A/B sur les images et les vidéos

Les images, les vidéos et le son ajoutent des éléments d’engagement à une page Web. Ils peuvent tous être testés par A/B pour être optimisés.

Test A/B sur les images

Les images peuvent transmettre des messages en quelques secondes et réitérer des idées simplement. C’est pourquoi elles sont si puissantes.

Imaginez que vous visitez un magasin de commerce électronique. Pensez à ce que serait votre expérience sans images de produits ?

Tester les images est aussi simple que d’essayer différentes images. Ne vous arrêtez pas là, soyez créatif. Testez des thèmes d’images, comme les palettes de couleurs, avec des personnes, sans personnes, la copie des légendes, etc.

Vidéos de test A/B

La vidéo apporte une valeur ajoutée. Mais seulement lorsqu’elle est regardée. Tout comme votre titre, vous devez vous assurer que la vignette attire l’attention.

Outre le test A/B de la vignette d’une vidéo, vous pouvez tester plusieurs vidéos. Laquelle est lue le plus souvent ? Celle qui est regardée le plus longtemps ?

Pour les sites de commerce électronique, les descriptions de produits ont la lourde tâche de remplacer les produits « à toucher, à sentir, à goûter, à essayer » et l’aide d’un vendeur.

L’optimisation de ce texte pourrait augmenter vos ventes et votre taux de conversion de plusieurs pourcentages (le ciel est la limite).

Test A/B des pages d’atterrissage

Vous créez des pages de renvoi dans un seul but : convertir les visiteurs. Il est donc tout à fait logique de les soumettre à des tests A/B pour découvrir les possibilités d’augmenter les conversions.

Test A/B sur les pages de produits

Votre page produit contient divers éléments tels que des images, des vidéos, des CTA, des titres, des descriptions de produits, des preuves sociales et d’autres textes de la page. Tous ces éléments sont censés travailler main dans la main pour générer des conversions. Mais qu’en est-il s’ils sont peu ou pas performants ?

Vous pouvez faire des changements pour améliorer les résultats de la page. Et vous ne pouvez le faire que si vous avez testé que ce changement est une amélioration réelle et non le contraire.
Un détaillant néerlandais travaillant avec Mintmindsran un test sur leur page produit qui optimisait le carrousel de produits et a dévoilé des résultats impressionnants primés.

Test A/B des propositions de valeur

Saviez-vous que vous pouvez également tester vos propositions de valeur par A/B ? Elles ne fonctionnent pas toutes de la même manière, notamment pour votre marque et votre public spécifiques.

Vous vous souvenez du deuxième exemple que nous avons mentionné ci-dessus ? Il s’agissait d’une proposition de valeur dans le titre d’une page produit qui a augmenté le taux de conversion de 27 %.

Lorsque SplitBase a été appelé pour comprendre pourquoi la page produit de BestSelf Co avait un taux de rebond élevé, ils ont directement cherché à comprendre pourquoi. En utilisant des heatmaps, ils ont découvert que les gens ne dépassent pas le pli.

Ils ont également réalisé des sondages et des enquêtes pour en savoir plus et ont constaté que les gens ne comprenaient pas les avantages offerts.

Ils ont donc émis l’hypothèse qu’en modifiant le texte du titre pour inclure l’avantage du produit, ils amélioreraient les conversions. Une variation leur a donné ce taux de conversion impressionnant.

Avez-vous déjà bien défini votre proposition de valeur ? Peut-être devriez-vous trouver des opportunités pour l’améliorer.

Vous savez maintenant comment configurer votre test A/B, les éléments que vous pouvez tester et les avantages des tests pour votre optimisation. Mais que faire si votre entreprise ne dispose pas d’un programme d’expérimentation formel ?

Test A/B sur les médias sociaux

Le test A/B sur les médias sociaux consiste à comparer un message de contrôle A à un message variable B pour déterminer leurs performances. En fonction du résultat du test, vous déciderez du format à adopter pour votre prochaine campagne sur les médias sociaux ou votre calendrier de contenu.

Lorsque vous effectuez un test A/B sur deux messages de médias sociaux, vous devez vous assurer que vos outils d’analyse sont correctement configurés. Les principales plateformes comme Facebook et Twitter ont leurs propres outils d’analyse. Mais vous pouvez également utiliser Google Analytics.

Créez différentes versions de votre message, par exemple une version avec une image et une autre avec une vidéo. Utilisez vos expériences pour voir laquelle est la plus performante en fonction de vos indicateurs clés de performance. Essayez d’autres exemples de tests A/B pour les médias sociaux.

Test A/B sur les e-mails : Meilleures pratiques

Vous avez probablement entendu dire que pour chaque dollar dépensé en marketing par e-mail, vous récupérez 42 dollars. C’est un retour sur investissement considérable. Mais cela n’est possible que si vous maximisez les conversions de vos e-mails – ce qui se produit lorsque vous effectuez des tests A/B sur les e-mails.

Tout comme pour les pages de renvoi, certains éléments de vos e-mails ont une influence directe sur la conversion. Et si vous voulez optimiser cela, vous devez le faire de la bonne manière.

Par exemple, quelle doit être la longueur d’une liste d’e-mails pour utiliser le test A/B ? Il est préférable de commencer avec une liste d’au moins 1000 abonnés. Voici d’autres bonnes pratiques en matière de tests A/B par e-mail :

• Limitez la taille de l’échantillon si vous souhaitez tester des changements extrêmes.
• Testez le CTA, le titre, le corps du texte, les images, le design, la personnalisation, la ligne d’objet, etc.
• Déterminez vos indicateurs clés de performance avant de commencer (taux d’ouverture, taux de clics, taux de conversion).
• Si vous le faites manuellement, testez les versions A et B en même temps pour obtenir des résultats précis.
• Laissez tomber les préjugés ou les instincts lors de la collecte de vos données, et
• Ne testez qu’une seule variable à la fois.

