6 astuces pour des tests A/B réussis

Il est conseillé aux uti­li­sa­teurs débutants d’A/B testing de démarrer avec des tests re­la­ti­ve­ment simples et de ne modifier que des éléments mineurs sur leurs pages (des il­lus­tra­tions ou des boutons). Ty­pi­que­ment, pour un premier test, il convient de ne disposer que d’une seule variable. Son résultat est ensuite facile à appliquer.

Les tests à variables multiples sont eux trop complexes pour les débutants. Par ailleurs, ils tendent à donner des résultats erronés et sont sujets aux pannes. Par con­sé­quent, il est conseillé de commencer avec un test de petite envergure. Il faut garder en mémoire que les chan­ge­ments sur un site Internet, aussi minimes soient-ils, peuvent mener à de gros résultats. Effectuez plusieurs petits tests, vous verrez que ces petites amé­lio­ra­tions feront toute la dif­fé­rence.

Le temps est le premier élément à respecter pour réussir son A/B testing. Une semaine est le minimum requis pour qu’un test soit ré­vé­la­teur. En effet, pour que toutes les données des com­por­te­ments des uti­li­sa­teurs soient prises en compte, il faut que tous les jours de la semaine soient inclus, soit les jours ouvrés ainsi que le weekend. L’erreur typique des uti­li­sa­teurs de l’A/B testing est l’im­pa­tience. En tirant des con­clu­sions trop hâtives, il se peut que ces derniers négligent des résultats in­té­res­sants. C’est pour cette raison qu’il est judicieux d’évaluer d’abord les sig­ni­fi­ca­tions des données quan­ti­ta­tives. Pour vérifier si les résultats ont du sens, il convient d’utiliser la cal­cu­la­trice gratuite de Visual Website Optimizer.

Tout test A/B part d’une hypothèse de base. Il faut que cette dernière soit clai­re­ment spécifiée de sorte que chaque chan­ge­ment dans le com­por­te­ment des uti­li­sa­teurs mène à une con­clu­sion.

Un A/B testing ne sert pas seulement à faire croître le chiffre d’affaires généré par un site Internet et à améliorer son taux de con­ver­sion. On peut également le con­si­dé­rer comme un sondage qui aide à mieux connaître ses clients. Ces in­for­ma­tions sont ensuite utilisées par les ad­mi­nis­tra­teurs de sites Web dans leur démarche de targeting (ciblage). 

Il est bien entendu possible de mener des tests de manière si­mul­ta­née sur plusieurs sous-pages. Mal­heu­reu­se­ment, cela peut entraîner des résultats erronés. Il convient alors de tester chaque mo­di­fi­ca­tion à la suite pour optimiser la page étape par étape. Néanmoins, si vous voulez modifier plusieurs éléments de manière si­mul­ta­née, il est conseillé d’utiliser alors un test multipage. Ce dernier garantit un suivi de l’uti­li­sa­teur. Dans ce cas de figure, un in­ter­naute reçoit soit toutes les nouvelles pages, soit toutes les anciennes pages du site Web qu’il visite.

Un scénario possible : après avoir testé une page retour (landing page), on remarque que la variante B présente un meilleur résultat en termes de clics et de taux de con­ver­sion. La con­clu­sion serait alors de mettre en avant la variante B au profit de la variante A. Cependant, il est également possible d’aller plus loin dans le rai­son­ne­ment. En utilisant en com­plé­ment de l’A/B testing d’autres outils d’analyse tels que Google Ana­lys­tics, il est possible de segmenter le groupe testé et de dis­tin­guer par exemple les clients nouveaux des clients déjà existants. On peut alors remarquer que les clients habituels régissent de manière positive sur la version B alors que les nouveaux clients sont plus enclins à préférer la version A, soit l’ancienne. Prendre la version A serait alors une erreur. Grâce à l’analyse Web, il est possible d’avoir un meilleur aperçu de ces résultats ce qui vous peut vous aider à tirer de con­clu­sions plus pointues.

Vos res­sources ne sont pas infinies lors d’un test A/B. Il se peut que vous soyez limité dans le temps mais également en ce qui concerne le nombre d’in­ter­nautes. Pour ne pas gaspiller ces pré­cieuses res­sources, il est important de se fixer des objectifs et de les prioriser. Les mar­ke­teurs ont souvent recours au principe dit SMART (Spécifique, Mesurable, Ambitieux, Réaliste, Temporel) qui permet de cons­truire des in­di­ca­teurs motivants et marquants tels que la clarté des seuils à atteindre, l’ob­jec­ti­vité des mesures… Pour en savoir plus, voici un page détaillée sur la méthode SMART.

En théorie, un test A/B est réussi s’il est ac­com­pagné d’un objectif réaliste, d’une hypothèse adaptée et d’un bon programme. Ces tests sont d’une grande utilité pour les en­tre­prises qui se posent des questions sur leur succès numérique. L’ex­pé­rience peut vous paraître chro­no­phage mais elle ne peut qu’être positive : un site Internet optimisé, amélioré et adapté à votre clientèle est à la clé.

Vous trouverez dans notre guide plus d’in­for­ma­tions sur l’A/B testing, ses avantages et ses in­con­vé­nients ainsi que les dif­fé­rents logiciels du domaine.