7 étapes pour formuler une hypothèse de test A/B solide

L'hypothèse est définie comme "une supposition provisoire faite dans le but de tirer et de tester ses conséquences logiques ou empiriques". En ce qui concerne l'optimisation des pages d'atterrissage, l'hypothèse de test est la supposition que vous voulez tester par rapport à ce que vous avez déjà. Afin d'augmenter les chances de réussite de vos tests A/B, vous devez formuler une hypothèse solide par le biais de recherches et d'observations.

Les experts en marketing ne testent pas des idées au hasard en espérant tomber sur une solution efficace. Ils utilisent plutôt des hypothèses de test solides.

Une hypothèse fournit une base solide et ciblée pour l'élaboration d'un plan d'action. Tests A/B Il s'agit d'une feuille de route qui générera des remontées et fournira des enseignements essentiels. Ainsi, chaque test devrait commencer par une hypothèse que vous essayez de prouver ou de désapprouver. La formulation d'une hypothèse est donc le moyen le plus rapide, le plus précis et le moins coûteux de résoudre un problème.

Voici 7 étapes à suivre pour formuler une hypothèse de test A/B solide

1. Définissez votre problème

 La première chose à faire est de définir votre problème. Que voulez-vous tester ou résoudre ? S'agit-il de doubler vos ventes ou d'augmenter le nombre d'inscriptions ? Quels que soient vos objectifs, ils doivent être clairement définis, quantifiables et mesurables. Cela devrait vous donner une idée claire de ce que votre nouveau design devrait résoudre, y compris le processus qui sera suivi pour atteindre les résultats.

2. Découvrir les raisons qui expliquent les chiffres

Maintenant que vous avez défini votre problème et que vous avez une idée claire de ce que vous voulez obtenir, l'étape suivante consiste à procéder à une analyse statistique approfondie du problème actuel. Cela peut être assimilé à l'affûtage d'une hache. En fait, il s'agit de prendre le plus de temps possible pour comprendre les raisons de vos chiffres.

Vous ne pourrez pas formuler une hypothèse précise sans étudier ce qui se passe sur le site web sur lequel vous souhaitez effectuer votre test A/B. Maintenant que vous êtes déjà à la recherche de meilleures variables pour améliorer vos taux de conversion, il est logique que vous trouviez les raisons qui vous ont amené à cette situation. Pourquoi votre taux de rebond est-il élevé ? Pourquoi les conversions ne sont-elles pas plus nombreuses ? Pourquoi la plupart de vos clients ne parviennent-ils pas à terminer le processus de paiement ? Ce sont là quelques-unes des raisons qui peuvent vous pousser à améliorer votre site web.

La seule façon de découvrir les points à améliorer sur votre site web est d'étudier votre marché cible. Vous devez également recueillir les réactions de vos clients par le biais de commentaires, de médias sociaux, d'enquêtes et d'e-mails.

3. Parlez à vos visiteurs

Il est important d'obtenir un véritable retour d'information de la part de vos visiteurs. L'un des moyens consiste à utiliser des enquêtes - à la fois des enquêtes d'entrée et des enquêtes de sortie - qui sont utilisées pour découvrir les objectifs de vos visiteurs et déterminer si leurs buts ont été atteints, respectivement pour comprendre ce qu'ils veulent ou quels sont leurs désirs.

Connaître les raisons de leurs décisions et de leurs actions est la partie la plus importante de l'enquête. N'hésitez donc pas à leur demander de justifier leurs actions dans l'enquête. Par exemple, vous pouvez placer une enquête de sortie à la fin d'un processus d'achat pour leur demander pourquoi ils ont acheté votre produit. Vous pouvez également placer une enquête de sortie immédiatement après l'abandon d'un processus d'achat pour comprendre pourquoi ils l'ont fait.

Vous pouvez également utiliser des outils d'analyse pour recueillir des données quantitatives telles que la localisation, les appareils utilisés, les taux de rebond, le nombre de visiteurs, etc. En d'autres termes, les enquêtes et les outils d'analyse peuvent se compléter lorsqu'il s'agit de recueillir des informations sur le client.

