Tests A/B dans le marketing numérique

Les tests A/B consistent à créer deux versions d’un actif numérique afin de déterminer celle qui suscite le plus d’intérêt chez les utilisateurs. Les actifs peuvent être, par exemple, des landing pages, des annonces display, des e-mails marketing ou des publications sur les réseaux sociaux. Dans un test A/B, la moitié de l’audience reçoit automatiquement la « version A » et l’autre moitié la « version B ». Les performances de chaque version sont évaluées en fonction d’objectifs de taux de conversion, tels que le pourcentage de personnes qui cliquent sur un lien, remplissent un formulaire ou effectuent un achat.

Les tests A/B ne sont pas une idée nouvelle apparue avec l’avènement du marketing numérique. À une certaine époque, le publipostage était la méthode reine pour « diviser » ou « regrouper » les offres afin de déterminer celle qui fonctionnait le mieux. Les capacités numériques s’appuient sur le même principe, mais permettent d’obtenir des résultats de test plus précis, plus fiables et plus rapides.

Si vous cherchez à développer votre activité, il peut être difficile de déterminer quels outils marketing ont le plus d’impact auprès de votre audience. Les tests A/B, associés à d’autres stratégies d’optimisation de la conversion, vous permettent d’expérimenter différentes approches afin d’améliorer votre contenu, d’offrir la meilleure expérience client possible et d’atteindre plus rapidement vos objectifs de conversion. Ce guide sur les tests A/B vous aidera à en comprendre les principes fondamentaux.

Définition des tests A/B : Qu’est-ce qu’un test A/B ?

Les tests A/B, également appelés tests fractionnés, vous permettent de comparer deux versions d’un élément afin de déterminer laquelle est la plus efficace. En d’autres termes, vos utilisateurs préfèrent-ils la version A ou la version B ?

Le concept est similaire à la méthode scientifique. Si vous voulez savoir ce qui se passe lorsque vous modifiez un élément, vous devez créer une situation dans laquelle seul cet élément change.

Pensez aux expériences que vous avez menées à l’école primaire. Si vous mettez deux graines dans deux pots remplis de terre, puis que vous placez l’un dans le placard et l’autre près de la fenêtre, vous obtiendrez des résultats différents. Ce type de dispositif expérimental correspond à un test A/B.

Historique des tests A/B

Dans les années 1960, les marketeurs ont commencé à comprendre comment ce type de test pouvait les aider à évaluer l’impact de leurs annonces. Une annonce télévisée ou radiophonique permettrait-elle d’attirer davantage de clients ? Les lettres ou les cartes postales sont-elles plus efficaces pour le publipostage par courrier ?

Lorsque l’Internet est devenu partie intégrante du monde des affaires dans les années 90, les tests A/B sont passés au numérique. Une fois que les équipes de marketing numérique ont disposé des ressources techniques nécessaires, elles ont commencé à tester leurs stratégies en temps réel et à une échelle beaucoup plus grande.

En quoi consistent les tests A/B ?

Le test A/B consiste à utiliser des solutions numériques pour tester différents éléments d’une campagne de marketing. Pour commencer un test A/B, vous devez disposer de :

• Une campagne à tester . Pour réaliser un test A/B sur une campagne marketing, vous avez besoin d’un e-mail, d’une lettre d’information, d’une annonce, d’une landing page ou d’un autre support déjà utilisé.
• Éléments à tester . En examinant les différents éléments de votre campagne, réfléchissez à ce que vous pouvez modifier pour inciter les clients à passer à l’action. Veillez à tester les éléments individuellement afin d’obtenir des mesures correctes.
• Objectifs définis . Les objectifs de vos tests A/B doivent notamment consister à déterminer quelle version de votre campagne donne les meilleurs résultats pour votre entreprise. Tenez compte des différents indicateurs que vous pouvez suivre, notamment les clics, les inscriptions ou les achats.

À quoi ressemblent les tests A/B à l’ère du numérique ?

Fondamentalement, les tests A/B en marketing restent les mêmes. Vous choisissez le facteur que vous souhaitez vérifier, par exemple un article de blog avec des images par rapport au même article sans images. Ensuite, vous affichez de manière aléatoire l’un des deux styles d’article aux visiteurs, en contrôlant les autres facteurs. Vous enregistrez également autant de données que possible : taux de rebond, temps passé sur la page, etc.

