Comment améliorer votre taux de conversion grâce à l'A/B testing !

Par Aymeric le 20/11/2019 dans Articles

Expertise

11 minutes

Dans le secteur du e-commerce, le taux de conversion moyen se situe entre 1 et 3%. Avec des coûts d'acquisition de plus en plus élevés et des sources de trafic de plus en plus complexes, il peut alors être intéressant de chercher à tirer le meilleur parti de ce trafic et d'en optimiser la conversion : c'est là qu'entre en jeu l'A/B testing. Petit zoom sur un outil qui peut rapporter gros en termes de business ou de réputation.

L’A/B testing, c’est quoi ?

Admettons que vous soyez le gérant d’un petit café de quartier. Vous souhaitez augmenter la fréquentation de votre établissement et vous décidez, pendant une semaine, de proposer une promotion : toute personne venant chez vous dans la semaine bénéficiera d’un café à prix réduit.

Cependant, vous n’êtes pas sûr du slogan à écrire sur le flyer que vous allez distribuer aux passants dans la rue : lequel va inciter le plus de personnes à venir ?

Heureusement, vous avez entendu parler de l’A/B testing.

L’A/B testing, même au café !

L’A/B testing est la comparaison de deux versions différentes d’une même page d’un site web (ou d’une application) qui permet de déterminer celle qui a le meilleur taux de performance.

L’idée est de créer deux versions de cette page - deux variantes - en différenciant un élément spécifique : un titre, une bannière, un bouton, une image, des textes… En fonction de critères définis (clics, conversion, visionnage…), une des deux pages pourra avoir une performance plus élevée : l’A/B test permettra donc de décider quelle page sera maintenue.

Revenons à notre exemple.

Comme vous ne savez pas trop quel slogan choisir, vous décidez de distribuer aux passants dans la rue deux prospectus différents, de façon aléatoire : le premier avec écrit en gros « Venez prendre un café cette semaine et bénéficiez d’une remise à -50% ! » ; et le deuxième avec écrit « Venez prendre un café cette semaine à moitié prix ! ». Le design général ne change pas, seul le message est différent. Au cours de la semaine, vous constatez que presqu’aucune des personnes à qui vous aviez donné le premier tract n’est revenue dans votre café, alors que beaucoup de gens vous ont tendu le deuxième tract pour bénéficier de l’offre. Le deuxième slogan a donc beaucoup mieux fonctionné !

Prenons un peu de hauteur : que venez-vous de faire ?

Vous avez essayez deux versions différentes d’un même texte et soumis vos variantes de flyers à vos visiteurs, potentiels clients. Ce test vous a permis de connaître lequel des deux messages, pour un même but, était le plus performant. C’est ça, l’A/B Testing.

Un test A/B dans la vie de tous les jours : porte jaune ou porte rouge ?

Dans notre monde digital, chaque site web possède ses propres objectifs :

  • un site e-commerce souhaitera principalement vendre le plus de produits à ses visiteurs (par du cross-selling, de l’up-selling…),
  • un média en ligne cherchera à faire lire le plus de contenus possible à ses visiteurs (pour générer plus d’affichages publicitaires, et donc potentiellement de clics dessus),
  • un site d’organisation d’évènements pour professionnels voudra augmenter son taux de leads, et donc générer du remplissage de formulaires,
  • une app mobile de retouche photo souhaitera transformer ses essais gratuits en abonnements payants,
  • etc.

Le but, derrière chacun de ces objectifs, est donc de transformer le visiteur en quelque chose d’autre : un client, un habitué, un abonné ou bien un contact.

L’A/B testing est devenu en quelques années un moyen privilégié pour améliorer ce « taux de conversion » - KPI clé d’une stratégie marketing que vous soyez une start-up ou un grand groupe - sur la base de données fiables et quantifiées et non d’un ressenti subjectif pas toujours exact.

Un test A/B peut ainsi être assimilé à une étude quantitative en temps réel de nouvelles idées, qui va permettre aux équipes produit ou marketing d’expérimenter, d’améliorer en permanence un produit, un site, une expérience, via le retour d’utilisateurs finaux.

À la différence d’une campagne d’acquisition classique (achat de mot clés, campagnes SEA ou SMA), le test par une variante A/B a souvent un coût extrêmement réduit.

’A/B testing comme aide à la décision

L’A/B testing comme aide à la décision
Source : https://blog.ladder.io/ab-testing/

Que pouvez-vous A/B tester ?