4. Utiliser la segmentation pour obtenir des données exploitables

En statistiques, les moyennes ne disent pas tout. Ce sont les segments qui le disent, et c'est pourquoi la segmentation est une étape importante dans la formulation d'une hypothèse. Par exemple, une expérience peut montrer qu'un certain produit ne fonctionne pas bien, mais après une analyse plus approfondie, on peut découvrir que la majorité des personnes qui achètent le produit sont des femmes âgées de 18 à 29 ans. Une enquête plus poussée peut révéler que les publicités pour le produit étaient destinées à la population générale. Ainsi, lorsque vous procédez à une segmentation, il peut vous apparaître que vous devriez concentrer vos efforts de marketing sur les femmes appartenant à la tranche d'âge 18-29 ans. En d'autres termes, la segmentation vous fournit des données exploitables qui, sans elle, seraient inutiles. Il existe de nombreuses approches de la segmentation. En voici quelques exemples :

Segmentation des sources : il s'agit de séparer les visiteurs qui viennent sur votre site en fonction de leurs sources, par exemple desktop ou mobile, android ou iOS, email ou médias sociaux. Trouvez tous les indicateurs associés à ces segments, tels que les taux de rebond, le nombre de visiteurs, les taux de conversion et les régions.

Segmentation comportementale : voyez quels sont les éléments auxquels vos clients accordent le plus d'attention sur votre site web. Il existe aujourd'hui des technologies d'oculométrie qui permettent d'étudier les éléments qui attirent le plus l'attention. Découvrez qui sont les 20% de votre segment qui apportent les 80% de revenus (cf. Principe de Pareto). Une autre façon de collecter des données est de procéder à des tests de convivialité en observant le comportement du client et en enregistrant ses observations.

Segmentation des résultats : ici, vous vous concentrez sur les différents types de produits qui ont été achetés, le nombre de personnes qui n'ont pas conclu l'achat, l'origine de la plupart de vos commandes, etc.

En résumé, l'objectif de la segmentation est de déterminer quel est votre segment le plus rentable et de concentrer vos efforts sur ce segment.

5. Formulez une hypothèse pour votre test

Maintenant que vous avez rassemblé suffisamment d'éléments pour montrer où et comment se situe le problème, il est temps d'expliquer pourquoi vous pensez que le problème se pose.

Votre hypothèse doit présenter les caractéristiques suivantes :

• Il est orienté vers un objectif - il énonce clairement ce qui doit être accompli.
• Il peut être testé - il peut être facilement mis en œuvre
• Il est perspicace - en examinant l'hypothèse, on devrait apprendre quelque chose sur le problème.

Un exemple d'hypothèse

Problème : moins de 5% des visiteurs achètent l'application mobile

Hypothèse : Le texte du bouton CTA ne fournit pas un message clair au client. Il faut remplacer "Get it" par "Download you app now".

6. Tester des variations substantielles sur la base de votre hypothèse

C'est ce que nous appelons la phase de remue-méninges. Après avoir déterminé le problème et formulé une hypothèse. L'étape suivante consiste à proposer des variantes substantielles basées sur votre hypothèse. Dans l'exemple ci-dessus, l'hypothèse est la suivante : "Le texte du bouton CTA ne fournit pas un message clair au client". Les variations substantielles pourraient inclure des éléments tels que la modification de la couleur du bouton, la modification de la position du CTA sur la page d'atterrissage, la modification des libellés, la création d'une icône différente, etc. Les variations substantielles de votre hypothèse ont pour but de vous rapprocher de la solution le plus rapidement possible et de vous fournir des informations.

