Nous avons dressé une liste de test a / b bonnes pratiques susceptibles d'aider les éditeurs à optimiser leur inventaire publicitaire pour maximiser leurs revenus publicitaires.
Le test A / B est l'un des moyens les plus efficaces pour augmenter vos taux de conversion.
Le problème est que la plupart des éditeurs s'y prennent mal.
Une expérience A/B mal exécutée peut causer beaucoup de problèmes à votre site Web. La mise en œuvre de modifications à la suite d'un test médiocre affectera négativement vos taux de conversion et, par conséquent, vos revenus.
D'un autre côté, exécuter correctement un test A/B vous aidera à doubler ou tripler vos taux de conversion sans avoir besoin d'augmenter le trafic ou d'essayer d'arbitrage.
Dans cet article, nous examinerons 10 bonnes pratiques essentielles en matière d'A/B testing à suivre en 2021.
Commençons.
1. Divisez votre audience en segments
Les tests A/B vous donnent un aperçu de ce que font les utilisateurs, ils ne vous disent pas pourquoi ils prennent cette action spécifique. Pour exécuter un test réussi, vous devez analyser les résultats par segments et non dans son ensemble.
La plupart des éditeurs exécutent des tests A/B en seulement 2 variantes. Donc, si la variante A l'emporte, ils supposent que les utilisateurs la préfèrent.
Cette stratégie peut être trompeuse.
Même si la variante A gagne dans l'ensemble, la variante B peut toujours gagner dans d'autres segments. Plusieurs facteurs différents affectent le taux de conversion de vos annonces. Vous devez prendre chacun d'eux en considération.
Par exemple, si vous segmentez vos tests A/B par version mobile ou desktop, vous remarquerez peut-être que les publicités sur desktop convertissent mieux que celles sur mobile. Cela peut être dû au fait que votre format d'annonce permettent de garantir que optimisé pour mobile, de sorte que les mobinautes n'ont pas une bonne expérience utilisateur, d'où un taux de conversion plus faible.
Même les données démographiques peuvent affecter les résultats de votre test.
Imaginons que vous diffusez une annonce pour vendre des produits pour bébés. Qui sera votre public idéal ? – Nouveau-nés ou femmes enceintes. Donc, si vous testiez A/B cette annonce et que vous définissez votre paramètre de test pour mesurer uniquement les femmes par âge, vous obtiendrez un résultat biaisé. Si votre annonce est diffusée auprès de toutes les femmes, vos annonces seront mal converties.
Vous pouvez décider de demander aux annonceurs d'ajuster votre copie d'annonce ou la pensée d'appel à l'action qui est le problème. Alors qu'en fait, le problème est que vous n'êtes pas cibler le bon public – les femmes enceintes ou les nouveau-nés.
Connaître de petits détails comme celui-ci peut vous aider à mieux configurer vos annonces.
Remarque : Vous devez être prudent lors de la segmentation. Vous ne voulez pas tester 10 à 20 choses à la fois. Vous vous retrouverez avec des données aléatoires qui n'ont aucun sens.
Pour un résultat fiable, divisez votre test en 4 segments maximum à la fois.
Voici les segments communs dans lesquels vous pouvez diviser vos annonces :
Ciblage des annonces
- Genre
- Pays
- Âge
- Intérêts
- Comportements d'achat
- Publics clients (comme dans l'exemple ci-dessus, vous testez non seulement en fonction de l'âge, mais également si la femme est une femme enceinte ou a un nouveau-né)
- Statut de la relation
- Niveau de formation
Placement d'annonces
- Format
- Emplacement
- Taille
- Vitesse de chargement de la page
Vous pouvez également segmenter votre annonce en fonction de type d'annonce, les enchères et la raison pour laquelle vous optimisez les annonces ; voulez-vous plus d'engagement, de conversions ou de clics.
2. Assurez-vous d'avoir la bonne taille d'échantillon pour le test A/B
Pour obtenir un résultat fiable de vos tests, vous devez utiliser une taille d'échantillon appropriée.
Le calcul de la taille d'échantillon minimale requise pour un test A/B vous évite d'exécuter un test avec un petit échantillon qui vous donnera des résultats inadéquats.
Une façon de calculer la taille idéale de votre échantillon consiste à utiliser Le calculateur de taille d'échantillon d'A/B Tasty. Tout ce que vous avez à faire est de saisir votre taux de conversion actuel, l'effet minimum détectable et la signification statistique pour obtenir le nombre requis de visiteurs dont vous aurez besoin pour le test.
L'effet minimum détectable représente le pourcentage d'augmentation du taux de conversion que vous aimerez voir.
La signification statistique standard est de 95 %. Bien que vous puissiez modifier le vôtre en fonction de votre tolérance au risque.
3. Ne terminez pas vos tests A/B trop tôt
La durée de votre test joue un rôle essentiel dans la détermination de la fiabilité de vos résultats de test.
