L’A/B testing, aussi fréquemment appelé split testing, est une excellente façon de tester la pertinence d’une page de votre site web afin de l’améliorer. Concrètement, pour une page demandée par un internaute, vous testez plusieurs versions de celle-ci, afin de savoir laquelle donne les meilleurs résultats. L’A/B testing est utile pour améliorer continuellement les performances de son site, et optimiser son taux de conversion. Comme chaque outil, il ne produit de bons résultats qu’à condition de respecter quelques règles. Voici nos conseils pour mener à bien vos tests A/B.
L’A/B testing, c’est puissant. Vous pouvez potentiellement tout tester. Ne le faites pas. Un bon test, c’est-à-dire un test qui amène à des conclusions et permet des interprétations, se fera sur un nombre d’éléments restreint. Pour mener vos premiers tests, ne faites varier qu’un seul des paramètres suivant entre les deux versions d’une même page :
Autant d’éléments à tester, cela vous donne des idées ? Oui, mais ne transformez pas un test A/B en test A/Z. Contentez-vous de comparer, sur une durée définie, deux versions d’une page, avec un à deux critères déterminants (vus ci-dessus) . Ne vous lancez pas dans des tests avec 4, 5 ou 6 pages. Vous éprouverez en effet de réelles difficultés à identifier les critères déterminants si le nombre de pages testées est grand.
Une question fréquente au sujet des tests A/B concerne la taille de l’échantillon. Auprès de combien de visiteurs devez-vous mener l’expérience ? Vous devez atteindre le seuil de confiance d’au moins 95%. Comment y parvenir ? Vous pouvez vous reposer sur les indicateurs de confiance intégrés si votre outil d’analyse en est doté. Sachez également qu’il existe plusieurs formules mathématiques pour calculer l’indice de confiance d’un test A / B. Celles-ci prennent en compte le taux de conversion de votre site, l’amélioration que vous envisagez, le nombre de variantes que vous réalisez, et le public cible.
[alert-success]Lire aussi : Les étapes pour mettre en place un test A/B avec Google Analytics et 4 erreurs communes (que vous pouvez éviter) pour vos tests A/B[/alert-success]
Photo Credit: Ionics
6 Comments