

Dans le cadre de l’optimisation d’un site internet, l’A/B testing est une solution qui permet de tester les modifications avant mise en ligne. Tout l’enjeu est de maximiser vos chances de lancer des tests A/B gagnants en identifiant et en priorisant des hypothèses pertinentes.
Avant de lancer un test, il convient de définir quel objectif du site l’on cherche à améliorer. Les objectifs d’un site internet peuvent varier selon le business model, le secteur d’activité, l’audience etc. : e-commerce, génération de lead, notoriété. Afin de comprendre comment l’objectif principal du site est atteint, il peut être pertinent de définir plusieurs sous-objectifs. Ainsi, si l’objectif principal du site est la vente en ligne, le préliminaire à l’atteinte de l’objectif principal est la réalisation de sous-objectifs, tels que la consultation d’une fiche produit, la mise au panier, la connexion / création de compte, etc.
Les axes d’amélioration ou points bloquants sur un dispositif digital peuvent être identifiés en combinant des analyses quantitatives et qualitatives. L’analyse quantitative permet de détecter un potentiel frottement dans la navigation qui sera ensuite analysé de manière qualitative afin de comprendre les causes.
Il existe plusieurs familles d’outils sur le marché pour effectuer ces analyses :
Certains indicateurs sont communs aux deux familles d’outils, d’autres indicateurs s’utilisent en complémentarité.
Suite à l’identification des axes à améliorer, une hypothèse est formulée et déclinée en une ou plusieurs variantes pour optimiser les parcours (exemple : ajouter des éléments de rassurance avec des labels certifiés, créer un sentiment d’urgence en affichant le stock des produits, fluidifier le parcours en déplaçant un bouton, clarifier le message en changeant le texte, etc.)
Comment prioriser les hypothèses à tester ? Il existe divers systèmes de priorisation dans le cadre d’un test A/B tels que l’ICE (Impact, Coût, Effort) ou le PIE (Potentiel, Importance, Efficacité). Malgré leurs différences, on retiendra deux principaux facteurs : l’impact potentiel (business, trafic, etc.) et les efforts (complexité technique, etc.). Ces critères de priorisation permettent de valoriser les tests de manière plus objective et de « dérisquer » au maximum des modifications cruciales dans les parcours. Par exemple, lancer un test complexe peut se justifier si l’impact business attendu est majeur. Inversement, il peut être judicieux de renoncer à un test qui n’atteindra jamais la significativité car le trafic est trop faible.
Lorsque le test A/B est gagnant, l’hypothèse est validée. Si le test A/B est perdant, il y a quand même des enseignements à en tirer puisque cela permet d’écarter une piste pour en explorer d’autres. Enfin, partager les résultats en interne donne de la visibilité sur les fondements des décisions prises pour l’optimisation des parcours et peut faire naître de nouvelles idées.
Pour obtenir plus d'informations sur nos activités et discuter de vos projets directement avec nos consultants, nous vous invitons à nous contacter.
Ajouter un commentaire