Blog OSEOX : Marketing, Trafic et E-commmerce

A / B Testing : Le Guide Ultime

06 juillet 2010

Par Nicolas Debaets,

Ce billet est une traduction de l'article de Paras Chopra paru dans l'incontournable Smashing Magazine.

Le test A / B n'est pas un terme de buzz. De nombreux marketeurs et concepteurs, pleins de bon sens, l'utilisent pour mieux comprendre le comportement des visiteurs et augmenter le taux de conversion. Et pourtant, les tests A / B ne sont pas encore aussi communs que d'autres sujets webmarketing tels que le SEO, le Web Analytics et l'ergonomie. Les gens ne sont pas aussi conscients de l'importance des tests A / B.

Ils ne comprennent pas complètement ce qu'il en est, ni comment ils pourraient en tirer profit ou comment les utiliser. Cet article est destiné à être le meilleur guide dont vous aurez besoin pour les tests A / B.

Qu'est-ce que le A / B Testing ?

À la base, le test A / B c'est exactement la signification littérale du terme : Vous avez deux versions d'un élément (A et B) et une valeur qui définit le succès. Pour déterminer quelle version est la meilleure, vous devez soumettre les deux versions simultanément. En fin de compte, on mesure quelle version obtient les meilleures résultats et on choisit cette version pour la mettre en place.

Agrandir

Vous avez deux conceptions d'un site Web: A et B. En général, A est la conception actuelle (appelée le contrôle), et B est la nouvelle conception. Vous devez répartir le trafic de votre site entre ces deux versions et mesurer leur performance en utilisant des outils d'analyses afin d'observer les indices de performances (taux de conversion, les ventes, taux de rebond, etc.) En fin de compte, vous sélectionnez la version qui fonctionne de façon optimale.

Que tester ?

Votre choix en matière de test dépend évidemment de vos objectifs. Par exemple, si votre objectif est d'augmenter le nombre de nouveaux inscrits, alors vous pourriez tester ceci : longueur du formulaire d'inscription, les types de champs dans le formulaire, l'affichage de la politique de confidentialité, etc… L'objectif de test A / B dans ce cas est de comprendre ce qui empêche les visiteurs de s'inscrire.

Est-ce la longueur du formulaire qui intimide? Les visiteurs font-ils attention à la protection des données privées? Ou bien le site ne parvient pas à convaincre les visiteurs à s'inscrire? Toutes ces questions peuvent être résolues une à une en testant les différents éléments du site.

Même si tous les tests A / B sont uniques, certains éléments sont habituellement testés :

• Le libellé du "call to action" (à savoir le bouton), les dimensions, la couleur et l'emplacement,
• Le titre ou la description du produit,
• La longueur du formulaire et les types de champs,
• La mise en page et le style du site,
• La tarification des produits et les offres promotionnelles,
• Les images sur les landing pages et les pages produits,
• La longueur de texte sur la page (court ou long).

Créer votre premier Test A / B

Une fois que vous avez décidé ce que vous voulez tester, la prochaine étape, bien sûr, est de sélectionner un outil pour effectuer le test. Si vous voulez un outil de base gratuit et que cela ne vous dérange pas de jongler avec HTML et JavaScript, rendez-vous sur Google Website Optimizer. Si vous voulez une alternative plus facile avec des fonctionnalités supplémentaires, rendez-vous sur Visual Website Optimizer. La mise en place du test de base est plus ou moins similaire pour tous les outils.

Vous pouvez mettre en place votre "A / B Testing" de l'une des deux façons suivantes :

• Remplacer l'élément à tester avant le chargement de la page
  Si vous testez un seul élément sur une page Web - par exemple, le bouton d'inscription - vous aurez besoin de créer des variantes de ce bouton (en HTML) dans votre outil de test. Lorsque le test est en ligne, l'outil A / B remplacera au hasard le bouton sur la page d'origine avec l'une des variantes avant d'afficher la page pour le visiteur.
• Rediriger vers une autre page
  Si vous voulez effectuer votre "A / B Testing" sur une page entière – par exemple, un thème vert par rapport à un thème rouge - alors vous aurez besoin de créer et télécharger une nouvelle page sur votre site. Par exemple, si votre page d'accueil est http://www.example.com/index.html, alors vous aurez besoin de créer une variante hébergée sur http://www.example.com/index1.html. Lorsque le test fonctionne, votre outil redirigera vos visiteurs vers l'un ou l'autre de vos URLs.

Une fois que vous avez configuré vos variantes en utilisant l'une de ces deux méthodes, l'étape suivante consiste à configurer votre objectif de conversion. En règle générale, vous obtiendrez une partie du code JavaScript, que vous pourrez copier et coller sur une page, pour établir un test réussi et représenter la page sur laquelle vos visiteurs arriveront. Par exemple, si vous avez une boutique e-commerce et vous testez la couleur du bouton "Acheter maintenant", alors votre objectif de conversion serait la page de remerciements qui s'affichera, après avoir terminé un achat.