À peu près tout :

  • vos titres,
  • vos bannières,
  • vos boutons d’action,
  • vos images,
  • vos textes,
  • la position d’éléments comme des badges, des liens sociaux, le panier…

Faire varier une page web pour A/B tester

Faire varier une page web pour A/B tester
Source : https://www.workana.com/i/glossary

Vous devrez sélectionner les éléments à A/B tester en fonction d’un diagnostic des performances de votre site ou application et de vos objectifs de croissance. Cependant, si vous êtes curieux, voici quelques idées de test :

  • Une liste de 50 tests possibles selon vos besoins et le support concerné par le test, proposée par Neil Patel
  • Neil Patel propose également 19 exemples de tests A/B très simples afin de se lancer dans la démarche
  • 12 A/B tests proposés par Rich Page, principalement orientés pour des sites web, avec quelques conseils d’optimisation de page !

N’oubliez pas que chaque test A/B est à analyser en tenant compte du contexte du produit et des objectifs de conversion priorisés ! Les tests ci-dessus ne sont là que pour vous servir d’inspiration et ne devraient pas être appliqués tels quels.

Comment ça se passe, un test A/B ?

Un test A/B va donc consister à comparer la variante existante de la page de votre site web ou de l’écran de votre application, à une autre variante dans laquelle vous aurez modifié l’élément que vous souhaitez tester (un bouton, un visuel, un texte…).

Ces deux variantes seront présentées chacune à la moitié de vos visiteurs, sur une durée définie. Au bout de cette période, vous serez en mesure de connaître :

  • la page la plus efficace entre l’originale et la variante par rapport à vos objectifs,
  • le cas échéant, si ces améliorations sont suffisamment rentables par rapport à vos coûts d’implémentation (en gros, le ROI de votre variante).

💡 Pour avoir des résultats exploitables, ne réaliser que des tests ‘avec un seul type d’élément modifié. En effet, si vous réalisez un A/B test en modifiant par exemple le libellé et la couleur d’un bouton, vous ne pourrez pas dire laquelle des modifications est à l’origine du changement de taux de clics… et votre test sera inexploitable. C’est dommage, non ?

Quelles sont les étapes d’un test A/B ?

Collecter des données

En fonction des objectifs et KPI propres à votre entreprise, les données récoltées via des outils analytics vous permettront de définir quelles sont les pages, écrans ou parcours à A/B tester. Par exemple, une page à fort trafic et présentant un taux de rebond important alors qu’il s’agit d’une page clé de votre site web devra certainement faire l’objet d’une optimisation.

Définir des objectifs

Avant toute mise en ligne d’un test A/B, il est primordial de définir des objectifs chiffrés clés, qui seront analysés lors du test et vous permettront de définir quelle version de la page est la plus performante (taux de conversion, taux de clic, ajout d’un élément au panier, lecture d’un nouvel article…).

Générer des hypothèses

Lorsque la page à optimiser a été choisie et les objectifs définis, vous devrez générer des hypothèses sur les points de blocages de la page, et les modifications nécessaires pour améliorer ses performances.

N’hésitez pas à vous appuyer sur cekit d’hypothèses pour les formaliser.

Priorisez vos idées de tests A/B

Si vous avez plusieurs points de blocage et/ou plusieurs idées de modifications, vous pouvez ne pas arriver à décider par quelle hypothèse commencer. Vous pouvez dans ce cas vous appuyer sur le framework PIE :

  • note /10 du potentiel : quelle est la marge d’amélioration sur ma page ?
  • note /10 de l’impact : quelles sont l’importance et la valeur du trafic sur ma page ?

note /10 de la complexité : quelle sera la difficulté (technique, politique…) de l’implémentation de mon test ?

La moyenne de ces trois notes vous permettra de prioriser vos tests et de savoir par où commencer.

Développer les variantes

Lorsque vous avez choisi votre test A/B le plus prioritaire, vous aurez à mettre en place les variantes, en reprenant la page originale et y apportant les modifications décidées aux étapes précédentes.

Mettre en ligne

C’est parti ! L’expérience peut enfin commencer. La page originale A et sa variante B sont en ligne. De manière aléatoire, les visiteurs de votre site ou application seront orientés vers la page A ou B. En fonction de l’outil d’A/B testing utilisé, chaque interaction de l’utilisateur avec votre page sera minutieusement mesurée.

Analyser les résultats

Une fois le test A/B fini, l’analyse des résultats vous permettra de définir si la stratégie d’optimisation de votre page est gagnante ou non. L’outil d’A/B testing vous montrera l’ensemble des objectifs prédéfinis et les statistiques des deux pages.

