Qu'est-ce qu'un test A/B ? (Définition + Comment exécuter un test A/B)

Si vous menez des campagnes marketing, envoyez des e-mails ou essayez d'obtenir des prospects à partir de votre site Web, vous produisez régulièrement du contenu précieux pour vos abonnés.

Mais savez-vous à quel point ce contenu est performant ?

Êtes-vous satisfait des résultats que vous avez observés ? Si vous avez essayé de comprendre pourquoi certains éléments de contenu semblent avoir tellement plus de succès que d'autres, vous voudrez peut-être envisager d'exécuter un test A/B.

Cet outil précieux élimine les approximations de votre stratégie de contenu et vous fournit les données dont vous avez besoin pour prendre les meilleures décisions pour votre entreprise. Vous ne savez pas ce qu'est un test A/B ou comment en exécuter un ? Nous allons droit aux bases avec ce guide afin que vous puissiez exécuter vos propres tests en un rien de temps !

Qu'est-ce qu'un test A/B ?

Un élément clé d'une stratégie marketing réussie consiste à savoir ce qui fonctionne et à tirer parti de ces informations. Les tests A/B vous fournissent ces informations clés et éliminent le besoin de deviner ce qui fonctionne le mieux. Avec les tests A/B, vous exécutez une expérience aléatoire en utilisant deux éléments de contenu similaires que vous partagez avec différents groupes et surveillez pour voir lequel donne les résultats souhaités.

Cela se fait souvent avec des e-mails, où différentes lignes d'objet ou angles peuvent être utilisés pour tester ce qui entraîne un taux d'ouverture plus élevé. Ou vous pouvez tester deux annonces pour la même offre avec un texte légèrement différent pour voir quelle version génère un taux de clics plus élevé.

Les éléments de contenu qui produisent le meilleur ensemble de résultats sont considérés comme l'échantillon « gagnant » et sont utilisés dans les campagnes futures ou pour créer d'autres supports marketing. Si vous constatez que les deux échantillons ont des résultats identiques ou similaires, cela peut signifier que vous devez les rendre plus distincts afin de les tester correctement.

Bien sûr, cela ne signifie pas que l'échantillon « perdant » est mauvais. En fait, les informations tirées de ses performances peuvent être cruciales pour vous aider à décider comment communiquer au mieux avec un segment plus restreint de votre public ou ce qu'il faut éviter de faire à l'avenir.

Pourquoi faire un test A/B ?

Sans test AB, vous volez essentiellement à l'aveugle. Vous partagez du contenu et vous espérez avoir rédigé le bon message pour le public que vous essayez d'attirer. La principale raison d'effectuer des tests A/B est de recueillir des informations sur votre public et sur la façon dont il réagit à votre contenu. Cela vous fournit des données que vous pouvez ensuite utiliser pour améliorer le contenu que vous produisez, la fréquence à laquelle il est partagé et même la plate-forme sur laquelle il est publié.

Dans les premières étapes de production de contenu, vous utilisez des informations générales pour vous guider, mais les tests A/B vous permettent d'affiner votre approche. Si vous avez fait un test A/B sur un e-mail et que vous l'avez envoyé à un groupe à 10h et à l'autre à 15h, vous pouvez utiliser les taux d'ouverture de chacun pour déterminer le meilleur moment pour envoyer vos e-mails. De même, vous pouvez apporter des modifications mineures aux lignes d'objet ou à l'aperçu de l'e-mail pour voir ce qui produit une meilleure réponse de la part de vos abonnés.

Comment fonctionnent les tests A/B ?

Les tests A/B semblent assez simples, mais ils doivent être exécutés correctement afin de produire des résultats fiables. Vous travaillez avec un certain nombre de variables non contrôlées telles que le temps, les logiciels et les personnes, il y a donc une grande marge d'erreur. C'est là qu'une bonne planification peut aider. Voici quelques étapes clés que vous devez suivre pour exécuter un test AB réussi et produire des résultats précis.

