Connexion
7 730 Livres Blancs | | |

L’intelligence statistique au service de l’A/B testing

Au-delà de modifier simplement les pages de son site, l’A/B testing est avant tout un outil d’aide à la décision. Celui-ci vient valider ou non des hypothèses en appliquant aux données collectées des mesures de fiabilité statistique.

  • EditeurAB Tasty
  • Version PDF - 16 pages - 2016 - Français

Obtenir le livre blanc

 

Introduction ou extrait du livre blanc

"L’A/B testing remporte un vif succès, porté par l’approche Test & Learn. Des solutions SaaS innovantes, en redonnant la main aux équipes marketing, ont démocratisé la pratique et l’ont rendue accessible à tous, sans nécessiter de connaissance technique.

Cette simplicité de mise en œuvre ne doit pas faire oublier les implications statistiques qui en découlent. Au-delà de modifier simplement les pages de son site, l’A/B testing est avant tout un outil d’aide à la décision. Celui-ci vient valider ou non des hypothèses en appliquant aux données collectées des mesures de fiabilité statistique. Il est important de connaître avec certitude si les différences de résultats ne sont pas dues au hasard, mais bien aux modifications apportées.

Or, certains utilisateurs doutent de la fiabilité de ces résultats, car ils ne les constatent pas toujours une fois les modifications « gagnantes » en place. Ces doutes viennent principalement d’une mauvaise compréhension des tests statistiques menés par leur solution et de la signification de ces résultats. Sans être expert en statistiques, il est facile de mal interpréter les indicateurs fournis. Mais surtout, beaucoup de solutions se reposent sur des approches statistiques qui ne répondent pas à la question fondamentale qui intéresse le marketeur : quel est le gain de passer de la version A à la version B ?

Les solutions avancées d’A/B testing, comme AB Tasty, traitent ce problème grâce à de nouvelles approches statistiques qui autorisent une prise de décision plus sûre et plus rapide.

Elles vont également au-delà en proposant de maximiser les conversions au cours d’un test grâce à des algorithmes plus puissants. Nous dressons, ici, un panorama de ces innovations."

L’intelligence statistique au service de l’A/B testing