7. Analyser les résultats pour valider l'hypothèse et répéter l'expérience.

Une fois que vous avez réussi à formuler vos hypothèses et à tester des variations substantielles, il est temps d'analyser les résultats pour valider votre hypothèse. Vous devez disposer d'un nombre suffisant de résultats de tests pour pouvoir les analyser et les comparer. Lorsque vous analysez vos tests dans le but de mettre en œuvre des solutions, vous devez garder à l'esprit que le chiffre d'affaires est la mesure ultime de l'amélioration. Le retour d'information des clients et l'analyse sont des outils que vous pouvez utiliser. Vous devez examiner les données laissées par vos clients pour vous aider à choisir les éléments à analyser. Les différents éléments que vous pouvez tester sont les suivants

• CTAs - couleurs, textes, taille
• Taille de l'image
• Titres - taille, longueur, style, ton, couleur du texte
• Témoignages - emplacement, nombre, longueur
• Nombre de vidéos, avec ou sans vidéos
• Formulaires - type de fichier, couleur, nombre de champs
• Icône de panier, texte, nombre d'étapes
• Rédaction - texte long ou court, style, ton

Après avoir tiré les leçons de vos résultats, vous devez recommencer le processus car il est toujours possible de s'améliorer. En marketing, on ne trouve jamais la solution parfaite et il n'y a même aucun moyen de savoir si l'on a atteint la perfection. L'amélioration constante est le mot d'ordre dans ce domaine. Il s'agit donc d'un processus continu.

A propos de l'auteur :

Steven Sanchez est activement impliqué dans le référencement et le marketing Internet depuis 1999. Les connaissances et l'expérience de Steven ont fait de lui l'un des référenceurs les plus respectés de l'industrie et sa passion pour l'innovation et la croissance a conduit son entreprise, Internet Marketing Invesp, à devenir l'une des principales sociétés de marketing en ligne au monde.

FAQ

Quel est un exemple d'hypothèse pour les tests AB ?

Dans le contexte des tests A/B, une hypothèse est une supposition éclairée sur les changements qui amélioreront une mesure particulière sur votre site web. Par exemple, vous pourriez émettre l'hypothèse suivante : "Le passage du bouton d'appel à l'action du vert au rouge sur notre page produit augmentera le taux de clics de 15%". Cette hypothèse est basée sur votre compréhension du comportement des visiteurs, sur la science des données et sur les performances de votre site existant. L'efficacité de l'hypothèse est ensuite testée par le biais d'un test A/B ou d'un test fractionné.

Qu'est-ce que l'hypothèse nulle et l'hypothèse alternative dans les tests AB ?

Dans les tests A/B, l'hypothèse nulle stipule qu'il n'y a pas de différence significative entre les performances de la version A (le contrôle) et de la version B (la variante). Par exemple, "Changer la couleur du bouton d'appel à l'action n'aura pas d'impact sur le taux de clics". L'hypothèse alternative, en revanche, postule qu'il existe une différence significative. Une analyse statistique est ensuite effectuée, à l'aide d'un outil de test et de l'apprentissage automatique, le cas échéant, pour déterminer si l'hypothèse nulle peut être rejetée sur la base du comportement des utilisateurs et des résultats des tests à plusieurs variables.

Comment valider un test AB ?

Pour valider un test A/B, vous devez collecter et analyser des données afin de déterminer si les changements apportés à la variante (B) ont entraîné une amélioration significative par rapport au contrôle (A). Cela implique de déterminer la taille de l'échantillon, d'effectuer le test jusqu'à ce que vous disposiez de suffisamment de données, puis d'utiliser une analyse statistique pour déterminer s'il existe une différence significative. Ce processus fait partie de votre programme d'optimisation du taux de conversion, et un résultat statistiquement significatif constitue un excellent point de départ pour valider la solution proposée.

Comment rédiger un test d'hypothèse ?

L'hypothèse d'un test est rédigée sous la forme d'une déclaration qui prédit un résultat potentiel. L'énoncé doit préciser le changement testé, la mesure sur laquelle il devrait avoir un impact et le résultat escompté. Par exemple, "L'augmentation de la taille de la police des prix des produits sur notre site web augmentera l'engagement des utilisateurs de 10%". Cette hypothèse est ensuite validée par des tests A/B. Il est également utile de compléter les tests A/B par d'autres formes de collecte de données, telles que des tests auprès des utilisateurs ou des enquêtes auprès des clients, afin de comprendre pourquoi certains changements peuvent être efficaces ou non.