Qu’est-ce que l’A/B Testing ?
L‘A/B Testing s’inscrit plus largement dans une optique de CRO (Conversion Rate Optimization) qui regroupe toutes sortes d’outils et méthodologies marketing utilisés pour optimiser les sites web et les campagnes.
Le fondement de ce test, aussi appelé Split Testing, réside dans la comparaison de l’efficacité de différentes versions d’une même page web afin de déterminer laquelle convertit le mieux. Le but premier étant la conversion des visiteurs en clients en choisissant le meilleur titre, la meilleure image, quelle couleur convient le mieux à un bouton call to action…
Avec l’A/B Testing on cherche à trouver ce qui est le plus efficace, à travers l’expérimentation et l’interprétation des résultats. Il existe cependant plusieurs points qui sont à prendre en compte pour ne pas arriver à des conclusions biasées voire totalement fausses.
A/B Testing : points de vigilance
Nous citerons en premier lieu la taille de l’échantillon associée à la durée du test. Les versions testées en parallèles doivent en effet recevoir un trafic suffisamment représentatif pour avoir une base de comparaison équitable. Dans le même ordre d’idée, il est conseillé de définir une segmentation : prenons-nous en compte n’importe quel visiteur ou bien l’utilisateur qui aura au préalable suivi un chemin particulier (celui qui aura fait X actions, qui aura cliqué sur telle page, etc.) ? Enfin, l’une des erreurs principales à éviter est de tester plusieurs variables à la fois, ce qui pourrait venir fausser le test : n’en tester qu’une seule vous permettra d’avoir une meilleure compréhension de la stratégie de contenu à adopter.
Si vous vous intéressez à l’A/B testing, il est très probable que vous maitrisez parfaitement ces sujets. Mais avez-vous déjà prêté attention au temps de chargement des différentes versions testées ?
A/B Testing & Performance web : ne faussez pas vos tests !
Nous l’avons déjà évoqué ici : une seconde de chargement supplémentaire peut faire chuter la conversion de 7%. Quand vous réalisez un test A/B, selon les variantes mises en place, vous pouvez être amené à détériorer le temps de chargement d’une des versions. Les exemples sont nombreux (changement d’une image, utilisation d’une vidéo, etc).
Si aucune vigilance n’est apportée, la dégradation du temps de chargement peut être très importante. Ainsi, il y a fort à parier que la version concernée verra son taux de conversion chuter. Et très naturellement, l’interprétation des résultats va nous mener à abandonner cette variante. Le problème est que cet abandon sera pour les mauvaises raisons !
Prenons l’exemple de ces 2 photos :
Intuitivement, on pensera que c’est l’image de droite qui va nous permettre d’obtenir les meilleurs résultats. Sans action préalable, nous obtiendrons pourtant l’inverse ! Tout simplement parce que l’image de droite est 100 fois plus lourde que la première et va pénaliser de manière excessive l’expérience utilisateur.
En optimisant l’image de droite, sans nuire à sa qualité, nous pouvons obtenir des temps de chargement similaires sur les 2 pages. Ainsi, les résultats que nous obtiendrons seront totalement différents.
L’impact du temps de chargement sur la conversion n’est plus à démontrer. Avec un test A/B, on sort généralement des workflows habituels (l’image à tester ne provient pas du graphiste habituel, on ne passe par les contrôles de son CMS mais directement par la solution de test A/B, etc) et l’on s’expose donc plus facilement à des dégradations de la performance. Il est donc indispensable d’avoir à l’esprit ce point de vigilance !
DareBoost & Unbounce deviennent partenaires
Dans cette optique de la performance web intégrée à l’A/B Testing, nous nous sommes associés à Unbounce, spécialiste de l’A/B Testing pour les landing pages. Nous sommes très heureux de voir leur intérêt pour cette problématique.
En vous annonçant ce partenariat, nous franchissons une première étape et espérons prochaine pouvoir proposer des intégrations de DareBoost.com pour faciliter la prise en compte de cette problématique !
En attendant, n’oubliez pas de tester directement sur les différentes versions de vos tests A/B !