Les tests A/B: personnalisation et expérience client

La personnalisation des offres est la clé du succès dans le domaine du commerce en ligne. Mais comment les exploitants d’une boutique peuvent-ils découvrir ce qui plaît à leurs clients? Le test A/B peut les aider.

Plus l’offre est adaptée aux souhaits individuels des clients, mieux c’est. Si les utilisateurs se sentent directement interpellés dans une application, cela améliore la rétention; dans une boutique, une offre sur mesure incite davantage à mettre le produit dans le panier. Le test A/B permet de déterminer ce que le client potentiel souhaite vraiment.

Voici comment fonctionne un test A/B

Les tests A/B doivent leur nom à leur fonctionnement. Deux variantes d’un contenu sont présentés aux sujets de test. Il peut s’agir d’un élément CTA (call-to-action), d’une recommandation de produit ou d’un module de contenu, par exemple des titres différents pour le même article d’une newsletter.

Les actions des sujets du test sont mesurées. S’il s’avère, lors d’une comparaison directe, que l’une des deux variantes est mieux accueillie, elle sera utilisée à l’avenir.

En principe, il est possible de comparer plus de deux variantes, mais la conception du test et son évaluation deviennent alors plus compliquées.

Les tests A/B constituent un excellent compromis.

Les tests A/B sont un outil adapté à différents domaines du commerce numérique:

• Conception et processus: au départ, il y a une idée ou une question concrète. Du point de vue du client, constate-t-on une différence mesurable si un bouton est intitulé «Acheter maintenant» ou «Passer commande»? Des différences sont-elles constatées en fonction de la position du bouton? Amazon a par exemple fait de nombreuses expérimentation jusqu’à ce que le bouton «Buy Box» soit placé à l’endroit où il se trouve actuellement. Ces expériences peuvent également être appliquées aux processus, par exemple en ce qui concerne l’ordre des consultations de données pendant le processus de commande.
• Prix et recommandations: si un exploitant de boutique souhaite faire figurer des recommandations de produits sur la page détaillée, on peut par exemple chercher à savoir s’il est judicieux de faire des recommandations pour la même catégorie de produits. Dans un test A/B, la variante A des recommandations proposées contient des articles de la catégorie actuelle, la variante B considère des produits d’autres catégories. Presque tous les moteurs de recommandation fonctionnent sur ce principe et l’apprentissage automatique permet aujourd’hui de produire et évaluer des variantes. Les tests A/B servent également à déterminer le prix optimal.

Conseils pour la mise en œuvre d’un test A/B

Pour qu’un test A/B soit viable, il faut garder à l’esprit quelques aspects essentiels.

1. Analyser les données et formuler des hypothèses
   La première étape est l’analyse des données. Par exemple, y a-t-il des points du parcours client où un nombre particulièrement important d’utilisateurs interrompent la transaction? Le choix d’un mode de paiement dans un magasin ne répond de loin pas aux attentes? Sur la base de tels chiffres concrets, il est alors possible de formuler des hypothèses quant aux changements à apporter pour influencer le comportement dans la direction souhaitée. Il n’est pas aussi facile (et beaucoup plus coûteux) de répondre à la question de savoir, par exemple, si l’utilisation de titres plus audacieux dans une newsletter entraînent davantage d’interactions.
2. Définir un scénario de test
   Un scénario est défini sur la base de l’hypothèse. Cela signifie que deux variantes de titres sont toujours proposées. Lors de la présentation des modes de paiement, l’ordre est modifié ou d’autres libellés de boutons sont développées. L’important ici est de ne pas changer trop de choses à la fois. La pertinence du test s’en trouve réduite, ce qui peut conduire à des conclusions erronées.
3. Faire attention aux échantillons
   Il est important que les sujets de test soient répartis de manière égale et de préférence automatisée entre les deux variantes. Les résultats ne sont statistiquement significatifs que si un grand nombre de tests sont effectués. Si l’on tire des conclusions après avoir présenté seulement 100 fois les deux variantes, on risque de se fier au hasard.
4. Définir la durée du test
   Il est très important de déterminer à l’avance la durée d’un test. Il faut par exemple préciser la période pendant laquelle les variantes doivent être présentées, ou définir le nombre d’utilisateurs. Le décompte n’est établi qu’à la fin du test.
5. Évaluer le résultat de manière critique
   Idéalement, le résultat indique qu’une variante modifie la variable mesurée de manière positive et significative. La décision de mise en œuvre est alors (presque) prise. Il peut également arriver que le changement soit négatif et significatif. Il est alors préférable de ne pas s’engager dans cette voie. Si l’on ne constate pas de différences significatives même après une période de temps appropriée, le changement n’était pas judicieux. De nouvelles hypothèses doivent donc être formulées en ce qui concerne l’interruption de commande.

D’une manière générale, les résultats d’un test A/B doivent toujours être remis en question de manière critique et être considérés dans le contexte de l’ensemble du système. Si, par exemple, l’hypothèse est qu’une couleur différente du bouton de commande augmente le nombre de commandes et que le test confirme cette hypothèse, le commerçant doit mettre le résultat en relation avec d’autres chiffres. En effet, si le nombre de ventes a augmenté, mais que, dans le même temps, la valeur des paniers d’achat a diminué, la mise en œuvre des mesures peut au final entraîner une baisse du chiffre d’affaires.

Solutions pour effectuer les tests

Grâce à différents outils avantageux, les tests A/B peuvent également être réalisés par les petits commerçants. Google propose par exemple «Optimize», un outil gratuit pour effectuer des tests à petite échelle. Et ces fonctions de test sont généralement déjà incluses dans les outils d’envoi de newsletters.