Vous pouvez également tester plusieurs variables à la fois. Par exemple, si vous souhaitez évaluer la police ainsi que la présence d’images, vous pouvez créer 4 pages, chacune affichant l’article de blog avec :

1. Arial avec images
2. Arial sans images
3. Times New Roman avec images
4. Times New Roman sans images

Les logiciels de tests A/B fournissent les données issues d’expériences de ce type. Ensuite, un membre de votre entreprise interprète les résultats afin de déterminer s’il est judicieux pour l’entreprise d’agir en conséquence et, le cas échéant, de quelle manière.

Pourquoi les tests A/B sont-ils importants ?

Les tests A/B vous fournissent les données nécessaires pour tirer le meilleur parti de votre budget marketing. Imaginons que votre patron vous ait alloué un budget pour générer du trafic vers votre site à l’aide de Google AdWords. Vous mettez en place un test A/B qui suit le nombre de clics pour trois titres d’articles différents. Vous effectuez le test pendant une semaine, en veillant à diffuser le même nombre d’annonces pour chaque option, quel que soit le jour ou l’heure.

Les résultats de ce test vous aideront à déterminer quel titre génère le plus de clics. Vous pourrez ensuite utiliser ces données pour adapter votre campagne de marketing en conséquence, améliorant ainsi son retour sur investissement (ROI) par rapport à un titre choisi au hasard.

De petits changements pour de grandes améliorations

Les tests A/B vous permettent d’évaluer l’impact de modifications relativement peu coûteuses à mettre en œuvre. La gestion d’une campagne AdWords peut s’avérer coûteuse, c’est pourquoi vous souhaitez que chaque aspect soit aussi efficace que possible.

Supposons que vous effectuiez des tests A/B sur la police, la taille du texte, les titres des menus, les liens et le positionnement du formulaire d’inscription personnalisé de votre page d’accueil. Vous testez ces éléments deux ou trois à la fois afin d’éviter que trop de variables inconnues n’interagissent entre elles.

Une fois le test terminé, vous constatez que la modification des trois derniers éléments augmente votre taux de conversion de 6 % chacun. Votre concepteur Web met en œuvre ces modifications en moins d’une heure, et une fois celles-ci terminées, vous avez la possibilité d’augmenter vos revenus de 18 % par rapport à avant.

Un risque maîtrisé pour de nombreux avantages

Les tests A/B sont non seulement économiques, mais ils permettent également de gagner du temps. Vous testez deux ou trois éléments et obtenez votre réponse. À partir de là, il est facile de décider s’il faut mettre en œuvre un changement ou non. Si les données réelles ne correspondent pas aux résultats de vos tests, il est toujours possible de revenir à une version antérieure.

Tirer le meilleur parti du trafic

Si vous utilisez les tests A/B pour optimiser l’efficacité de votre site Web, vous pouvez obtenir davantage de conversions par visiteur. Plus votre taux de conversion est élevé, moins vous aurez besoin de consacrer de temps et d’argent au marketing. En effet, en théorie, chaque visiteur de votre site Web est plus susceptible de passer à l’action.

Souvenez-vous que le fait d’améliorer votre site Web peut augmenter votre taux de conversion à la fois pour le trafic payant et pour le trafic non payant.

Avec quels types de contenu peut-on utiliser des tests A/B ?

En matière de contenu client, une multitude d’éléments peut être évaluée avec des tests A/B.

Les catégories les plus courantes comprennent :

• Les campagnes par e-mail
• E-mails individuels
• Stratégies de marketing multimédia
• Publicités payantes sur Internet
• Lettres d'information
• Conception de sites Web

Dans chacune de ces catégories, vous pouvez effectuer des tests A/B avec un nombre illimité de variables. Si vous testez la conception de votre site Web, par exemple, vous pouvez essayer différentes options, notamment les suivantes :

• La palette de couleurs
• Mise en page
• Le nombre et le type d’images
• Les en-têtes et les sous-titres
• Prix des produits
• Offres spéciales
• La conception des boutons d'appel à l'action
• E-mails vidéo vs e-mails non vidéo

En principe, vous pouvez tester presque n’importe quel élément de style ou de contenu dans un objet destiné aux clients.

Comment effectuer des tests A/B ?

En fin de compte, le processus de test A/B n’est rien d’autre qu’une méthode scientifique. Si vous souhaitez en tirer le meilleur parti, vous devez l’aborder de manière scientifique. Tout comme dans la version laboratoire de la méthode scientifique, le test A/B commence par le choix de l’élément à tester. L’ensemble du processus comprend plusieurs étapes :

1. Identifier un problème

Assurez-vous d’identifier un problème spécifique. « Pas assez de conversions », par exemple, est trop général. Trop de facteurs entrent en jeu pour déterminer si un visiteur du site Web deviendra client ou si un destinataire d’e-mail cliquera sur votre site. Vous devez savoir pourquoi votre contenu ne convertit pas.