Dès que survient un événement de conversion sur votre site web, l'outil de "A / B Testing" enregistre la variante qui a été présentée aux visiteurs. Après un nombre suffisant de visiteurs et les conversions, vous pouvez vérifier les résultats pour trouver la meilleure variante. Ça y est! La création et l'exécution d'un "A / B Testing" est en effet assez simple.

A faire et à ne pas faire...

Même si les tests A / B sont super simples dans leur concept, gardez certaines choses pratiques à l'esprit. Ces suggestions sont le résultat de nombreux tests et leurs conséquences (lire: faire de nombreuses erreurs).

A ne pas faire

• En faisant des tests A / B, ne jamais attendre de tester la variante après avoir testé "le contrôle". Toujours tester les deux versions simultanément. Si vous testez une version d'une semaine et la seconde l'autre, le test sera faussé. Il est possible que la version B était en fait pire, mais vos tests montrent de meilleures ventes. Toujours répartir le trafic entre les deux versions.
• Ne pas conclure trop tôt. Il existe un concept appelé «la confiance statistique» qui détermine si vos résultats sont significatifs (c'est-à-dire, si vous devez prendre au sérieux les résultats). Il vous empêche de tirer des conclusions trop hâtives des résultats, si vous n'avez que peu de conversions ou de visiteurs pour chaque variation. La plupart des outils de "A / B Testing" présentent un rapport de confiance statistique, mais si vous testez manuellement, pensez à en prendre compte cette donnée avec un calculateur en ligne.
• Ne pas surprendre les visiteurs réguliers. Si vous testez un élément essentiel de votre site web, ne tester que sur de nouveaux visiteurs. Vous voulez éviter de choquer les visiteurs réguliers, notamment parce que les variantes peuvent finalement ne pas être mises en œuvre.
• Ne laissez pas votre instinct renverser les résultats des tests. Les résultats dans les tests A / B sont souvent surprenants ou peu intuitifs. Sur un site à thème vert, un bouton rouge pourrait émerger comme le meilleur élément. Même si le bouton rouge n'est pas facile pour les yeux, ne pas le rejeter d'emblée. Le but de votre essai est d'obtenir un meilleur taux de conversion, et non pas une meilleure esthétique, il ne faut pas rejeter les résultats en raison de votre jugement arbitraire.

A faire

• Savoir combien de temps pour effectuer un test avant d'abandonner. Arrêter un peu trop tôt peut vous coûter cher, car vous auriez pu obtenir des résultats plus significatifs si vous aviez attendu un peu plus. Arrêter trop tard n'est pas bon non plus, car les variantes peu performantes pourraient vous coûter des conversions et des ventes. Utiliser une calculatrice (comme celle-ci) afin de déterminer exactement combien de temps pour effectuer un test avant d'abandonner.
• Afficher les mêmes variantes aux visiteurs qui reviennent. Votre outil devrait avoir un mécanisme pour se souvenir de la variante qui a été vue par un visiteur. Cela évite les gaffes, comme montrer à un utilisateur à un prix différent ou une offre promotionnelle différente.
• Faites vos test A / B de façon uniforme dans tout le site. Si vous testez un bouton d'inscription qui apparaît à plusieurs endroits, un visiteur doit voir la même variante partout. Montrer une variante à la page 1 et une autre variante sur la page 2 risquerait de fausser les résultats.
• Faire de nombreux tests A / B. Il y a des chances, que votre premier test A / B se révélera un échec. Mais ne désespérez pas. Un test A / B ne peut avoir que trois issues: Pas de résultat, un résultat négatif ou un résultat positif. La clé de l'optimisation des taux de conversion est de faire une tonne de tests A / B, de sorte que tous les résultats positifs donnent un énorme coup de pouce à vos ventes et vous fassent atteindre vos objectifs.

Etude de cas de A / B Testing classiques

Voici quelques études de cas pour vous donner une idée de la façon dont les gens testent "sauvagement".

Choix de la redaction : Test du bandeau supérieur de la page d'inscription du service Highrise

Le site 37Signals a testé le titre sur sa page de prix. Ils ont constaté que "30-jours d'essai gratuit sur tous les comptes" a généré 30% d'inscription de plus que l'original "Démarrer un compte Highrise."

“You Should Follow Me on Twitter Here” (Dustin Curtis)

Ce split-test a consisté à tester plusieurs versions d'un "call to action" pour les adeptes de Twitter. Dustin a constaté que "You should follow me on Twitter here" était 173% plus efficace que son texte de contrôle, "I'm on Twitter".

Un visuel humanisé double le taux de conversion

Une conclusion surprenante de deux tests A / B: mettre des photos de personnes sur un site mutiplie par 2 le taux de conversion. La recherche scientifique appuie ces résultats, en disant que nous sommes inconsciemment attirés par les images avec des personnes.

Etude de cas Google Website Optimizer, amélioration de 20% pour Daily Burn (Tim Ferriss)

Une simple variante qui proposait aux visiteurs de moins d'options disponibles a présenté une augmentation de 20% des conversions. La version gagnante de ce test était aussi beaucoup plus lisible que le contrôle.

