ab-testing-blog

AB Testing : pourquoi en faire ?

Tous les sites e-commerce sont en perpétuelle évolution. Cette évolution est issue d’une nécessité de voir plus loin et d’optimiser continuellement son site. Cela dans le but de rester à la hauteur de la concurrence et des attentes clients. Cependant, il est important de tester ces nouvelles pages avant de les mettre en ligne. Ces tests auront pour but d’optimiser les taux de conversion des pages et bien entendu voir si le changement est efficace en comparant les résultats de la nouvelle et de l’ancienne version. C’est à cela que va servir l’AB testing.


L’AB Testing c’est quoi ?

L’AB testing est une solution simple pour tester les modifications d’une page en comparant la version actuelle et la version modifiée. Cela permet de vérifier si les changements apportés à la page sont optimum et permettent d’améliorer les taux de conversion de vos objectifs. Les tests effectués vous permettront de prendre une décision sur le choix à adopter.

L’AB Testing vous permet de tester beaucoup de contenus : du contenu de la page (police, couleur, taille de police, images…) au call to action en passant par les formulaires. Vous pouvez ainsi avoir une idée précise de ce que vous voulez et de leur efficacité par rapport à la version actuelle.

 

En quoi l’AB testing va-t-il être bénéfique ?

Grâce à l’AB testing, vous pourrez effectuer des test efficaces, qui répondront précisément aux questions que vous vous posez concernant les performances de vos pages. Une fois les réponses trouvées, vous pourrez :

Optimiser le contenu d’une page : en mettant une description plus travaillée

Optimiser les conversions : en changeant de couleur un call to action gris au rouge

Mieux comprendre le parcours clients : Comprendre quels éléments sont susceptibles d’influencer l’acte d’achat.

Vérifier des hypothèses : Votre idée d’optimisation était elle la plus pertinente ? Les changements apportés ont ils eu un impact ?

En effet, l’AB testing fonctionne selon un principe simple : celui de la comparaison des statistiques entre deux versions d’une même page. Prenons par exemple une page produit. On cherche à en optimiser le taux de conversion. Pour cela, on crée deux versions de la page produit : la version actuelle (A) et une version (B) où un élément a été changé. Cela peut être la position d’un bouton, une description plus condensée, un call to action plus présent etc…

ab-testing-infographie

Une fois l’AB Testing lancé, les visiteurs arrivant sur cette page produit auront accès à l’une ou l’autre version. Mais ils seront toujours répartis de manière égale entre les deux versions de la page afin d’avoir des statistiques basées sur un nombre égal de visiteurs. Vous pouvez, par exemple, vous baser sur un nombre de 10000 visiteurs uniques (VU) par version et en comparer les résultats.

On peut supposer que sur 10000 VU, la version A a réalisé 1500 conversions (soit 15%) et la version B  4000 conversions (soit 40%). Le test a donc prouvé que la version B est plus efficace que la version A pour convertir.

 

Comment mesurer les résultats de l’AB Testing ?

Le point de vue de l’expert : AB Tasty

AB Tasty

Il existe deux critères incontournables pour s’assurer que les résultats a priori positifs d’un test AB soient fiables et reproductibles : la taille de l’échantillon testé et l’indice de confiance statistique.
Ce dernier mesure la probabilité que les différences de résultats constatées entre chaque échantillon ne soient pas liées au hasard.  Un test est considéré comme fiable lorsque l’indice dépasse les 95%.
Les méthodes statistiques utilisées imposent par ailleurs de prévoir à l’avance la taille de l’échantillon pour chaque variation (les tests sont alors dits à « horizon fixe ») et l’atteinte de cet objectif est indispensable avant toute prise de précision.

report

Cependant, une approche plus agile vient de voir le jour via un nouvel algorithme proposé par AB Tasty : Clever Stats. Basé sur les statistiques bayésiennes, ce nouveau moteur de calcul autorise à décider plus rapidement en minimisant les risques de « faux positifs » (déclarer une variation comme meilleure alors qu’elle ne l’est pas) et en s’appuyant sur une information plus précise. Il présente de nombreux avantages : il n’est ainsi plus nécessaire de prévoir à l’avance le volume de trafic,  les tests prennent moins de temps et sont plus fiables.

AB Testing : pourquoi en faire ?
4.2 (83.33%) 6 votes

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.