Étape 1. Décidez quelle variable vous voulez tester

La première étape consiste à savoir exactement ce que vous allez tester. Pour chaque test AB que vous exécutez, vous ne devez vous concentrer que sur une seule chose. Cette variable peut être votre ligne d'objet ou l'utilisation de la personnalisation pour un ensemble d'e-mails ou la copie utilisée pour votre appel à l'action. Bien que vous puissiez tester plusieurs variables pour un élément de contenu, assurez-vous de tester chaque ensemble de variables à des moments différents. Si vous essayez de tester plusieurs variables à la fois, vous ne pourrez pas dire quelle variable a été vraiment la plus efficace.

De plus, en précisant exactement ce que vous voulez tester, vous êtes mieux à même de décider comment créer les variables. Si vous souhaitez tester l'efficacité de la personnalisation pour augmenter vos taux d'ouverture, vous savez qu'un ensemble d'e-mails devra inclure la personnalisation et l'autre non. De même, si vous vous concentrez sur la façon dont votre copie affecte vos taux de clics, vous vous concentrerez sur la création de deux ensembles différents de copies d'incitation à l'action.

Étape 2. Identifier sur quelle métrique se concentrer

Vous devez également savoir ce que vous voulez mesurer. Est-ce votre taux de clic ? Vos tarifs d'ouverture ? Le nombre de nouveaux abonnés ? En étant clair sur la métrique, vous savez exactement sur quelles données vous concentrer pour décider quelle version est la plus efficace.

Dans certains cas, surtout si vous disposez de données existantes, il est utile d'avoir un objectif réel en tête ou même une hypothèse. Par exemple, vous avez peut-être remarqué que certains mots affectent négativement votre taux d'ouverture et vous avez l'intention d'effectuer un test AB pour voir si cela est vrai. Votre hypothèse pourrait être que l'utilisation du mot "épuisement professionnel" dans ma ligne d'objet réduit mon taux d'ouverture de 3 % . Votre objectif sera d'identifier quelle ligne d'objet entraîne un taux d'ouverture plus élevé.

Étape 3. Configurer un contrôle et un challenger

En complétant les deux premières étapes, vous avez identifié vos variables et le résultat souhaité. Maintenant, vous serez prêt à décider quels sont votre « contrôle » et votre « challenger ». Pour votre contrôle, vous créerez votre contenu comme vous le feriez normalement.

Pour en revenir à notre exemple d'essayer d'augmenter les taux d'ouverture en testant les lignes d'objet, vous utiliseriez le format typique de votre ligne d'objet avec l'inclusion du mot "épuisement". Par exemple, Ten Proven Ways To Prevent Burnout as Creative .

Votre challenger est l'endroit où vous commencerez à faire des ajustements en fonction de l'hypothèse que vous avez. Dans ce cas, votre ligne d'objet pourrait ressembler à ceci : Dix façons d'alimenter votre énergie créative.

Étape 4. Divisez votre échantillon uniformément si nécessaire

La façon dont vous divisez votre échantillon est déterminée par le type de contenu que vous testez et l'outil que vous utilisez. Pour les e-mails, vous divisez généralement votre échantillon de manière égale afin que chaque groupe soit assez similaire, mais vous pouvez également choisir de le diviser au hasard par votre outil de test AB.

Pour les autres contenus sur lesquels vous avez moins de contrôle, comme une page de destination ou des publicités, votre échantillon sera divisé de manière aléatoire.

Étape 5. Choisissez votre taille d'échantillon

Tout comme pour choisir comment diviser votre échantillon, vous déterminerez la taille réelle de l'échantillon en fonction de l'outil que vous utilisez et du contenu que vous testez. Pour les e-mails, vous pouvez généralement envoyer votre contrôle et votre challenger à un petit sous-ensemble de votre liste de diffusion. Une fois qu'un objectif spécifique a été atteint, le "gagnant" sera envoyé aux contacts restants.

