Trouvez la bonne recette marketing grâce à l’ A/B testing

Saviez-vous que sur Internet, vous êtes régulièrement le cobaye d’expérimentations marketing ? Quand vous bingez des séries sur votre plateforme préférée, lorsque vous naviguez sur un site e-commerce… Pour optimiser leur tunnel de conversion et rendre accros les utilisateurs à leurs produits ou services, les géants du web appliquent une technique bien rodée : l’A/B testing, une approche à l’origine scientifique qui gagne du terrain chez les annonceurs.

Qu’est-ce que l’A/B testing ?

L’A/B testing consiste en créer et diffuser simultanément 2 contenus sensiblement différents, afin de déterminer lequel est le plus efficace. La variable A (le contenu existant) est la version dite de contrôle, tandis que la variable B (le contenu modifié) est appelée version de traitement.

L’objectif principal de cette technique : améliorer l’expérience utilisateur en trouvant le message ou le design le plus engageant, et donc le plus rentable.

Les avantages de l’A/B testing sont nombreux. L’annonceur peut explorer de nouvelles idées sans impacter le produit final, ni risquer une grosse perte de revenus. Il base ses décisions sur des statistiques objectives, non sur sa simple intuition. Car cette technique n’implique pas de décision irréversible. Grâce à sa méthodologie pragmatique, elle permet d’innover sans prise de risque. Aussi, l’A/B testing s’inscrit dans une démarche proactive. L’entreprise s’intéresse de près aux attentes des consommateurs en observant ce qu’ils font, plutôt qu’en écoutant ce qu’ils veulent bien dire.

Les champs d’application de l’A/B testing sont variés et s’appliquent à n’importe quel contenu digital :

• Une landing page – sur une page A, le formulaire de contact se trouve en bas, sur une page B, il est placé à gauche : laquelle génère le plus de contacts entrants ?
• Un emailing – sur un mailing A le call to action indique “Découvrir l’offre”, celui sur un mailing B “Découvrez l’offre !” : lequel obtient le meilleur taux de clics ?
• Un message de vente – une pub Facebook A est illustrée avec une photographie, la pub B avec un visuel graphique : laquelle obtient le meilleurengagement ?

4 conseils pour mener une campagne fiable et pertinente

Nous n’allons pas vous dérouler ici le process complet pour mener une campagne à bien, néanmoins, voici les points qui demandent une vigilance toute particulière.

Poser une hypothèse

Avant de vous lancer dans l’A/B testing, analysez la version de contrôle. Selon sa nature, vous allez vous intéresser à son taux de lecture, de clic, de remplissage ou de rebond, à la durée d’une session… Remettre en question l’existant aide à poser une hypothèse crédible.

Prenons notre emailing. Le call to action actuel indiquant “Découvrir l’offre” obtient un taux de clic de 3%. Comment rendre le message plus engageant ? Voici notre hypothèse : “Un call to action contenant un message impératif et exclamatif augmente le taux de clic.”. Ainsi, vous proposez comme variable : “Découvrez l’offre !”.

Prendre le temps de formuler une hypothèse aide à rationaliser la démarche et à ne pas s’éparpiller dans des tests contre-productifs.

Modifier un élément à la fois

Pour comparer les résultats obtenus, il est nécessaire de concevoir des campagnes homogènes et équitables, portées par des indicateurs de performances bien définis. Ici, on ne joue pas au jeu des 7 différences : seul un élément isolé doit être modifié.

Prenons cette fois la publicité Facebook. Si vous souhaitez comparer 2 visuels, veillez à ce que les autres éléments soient identiques : le budget et la durée de la campagne, le message, le call to action, l’audience ciblée doivent être strictement analogues, sous peine de biaiser les KPI mesurés.

S’appuyer sur une audience importante

Le contenu doit être vu par un échantillon suffisamment large pour pouvoir tirer des conclusions valables. Par exemple, une page web devrait générer au moins 10 000 visites uniques (idéalement +100 000) par mois pour qu’une campagne d’A/B testing donne des résultats significatifs. Sans cela, vous ne pouvez pas vraiment comparer son niveau de conversion avec celui de la version de contrôle.

Capitaliser sur vos résultats… puis les remettre en question

Après analyse des résultats, vous constatez qu’une variable surperforme l’autre ? Dans ce cas, vous pouvez la passer en production et la diffuser à l’ensemble de votre audience.

Mais ne vous reposez pas sur vos acquis : chaque campagne mène à de nouveaux diagnostics, de nouvelles hypothèses, puis de nouveaux tests. L’A/B testing s’inscrit dans un process d’amélioration continue, c’est dans la durée qu’il porte ses fruits.

Netflix, le roi du “Test and Learn”

Si vous faites partie des 167 millions d’internautes abonnés à Netflix, ce cas d’école devrait vous parler. Vous avez peut-être déjà remarqué que sur cette plateforme, les visuels changent régulièrement. Ce n’est pas une simple coquetterie, mais bien un de ses fins stratagèmes pour optimiser son taux de conversion.

Chez Netflix, la première expérimentation du genre remonte à 2013. L’intuition à l’origine du test : la vignette qui illustre un film / une série a une incidence directe sur ses performances de lecture. Pour en avoir le cœur net, Netflix a monté 3 groupes (des “cellules”), chacun voyant une affiche différente pour le même film.

Les résultats sont éloquents. Ils confirment que les visuels ont un impact direct sur le comportement des internautes. Ici, l’affiche de la Cellule 2 obtient un score bien plus élevé, elle est donc déployée sur tous les comptes.

© Netflix

À force de recueillir des données significatives en masse, Netflix est en mesure d’optimiser l’agencement des pages, les vignettes et les textes de présentation. In fine, cette technique des affiches variables améliore l’expérience utilisateur tout en augmentant considérablement le taux de rétention de la plateforme.