Mul­ti­va­riate Testing pour optimiser votre taux de con­ver­sion

Optimiser le taux de con­ver­sion est le but de tout dé­ve­lop­peur ou chef de projet Web. Du contenu et des produits de haute qualité cons­ti­tuent en général des éléments en­cou­ra­geants pour des en­tre­prises et des boutiques émer­gentes, mais également inef­fi­caces si les résultats visés, tels qu’un achat, un clic ou un for­mu­laire à remplir ne sont pas atteints. Bien que le nombre de visiteurs puisse être influencé par dif­fé­rentes actions (marketing sur les réseaux sociaux, SEO, SEA, link building, etc.), le taux de con­ver­sion est avant tout lié à deux facteurs : la confiance des uti­li­sa­teurs dans le site Web et la con­vi­via­lité du projet, également appelée l’uti­li­sa­bi­lité.

Pour améliorer cons­tam­ment le confort uti­li­sa­teur, le mul­ti­va­riate testing devient de plus en plus populaire auprès des dé­ve­lop­peurs et des pro­fes­sion­nels du marketing. Avec la version moderne du test, qui est encore plus complexe que les tests A/B, le but est de déceler et corriger les fai­blesses des éléments vérifiés, afin de faciliter l’accès au contenu des uti­li­sa­teurs. Si les uti­li­sa­teurs se sentent à l’aise et passent plus de temps sur le site ou la boutique en ligne, il y a plus de chances qu’ils ac­com­plis­sent l’action souhaitée, en l’oc­cur­rence la con­ver­sion.

L’exemple suivant illustre le fonc­tion­ne­ment du mul­ti­va­riate testing : le site Web d’un produit en par­ti­cu­lier doit être optimisé. La des­crip­tion et l’image utilisées servent de critères de base pour l’éva­lua­tion. La procédure d’éva­lua­tion a pour but de dé­ter­mi­ner si (et le cas échéant, dans quelle mesure), les deux des­crip­tions dif­fé­rentes A et B, ainsi que les deux photos du produit 1 et 2, ont une influence sur le taux de con­ver­sion. Pour ce faire, les images et les des­crip­tions sont combinées selon la façon suivante :

• Des­crip­tion A, image 1
• Des­crip­tion A, image 2
• Des­crip­tion B, image 1
• Des­crip­tion B, image 2

Dans cet exemple simple, le nombre de com­bi­nai­sons possibles est donc limité à 4. Si le test comprend davantage de variables, le nombre de com­bi­nai­sons possibles augmente lo­gi­que­ment en con­sé­quence. Ces quatre versions dif­fé­rentes sont ensuite pré­sen­tées aux clients po­ten­tiels qui con­sul­tent la page du produit cor­res­pon­dant dans la boutique en ligne. L’ensemble du trafic est distribué de façon égale pour les quatre versions. Les con­ver­sions ef­fec­tuées (dans ce cas il s’agit de tran­sac­tions complètes) sont évaluées grâce à un outil d’analyse tel qu’Oracle Maxymiser ou Webtrends Optimize, de façon à pouvoir calculer le taux de con­ver­sion pour chacune des quatre variantes après la mise en œuvre du mul­ti­va­riate testing. Plus le trafic est élevé et la période d’ob­ser­va­tion longue, plus les résultats sont sig­ni­fi­ca­tifs.

Dans la mesure où les tests à variables multiples, tout comme les tests A/B, ne sont mis en œuvre que lorsque le site Web, l’ap­pli­ca­tion ou la boutique sont en ligne, ils pré­sen­tent, par rapport aux tests d’uti­li­sa­bi­lité qui prennent place durant la phase de dé­ve­lop­pe­ment d’un projet, l’avantage de réunir un très grand nombre d’uti­li­sa­teurs. On parle alors de méthode d’étude quan­ti­ta­tive. Bien que la réa­li­sa­tion de tests à variables multiples semble très complexe, elle est facilitée grâce à de nombreux outils. Il en va de même pour les dif­fé­rentes pages de test qui sont con­fi­gu­rées ra­pi­de­ment et mises en œuvre dans le projet Web grâce à des snippets Ja­vaS­cript. Les résultats sont visibles en temps réel dans des tableaux clairs, de sorte que l’on peut fa­ci­le­ment dé­ter­mi­ner quelle com­bi­nai­son annonce le plus de succès.