Exemple : vous travaillez pour un détaillant de vêtements pour femmes qui réalise de nombreuses ventes en ligne, mais très peu d’entre elles proviennent de ses campagnes par e-mail. Vous consultez vos données analytiques et constatez qu’un pourcentage élevé d’utilisateurs ouvrent vos e-mails contenant des offres spéciales et les lisent, mais que peu d’entre eux passent réellement à l’action.

2. Analyser les données des utilisateurs

Techniquement, vous pourriez effectuer des tests A/B sur tout ce que vos clients voient lorsqu’ils ouvrent vos e-mails, mais cela prendrait beaucoup de temps. Il existe de nombreux éléments de conception et de contenu qui ne sont pas pertinents pour eux, vous devez donc déterminer quels éléments cibler.

Exemple : les gens ouvrent vos e-mails, donc il n’y a rien à redire sur la façon dont vous rédigez vos lignes objet. Ils prennent également le temps de les lire, donc rien ne les incite à les fermer immédiatement. Étant donné que de nombreux utilisateurs qui trouvent votre site Web à partir d’autres sources finissent par devenir des clients, vous pouvez en déduire que la façon dont vous présentez vos produits ne pose aucun problème. Cela suggère que même si les gens trouvent vos e-mails captivants, ils se perdent d’une manière ou d’une autre lorsqu’ils cliquent pour accéder à votre site.

3. Formuler une hypothèse à tester

Vous affinez désormais considérablement votre recherche. La prochaine étape consiste à déterminer précisément ce que vous souhaitez tester et comment vous souhaitez le tester. Réduisez vos inconnues à 1 ou 2, au moins pour commencer. Vous pourrez ensuite déterminer comment la modification de cet élément ou de ces éléments pourrait résoudre le problème auquel vous êtes confronté.

Exemple : vous remarquez que le bouton qui redirige les utilisateurs vers votre boutique en ligne est relégué au bas de l’e-mail, sous la ligne de flottaison. Vous pensez que si vous le placez en haut de l’écran, vous inciterez plus efficacement les utilisateurs à visiter votre site.

4. Effectuer le test d’hypothèse

Développez une nouvelle version de l’élément test qui met en œuvre votre idée. Ensuite, effectuez un test A/B entre cette version et votre page actuelle auprès de votre audience cible.

Exemple : vous créez une version de l’e-mail avec le bouton positionné au-dessus de la ligne de flottaison. Vous ne modifiez pas son design, seulement son emplacement. Vous décidez de lancer le test pendant 24 heures, vous définissez donc ce paramètre temporel et démarrez le test.

5. Analyser les données

Une fois le test terminé, examinez les résultats et voyez si votre nouvelle conception d’e-mail a entraîné des changements notables. Si ce n’est pas le cas, essayez de tester un nouvel élément.

Exemple : votre nouvel e-mail a légèrement augmenté les conversions, mais votre patron souhaite savoir si d’autres mesures pourraient améliorer les résultats. Étant donné que votre variable était l’emplacement du bouton, vous décidez d’essayer de le placer à deux autres endroits.

6. Trouver de nouveaux challengers pour votre champion

Dans le domaine des tests A/B, on utilise parfois les termes « champion » et « challenger » pour désigner respectivement la meilleure option actuelle et les nouvelles possibilités. Lorsque deux options ou plus sont en concurrence et que l’une d’entre elles remporte un succès nettement supérieur, elle est qualifiée de « champion ». Vous pouvez alors tester cette option gagnante par rapport à d’autres options, appelées « challengers ». Ce test peut vous permettre de désigner un nouveau champion ou de confirmer que le champion initial était le meilleur.

Exemple : vous avez testé deux versions d’une landing page à l’aide d’un test A/B et avez déterminé laquelle était la plus performante, mais il existe également une troisième version de la page que vous aimeriez comparer à la gagnante de votre premier test. La troisième version devient alors la nouvelle challenger à tester par rapport à la championne précédente.

Une fois les 6 étapes terminées, vous pouvez décider si l’amélioration était suffisamment significative pour mettre fin au test et apporter les modifications nécessaires. Vous pouvez également effectuer un autre test A/B pour évaluer l’impact d’un autre élément, tel que la taille du bouton ou sa palette de couleurs.

Conseils pour les spécialistes des tests A/B

Voici quelques conseils pour vous aider à rendre vos tests A/B aussi utiles que possible.