Démarrer votre programme de test A/B

Dans le meilleur des cas, vous disposez déjà d’un programme d’expérimentation solide, avec l’adhésion totale de la direction et le soutien de vos pairs dans tous les services.

Mais si ce n’est pas le cas, que cela ne vous empêche pas de tester.

Cependant, vous allez vouloir formaliser votre programme de test. Vous en aurez besoin :

• Spécialiste(s) désigné(s) des tests A/B
• Soutien de l’entreprise et des pairs
• Logiciel de test A/B
• Comprendre les statistiques impliquées dans les tests A/B
• Identifier les zones à tester
• Commencez par les pages qui convertissent déjà bien et qui ont une bonne quantité de visiteurs. Ensuite, testez tous les éléments mentionnés dans la dernière section.

Embaucher des talents en A/B Testing

Si vous voulez embaucher un spécialiste des tests A/B, vous avez 3 options :

• Prendre un freelance,
• Engagez une agence d’optimisation du taux de conversion (CRO), ou
• Engagez un optimiseur de taux de conversion pour rejoindre votre entreprise.

Si les deux premières options ont des approches assez simples, la dernière nécessite un certain tact en matière de recrutement. Vous devez savoir quelles sont les qualités à rechercher, quelles sont les questions d’entretien à poser et comment préparer votre entreprise à recevoir les talents que vous décidez d’engager.

Votre talent idéal pour les tests A/B devrait être :

Curieux : Un optimiseur vedette veut toujours savoir pourquoi les choses sont comme elles sont. Il est toujours à la recherche de réponses et a une approche scientifique de la recherche de ces réponses.

Axé sur les données et l’analyse : En quête de réponses, ils ne se contentent pas d’opinions et de ouï-dire. Ils décomposent un problème en atomes et recherchent des solutions fondées sur des données.

Empathique : Ils sont désireux de comprendre les gens et d’apprendre pourquoi ils font ce qu’ils font afin de pouvoir communiquer avec eux de la meilleure façon possible.

Créatif : Ils peuvent découvrir des solutions innovantes aux problèmes et tracer avec confiance une nouvelle voie pour faire avancer les choses.

Toujours désireux d’apprendre : Un excellent testeur A/B n’est pas figé dans ses habitudes, il est prêt à laisser ses convictions être remises en question et à accueillir de nouvelles idées.

Où pouvez-vous rechercher de tels talents ? Sur LinkedIn, vous les trouverez sous le titre « spécialiste en CRO », « optimiseur de taux de conversion » ou « expert en CRO ». Vous pouvez également consulter AngelList et Growth Talent Network.

Questions d’entretien sur les tests A/B

Maintenant, quelles questions d’entretien sur les tests A/B leur poseriez-vous pour savoir s’ils conviennent à votre équipe et s’ils fournissent d’excellents résultats ?

Le but de ces questions est de :

• voir dans quelle mesure le candidat connaît l’optimisation du taux de conversion.
• leur expérience personnelle en la matière
• leur philosophie d’essai unique
• leur processus de travail, et
• s’ils ont une compréhension suffisante des limites de l’expérimentation.

Des questions pour voir s’ils sont bons en matière de CRO :

• Quelle importance accordez-vous aux données qualitatives et quantitatives dans les tests A/B ?
• Quand faut-il préférer les tests multivariés aux tests A/B ?
• Comment optimiser un site à faible trafic ?
• A votre avis, qu’est-ce que la plupart des CROs ne font pas bien avec les tests A/B ?
• Pensez-vous que les tests A/B sur une page web affectent les résultats des moteurs de recherche ?

Des questions pour connaître leur expérience personnelle en matière de tests :

• Quel a été votre plus grand défi avec les tests A/B ?
• Quelle est la chose la plus surprenante que vous ayez apprise sur le comportement des clients ?
• Quelle est votre victoire (ou échec) de test préférée ? Et pourquoi ?
• Quand faut-il passer des outils de test A/B gratuits aux outils payants ?

Questions pour comprendre leur philosophie de test :

• Quelles sont les limites des tests A/B ?
• Pourquoi pensez-vous que la plupart des sites ne convertissent pas ?
• Comment s’y prendriez-vous pour évangéliser une culture de l’expérimentation dans notre organisation ?
• Que pensez-vous de la segmentation de l’audience et de son impact sur la précision des tests ?

Des questions pour voir comment elles fonctionnent :

• Comment procédez-vous pour trouver des idées de tests ?
• Comment hiérarchisez-vous votre liste d’idées de tests ?
• Quels sont les outils que vous préférez pour réaliser des tests A/B ?
• Comment commencer à mettre en œuvre l’expérimentation pour optimiser notre site web ?
• Que feriez-vous si un cadre vous proposait de réaliser des tests A/B alors que vous pensez que ce n’est pas nécessaire ?
• Comment obtenir les métriques de base d’une page avant de la tester ?

Meilleures pratiques pour choisir et utiliser des outils de test A/B

L’acquisition d’un outil de test A/B ne représente pas la totalité du parcours. Vous ne commencerez pas tout de suite à obtenir des informations permettant de démêler des taux de conversion insensés.

Il y a des limites que vous devez franchir. Et voici comment s’y prendre :

1. Formez votre équipe au meilleur processus et à la meilleure stratégie. Sans les bonnes mains sur vos outils, vous n’obtiendrez pas le retour sur investissement que vous recherchez. Vous pourriez même finir par mettre en œuvre des idées erronées.
2. Les outils de test A/B sont dotés d’un grand nombre de fonctionnalités et d’intégrations. Vérifiez quels sont ceux qui correspondent à votre cas d’utilisation unique et profitez-en pleinement.
3. Votre outil peut affecter vos résultats de manière significative. Vérifiez que vous ne l’utilisez pas d’une manière qui affecte le référencement, qu’il ne provoque pas de scintillement, qu’il prend la confidentialité au sérieux et qu’il dispose d’une prévention des collisions.
4. Apprenez à connaître le modèle statistique utilisé par votre outil. Sachez comment il calcule les résultats que vous obtenez. C’est essentiel pour comprendre comment prendre des décisions avec ce que vous obtenez.
5. Encouragez une culture de l’expérimentation dans votre organisation et faites en sorte qu’il soit facile pour les gens de commencer à utiliser les outils.
6. Assurez-vous que vous mesurez le bon résultat – n’oubliez pas que les tests A/B sont destinés à vous fournir une certaine certitude quant à votre hypothèse.

