L’A/B test : 5 questions pour le comprendre

Aujourd’hui, le marketing devient de plus en plus concurrentiel.

Il faut sans arrêt être le meilleur dans son domaine, et surtout, le rester.

Sauf qu’on ne sait pas toujours par où commencer.

Car les consommateurs sont de plus en plus exigeants.

Et ce qui fonctionne avec certains ne fonctionne pas du tout avec d’autres.

C’est pourquoi l’A/B testing a pris beaucoup d’ampleur ces derniers temps.

Car un marketing réussi, c’est avant tout une histoire de test.

Je vous propose donc de découvrir la pratique de l’A/B test en cinq questions.

L’A/B test, qu’est-ce que c’est ?

L’A/B test consiste à proposer plusieurs versions différentes d’un seul et même objet.

Le plus souvent, l’objet en question est une page de site web.

Le but est d’observer les réactions d’une audience définie à l’avance, et de voir comment elle se comporte vis-à-vis du changement.

Pour que l’A/B test soit probant, il doit être fait en changeant un seul élément à la fois par version.

De cette façon, on obtient des résultats plus précis.

Car un changement trop important peut perturber les utilisateurs, qui risqueraient de ne pas s’y retrouver.

Il existe bien sûr ce qu’on appelle un test multi varié. ou test MVT.

Ce test consiste à opérer plusieurs changement simultanés sur une page web.

Mais le problème du test MVT, c’est qu’il nécessite de générer un trafic conséquent pour pouvoir tester toutes les variantes.

Mieux vaut donc s’en tenir à un changement par version.

En revanche, on peut proposer autant de versions qu’on veut.

Tout dépend du nombre d’éléments à tester, et du type de résultat voulu.

Quels sont ses avantages ?

L’A/B test offre de nombreux bénéfices.

Déjà, il permet de mieux comprendre sa cible.

En proposant plusieurs versions différentes à une même audience, on peut à chaque fois mesurer l’impact du changement de façon précise.

Que les réactions soient positives ou négatives, on peut les analyser en détail.

De cette façon, on peut déceler plus facilement les failles d’un système, et comprendre ce qui freine les utilisateurs.

A l’inverse, on peut aussi prendre conscience de ce qu’il y a de bien, et travailler dessus.

Et ainsi, opérer les modifications nécessaires pour augmenter son taux de conversion.

A ce titre, l’A/B test permet de mieux gérer son budget.

Car on peut se concentrer sur ce qui fonctionne, et ce qui plaît vraiment aux utilisateurs.

D’où l’importance de hiérarchiser et de prioriser les tests, comme je ne vais pas tarder à vous l’expliquer.

Mais surtout, l’A/B test permet de limiter au maximum les risques liés à des hypothèses subjectives.

Car quand on crée une nouvelle page web, on part toujours d’un postulat.

Mais on est obligé d’y aller un peu à tâtons, sans trop savoir ce qui peut marcher ou pas.

L’A/B test permet alors de réduire les risques.

Puisque chaque test en apprend un peu plus sur ce qui peut fonctionner, et ce qui ne fonctionne pas.

Quels sont les différents types d’A/B test ?

Il existe trois types de tests majeurs, qu’on retrouve dans quasiment toutes les stratégies d’A/B test.

L’A/B test classique

C’est le plus simple, mais aussi le plus courant des tests.

Il consiste à préparer deux versions différentes d’une page web : une version A, et une version B.

Ces deux pages sont hébergées sur la même URL, ce qui simplifie considérablement la chose.

Il suffira ensuite de comparer les résultats pour déterminer la version qui fonctionne le mieux.

Le MVT

Comme je vous le disais, le test multi-varié consiste à opérer plusieurs changements sur un seul et même support.

On utilise alors généralement un outil dédié, qui se charge de trouver toutes les combinaisons d’éléments possibles sur le support.

L’outil en question détermine ensuite la meilleure combinaison.

Mais encore une fois, il faut brasser un trafic énorme pour que le MVT soit réellement significatif.

Le split testing

Ici, on reste assez proche de l’A/B test classique.

A ceci près que les différentes versions sont hébergées sur plusieurs URL différentes.

Contrairement au test classique, qui rassemble tout sur une seule et même URL.

C’est donc un peu plus compliqué à mettre en oeuvre.

De plus, mieux vaut utiliser le split testing quand on a des changements importants à tester.

S’il ne s’agit que d’un seul élément à changer, autant rester sur l’A/B test classique.

Comment choisir les éléments d’A/B test ?

On peut tester de très nombreux éléments avec l’A/B test.

Mais tous ne valent pas forcément le coup d’être testés.

Pour les choisir, on conseille généralement d’utiliser la matrice PIE.

Chaque élément de la matrice est noté sur 10, et le score total permet de savoir quel élément tester.

Potentiel

Par potentiel, on entend les possibilités d’amélioration sur l’élément testé.

Plus exactement, à quel point on peut améliorer telle ou telle page.

Impact

Ici, on parle du trafic généré par chaque page web.

Il sera plus judicieux de concentrer ses efforts sur les pages générant le moins de trafic.

Car l’A/B test n’est pas vraiment pertinent sur une page qui génère un trafic important.

On ne change pas une équipe qui gagne après tout !

Facilité (Ease)

Il s’agit de déterminer quel élément est le plus facile à tester.

Les plus difficiles seront généralement laissés de côté, au profit d’éléments plus faciles à tester.

Quels pièges à éviter en A/B test ?

La principale limite de l’A/B test, c’est que c’est infini.

Autrement dit, on n’a jamais fini de faire des tests.

Et le problème, c’est que la perfection n’existe pas.

Du coup, la pratique peut vite devenir non seulement chronophage, mais aussi coûteuse.

Mieux vaut ne pas être un maniaque de la perfection !

L’autre limite de l’A/B test, c’est qu’il nécessite un minimum de trafic sur le site web testé.

Car pour que le test soit fiable, il faut qu’il concerne beaucoup de visiteurs.

Les sites à faible trafic devront donc avoir une marge d’amélioration très élevée, ce qui n’est pas toujours le cas.

L’A/B test est au cœur du marketing aujourd’hui.

Peu coûteux et facile à mettre en place, il permet d’obtenir des résultats probants en peu de temps.

Attention toutefois à bien attendre la fin des tests pour avoir un feedback pertinent.

Laisser un commentaire