Trouver un article
Thèmes populaires
Avant de lancer des tests A/B sur votre site, découvrez les erreurs à éviter.
L’A/B testing permet de tester simultanément deux versions différentes d’une même page web, dans le but d’identifier ce qui fonctionne le mieux et effectuer par la suite les optimisations nécessaires pour atteindre de meilleurs résultats. Cette pratique est aussi utilisée pour les campagnes d’emailing, pour tester des objets de mail ou des contenus d’email différents.
On peut prendre notamment l’exemple des sites e-commerce : ils peuvent lancer un test sur une fiche produit, en présentant deux versions avec deux images différentes ou deux CTA avec un texte différent. Après une analyse pertinente des données, ils pourront alors déterminer laquelle des 2 versions est la plus adaptée à leur audience.
Mais l’A/B testing s’avère une pratique complexe qui demande beaucoup de rigueur pour que les résultats ne soient pas faussés. Avant de se lancer dans le grand bain du test A/B, nous vous invitons à découvrir des erreurs fréquentes et des conseils pour les éviter.
Vous devez établir un plan stratégique avant de vous lancer dans les tests. Ce plan va vous permettre de cerner les points sur lesquels vous devez travailler en priorité. Même si cela peut vous paraître évident, n’hésitez pas à lister dans votre plan : les objectifs de votre entreprise et de votre site web, les pages les plus visitées et celles qui ont du potentiel pour convertir, les frictions rencontrées dans votre tunnel de conversion (visibles notamment sur Google Analytics) mais aussi les métriques qui sont clés. À partir de ce plan, vous allez pouvoir ensuite déterminer les tests à prioriser.
Le slogan est le suivant pour l’A/B testing : « pas de test sans hypothèse ». Pour chaque test, vous devez vous baser sur une hypothèse de départ, qui va être validée ou invalidée suite au test. Pour établir cette hypothèse, vous devez vous baser sur une analyse de données comme par exemple des données sur le trafic de votre site web, le taux de rebond d’une page, le taux de conversion pour un produit ou des données à partir d’une carte de chaleur ou bien d’un sondage effectué. Par exemple, vous pouvez faire l’hypothèse que vous avez peu de validation d’un formulaire car il y a trop de champs à remplir, vous pourrez alors lancer un test A/B avec le formulaire existant et une autre version de formulaire avec moins de champs, et voir si votre hypothèse est confirmée.
Vous devez effectuer des tests sur une population assez conséquente pour que le test A/B soit vraiment significatif. C’est exactement le même principe que pour une enquête. Si vous réalisez une enquête sur 10 personnes, ça n’aura pas la même valeur que sur 1000 personnes. Il faut donc avoir un nombre suffisant de données pour pouvoir tirer des conclusions, c’est pourquoi l’A/B testing est plutôt recommandé pour des pages web qui présentent un trafic important.
Si vous testez la version A sur une période, puis la version B sur une autre période, ce n’est plus de l’A/B testing. En effet, pour que les résultats soient justes, vous devez bien tester les deux versions simultanément, en répartissant le trafic sur chacune des variantes. De plus, si vous testez la version A sur une période qualifiée de « calme » sans événement particulier, et la version B sur une période de vacances scolaires ou de fêtes de fin d’année par exemple, les résultats ont des chances d’être biaisés car le comportement de l’audience pourrait être complétement différent. C’est pourquoi il est indispensable de lancer vos deux versions au même moment.
Ne soyez pas trop « gourmand » et effectuez plutôt un test sur une seule variable dans un premier temps. Si vous testez trop de variables simultanément, vous aurez du mal à tirer des conclusions fiables à la fin de votre test A/B car vous pourriez ne pas pouvoir identifier quelle variable influe réellement sur les performances enregistrées. Si vous souhaitez tester plusieurs variables d’éléments d’une même page, effectuez plusieurs tests consécutifs plutôt qu’un seul test avec la modification de plusieurs éléments. Pour des tests plus complexes, il faudra opter pour le testing multivarié comme le proposent certaines solutions d’A/B testing.
Découvrez notre sélection des meilleurs outils d’A/B testing
C’est très simple. Si vous arrêtez le test trop tôt, vous n’aurez pas de données assez pertinentes pour en tirer des conclusions pertinentes. Alors comment savoir à quel moment arrêter le test ? Vous devez prendre en compte l’indice de confiance qui permet de connaître le pourcentage de chance d’obtenir les meilleurs résultats avec la variante testée. Vous devez atteindre un indice de confiance d’au moins 95 % pour considérer votre test comme fiable et vous assurer une stabilité statistique. Selon les outils spécialisés du marché, il est recommandé de lancer des tests A/B d’une durée d’au moins 1 semaine, voire jusqu’à 3 semaines.
Si vous arrêtez le test trop tard, vous allez finir par manquer d’efficacité, en exposant une partie de votre audience à une variation déjà testée alors que vous pourriez mettre en place de nouveaux tests. Une fois l’indice de confiance atteint (minimum 95 %) et si vous avez recueilli les informations nécessaires pour avancer, alors vous pouvez mettre fin au test et en lancer des nouveaux pour continuer l’optimisation de votre site.
Il est bon de rappeler qu’il faut éviter de modifier les éléments testés de votre version A (version originale de la page) car cela pourrait fausser les résultats de la version B (variante de la version A). Si le test est lancé, la plus sage des actions est l’inaction.
Une autre erreur à éviter : regarder un seul KPI suite à votre test. En effet, si vous prenez en compte seulement un KPI, vous pourriez croire que le résultat est positif puisque votre KPI est en progression, mais dans le même temps, d’autres KPIs peuvent être en baisse, et vous finirez par vous en rendre compte seulement dans un second temps. Ainsi, pensez à mesurer à la fois les micro-conversions (clic, partage, ajout au panier ou à une wishlist, inscription à une newsletter…) et les macro-conversions (validation d’un achat, demande d’une démo, demande d’un devis…).
Suite aux résultats obtenus d’un test, vous trouvez que la variante apporte finalement une marge de progrès faible par rapport à ce que vous espériez. Mais il faut savoir que même une faible variation positive ne doit pas être abandonnée. Et ces « petits gains » sur le long terme, vous permettront une optimisation non-négligeable de vos résultats sur le long terme. Alors pensez à calculer la progression que cela peut donner sur 12 mois, cela vous permettra de vous faire une idée plus précise de l’importance des gains obtenus.
Votre adresse email ne sera pas publiée.
Vous êtes CM ou social media manager ? Comme chaque année, nous avons besoin de vous !
En cliquant sur “S’inscrire”, vous acceptez les CGU ainsi que notre politique de confidentialité décrivant la finalité des traitements de vos données personnelles.
Apprenez à construire et piloter une stratégie de marketing digital
Pour apprendre à utiliser les bons canaux, comme il le faut
Les points clés d’une stratégie digitale et les leviers marketing à activer
En cliquant sur “S’inscrire”, vous acceptez les CGU ainsi que notre politique de confidentialité décrivant la finalité des traitements de vos données personnelles.
A