Les pages Web et les publicités sont très différentes puisque vous n'avez pas un nombre défini de personnes que vous vous attendez à les voir. Par conséquent, la taille de votre échantillon sera déterminée par la durée de partage du contenu ou le montant dépensé pour l'annonce.

Quelle que soit la méthode utilisée, vous voulez vous assurer que vous laissez votre test s'exécuter suffisamment longtemps pour obtenir des résultats concluants.

Étape 6. Déterminez l'importance de vos résultats

Vous souvenez-vous de cette étape précédente pour identifier la métrique sur laquelle vous souhaitez vous concentrer ? C'est là que cela devient particulièrement important. Vous devez déterminer l'importance de vos résultats afin de choisir le contenu "gagnant" ou le plus performant. Ici, la signification statistique entre en jeu. Si cela fait un moment que vous n'avez pas suivi de cours de statistiques, il est temps de faire un petit rappel.

La signification statistique indique la probabilité que vos résultats soient dus à une erreur ou au hasard. Plus votre signification statistique est élevée, plus vos résultats sont fiables, car cela signifie qu'il est peu probable que vos résultats aient été aléatoires ou obtenus par erreur.

N'oubliez pas que les résultats de votre test seront utilisés pour déterminer votre stratégie marketing, la manière dont vous budgétisez vos dépenses publicitaires et la manière dont vous communiquez avec votre public. Par conséquent, vous voulez être aussi certain que possible que les données guidant ces décisions sont exactes. Habituellement, vous voulez avoir un niveau de confiance d'au moins 95 %, mais vous pouvez aller jusqu'à 99 %.

Le calcul de votre signification statistique et de vos niveaux de confiance peut être un processus assez complexe, mais heureusement, il existe des outils pratiques qui peuvent s'en occuper pour vous.

Étape 7. Choisissez un outil de test A/B

De nombreux outils de marketing numérique populaires sur le marché peuvent être utilisés pour exécuter des tests A/B. Des outils tels que Facebook Ads Manager, Google Optimizer, Hubspot, ActiveCampaign, Adobe Target et Visual Website Optimizer ne sont que quelques exemples de logiciels capables d'exécuter des tests A/B pour les e-mails, les pages Web ou les publicités.

Lorsque vous choisissez un outil, vous devez tenir compte de la manière dont vous l'utiliserez, des types de contenu ou de campagnes que vous testerez, de son prix et de sa facilité d'utilisation. Une autre caractéristique cruciale sur laquelle se concentrer est la manière dont les données sont collectées et partagées. Ces chiffres sont les résultats les plus importants dont vous aurez besoin. Vous devez donc choisir un outil qui fournit des rapports détaillés dans un format facile à comprendre.

Étape 8. Testez les versions A et B en même temps

Votre test doit être fait avec votre contrôle et votre challenger en même temps. Cela signifie que vous ne pouvez pas envoyer un e-mail A aujourd'hui et un e-mail B la semaine prochaine ou diffuser chaque annonce à des jours d'intervalle. Ils doivent être testés dans les mêmes conditions, les seules différences étant l'élément modifié et les personnes réelles qui voient le contenu.

La seule exception à cette règle est lorsque le test concerne votre timing. Si vous essayez de trouver le bon moment ou le bon jour pour atteindre votre public, vous partagerez naturellement votre contenu à des moments différents. Dans ce cas, cependant, la seule différence entre le contrôle et le challenger serait le temps .

Étape 9. Concentrez l'analyse sur votre objectif principal

Une fois que vous avez exécuté votre test et commencé à recueillir vos résultats, vous serez inondé de données. Bien que tout cela soit pertinent, vous devez prioriser la métrique que vous avez décidé de mesurer. Si votre objectif principal était de déterminer ce qui fonctionne le mieux pour votre taux d'ouverture, cela doit être au centre de votre analyse. Ce sera le facteur déterminant ou lequel des deux a réussi.

Cela ne veut pas dire que vous devez supprimer les données restantes. Cela peut être utilisé pour vous aider à mieux comprendre votre public et même à améliorer davantage votre contenu. La chose importante à retenir est que ces données supplémentaires sont tout simplement agréables à avoir - pas l'objectif principal du test.