Principaux outils et prix des tests A/B

Il existe des outils de test A/B gratuits, open-source, freemium et payants. Ils ne sont pas tous créés égaux. Vous devez effectuer des recherches pour trouver celui qui convient le mieux à votre entreprise, afin que votre outil de test A/B ne lui porte pas préjudice – car c’est possible.

Ne vous inquiétez pas, la recherche de votre outil idéal ne doit pas être difficile. Utilisez cet article pour apprendre comment acheter un outil de test A/B qui vous convienne.

Pour un logiciel de test A/B gratuit, vous pouvez consulter le plus populaire d’entre eux : Google Optimize. Vous pouvez également consulter Nelio et Vanity.

Mais ces outils ont leurs limites. Si vous avez besoin de plus de puissance de test, optez pour des outils payants.

Voici le top 5 et leurs prix :

• Convert Experiences – Commence à 699 $/mois, 199 $ pour chaque tranche de 100 000 visiteurs après cela.
• Convertize – Commence à 49 $/mois pour 20 000 visiteurs, 199 $ pour 100 000 visiteurs.
• Optimizely – Prix personnalisé, mais apparemment à partir de 36 000 $ par an.
• Sitespect – Vous devrez d’abord parler à leur équipe de vente pour obtenir un prix.

Ne jugez pas un outil sur son seul prix. Consultez ce guide des prix de plus de 50 outils de test A/B pour bien comprendre où va votre investissement.

Comment le logiciel de test A/B de Convert peut vous aider à affiner votre programme de test et à augmenter les conversions.

La meilleure façon de découvrir notre outil est de jouer avec. Essayez-le gratuitement pour découvrir toutes les fonctionnalités d’un puissant outil de test A/B utilisé par Jabra, Sony et Unicef.

Convert est bon pour les non-codeurs et possède un éditeur de code robuste pour les codeurs et les développeurs.

La meilleure façon de vérifier un outil est de l’explorer. Obtenez un accès complet à Convert pendant 15 jours gratuitement. Faites des tests A/B, découvrez toutes nos intégrations et voyez pourquoi tant d’optimisateurs ont choisi Convert Experiences comme alternative à Optimizely.

Accédez à notre outil de test A/B pendant plus de deux semaines pour effectuer tous les tests que vous souhaitez.

Test A/B avec Google Analytics et Google Optimize

Le combo Google Optimize et Google Analytics pour les tests A/B est idéal pour débuter. Il vous permet de comprendre et d’appliquer les bases de l’optimisation sans frais.

Google Optimize est un outil de test A/B gratuit de Google qui était auparavant une extension de Google Analytics appelée « Content Experiments ». Vous pouvez effectuer des tests A/B, A/B/n, multivariés et URL fractionnés, créer des variantes de votre site Web avec un éditeur et même modifier votre code source.

Vous pouvez ensuite l’intégrer à Google Analytics pour suivre les données et obtenir des informations.

Mais comme il s’agit d’un outil gratuit, il y a des limitations telles que :

• On ne peut exécuter que 5 tests à la fois
• Impossible de définir plus de 3 objectifs
• Ne teste que les sites web, pas les applications
• Pas de tests pendant plus de 90 jours, etc.

Si vous souhaitez dépasser ces limites pour faire passer vos campagnes de test au niveau supérieur, vous devrez opter pour les options payantes.

Culture de l’expérimentation : Comment en créer une ?

De nombreuses marques, grandes et petites, ont vu leurs conversions et leurs revenus augmenter de manière significative lorsqu’elles ont pris des décisions fondées sur les données, et vous aimeriez que les vôtres fassent de même. Si vous souhaitez créer une culture de l’expérimentation dans votre organisation, préparez-vous à provoquer un changement d’attitude.

La nouvelle attitude doit être celle où

• Les données sont accessibles
• La curiosité est la norme
• Le leadership s’appuie sur les tests
• Les opinions ne sont pas appréciées à leur juste valeur
• Tout le monde est libre de proposer et de lancer des tests, et
• La plupart des décisions doivent être prouvées avant d’être mises en œuvre

Si vous êtes le seul à voir la valeur des tests dans votre entreprise, la tâche risque d’être ardue. Mais lorsque vous commencez à intégrer l’expérimentation dans vos propres décisions, que vous partagez vos victoires de manière digeste et que vous invitez les autres à participer, le chemin est plus facile.

Les sections qui suivent fournissent des informations plus approfondies sur les tests A/B afin de vous faire passer du statut de débutant à celui d’expert.

Qu’est-ce que le test A/B en marketing ?

Les tests A/B ont un rôle énorme à jouer dans le marketing. Il est possible d’améliorer l’efficacité de presque tous les actifs marketing en contact avec le client. Et le test A/B est un outil de recherche de la vérité entre les mains d’un spécialiste du marketing pour découvrir comment.

Par exemple, dans l’acquisition d’utilisateurs/clients…

Test A/B et acquisition

En ce qui concerne l’acquisition, comment rendre votre entonnoir marketing plus efficace pour amener de nouveaux utilisateurs et clients de la connaissance de la marque jusqu’à la décision d’achat, l’installation d’une application, la demande de démo, etc.

Comment savoir ce qui est responsable des mauvaises performances ou comment améliorer votre taux de conversion actuel ?

Testez-le. Testez pour savoir à quoi votre public cible réagit.

Parfois, plus de trafic n’est pas la solution. Pensez à apporter du trafic payant à un entonnoir qui ne fonctionne pas. C’est de l’argent jeté par les fenêtres.