En général, vous aurez 3 types de statistiques à votre disposition (selon la solution choisie) :

  • des cartes de chaleur : elles vous permettront de comprendre le comportement des utilisateurs on-site,
  • des outils analytics : ils vous fourniront les data et les critères de segmentation nécessaires à l’étude des résultats bruts des statistiques de votre test,
  • des solutions de machine learning : elles vous permettront d’identifier les segments de vos visiteurs sur lesquels vous concentrer pour vos campagnes d’optimisation.

Le Machine learning pour l’A/B testing

Le Machine learning pour l’A/B testing
Source : https://neilpatel.com/blog/

Quelles plateformes pour s’essayer à l’A/B testing ?

De nombreuses plateformes se sont lancées sur ce sujet de l’expérimentation continue. Nous pourrions, entres autres, parler de A/B Tasty ouKameleoon, solutions de tests A/B française, d’Optimizely, ou de la solution lancée par GoogleOptimize.

Pour ma part j’ai eu l’occasion d’essayer l’une de ces solutions lors d’une expérience dans un grand groupe de presse français. Ce site média bénéficiant d’une audience de 10 millions d’individus touchés chaque mois par le digital, avait plusieurs problématiques d’engagement client.

En l’occurence, la plateforme utilisée était d’une simplicité d’utilisation déconcertante. La création de variantes à partir d’une page d’un site web se fait en ligne, par simples clics sur les éléments à modifier ou ajouts de widgets. Aucune compétence technique n’est requise, et n’importe qui peut alors changer le contenu, les couleurs, la disposition d’une page, et mettre en ligne son test A/B. Finalement, un test A/B, c’est simple comme distribuer des flyers !

La réalisation de quelques tests très simples - changer la position d’un bouton pour découvrir la formule abonné, proposer un wording plus clair pour accéder à l’espace abonné - ont permis à l’issue d’une campagne de deux semaines, d’augmenter de 33% le taux de clics sur les boutons d’adhésion et de 107% le nombre de visites sur la page d’abonnement.

L’A/B testing, une solution miracle ?

Vous l’aurez compris, l’A/B testing est extrêmement pratique lorsque vous voulez tester des variantes ou des solutions similaires, et que vous avez identifié un ou plusieurs métriques qui seront des indicateurs clairs de succès ou d’échec.

Il faut cependant faire attention à la façon dont vous mènerez vos tests A/B, car une mauvaise utilisation pourra dans le meilleur des cas rendre votre test inutile, dans le pire des cas vous induire en erreur avec des faux résultats et vous faire perdre du temps et de l’argent.

Parmi les erreurs les plus communes, on verra le fait d’appeler les tests trop tôt, de les faire tourner avec un trafic insuffisant sur votre page, de mal interpréter les résultats, etc. Vous trouverez assez facilement des exemples de mauvaises pratiques auxquelles faire attention.

Il pourra même arriver qu’un test A/B ne soit pas la meilleure solution pour répondre aux questions d’optimisation que vous vous posez. A cause d’une complexité de lecture des résultats des tests, à cause d’un manque de finesse des résultats de tests complexes, à cause de la diversité des visiteurs de votre site et de tous les éléments hors de votre contrôle qui peuvent influencer leurs comportements, etc. Il existe plusieurs limites au principe de l’A/B testing.

Cependant, que cela ne vous fasse pas peur ! L’A/B testing reste un formidable outil pour vous fournir des données analytiques. Il faut simplement veiller à justement voir l’A/B testing pour ce que c’est : un outil à votre disposition parmi d’autres pour vous aider dans votre prise de décision.

Pour aller plus loin

Maintenant que vous maîtrisez les tests A/B, pourquoi ne pas complexifier vos tests pour gagner du temps ou vérifier plusieurs hypothèses en même temps ?

Vous pourriez par exemple réaliser…

  • …un test multi-varié (MVT)

Il s’agit de tester plusieurs changements en même temps. Un outil d’A/B testing adapté se chargera de créer autant de variantes que nécessaire et de répartir votre trafic en conséquence. Comme vous vous en doutez, avec un nombre de variantes potentiellement élevé, ce type de test nécessite un trafic conséquent.

  • …un test A/B/n

Il s’agit de tester n hypothèses d’optimisation en même temps. Ce type de test est adapté si vous souhaitez tester n versions d’une page ou d’un écran, là où un test MVT vous permettra de tester les éléments au sein d’une même page.

  • …un test à allocation dynamique de trafic (Bandit)

Ce type de test permet de diriger automatiquement une partie de plus en plus importante de votre trafic vers la variante la plus performante.

Card image cap
Aymeric

Coach