Étape 10. Mesurez vos résultats avec un calculateur de test A/B

À ce stade, vous disposez de toutes les données et vous vous penchez sur les chiffres. Alors, comment mesurez-vous réellement vos résultats et déterminez-vous s'ils sont suffisamment substantiels pour apporter des changements à votre stratégie ?

Des outils comme Hubspot ou le calculateur de test A/B de Survey Monkey peuvent éliminer les conjectures. À l'aide de ces outils, vous saisirez le nombre de personnes qui ont reçu chaque variable et le nombre de personnes qui ont agi. Cela produira les taux de conversion pour chacun et donnera un indicateur clair de ceux qui ont obtenu les meilleurs résultats.

Étape 11. Utilisez vos résultats pour guider votre prochaine action

Maintenant que vous disposez de données solides, vous pouvez les utiliser en toute confiance pour déterminer quels changements, le cas échéant, sont nécessaires à votre stratégie. Notez que les tests AB ne sont pas toujours une activité ponctuelle. Vous pouvez tester votre contenu gagnant contre un autre challenger pour obtenir encore plus d'informations jusqu'à ce que vous soyez convaincu que ce que vous produisez produira des résultats optimaux.

Et si vous n'êtes pas satisfait des résultats, vous pouvez toujours recommencer avec de nouveaux ensembles de contenu. La grande chose est que même si les résultats ne sont pas satisfaisants, ils vous fournissent toujours des informations précieuses que vous pouvez utiliser.

Comment interpréter les résultats des tests A/B

Nous avons beaucoup parlé de la valeur des informations reçues de votre test, mais comment les interprétez-vous correctement ? Encore une fois, vous devez vous concentrer sur votre objectif principal. Si la mesure sur laquelle vous vous concentriez était les taux d'ouverture, vous les examinerez en premier. C'est le nombre que vous brancherez dans votre outil de test A/B.

Ensuite, vous examinerez les différences de taux de conversion. Vous avez peut-être constaté un taux de conversion de 3 % pour l'e-mail A, mais un taux de conversion de 7 % pour l'e-mail B avec un niveau de confiance de 95 %. Ces résultats sont considérés comme statistiquement significatifs et vous pouvez vous attendre à ce que l'utilisation de l'e-mail B comme modèle pour vos futurs e-mails entraîne un taux de conversion plus élevé.

Vous pouvez également approfondir les autres informations - les données démographiques de l'audience telles que l'âge, le sexe, l'emplacement, le type d'appareil ou l'heure de la journée à laquelle vos e-mails ont été ouverts. Toutes ces informations vous donnent une vision plus large de votre public et de ce qui pourrait fonctionner pour lui.

Erreurs courantes à éviter lors des tests A/B

Même les spécialistes du marketing chevronnés commettent des erreurs avec les tests AB, ce qui peut avoir un impact négatif sur leurs résultats et, par extension, sur la stratégie. Voici un aperçu de certaines des erreurs les plus courantes et des mesures que vous pouvez prendre pour éviter de les commettre.

Ne pas laisser le test s'exécuter assez longtemps

Les tests AB sont généralement effectués via une plate-forme spécifique et ces plates-formes fournissent des données en temps réel. Maintenant, cela peut être un grand avantage tant que vous êtes patient. Il est facile de voir les performances initiales du test et de le terminer prématurément car vous souhaitez prendre une décision rapidement. Le problème avec cela est que vous ne laissez pas le test s'exécuter assez longtemps pour vous donner un aperçu de la situation dans son ensemble. Si vous terminez votre test après quelques heures, cela n'aurait pas été suffisant pour recueillir de vrais résultats.

Pour éviter cela, décidez lors de votre phase de planification de la durée d'exécution de vos tests. Si vous décidez de 24 heures , ne faites rien pendant ces 24 heures, quelle que soit la performance du contenu.