Lors des tests A/B, tenez compte de la durée absolue pendant laquelle vous obtenez les meilleurs résultats. Lorsque vous terminez vos tests trop tôt, vous risquez de prendre des décisions à partir de résultats intangibles qui finiront par affecter négativement vos taux de conversion.
Pour obtenir les meilleurs résultats, exécutez votre test pendant plusieurs semaines à la fois. Je vous recommande d'exécuter chaque test pendant au moins 3-4 semaines. Plus votre test est long, plus les résultats sont concluants.
Pourquoi si longtemps ?
Votre trafic sur le site n'est pas constant. Cela change de jour en jour. Divers facteurs tels que les changements saisonniers, les promotions et même les actions de vos concurrents peuvent affecter votre trafic. En exécutant des tests A/B pendant plusieurs semaines à la fois, vous aurez une représentation claire de la taille de votre échantillon. Cela vous assurera d'avoir un résultat plus concluant à la fin du test.
4. Soyez conscient des menaces de validité
Avoir la bonne taille d'échantillon, la bonne durée de test et segmenter votre public ne suffit pas pour vous donner des résultats valides. D'autres menaces peuvent affecter la validité de vos résultats.
Voici quelques-unes des menaces courantes que vous pourriez rencontrer :
- Menace d'instrumentation
C'est une menace très courante. Il est également très facile de le rater. Cette menace est causée lorsque l'outil que vous utilisez pour votre test envoie des données erronées. Cela se produit généralement lorsque vous implémentez de manière incorrecte le code sur votre site Web. Lorsque vous remarquez que vous recevez des données erronées, terminez le test et trouvez la racine du problème. Ensuite, réinitialisez tout le test et recommencez.
- Effet historique
C'est à ce moment que des facteurs externes provoquent une faille dans vos données.
Un exemple de facteur externe est que vos concurrents n'exécutent pas de paywall sur des sujets que vous pourriez exécuter dans le cadre d'un plan d'abonnement. Cela pourrait affecter certaines variables de votre test. La plupart de vos visiteurs voudront peut-être les essayer car ils ont accès à du contenu gratuit.
Il est essentiel que vous prêtiez attention aux facteurs externes qui peuvent fausser les résultats de votre test. - Effet de sélection
Cette menace se produit lorsque vous supposez qu'une partie de votre trafic représente l'ensemble.
Par exemple, les visiteurs que vous obtenez en fin de semaine peuvent différer des visiteurs qui arrivent sur votre site en début de semaine. Il n'est pas valable de dire qu'une partie de votre trafic est une représentation globale de tout le trafic que vous recevez. C'est la raison pour laquelle le point 3 est important. Exécuter vos tests pendant une longue période vous aidera à éviter cette menace.
5. N'apportez pas de modifications en cours de test
Ne vous précipitez pas pour mettre en œuvre les modifications à mi-parcours. Si vous terminez le test trop tôt ou introduisez de nouveaux éléments qui ne faisaient pas partie de vos variables de test initiales, vous obtiendrez des résultats peu fiables.
Lorsque vous apportez des modifications à mi-parcours, vous ne pouvez pas déterminer si les nouvelles modifications sont responsables d'une augmentation ou d'une réduction des conversions. N'intervenez que lorsque vous avez terminé le test initial.
6. Testez régulièrement le placement de votre annonce
Votre placement est l'un des aspects les plus importants qui contribueront au succès d'une annonce. L'optimisation de vos blocs d'annonces les plus performants peut transformer un visiteur occasionnel en prospect potentiel. Par exemple, les premières publicités qui sont optimisées pour l'expérience utilisateur sont généralement la première chose que le spectateur voit lors du défilement, attirant ainsi son attention.
Alors, comment faites-vous pour tester A/B votre placement d'annonce?
- Testez plusieurs variantes d'emplacement pour votre annonce : Nous encourageons généralement les éditeurs à trouver un équilibre entre les emplacements au-dessus et en dessous de la ligne de flottaison en évitant de les surcharger et en choisissant formats d'annonce qui apportent la conversion la plus élevée.
- Faites confiance à votre plateforme technologique : De plus en plus d'éditeurs s'appuient uniquement sur Produits des éditeurs Google pour monétiser leurs inventaires publicitaires. C'est une excellente nouvelle car Gestionnaire d'annonces Google le reporting est souvent le meilleur point de départ pour optimiser votre placement d'annonce. De plus, Google met également à jour régulièrement les tailles et formats d'annonces les plus performants en fonction de leurs données.
Lire aussi: Comment trouver le meilleur placement publicitaire sur votre site Web ?
7. N'exécutez pas trop de tests à la suite
Il n'est pas recommandé d'exécuter de nombreux tests sur une courte période. La raison en est que vous devez prendre beaucoup de temps pour collecter des données avant d'exécuter une expérience.
Lorsque vous exécutez trop de tests sur une courte période, la taille de votre échantillon ne sera pas suffisamment tangible pour donner des résultats fiables. Vous mettrez en œuvre des changements à partir de résultats à moitié cuits. Cela ne fera que diminuer les conversions. Et puisque vous ne voyez aucune conversion positive, vous continuez à exécuter plus de tests et vous êtes coincé dans un cycle.