Deux mots magiques qui améliorent le taux de conversion de 28%

Les mots «c'est gratuit» a amélioré les clics de 28% sur le bouton d'inscription, illustrant l'importance des tests des boutons "call to action" et comment des modifications mineures peuvent avoir des résultats étonnamment importants.

Changer la couleur du bouton d'inscription

En plus d'autres tests A / B, CareLogger a augmenté ses taux de conversion de 34% en changeant simplement la couleur du bouton d'inscription du vert au rouge.

Page simple de commande vs. étapes multiples

Si vous avez une boutique en ligne, il est assez fréquent de voir des visiteurs abandonner le processus d'achat au moment de la commande. Ce test A / B a démontré qu'un processus de commande sur une simple page fonctionne beaucoup mieux qu'un processus de commande en plusieurs étapes.

Formulaire type "texte à trous" améliore les conversions de 25 à 40%

Sortir des usages conventionnels, dans ce test A / B il a été constaté qu'un formulaire reprenant un style de paragraphe avec les champs de saisie alignés a beaucoup mieux fonctionné que la mise en forme traditionnelle. A noter que le résultat était probablement spécifique à leur offre étant donné que les résultats n'ont pas été les mêmes lors d'un autre test A / B.

La refonte complète de la page produit augmente les ventes de 20%

Une société qui crée des logiciels a redessiné sa page produit pour lui donner un nouveau look et y a ajouté des éléments de confiance (comme stickers, garanties, etc.) Résultat final: ils ont réussi à augmenter les ventes totales de 20%. Cette étude de cas démontre l'effet du design sur les ventes.

Expérience Marketing : Etude du cas Response Capture – Une progression des conversions à 3 chiffres

Grâce à une série de tests A / B ils ont optimisé la base d'opt-in avec un taux de conversion de 258%.Le but était d'éliminer toutes les distractions et demandait aux visiteurs de ne fournir que leur adresse e-mail. Pour compléter son profil, la landing-page motivait les visiteurs avec une carte-cadeau Amazon (qui a également été testée par un "split test").

Outils pour mener des A / B Testing

De nombreux outils sont disponibles pour les tests A / B, avec différents points d'analyse, prix et ensembles de fonctionnalités. En voici quelques-uns:

• Google Website Optimizer
  Un outil gratuit de test A / B créé par le géant de la recherché. Une excellente option pour débuter, mais il manque des fonctionnalités avancées.
• A/Bingo et Vanity
  Une plateforme côté serveur pour les développeurs "Ruby on Rails". Nécessite des connaissances de programmation et d'intégration.
• Visual Web Optimizer
  Un outil de test A / B facile à utiliser, avec des fonctionnalités avancées telles que l'éditeur WYSIWYG, zones de clics, segmentation des visiteurs et sans intégration de balises.
• Unbounce et Performable
  Un générateur de landing-pages avec "A / B Testing" intégré.
• Vertster, SiteSpect, Webtrends Optimize and Omniture's Test&Target
  Outils de tests d'entreprise.

Ressources pour aller plus loin dans les test A / B

Si vous êtes parvenu jusqu'ici, alors les tests A / B ont sans doute éveillé votre intérêt. Voici donc quelques ressources triées sur le volet pour les tests A / B.

Avoir des idées pour votre prochain test AB

• Which Test Won ?
  Un jeu dans lequel vous devinez quelle variante est la plus performante.
• 101 A / B Testing Tips
  Une ressource pleine de conseils, d'astuces et d'idées.
• ABtests.com
  Un site pour partager et lire des resultants de tests A / B.
• A/B Ideafox
  Un moteur de recherche pour les études de cas A / B et multi-variables.

Introduction Présentations et Articles

• Effective A/B Testing
  Par Ben Tilly.
• Practical Guide to Controlled Experiments on the Web(PDF)
  Par Microsoft Research
• Introduction to A/B Testing
  Par le blog 20bits

Les mathématiques des Test A/B

• Statistics for A/B Testing
  Par le blog 20bits.
• How Not To Do A/B Testing
• What You Should Know About the Mathematics of A/B Testing
  Par Paras Chopra.
• Easy Statistics for Adwords A/B Testing, and Hamsters
• Statistical Significiance and Other A/B Tests Pitfalls

Test A B sur Oseox

• A / b testing
• A / B Testing Page 404 : Une étude de cas
• A / B testing : Test des pages de destination

S'il vous plait, aidez nous à faire connaître cet article

• Google :
  -
• Facebook : Aimez | Twitter : Tweetez

Suivez nous sur Twitter et Facebook

Formez-vous avec notre newsletter professionnelle (gratuite)

S'inscrire
(En cadeau, un guide sur le Référencement de plus de 30 pages)

Nicolas Debaets

Passionné par l'e-marketing et toutes les innovations offertes par les TIC, Nicolas Debaets a pu développer son approche stratégique et analytique de ces domaines en travaillant aussi bien en agence que chez l'annonceur. Aujourd'hui il se spécialise sur les différents leviers qu'Internet met à disposition pour générer du trafic et optimiser l'e-réputation des marques.

Affichez les commentaires

N'oubliez pas de vous abonner au flux

S'inscrire à la newsletter (info exclusive)