Même les annonces que vous diffusez ont besoin d’un score de qualité si vous voulez réduire votre CPC ou CPA. Un entonnoir qui repousse plus de trafic qu’il ne devrait ruine le score de qualité des publicités payantes. Une page d’atterrissage à forte conversion est essentielle, et pour l’obtenir, vous avez besoin de tests A/B.

Et les tests A/B ne s’arrêtent pas là…

Avantages surprenants des tests A/B

Vos résultats peuvent vous aider à mieux connaître votre public cible afin d’offrir une meilleure expérience marketing et d’augmenter le taux de conversion. L’objectif des tests A/B ne devrait pas être de trouver un gagnant, mais d’obtenir des informations.

• Les tests A/B permettent de mieux comprendre le comportement des clients : Il y a des sentiments des visiteurs que vous ne pouvez pas comprendre autrement que par leur comportement. Les tests A/B vous donnent cet aperçu inestimable grâce à l’analyse des sentiments des visiteurs par segments.

Peut-être que le changement évident que vous avez l’intention de faire ne convient pas à votre public. Vous le saurez en le testant avant de le mettre en ligne.

La suppression de la navigation sur votre page de renvoi peut-elle améliorer le taux de conversion ? Eh bien, une personne a découvert que les utilisateurs se sentaient piégés lorsqu’ils faisaient cela et que cela augmentait plutôt leur taux de rebond.

• Les tests A/B donnent des idées pour améliorer les opérations – comme la réussite des clients : Vous pensez peut-être que votre instinct, un gourou du marketing ou même vos clients sont le meilleur endroit pour obtenir des informations qui fonctionnent pour le marketing numérique. Mais est-ce vraiment le cas ?

Les décisions fondées sur les données ont déjà battu ces trois éléments à maintes reprises. Même les changements les plus intelligents s’avèrent moins performants que l’original, les pages d’atterrissage laides et dépassées convertissent mieux qu’une page « parfaite », et le vieux marketing bat parfois les meilleures pratiques modernes. Testez pour être sûr.

Test A/B et développement Web

Le développement Web, comme tout autre développement de produit, sans changements testés et éprouvés, n’est qu’une supposition.

Votre investissement est trop précieux pour être laissé au hasard, n’est-ce pas ? Bien sûr. C’est pourquoi il doit y avoir un lien étroit entre votre développement web et les tests A/B.

Qu’il s’agisse de corriger des bogues ou de réorganiser l’ensemble de votre site Web, il est préférable de prendre des décisions fondées sur des données afin de ne pas nuire à votre entreprise. N’oubliez pas que même les meilleures pratiques peuvent ne pas tenir à côté d’une idée qui semble stupide.
Et comme vous ne pouvez pas lire dans les pensées de vos clients, vous ne pouvez pas être sûr de faire les bonnes choses. Vous risquez d’apporter des modifications préjudiciables à votre site Web au lieu d’augmenter le retour sur investissement de vos investissements en développement Web. La meilleure façon de le savoir est de mener des expériences. Faites de l’optimisation du taux de conversion une partie intégrante de votre développement web.

Le retour sur investissement des tests A/B

Il ne fait aucun doute que les tests A/B peuvent conduire à des taux de conversion plus élevés et à une augmentation des revenus. Mais comment calculer avec précision le retour sur investissement d’un test A/B ? Quel gain de revenus pouvez-vous attribuer à une expérience que vous avez menée ?

Ce chemin est glissant. Il est difficile d’attribuer avec exactitude un certain gain à un test A/B. Ce serait une simplification excessive de la réalité. L’intérêt des tests A/B n’est pas le revenu. Les tests A/B fournissent des informations inestimables qui permettent de prendre des décisions plus intelligentes. C’est donc comme acheter des données.

Cela dit, les paramètres les plus proches du retour sur investissement des tests A/B sont les suivants :

• Revenu par session (RPS)
• Levée moyenne des ventes
• Coût de l’exécution d’un test A/B
• Multiplicateur pour la répartition du trafic
• Valeur de la modification de la variante
• Valeur ajoutée de la durée des tests
• Prévision des recettes supplémentaires en cas de mise en service de la variante
• Valeur globale du programme de test A/B

Ces chiffres vous aideront à justifier l’expérimentation et à obtenir l’adhésion de la direction.

Le succès des tests A/B dans les entreprises FAANG

Facebook, Amazon, Apple, Netflix et Google sont à l’avant-garde du marketing ultra-efficace. C’est pourquoi nous aimons apprendre d’eux. Même Microsoft et LinkedIn font aussi un travail remarquable.

Il y a beaucoup à apprendre sur les tests A/B auprès de ces géants de la technologie. Netflix, Microsoft et LinkedIn sont très ouverts sur leur stratégie d’expérimentation et les succès qu’ils ont remportés au fil des ans. Google et Amazon sont des entreprises renommées pour leurs données. Et si vous êtes là depuis un certain temps, vous connaissez les différents tests de Facebook.

Mais Apple n’est pas très ouvert sur sa culture des tests. Bien qu’elle prenne en charge les tests A/B des applications mobiles dans Apple TestFlight.

Il convient également de mentionner Booking.com, qui a une forte culture de l’expérimentation et qui, selon les rapports, mène plus de 1 000 expériences simultanées à un moment donné.

La plate-forme d’expérimentation de Netflix est un sujet populaire sur le Netflix Tech Blog, où l’on explique comment les tests A/B les ont aidés :

Ils exploitent les données générées par les tests A/B pour offrir des expériences « intuitives, amusantes et significatives » à leurs 81,5 millions de membres.

LinkedIn a une culture de l’expérimentation. Elle constitue un élément important de son processus de développement, qu’il s’agisse de la refonte de la page d’accueil ou de la modification des algorithmes en arrière-plan.
Tout comme LinkedIn souhaite obtenir le meilleur retour sur investissement en se basant sur des stratégies de développement de produits éprouvées par les données, Amazon utilise des tests A/B pour proposer des listes optimisées aux utilisateurs. Et cela stimule les ventes.