Après avoir exécuté un test, mesurez les résultats et décidez des changements à mettre en œuvre. Lorsque vous mettez en œuvre un changement, attendez quelques semaines pour voir s'il aura un effet positif sur votre résultat net. De cette façon, vous pouvez dire avec certitude ce qui fonctionne et ce qui ne fonctionne pas.
8. Créer une hypothèse avant de tester
Lorsque vous avez déterminé le problème que vous voulez résoudre avec votre test, créez une hypothèse forte.
Une hypothèse solide fera ce qui suit :
- Expliquez le problème que vous essayez de résoudre avec le test.
- Postuler une solution potentielle
- Et anticiper le résultat de l'expérience.
Une bonne hypothèse est mesurable et vous aidera à déterminer si votre test a réussi ou échoué. Sans hypothèse, vos tests ne seront que des conjectures.
La formule la plus simple pour trouver votre hypothèse est :
Changer A en B causera C
Où;
A = Ce que votre analyse indique est le problème
B = Quels changements, selon vous, résoudront le problème
C = L'effet que les changements auront sur votre indicateur de performance clé.
9. Demandez à vos visiteurs de donner leur avis
Votre test A/B vous aidera à visualiser le chemin de conversion de votre visiteur. Mais c'est à peu près tout. Bien que la science des tests A/B soit cruciale, vous devez comprendre comment vos clients se sentent lorsqu'ils interagissent avec votre site Web et vos publicités.
Comment savez-vous la raison pour laquelle un visiteur a atterri sur votre site Web ? Comment savez-vous pourquoi ils ne cliquent pas sur vos annonces ou ne s'inscrivent pas à vos services ?
C'est là qu'intervient la demande de commentaires. La collecte de commentaires directs de vos visiteurs élimine le besoin de conjectures. Sondez vos visiteurs pour vous aider à comprendre quels sont leurs objectifs et les difficultés qu'ils rencontrent sur votre site web. Cela vous aidera à identifier ce qu'il faut tester.
Grâce aux commentaires de vos visiteurs, vous pourrez identifier les variables qui ont le plus d'impact sur votre conversion.
La meilleure façon de recueillir des commentaires est d'utiliser un outil d'enquête comme SurveyMonkey et Qualaroo. Tu devrais aussi intégrer un système CRM. Cela vous permettra de synchroniser les informations que vous collectez via les sondages avec vos données existantes. De cette façon, vous pouvez facilement référencer les commentaires de vos visiteurs lors de la création d'une expérience A/B.
10. Commencez et arrêtez vos tests le même jour
Bien que cela puisse sembler une évidence, vous serez choqué de voir combien de personnes l'ignorent.
Pour obtenir un résultat parfait, vous devez commencer et arrêter votre test le même jour de la semaine. Il maintient chaque variable cohérente tout au long de la période de test.
Réflexions finales
La dernière chose à retenir est que vous ne devez jamais arrêter de tester. L'optimisation de votre taux de conversion est le moyen le plus efficace d'augmenter les ventes ou les inscriptions sur votre site Web.
À mesure que vous collectez plus de données au fil du temps, assurez-vous de poursuivre les tests. Les tests A/B sont l'un des moyens les plus efficaces pour comprendre vos visiteurs.
Obtenir du nouveau trafic coûte cher et peut être difficile. L'option la plus logique est d'augmenter le taux de conversion des visiteurs que vous avez déjà.
Les meilleures pratiques de test A/B ci-dessus vous aideront à démarrer.
À propos de l’auteur
Marvellous Aham-adi est spécialisé dans la rédaction de contenus longs et attrayants qui génèrent du trafic à partir de Google, génèrent des prospects et génèrent des ventes. Ses spécialités incluent le marketing de contenu, le marketing des médias sociaux, le marketing par e-mail, la rédaction technique et analytique.
Questions fréquentes
Dans les tests A/B, une variable (page Web, élément de page, etc.) est présentée simultanément à différents segments de visiteurs du site Web pour déterminer quelle version a le plus grand impact et génère des mesures commerciales.
Les tests A/B présentent plusieurs avantages. Les tests A/B augmentent l'engagement des utilisateurs, réduisent les taux de rebond, augmentent les taux de conversion, minimisent les risques et créent du contenu efficacement. Vous pouvez améliorer considérablement votre site ou votre application mobile en exécutant un test A/B.
Dans le marketing numérique et la conception Web, les tests A/B sont une méthode d'expérimentation populaire. Afin d'augmenter les ventes du commerce électronique, un spécialiste du marketing peut expérimenter l'emplacement du bouton "acheter maintenant" sur la page du produit.
Shubham est un spécialiste du marketing numérique possédant une riche expérience de travail dans le secteur des technologies publicitaires. Il possède une vaste expérience dans le secteur du programmatique, dans la conduite de stratégies commerciales et de fonctions de mise à l'échelle, y compris, mais sans s'y limiter, la croissance et le marketing, les opérations, l'optimisation des processus et les ventes.
