L’A/B testing est la méthode de marketing digital la plus utilisée par les grands groupes. Celle-ci est conçue afin d’augmenter l’engagement des clients, d’optimiser les taux de conversion ainsi que d’autres mesures du site web. Il est donc nécessaire de savoir comment mettre en place une stratégie d’ab testing.
Choisir un élément à tester et déterminer les indicateurs à mesurer
L’A/B testing implique deux versions du même contenu web, qui peuvent différer légèrement ou significativement. Vous pouvez tester une seule variable, telle que la couleur du CTA, ou encore un contenu complexe, tel qu’une page entière. Si la version du test présente de nombreuses différences, elle doit être considérée comme le contenu global, et non ses éléments spécifiques, et doit être considérée comme des variables à expliquer. Par conséquent, si le test implique deux versions de la page de destination, chacune affichant un CTA, un formulaire, une image et un titre différents, leurs performances comparatives ne pourront pas être expliquées sur la base d’une seule variable. La combinaison de ces quatre éléments doit être considérée comme un tout. Afin d’améliorer la conversion visiteur-lead, il est conseillé de tester les pages de destination, les e-mails et les appels à l’action. La mise en place de l’ab testing nécessite de penser aux objectifs en amont. Par exemple, vous pouvez observer comment la couleur du CTA affecte le taux des clics. C’est l’un des tests les plus simples à réaliser. Il peut s’agir notamment de bien vérifier si la couleur amène les visiteurs à frapper plusieurs fois le CTA.
Définir la version test et la version de référence, créer et diffuser l’A/B test
La version de référence est généralement l’élément A du test, qui peut être une page de destination, un e-mail, une incitation à l’action ou un titre original. La version bêta est l’élément B, qui inclut les modifications effectuées. Celle-ci représente le statu quo. Par conséquent, la version de test (B) doit être différente, comme le bleu. Une fois les objectifs et les métriques définis, il est temps de créer ce qu’il faut tester. Les seules variables testées peuvent être le texte et la couleur et doivent ainsi conserver le même design. En fait, ce test est conçu pour mesurer l’effet de couleur sur les clics. L’A/B testing doit alors être paramétré dans le logiciel marketing employé. Ces étapes peuvent varier selon l’outil et le type de contenu. Pour que les résultats des tests soient statistiquement significatifs, il faut que le contenu du test atteigne un public relativement large. Par conséquent, les échantillons de test doivent être soigneusement déterminés : les e-mails doivent être envoyés à des listes suffisamment grandes pour promouvoir les pages de destination sur des réseaux sociaux et des articles de blog pouvant bénéficier de campagnes payantes. Si votre a/b testing concerne un public spécifique, vous devez cibler la promotion en conséquence en choisissant minutieusement votre cible. Si le test consiste, par exemple, à mesurer la popularité de la page de destination parmi les abonnés à un réseau social, il ne doit être envoyé qu’à celui-ci, et non à Facebook ou un autre.
Collecter suffisamment de données
Maintenant, il s’agit de faire preuve de patience. La promotion du test doit, en effet, se poursuivre jusqu’à atteindre le seuil statistique qui permet d’affirmer que tous les résultats sont vraiment significatifs, et non pas le fruit du hasard. Certaines formules mathématiques permettent d’ailleurs de calculer ce seuil. Des outils spécifiques sont également disponibles. Lorsque le seuil statistique est atteint, vous pouvez déterminer si une version test semble plus efficace par rapport à une version de référence. Afin d’obtenir des résultats qui sont statistiquement significatifs, un mois peut parfois être nécessaire pour collecter des données suffisantes. Dans certains cas, un test ne produit pas des résultats qui sont significatifs au bout de trente jours, malgré le trafic important. Ce qui veut dire que la variable testée a un effet limité. Le test peut ainsi être interrompu.
Élargir l’analyse à un ensemble de l’entonnoir marketing
Lorsque les indicateurs qui sont visés sont mesurés, il faut que l’analyse soit élargie. Il s’agit donc de vérifier si un test a produit des impacts sur d’autres segments d’entonnoir. L’élément en apparence anodin, tel que la couleur du CTA, peut cependant avoir des répercussions au-delà de taux de clics. Par exemple, les analytiques étant en boucle fermée permettent de contrôler si des visiteurs qui ont cliqué sur un CTA se sont également convertis en clients. Le CTA bleu engendre peut-être plus rapidement des clients par rapport à la version grise. Parfois, examiner un ensemble de l’entonnoir révèle, dans ce cas, des résultats inattendus. En effet, certains peuvent revêtir l’intérêt commercial, alors que d’autres peuvent aussi remettre en question une pertinence des modifications envisagées. Ainsi, il est nécessaire de garder à l’esprit que l’effet de l’a/b testing pourrait dépasser son objectif initial.