Notre succès chez Amazon est fonction du nombre d’expériences que nous faisons par an, par mois, par semaine, par jour.

– Jeff Bezos, fondateur et président exécutif d’Amazon.

Dans tous ses produits, Search, Android, YouTube, Gmail et bien d’autres, Google prend des décisions fondées sur les données. Déjà un mastodonte du numérique, mais Google ne se relâche pas. Il n’y a pratiquement aucun changement affectant l’expérience utilisateur qui ne soit pas évalué par l’expérimentation chez Google.

En 2000, Google a réalisé son premier test A/B pour déterminer le nombre de résultats à afficher par page. Le test a échoué parce que la version la plus récente se chargeait plus lentement que la version originale. Mais ils en ont tiré une leçon : 1/10e de seconde pouvait faire ou défaire la satisfaction de l’utilisateur. En 2011, ils ont effectué plus de 7 000 tests A/B sur leur algorithme de recherche.

Bing de Microsoft n’est pas en reste et réalise jusqu’à 300 expériences par jour. Ils disent même que « chaque utilisateur tombe dans l’une des 30 milliards de combinaisons d’expériences possibles. » Il y a une forte culture du test chez Microsoft. À tel point qu’ils ont développé leur volant d’essais A/B :

Volant d’essai A/B (Source : Microsoft)

L’idée est qu’un programme de tests A/B devrait déclencher une boucle qui s’alimente constamment pour inspirer un test après l’autre – tout cela pour améliorer l’expérience du client. C’est l’une des raisons pour lesquelles Bing a connu une croissance, comme l’augmentation des revenus générés par les recherches de 10% à 25% par an.

Facebook a utilisé les tests A/B à bien des égards dans le passé. L’un d’entre eux visait à résoudre un problème courant dans les produits de grande envergure : la découverte des fonctionnalités. Ils ont testé le placement de l’icône du marché dans un endroit plus visible.

Source : Maxime Braud via SlideShare

Fait amusant : lorsque Microsoft a demandé à ses utilisateurs ce qu’ils voulaient ajouter à Office, ils ont découvert que 90% des fonctionnalités demandées étaient déjà présentes.

– Des Traynor, cofondateur de LinkedIn

L’avenir du test A/B

Il est préférable de s’informer sur l’avenir des tests A/B auprès de ceux qui sont à l’avant-garde du secteur, les experts pratiques et les optimiseurs de taux de conversion professionnels.

Voici ce qu’ils ont à dire :

Au cours des dernières années, la CRO a connu des changements importants. Comme la CRO devient de plus en plus un processus complexe, je pense que dans cinq ans, elle sera confrontée à des changements significatifs en matière de personnalisation.

Les gens veulent savoir quelles données vous collectez et pourquoi. La confidentialité et la personnalisation seront primordiales, car les gens veulent sentir que vous les comprenez et que vous répondez à leurs besoins.

– Richard Garvey, PDG de Different SEO

Alors que par le passé, la CRO impliquait beaucoup d’expérimentations en créant différentes pages de destination afin de voir laquelle génère le plus d’actions souhaitées, une telle approche par essais et erreurs est inefficace et prend beaucoup de temps.

Au cours des cinq prochaines années, l’IA sera mieux à même de suivre le mouvement du curseur sur les pages Web ainsi que le suivi de l’iris dans les tests. Nous serons en mesure de recueillir une pléthore de données par le biais de tests auprès de groupes cibles, ce qui peut révolutionner la façon dont les pages de renvoi sont conçues.

– Michael Austin, directeur du marketing chez G6 Consulting Inc.

Google ayant annoncé que les cookies tiers feront bientôt partie du passé, les spécialistes du marketing doivent trouver d’autres moyens de personnaliser l’expérience de navigation et de collecter les données des visiteurs.

Je pense que l’avenir apportera plus de droits aux visiteurs et que la collecte de toute donnée deviendra de plus en plus difficile.

Nous devrons trouver de nouveaux moyens de capturer des leads et cela va devenir une course au meilleur contenu pour que les visiteurs puissent laisser leurs précieuses informations.

– Petra Odak, directrice du marketing chez Better Proposals.

La recherche contractuelle commence à changer. Et il semble bien qu’elle va changer au cours des cinq prochaines années, de deux manières fondamentales. D’une part, la CRO devient plus empirique et plus sophistiquée au niveau des données. Deuxièmement, il est désormais plus courant pour les entreprises d’utiliser l’expérimentation bien au-delà du test des modifications de l’interface utilisateur et de l’interface utilisateur du site Web (à tel point qu’il y a eu des discussions sur le choix d’un nouveau terme pour cette pratique, comme « optimisation de l’expérience client » ou « optimisation de la valeur client »).

À bien des égards, il s’agit simplement du reflet de ce que les entreprises FAANG (Facebook, Amazon, Apple, Netflix et Google) savent et pratiquent depuis une dizaine d’années. Ayant compris qu’il était impératif de tout tester dans l’ensemble de l’entreprise et de mener autant d’expériences que possible, les entreprises FAANG ont engagé des scientifiques pour développer ce qui constitue littéralement des avancées fondamentales dans le domaine des statistiques. Ces avancées leur permettent de réaliser davantage d’expériences, de les réaliser plus rapidement et de mesurer des résultats de plus en plus complexes (par exemple, Bing évalue si un utilisateur a réussi à trouver ce qu’il cherchait, ou Netflix évalue l’impact des différentes approches de chargement des vidéos sur les connexions lentes sur la frustration des utilisateurs).

– Ryan Lucht, stratège de croissance senior chez CRO Metrics.

Principaux points à prendre en compte pour les CMO en matière de tests A/B

À la tête des affaires marketing, vous êtes probablement pressé de produire des résultats qui stimulent les ventes. Pour vous, l’objectif est la conversion, c’est-à-dire générer plus de prospects pour l’équipe de vente.

