A/B testing : optimiser les conversions de son site web

La théorie de l'A/B testing n'est pas quelque chose de très complexe à comprendre. En une phrase, il s'agit dans sa forme la plus simple tout simplement d'une méthode pour comparer deux versions d'une même chose pour déterminer laquelle est la plus efficace. 

Dans le cadre de l'entreprise, il s'agit d'une comparaison de deux versions d'une page web, d'une application, d'un emailing, etc., qui sont présentées de manière aléatoire et simultanée aux utilisateurs. Concrètement, si nous prenons l'exemple d'une base d'utilisateurs de 10 000, 5 000 verront la version A, tandis que 5 000 verront la version B. Les résultats de cette étude comparative sont ensuite analysés statistiquement pour déterminer différents indicateurs clés qui permettront d'améliorer la conversion de ladite page web, application, emailing, etc. L'objectif d'un tel projet est souvent d'améliorer le taux de conversion d'un site web, mais peut également servir d'autres objectifs que nous détaillerons plus loin dans ce dossier.

C'est une méthode qui a largement fait ses preuves au cours des dernières décennies, notamment depuis l'avènement du digital marketing et des sites de e-commerce. Toutefois, elle existe depuis bien avant ; cela fait même plusieurs siècles que l'A/B testing est utilisé dans le monde. Il trouve notamment ses origines dans le monde des études médicales, et plus particulièrement auprès d'un homme du nom de James Lind, un médecin écossais du 18e siècle faisant partie de la marine royale britannique.

James Lind a, au cours de sa carrière, rédigé une étude particulièrement détaillée sur la méthodologie qu'il employa pour soigner une maladie très répandue à l'époque : le scorbut. Afin de déterminer le meilleur traitement à administrer aux marins souffrant de cette affliction, il effectue plusieurs tests contrôlés et simultanés avec différents suppléments. Tandis que certains patients reçoivent uniquement un traitement "normal" (sans supplément), d'autres reçoivent un quart de cidre en plus dans leur régime, alors que d'autres encore reçoivent deux oranges et un citron. Le scorbut étant causé par une déficience de vitamine C dans le corps, les marins qui se voient administrer les fruits s'améliorent bien plus vite que ceux recevant le traitement "normal".

Bien que le terme d'A/B testing est né que bien plus tard, cette étude de James Lind est une des premières preuves écrites d'une méthodologie contrôlée identique à la méthodologie qui deviendra par la suite l'A/B testing.

LES DIFFÉRENTES FORMES D'A/B TESTING

Il existe plusieurs formes d'A/B testing, certaines étant plus répandues que d'autres : l'A/B testing et le testing multivarié sont deux exemples assez courants. Dans la liste ci-dessous, nous avons toutefois essayé d'être le plus précis afin de vous donner une idée précise de l'étendue du secteur.

• A/B testing
• L'A/B testing est à la fois un terme global regroupant toutes les méthodes de test, mais correspond également à la méthode dite classique du test A/B. Ce test correspond à la comparaison de deux versions d'une même page web, d'une même application, etc.
•  
• Testing multivarié
• Aussi connu sous le nom de test MVT, le testing multivarié permet de mesurer plusieurs changements simultanément sur une page web (a contrario du testing A/B classique qui se limite à un seul changement à la fois). Par exemple, au lieu de changer uniquement la couleur d'un bouton, vous changeriez également la taille ou le style de la typographie utilisée sur une page.
•  
• Test de redirection
• Également appelé un A/B testing d'URL, le test de redirection permet d'observer la performance d'une page par le biais de l'URL en le changeant, tout en renvoyant vers une même page. Le test de redirection est notamment utile pour ceux qui souhaitent analyser deux pages de destination très différentes l'une de l'autre. 
•  
• A/Z testing
• A contrario de l'A/B testing, l'A/Z testing permet de tester plus de deux versions d'une même page en parallèle. Pour donner un exemple concret, ce que James Lind a fait dans le 18e siècle se rapprochait plus de l'A/Z testing que l'A/B testing.
•  
• A/A testing
• L'A/A testing est un peu comme l'oral blanc de l'A/B testing ; il sert notamment à vérifier qu'un A/B testing à venir est correctement configuré et qu'il n'y aura aucun problème lors du recueil des statistiques.

LA MISE EN PLACE D'UNE STRATÉGIE D'A/B TESTING

Comme vous l'aurez compris grâce à la liste ci-dessus, il existe de nombreuses possibilités en matière de testing adaptées à la stratégie de chaque entreprise. Toutefois, connaître les noms des différentes formes d'A/B testing ne suffit pas pour mettre en place une stratégie ! Loin de là : six étapes notables sont à respecter au cours d'un projet d'A/B testing...

• La collecte de données
• En amont d'un projet d'A/B testing, il est essentiel de déterminer plusieurs facteurs : premièrement, la source de la collecte de données. quelle(s) page(s) a le plus de trafic sur un site, et impacte donc la vitesse de collecte des données ?
•  
• L'identification des objectifs
• En parallèle de la collecte de données, il est primordial d'identifier le ou les objectifs de votre A/B testing : plus de trafic ? De conversions ? De leads ? Ces objectifs vous serviront après pour déterminer quels indicateurs clés sont à garder.
•  
• Le brainstorming
• Une fois la collecte des données et l'identification des objectifs traités, il faut trouver les idées de tests à effectuer via un brainstorming.
•  
• La création de variations
• Grâce à ces premières idées, vous pourrez par la suite déterminer les variations à appliquer, comme changer l'apparence d'un bouton, le style de la typographie, etc.
•  
• L'exécution du test
• Une fois que ces étapes ont été complétées, il est temps de passer à l'exécution de l'A/B testing ; c'est à cette phase, bien entendu, que les utilisateurs verront les versions de la page, application, etc. que vous souhaitez leur faire découvrir, et ce de manière aléatoire. Inutile de vous préciser que mesurer l'activité des utilisateurs pendant cette période est essentiel si vous souhaitez procéder à la dernière étape...
•  
• L'analyse des résultats
• Une fois que suffisamment de données ont été récoltées (ou que suffisamment de temps soit passé aussi) lors de l'A/B testing, il faut analyser les données récoltées afin de déterminer quelle version a été la plus efficace. Si les résultats ne sont pas exploitables (chose qui peut arriver dans l'A/B testing, c'est pour ça qu'on appelle ça un test !), il faudra reprendre au niveau du brainstorming pour déterminer de nouvelles idées plus efficaces pour exécuter le test.