Utilisez des échantillons représentatifs de vos utilisateurs

Tout scientifique vous dira que si vous menez une expérience, vous devez vous assurer que vos groupes de participants sont aussi similaires que possible. Si vous testez un site Web, vous pouvez utiliser plusieurs outils de test automatisés pour garantir qu’un échantillon aléatoire de personnes voit chaque version.

Si vous envoyez des documents directement à vos clients ou à des clients potentiels, vous devez créer manuellement des listes comparables. Créez des groupes de taille aussi similaire que possible et, si vous avez accès aux données, répartissez les destinataires de manière égale en fonction du sexe, de l’âge et de la situation géographique. Ainsi, les variations de ces facteurs auront un impact minimal sur vos résultats.

N’oubliez pas d’utiliser les plus grands échantillons possible

Plus vous testez de personnes, plus vos résultats seront fiables. Cela renvoie à un concept que les statisticiens appellent « pertinence statistique ».

Si le résultat est statistiquement significatif, il est peu probable qu’il soit le fruit du hasard. Par exemple, si vous envoyez une nouvelle version d’un e-mail à 50 personnes et une version de contrôle à 50 autres, une augmentation de 5 % du taux de clics signifie simplement que 5 personnes ont mieux réagi à votre nouvelle version. La différence est si faible qu’elle pourrait s’expliquer par le hasard. Si vous refaites le même test, il y a de fortes chances que vous obteniez des résultats différents. En d’autres termes, vos résultats n’étaient pas statistiquement significatifs.

Si vous êtes en mesure d’envoyer le même ensemble d’e-mails à des groupes de 500 personnes, une augmentation de 5 % signifie que 50 personnes ont mieux réagi à votre nouveau style, ce qui est beaucoup plus susceptible d’être pertinent.

Évitez les erreurs courantes

Il est tentant de créer un bouton contextuel avec une nouvelle police, une nouvelle taille de texte, de nouvelles tailles de boutons et de nouvelles couleurs de boutons. Mais plus vous ajoutez de nouveaux éléments, plus vos résultats seront confus.

Si l’on reprend l’exemple ci-dessus, si votre nouvelle fenêtre contextuelle est complètement différente de l’originale en termes de conception, vous risquez d’observer des corrélations qui sont purement fortuites. Il se peut que le gros bouton violet « Paiement » avec le symbole du dollar soit plus efficace que le petit bouton bleu qu’il a remplacé. Cependant, il est possible que seul l’un de ces éléments de conception ait été pertinent, par exemple la taille.

N’oubliez pas que vous pouvez toujours effectuer un nouveau test avec des éléments différents ultérieurement. Il sera plus facile d’examiner ce test de suivi que d’essayer d’analyser un test comportant 18 variables différentes.

Attendez la fin du test avant d’apporter des modifications

Les tests A/B vous permettent de voir les effets d’un changement en temps réel. Il est donc tentant de mettre fin au test dès que vous voyez les résultats afin de pouvoir mettre en œuvre immédiatement une nouvelle version. Cependant, cela signifie que vos résultats seront probablement incomplets et moins susceptibles d’être statistiquement significatifs. Des facteurs liés au temps peuvent avoir une incidence sur vos résultats. Vous devez donc attendre la fin de la période de test pour bénéficier de la randomisation.

Exécutez plusieurs fois le même test

Même les meilleurs logiciels de test A/B renvoient des faux positifs, car le comportement des utilisateurs est très variable. La seule façon de vous assurer que vos résultats sont exacts est de refaire le même test avec les mêmes paramètres.

Il est particulièrement important de refaire des tests si votre nouvelle version montre une légère amélioration. Un seul résultat faussement positif a plus d’importance lorsqu’il n’y a pas beaucoup de résultats positifs.

De plus, si vous effectuez de nombreux tests A/B, vous risquez davantage d’obtenir des faux positifs. Il sera peut-être trop coûteux de refaire tous les tests, mais en les refaisant de temps en temps, vous aurez plus de chances de détecter les erreurs.

Simplifiez les tests A/B avec Mailchimp

Les tests A/B constituent un moyen efficace et efficient d’évaluer la réaction de votre audience à une idée de conception ou de contenu, car ils ne perturbent pas l’expérience utilisateur et n’impliquent pas l’envoi de questionnaires intrusifs. Il suffit d’essayer quelque chose de nouveau et de laisser les résultats parler d’eux-mêmes.

Vous débutez dans les tests A/B ? Testez facilement vos campagnes par e-mail avec Mailchimp pour déterminer quels en-têtes d’e-mails, éléments visuels, objets et textes trouvent le plus d’écho auprès de vos clients.