Lorsqu’il s’agit de mettre en œuvre des tests A/B à cette fin, à quoi devez-vous penser ?

Nous avons décrit 4 des considérations marketing les plus courantes en matière de tests A/B :

1. Le test A/B est-il nécessaire ?

Les tests A/B ne sont pas toujours nécessaires pour augmenter vos taux de conversion. Par exemple, si votre produit a besoin d’une refonte complète, le test A/B ne pourra pas vous aider à convertir. Le bon produit doit d’abord être en place.

2. Êtes-vous prêt à faire ce qu’il faut pour mener un programme d’essais ?

Un programme de test nécessite plus d’un test. Une bonne stratégie consiste à utiliser les données d’un test pour inspirer le suivant. Les tests ponctuels donnent rarement des résultats spectaculaires.

3. Les données sont le roi des tests

Vous devez disposer d’un accès solide aux données et d’une capacité de traitement où les bonnes données sont disponibles pour quiconque souhaite imaginer des tests. Chad Sanderson a imaginé un volant d’inertie qui décrit la facilité d’utilisation et l’accessibilité des données, ainsi que la manière dont cela encourage les décisions fondées sur les données.

Sans la bonne culture des données, vos hypothèses ne seront pas tenables. Et les données issues des tests A/B ne permettront pas non plus d’apporter de nouvelles améliorations.

4. Le retour sur investissement des tests

Il faut du temps pour que les résultats des tests A/B soient visibles. Et comme nous l’avons déjà vu dans la section sur le retour sur investissement, il n’est pas nécessaire que le retour sur investissement soit une contribution directe aux revenus. Dans certains cas, les tests peuvent favoriser l’innovation. Dans d’autres, la rétention. Apprenez à voir l’impact des tests sur les mesures en aval.

Maintenant, mettons en évidence certains défis rencontrés lors de la réalisation d’un test A/B.

Quels sont les défis des tests A/B ?

Les défis sont inhérents à tous les types de tests, et les tests A/B n’en sont pas exclus. Les défis peuvent toujours être frustrants, mais savoir à quoi s’attendre peut atténuer cette réaction. Surtout lorsque vous comprenez à quel point le test A/B est puissant dans votre arsenal  » Obtenir plus de conversions « .

Voici quelques défis que vous pouvez rencontrer avec les tests A/B et comment les combattre.

Défi n°1 du test A/B : Que tester ?

Comme lorsque vous avez beaucoup de choses à faire sur votre liste de choses à faire – Priorité, Priorité, Priorité !

Les priorités, les données et les analyses déterminent ce qu’il faut tester.

Pour des conseils spécifiques, consultez la section « Que tester ? ».

Défi n°2 du test A/B : Générer des hypothèses

Cela peut sembler simple, mais trouver une hypothèse basée sur des données peut être un défi. Elle nécessite des recherches et une solide interprétation des données. Il est important de ne pas faire une  » supposition éclairée  » basée sur vos connaissances. Assurez-vous que votre proposition est générée par des données.

Consultez la section sur la génération d’une hypothèse pour obtenir des directives spécifiques sur la formulation d’une hypothèse.

Défi A/B Testing #3 : Calcul de la taille de l’échantillon

Les calculs statistiques ne sont peut-être pas votre tasse de thé. Cependant, il est essentiel de comprendre comment calculer la taille de l’échantillon et pourquoi elle est importante pour le succès de chaque test A/B.

Prenez le raccourci et laissez votre outil de test faire le gros du travail pour vous. Mais comprendre comment la taille de l’échantillon influence vos tests vous donnera un avantage.

Défi A/B Testing #4 : Analyser les résultats de vos tests

C’est la partie la plus amusante des tests A/B, car c’est l’occasion de comprendre ce qui a marché et ce qui n’a pas marché, et pourquoi. Pourquoi le formulaire avec plus de champs a-t-il obtenu une augmentation significative ? Pourquoi l’image laide au-dessus du CTA l’emporte-t-elle continuellement sur la variation ?

Que votre test A/B réponde ou non à votre hypothèse, réfléchissez à toutes les données. Que vous réussissiez ou échouiez, il y a des joyaux d’information à glaner dans chaque test A/B développé dans le cadre d’un protocole de test A/B strict.

Une mauvaise interprétation des résultats peut conduire à de mauvaises décisions et affecter négativement les autres campagnes marketing dans lesquelles vous intégrez ces données. Prenez donc au sérieux l’étape de post-analyse et de déploiement et ne vous laissez pas prendre au piège.

Défi du test A/B n°5 : Maintenir une culture du test

À quoi sert votre connaissance des tests A/B ou tous vos outils A/B sophistiqués si votre culture ne soutient pas l’expérimentation ? Il sera difficile d’inciter les collègues et les membres de la direction à tester.

Cela vous empêchera également d’itérer, ce qui est la base du test A/B. Continuez à tester.

Défi n° 6 des tests A/B : Effet de scintillement gênant

Le papillotement se produit lorsque votre visiteur voit votre page de contrôle pendant quelques secondes avant de passer à votre page de traitement ou de variation. Cela peut sembler peu, mais le cerveau traite ces données (voir la page d’origine) et cela change la façon dont le visiteur interagit avec votre variation, ce qui affecte finalement les résultats de votre test A/B.

Vous pourriez perdre des clients &amp ; des revenus à cause de votre outil de test A/B !

Une seule seconde de clignotement ou de scintillement du contenu original (FOOC) nuit à votre réputation. Il frustre le trafic et a un impact négatif sur les conversions de 10 % ou plus !

Si vos variations ne sont pas performantes à cause du clignotement persistant, ce livre blanc vous montrera de nouvelles façons d’augmenter la vitesse du site, d’optimiser les images et de rationaliser le code pour vaincre le FOOC.

– Claudiu Rogoveanu, co-fondateur et directeur technique de Convert.com.

