Derrière chaque campagne de webmarketing, l'objectif est le même : faire du chiffre et en l'occurence à moindre coût. Pour obtenir le meilleur retour sur investissement, les emarketers ont souvent recours aux bests practices du marché et sur leurs intuitions. Leur dernière arme peut se résumer en 3 mots : tester, tester, tester.
Définition du A/B testingLe A/B testing est une méthode ayant pour but de mesurer l'impact positif ou négatif d'un changement unique d'une seule variable. Cette méthode repose sur les principes de base de toute expérience scientifique.
Les principes de base du A/B testingLes principes énoncés doivent être remplies simultanément afin que le A/B testing soit correctement appliqué.
1) Un changement à la foisAfin de pouvoir identifier les changements, il convient de ne changer qu'une variable à la fois. Il peut s'agir de la date d'envoi d'un emailing, d'une nouvelle accroche dans une bannière, ... En effet, si on opère plusieurs changements simultanément, on ne pourra dire si le résultat obtenu provient du changement "numéro 1" et du changement "numéro 2" ou de la combinaison "1 & 2".
Ainsi, en modifiant une variable à la fois, il sera possible d'isoler la source du changement et d'en mesurer les résultats.
2) Durée des testsEric T. Peterson, dans son livre
"Web Analytics Demystified" souligne l'importance de la durée des tests. Lorsque ces derniers s'effectuent sur une durée trop réduite et donc non représentative, les résultats en découlant, ne peuvent qu'être biaisé. Comparer les résultats d'un changement sur 2-3 jours peuvent se révéler insuffisant.
3) Comparer seulement ce qui est comparablePrenons un exemple : le changement du jour d'envoi d'un emailing. Comparer les résultats obtenus, sur deux semaines différentes (semaine 1 et semaine 2) peut être biaisé si la semaine 2 par exemple est une semaine de vacances scolaires. Le taux d'ouverture des emails de la semaine 2 sera sans doute inférieur à celui de la semaine 1 sans que le changement du jour d'envoi de l'emailing puisse être mis en cause.
4) Identifier correctement les variables à améliorer et donc à testerClickZ, dans son article
"How to Improve A/B testing" nous montre un exemple intéressant. Nous voudrions optimiser le taux de transformation de la bannière "Ipod gratuit", sachant que la landing page sur laquelle l'internaute arrive une fois qu'il a cliqué sur cette bannière est une page décrivant le process fort complexe et tumultueux afin d'obtenir ce Ipod gratuit. Nous pourrions optimiser à l'infini cette landing page sans pour autant apercevoir des améliorations du taux de transformation. Le problème dans ce cas-ci n'est pas la landing page mais la bannière trompeuse.
5) Améliorations progressivesLa méthode du A/B testing demande rigueur et patience. Le résultat se fera ressentir de manière progressive et incrémentale. Pas de résultat à court terme donc.
6) Prendre les best practices comme point de départAfin de ne pas perdre trop de temps dans le process de A/B testing, il est conseillé de partir des best practices du marché et/ou du secteur. Ensuite, fournissez les meilleurs efforts marketing dans vos opérations. Cela constituera votre point de départ (baseline). Reprenez ensuite les 5 points ci-dessus et démarrez votre batterie de tests.
Chaque test permettra d'identifier les best practices inhérents à votre secteur d'activité et à votre entreprise, ce qui permettra à moyen - long terme d'améliorer le ROI de vos opérations de webmarketing de manière efficace.
Posté par
Anh Khoa Jonathan NGUYEN
Les commentaires récents