Il y a aussi le problème des gens qui ne réservent pas une période de temps adéquate pour exécuter leurs tests. N'oubliez pas que différents types de contenu doivent être testés dans différentes circonstances. Vos annonces ne peuvent pas être testées pendant la même période que vos e-mails ou vos pages de destination, par exemple. De plus, vous voudrez accorder plus de temps à un public plus large. On peut s'attendre à ce qu'un groupe aussi petit que 50 personnes produise des résultats significatifs en moins de temps qu'un groupe de 35 000 personnes.

Tester trop de variables à la fois

Il y a une raison pour laquelle cela s'appelle un test AB - vous testez l'élément A contre l'élément B. Bien qu'il existe des tests multivariés, c'est une forme de test complètement différente et se fait dans des conditions différentes. Ce qui se passe lorsque vous exécutez un test AB et incluez trop de variables, c'est que les résultats ne sont pas fiables. Il y aurait trop de cas d'erreur ou de hasard qui auraient pu avoir un impact sur le résultat. Si vous envoyez vos e-mails à des moments différents, cela pourrait être ce qui force le taux d'ouverture et non la ligne d'objet. Si vous modifiez la conception du bouton d'appel à l'action et la copie, vous ne pouvez pas être sûr de ce qui a fait la différence.

C'est pourquoi il est crucial de connaître votre objectif et de l'utiliser pour guider la conduite de votre test. Si vous souhaitez vous concentrer sur les taux d'ouverture, votre variable doit s'y rapporter. Si vous essayez d'obtenir plus de visites sur le site Web, vous ne devriez avoir qu'une seule variable qui s'y rapporte et rien d'autre. Lorsque vous faites cela, vous pouvez vous fier avec plus de confiance aux résultats.

Tester trop tôt

Cela peut sembler un peu déroutant, mais supportez-moi. Plus vous avez de trafic, plus votre audience est large, plus vous pouvez inclure de personnes dans votre test et plus vos résultats seront fiables.

Cela ne veut pas dire que vous ne devriez pas tester votre contenu lorsque vous débutez, mais vous ne pouvez pas trop vous fier aux données que vous obtenez. Vous devrez refaire le test au fur et à mesure que votre nombre augmentera. L'autre mise en garde est que tester trop tôt peut être motivé par un sentiment de désespoir de voir de meilleurs chiffres qui peuvent fausser votre test. Cela vous rend impatient lorsque vous exécutez le test et vous pourriez tomber dans le piège de le terminer trop tôt, vous laissant avec des données non concluantes ou échouées.

La meilleure façon d'éviter de faire cette erreur est simplement d'être patient. Attendez que votre contenu original ait eu la chance de fonctionner, puis décidez s'il y a place à amélioration. Donnez-vous du temps pour commencer à développer votre audience et à attirer vos cibles idéales afin que les données soient réellement pertinentes pour vous. Il y a de fortes chances qu'avec suffisamment de temps, vous n'ayez pas besoin d'effectuer un test - vos campagnes commenceront à prendre de la vitesse, et si ce n'est pas le cas, vous pourrez alors prendre une décision.

Prêt à utiliser les tests AB pour améliorer votre stratégie marketing ?

Il ne fait aucun doute que les tests A/B sont un élément essentiel de toute stratégie marketing réussie, mais ils doivent être bien exécutés. Cela signifie identifier votre objectif, la métrique principale, les outils que vous devez utiliser et identifier vos variables.

Si vous avez correctement planifié votre test en suivant les étapes décrites ci-dessus, la collecte et l'interprétation des résultats devraient être simples. Saisissez les données dans votre calculatrice et décidez si la différence est suffisamment importante pour apporter des modifications à votre contenu.

Si c'est le cas, prenez le temps de bien examiner les données et d'interpréter vos résultats. Utilisez ensuite vos découvertes pour donner un coup de pouce à votre stratégie marketing.

Et en un rien de temps, vous et votre entreprise récolterez les bénéfices des tests AB.