Défi n° 7 des tests A/B : Éditeurs visuels encombrants

Certaines plateformes de test ont des éditeurs visuels encombrants qui rendent difficile la modification de votre contrôle.

L’éditeur visuel de Convert est fluide et facile à utiliser.

Vous pouvez jouer avec cet éditeur visuel pendant 15 jours. C’est gratuit. Aucune carte de crédit requise. Accès complet.

Défi n°8 du test A/B : Difficulté à créer des objectifs de test

Difficultés à créer des objectifs et à sélectionner des éléments pour suivre les clics. Pas de flux clair lors de la mise en place des expériences. Cela nous ramène à l’importance des tests. Le fait de suivre le guide étape par étape ci-dessus devrait permettre de minimiser ce type d’incident.

Défi n°9 des tests A/B : Conserver les changements

Que se passe-t-il lorsque le gagnant de votre test est la variation B ? Cela signifie que vous devez mettre en œuvre le changement sur votre site Web.

Avec de nombreux outils, il n’y a pas de moyen direct de conserver les changements sur la plateforme jusqu’à ce qu’ils soient mis en œuvre sur leur serveur.

Puisque toutes les équipes seront à bord avant le début de tout test. Prévenez l’équipe responsable des changements que, selon le vainqueur du test, une demande de modification d’un élément pourrait leur être adressée prochainement.

Défi A/B Testing #10 : Séparation du code

Il n’y a pas de moyen simple de séparer le code lorsqu’il y a des expériences multi-pages.

Défi A/B Testing #11 : Exclusion du trafic interne des résultats

Les spécialistes du marketing ne le savent que trop bien. Les données de Google Analytics sont inondées de métriques qui représentent le trafic interne. Cela se produit également avec vos tests A/B. Il est difficile d’exclure le trafic interne des rapports d’expérience.

Défi n°12 des tests A/B : Les tests avancés nécessitent un support technique (Dev)

Si vous avez beaucoup de trafic, un site énorme, si vous avez besoin d’une segmentation ou d’un code spécial, vous devrez faire appel à votre équipe de développement. Le problème se pose davantage si vous n’avez pas d’équipe de développement ou si votre équipe de développement n’a pas la capacité de soutenir les efforts de test.

Si c’est le cas, il est peut-être temps de restructurer votre programme d’expérimentation.

Défi A/B Testing #13 : Intégration de tiers

Vous n’utilisez jamais un seul outil. Souvent, vous souhaitez voir les données de votre test (ou importer des données dans votre test) à partir d’applications tierces.

Toutes les plateformes de test ne vous permettent pas de le faire de manière transparente.

Convert s’intègre à plus de 100 outils.

Défi A/B Testing #14 : AQ de l’expérience

Comme vous pouvez le constater, de nombreux éléments peuvent créer des problèmes dans votre test A/B si vous ne faites pas attention. C’est pourquoi le contrôle de la qualité de votre expérience est important. Malheureusement, de nombreuses personnes négligent cette étape et s’en remettent fortement à elle. Surtout lorsque vous vous appuyez fortement sur des outils fantaisistes.

Oui, laissez l’outil faire le travail, mais faire un contrôle de qualité avant d’appuyer sur le bouton de démarrage n’est jamais une mauvaise idée.

Défi A/B Testing #15 : A/B Testing sur mobile

Selon DataReportal, il y a 5,15 milliards d’utilisateurs uniques de téléphones mobiles. La possibilité de tester sur différents appareils est très demandée. Et le désir des gens de faire des tests a/b sur mobile est également en augmentation. L’accessibilité des outils sur différents appareils est essentielle.

Lorsque vous choisissez un outil, tenez compte de cette limitation de l’accessibilité.

Comme vous pouvez le voir, vous pouvez rencontrer de nombreux pièges.

Il existe une relation étroite entre les défis des tests A/B et les erreurs de ces tests. Il est temps de passer en revue les pièges potentiels les plus courants dans les tests A/B et comment les éviter.

Quelles sont les erreurs à éviter lors des tests A/B ?

Avec autant d’étapes et de concepts qui doivent fonctionner ensemble, les possibilités d’erreurs sont nombreuses.

Voici quelques erreurs courantes commises dans les tests A/B et comment les éviter.

Erreur n° 1 : ne pas planifier sa stratégie de CRO

Le pire, c’est de ne pas planifier du tout.

La planification est une étape du processus de test A/B que vous ne pouvez pas ignorer ou sauter. La planification comprend la collecte de données, l’examen de vos stratégies de conversion globales et des objectifs souhaités, ainsi que la création d’une hypothèse solide.

Nous savons que les tests peuvent être amusants, mais vous ne le faites pas pour le plaisir, vous faites des tests A/B pour stimuler la croissance de votre entreprise et trouver des opportunités dans votre marketing pour mieux convertir.

Par ailleurs, les spécialistes du marketing sont parfois tentés de suivre les revendications et les voies des gourous de l’industrie. S’en tenir à votre plan vous découragera, vous ou votre équipe, d’agir ainsi. Un changement de CTA leur a peut-être permis d’obtenir une augmentation de 24 %, mais votre entreprise, votre site Web, vos objectifs et votre objectif de conversion sont différents. Avoir un plan vous permettra de garder ce rappel au premier plan.

Erreur n°2 : tester trop de choses à la fois

La puissance des tests A/B réside dans la compétitivité d’un seul élément à la fois. Si vous effectuez trop de tests en même temps, comment savoir lequel est responsable des changements positifs ou négatifs ?

Si vous souhaitez tester plusieurs éléments, ce qui devrait être le cas, utilisez un outil de priorisation pour concentrer vos efforts. Assurez-vous également que vous utilisez un outil capable de gérer plusieurs tests. Avec Convert, vous pouvez exécuter plusieurs tests A/B sur différentes pages en même temps.