À l’inverse de l’A/B testing, le mul­ti­va­riate testing n’est pas limité à deux versions com­pa­ra­tives mais est, en principe, illimité. Ceci permet de faciliter con­si­dé­ra­ble­ment la vé­ri­fi­ca­tion d’éléments plus nombreux, mais fournit également à l’ob­ser­va­teur qualifié des con­nais­sances dé­tail­lées sur la façon dont les dif­fé­rents éléments in­te­ra­gis­sent. En effet, les résultats des tests à variables multiples ne révèlent pas seulement si chacune des com­bi­nai­sons a un effet positif ou négatif sur le taux de con­ver­sion, mais four­nis­sent une il­lus­tra­tion concrète, qui s’appuie sur des sta­tis­tiques, de quels types de com­po­sants con­tri­buent au succès d’un projet Web en général. Les con­nais­sances acquises lors du mul­ti­va­riate testing peuvent donc jouer un rôle essentiel dans le dé­ve­lop­pe­ment de futurs projets.

Pour s’assurer que les résultats de tests à variables multiples sont fiables, un trafic élevé est toutefois in­dis­pen­sable, sim­ple­ment car ils sont souvent dis­tri­bués en au moins quatre versions de test dif­fé­rentes, parfois plus. Ce type de test peut également poser problème lorsqu’au moins une des versions testées n’a pas d’influence sur le taux de con­ver­sion, en par­ti­cu­lier en ce qui concerne l’in­ter­pré­ta­tion des résultats. Dans un tel cas de figure, le mul­ti­va­riate testing peut s’avérer un mauvais choix, qui complique inu­ti­le­ment le processus d’éva­lua­tion par rapport à un simple test A/B.

La méthode la plus adaptée pour tester au mieux l’uti­li­sa­bi­lité de votre site Web dépend de dif­fé­rents facteurs, mais le niveau du trafic joue as­su­ré­ment un rôle essentiel. Si vous débutez avec votre site Web et que vous visez seulement un nombre limité d’uti­li­sa­teurs, le mul­ti­va­riate testing ne vous procurera pas de résultats sig­ni­fi­ca­tifs pour une plus longue période d’ob­ser­va­tion, c’est-à-dire des in­for­ma­tions sur le succès respectif de chaque variante. Dans ce cas, il est plutôt re­com­mandé de valider l’ef­fi­ca­cité de chaque variante grâce à un des tests A/B ul­té­rieurs. En revanche, si votre site Web connaît un trafic dense, les tests à variables multiples per­met­tent souvent d’éco­no­mi­ser du temps et de l’énergie.

L’une des con­di­tions né­ces­saires aux deux méthodes est que vous puissiez formuler des hy­po­thèses claires et des es­ti­ma­tions de résultats. Autrement, les résultats des tests seront très dif­fi­ciles à in­ter­pré­ter. Con­trai­re­ment à l’analyse de l’uti­li­sa­bi­lité lors du processus de dé­ve­lop­pe­ment, il faut s’attendre à ce que le taux de con­ver­sion se dégrade lors de ce type de test en direct. Lorsqu’il s’agit de tester de nouvelles variantes, les tests à variables multiples ne sont donc pas efficaces, et les tests A/B sont trop souvent limités. Dans ce cas, des analyses préa­lables dans un cadre restreint avec des questions clai­re­ment formulées cons­ti­tuent une solution bien plus efficace et moins risquée.

Si votre site Web présente un trafic suffisant et que vous vous décidez pour le mul­ti­va­riate testing, il est re­com­mandé de ne pas créer un trop grand nombre de variantes inutiles. Pour un résultat optimal, il est conseillé de procéder le plus stra­té­gi­que­ment possible, c’est-à-dire de pré­sé­lec­tion­ner les variables les plus im­por­tantes et de les con­fron­ter seulement entre elles. Pour encore plus de sécurité, il est possible de tester une nouvelle fois les résultats obtenus grâce à un test A/B ultérieur. Si vous pensez à d’autres méthodes de tests, gardez à l’esprit que l’aug­men­ta­tion du taux de con­ver­sion dé­ter­mi­née par les sta­tis­tiques n’est pas une garantie, mais qu’il s’agit seulement d’une tendance.