Erreur n°3 : Ne pas atteindre la signification statistique

Laissez chaque test que vous effectuez atteindre la signification statistique. Même si vous pensez pouvoir identifier un gagnant clair avant d’atteindre la signification statistique, arrêter votre test prématurément invalidera les résultats. Ceci est particulièrement important lorsque vous utilisez le modèle statistique Fréquentiste dans votre test A/B.

C’est comme sortir un gâteau du four trop tôt. Il peut sembler cuit, mais lorsque vous l’inspectez, vous réalisez que vous auriez dû le laisser cuire pendant toute la durée du temps alloué.

Erreur n°4 : Test de durée incorrecte

Comme indiqué dans l’erreur n°3 des tests A/B, vous devez exécuter vos tests pendant toute leur durée. Si vous ne le faites pas, vous ne pouvez pas atteindre la signification statistique.

Lorsque vous pensez à la durée du test, pensez à la « règle de Boucles d’Or ». Vous voulez que la durée de votre test soit  » juste ce qu’il faut « , ni trop longue ni trop courte.

La façon d’éviter cela est d’arrêter un test uniquement lorsqu’un gagnant est déclaré par votre logiciel de tests A/B.

Erreur n°5 : Utiliser un trafic requis supérieur ou inférieur aux calculs.

Utiliser des quantités de trafic différentes, supérieures ou inférieures, peut avoir un effet négatif sur votre test A/B. Utilisez des chiffres de trafic corrects pour garantir des résultats concluants.

Erreur n°6 : Ne pas itérer

Pour profiter pleinement des avantages des tests A/B, vous DEVEZ intégrer l’itération dans votre plan. Chaque test A/B vous prépare à un autre test.

C’est ce processus itératif qui vous permet d’affiner votre site Web, d’identifier les opportunités et de donner à vos clients l’expérience qu’ils souhaitent et méritent, ce qui se traduit par des conversions plus élevées pour vous.

Il est tentant d’arrêter les tests après un essai réussi. Mais rappelez-vous l’acronyme pour les tests A/B. Toujours tester. Que ceci soit votre modèle.

Erreur n°7 : ne pas prendre en compte les facteurs externes

Les jours fériés, les jours de la semaine, les heures de la journée, la météo, l’état général de la société – toutes ces choses et bien d’autres encore influencent la façon dont les visiteurs s’engagent sur votre site.

Lorsque vous analysez les résultats, tenez compte de ces éléments.

Erreur n°8 : utiliser les mauvais outils ou des outils inadaptés

Donner la priorité à l’expérimentation et aux tests A/B signifie investir dans les bons outils. Essaieriez-vous de construire une maison avec un simple tournevis et un marteau ? Bien sûr, vous pouvez le faire, mais ce serait une utilisation inefficace et médiocre des ressources.

Pensez à votre entreprise comme à une maison, vous la construisez à partir de zéro et vous avez besoin des bons outils pour faire le travail.

Ne tombez pas dans le piège de regarder l’investissement initial sans regarder le retour sur investissement de votre investissement dans les tests A/B.

En reprenant notre exemple de maison, une bonne perceuse peut vous coûter plusieurs centaines de dollars, mais calculez ce qu’elle vous fera gagner en temps (qui est de l’argent).

Vous n’êtes pas sûr de l’outil qui vous permettra d’en avoir pour votre argent ? Convert élimine le risque lié à la décision en vous donnant 15 jours pour essayer notre outil de test A/B. Aucune carte de crédit n’est requise et toutes les fonctionnalités sont disponibles.

La meilleure façon de vérifier un outil est de l’explorer. Obtenez un accès complet à Convert pendant 15 jours gratuitement. Faites des tests A/B, découvrez toutes nos intégrations et voyez pourquoi tant d’optimisateurs ont choisi Convert Experiences comme alternative à Optimizely.

Erreur n°9 : Ne pas être créatif dans vos tests A/B

Le test A/B est un outil formidable si vous l’utilisez dans toute sa capacité. Malheureusement, beaucoup de gens l’utilisent simplement pour tester les variations de couleur des boutons. Oui, c’est un élément valable à tester, mais ne vous arrêtez pas là.

Si vous avez besoin d’inspiration, consultez la session « Que dois-je tester ? ».

Il en va de même avec votre logiciel de test A/B. Explorez-le. Qu’est-ce qui peut faire ça ?

Convert propose une session d’accueil personnalisée avec notre équipe d’assistance pour vous permettre d’utiliser le logiciel immédiatement, mais aussi pour vous montrer comment l’utiliser dans le cadre de votre programme de test.

En connaissant les défis et les pièges potentiels des tests A/B, il est plus facile pour vous de les éviter ou de les résoudre s’ils se présentent.

Ce ne sont là que quelques exemples. Il y en a bien d’autres à éviter pour que vos campagnes d’essai donnent réellement les résultats escomptés.

Voici quelques autres erreurs courantes à éviter en matière de tests A/B (et n’oubliez pas de cliquer sur la ressource ci-dessus pour obtenir la liste complète) :

1. Effectuer un changement en direct avant de le tester
2. Ne pas tester les performances et la précision de votre outil de test A/B
3. Permettre à votre outil de test A/B de scintiller pendant les tests
4. Exécuter des tests uniquement sur la base des « meilleures pratiques du secteur ».
5. Tester trop de choses à la fois et ne pas être capable de suivre les résultats
6. Peeking – chercher à voir les performances d’un test pendant son exécution (avant qu’il n’atteigne la signification statistique).
7. Apporter des modifications pendant l’exécution du test
8. Obtenir des émotions lorsqu’un test échoue
9. Abandonner après l’exécution d’un seul test
10. Ne pas lire les résultats correctement et par segments
11. Oublier les faux positifs et ne pas revérifier les énormes remontées.
12. Ne pas vérifier la validité après le test

Conclusion

J’espère que cet article vous a inspiré des exemples réels et une ligne directrice à suivre pour commencer les tests A/B dès aujourd’hui ou redynamiser vos campagnes de tests A/B. Testez souvent, testez régulièrement, testez dans le cadre d’une stratégie.