Blog Blog SEOL’A/B testing, la méthode la plus efficiente pour améliorer vos taux de conversions

L’A/B testing, la méthode la plus efficiente pour améliorer vos taux de conversions

Aujourd’hui je vous explique ce qu’est l’A/B testing, je vous propose une méthodologie en 5 étapes et je vous explique pourquoi vous devriez effectué une amélioration continuelle. Pour finir nous verrons quelques bonnes pratiques générales et les précautions à prendre pour ne pas impacter votre SEO !

En moyenne, 50% des sites réalisent 10 A/B tests par an. C’est le constat réalisé par une étude de Converteo pour Kameleoon. Et vous ? Combien d’itérations réalisez-vous pour améliorer votre expérience utilisateur et vos taux de conversions ?

1 – Qu’est-ce que l’A/B testing

Le Test AB ou l’A/B testing est une méthode permettant d’améliorer les performances d’une page web, selon des métriques définies, en utilisant deux versions d’une page web (ou de tout autre levier marketing). Une version A, qui est la version originale d’une page, va nous servir de version de Contrôle. Puis une seconde page, la B, est la version testée : c’est une Variation de la page originale, avec une variable de celle-ci, modifiée. L’objectif est d’analyser les performances de ces deux pages durant une certaine période, en les proposant aléatoirement aux internautes. À la fin du test, on peut déterminer laquelle est la plus performante et donc laquelle est à préserver sur le site.

1.1 En quoi cette méthode consiste ?


Le principe est d’établir différentes hypothèses d’amélioration d’une page portant sur la manière dont les utilisateurs se comportent avec le site, de les hiérarchiser, puis, de les tester. On peut définir des modifications sur la structure globale, le design, l’expérience utilisateur ou même le contenu du site. En comparant les résultats obtenus entre la version de contrôle et la version de traitement, on peut ainsi valider ou invalider une hypothèse.

ab testing contrôle et traitement
L’A/B testing, c’est un version de contrôle (A) qui sert de témoin et une variation (B) qui sert de tentative d’amélioration


1.2 Pourquoi tester différentes variations de pages ?


Réaliser une multitude de tests AB est la façon la plus efficiente pour comprendre de quelle manière la conception d’un site (l’expérience utilisateur, le design et le neuromarketing) peut avoir un impact sur les performances. Il vous permettra de sortir des avis subjectifs, en testant et en contrôlant les hypothèses de vos équipes. Au-delà, cela vous permettra de mieux comprendre pourquoi certains éléments peuvent avoir un impact sur le comportement des utilisateurs et l’expérience client.

C’est une amélioration continue de vos taux de conversion. Et in fine, du chiffre d’affaires que vos pages généreront. 

Pour les mastodontes du e-commerce, cette méthode est continuelle et implique de très nombreuses hypothèses pour chaque type de pages.

Dans les lignes suivantes je vais vous expliquer comment mettre en place vos propres tests AB, comment les contrôler, les mesurer et apprendre de ceux-ci. Je vous donnerai quelques conseils pratiques, et les précautions à prendre pour votre stratégie SEO.

2 – Comment fonctionne l’A/B testing ?

Comme nous venons de le voir, l’A/B test consiste à mesurer les variations d’une page dans l’objectif de déterminer laquelle est la plus efficiente en modifiant une unique variable à la fois. Voici un protocole de 5 étapes à suivre pour établir votre amélioration continuelle.

déroulé d'un ab testing
Optimiser vos pages, c’est optimiser vos taux de conversions !


2.1 Une méthodologie en 5 étapes


2.1.1 – Déterminer comment améliorer la conversion


La première étape est de déterminer les pages ou éléments à prioriser sur votre site. Pour cela vous avez besoin d’une quantité importante de trafic : il est important de sélectionner des zones fortes du site en premier lieu, cela réduira la durée de votre test et vous assurera d’avoir une significativité statistique suffisante pour in fine améliorer votre page. Prioriser des pages avec des taux de conversion faibles ou des taux de rebonds élevés, qui peuvent ainsi être améliorés.

Par ailleurs il est nécessaire d’avoir des objectifs définis : si vous n’avez pas de métrique pour estimer dans quelle mesure une page est plus performante qu’une autre votre test sera inutile. Vous devez mesurer le taux conversion de vos pages : que ce soit le taux de complétion et d’envoi d’un formulaire, le nombre de personnes cliquant sur un lien défini, ou tout simplement le nombre d’internautes à passer commande sur votre site.

L’idée est que vous estimiez à quel moment la conversion est réalisée et que vous le mesuriez sur l’ensemble du trafic de la page.

Attention : si ce sont des pages d’atterrissages SEO (landing pages), un taux de rebond élevé ne signifie pas nécessairement que votre page est problématique, tout dépend des mots clés sur lesquelles elle est positionnée, leurs intentions de recherches, ainsi que son objectif. Par exemple, si votre page est un article de blog, et que son objectif est d’offrir une information à l’internaute et qu’elle est positionnée sur des requêtes informationnelles : il est tout à fait logique qu’une fois la réponse à son interrogation obtenue, l’internaute quitte le site. Dans ce cas un taux de rebond élevé n’est ni surprenant ni problématique (comparativement à d’autres types de pages).

2.1.2 – Hypothétiser les changements


Une fois que vous avez déterminé les pages que vous deviez améliorer, il est nécessaire de compiler des idées et d’établir des hypothèses sur l’amélioration attendue, la raison pour laquelle la modification serait plus efficace que la page originale. Une fois que vous avez plusieurs hypothèses, ordonnancer votre liste de façon à mettre en avant la plus théoriquement efficiente et la plus techniquement simple = on priorise le test le plus efficace et le moins coûteux.

Pour une entreprise de service, qui souhaite améliorer le nombre de contacts d’une page produit, il peut être intéressant de :

  • Modifier la couleur ou le positionnement du ‘Call to Action’
  • Intégrer des témoignages clients ou autres éléments de réassurance à la page (avis clients, témoignages, logos d’entreprises clientes).
  • Intégrer des ancres dans sa page afin de faciliter la lecture

2.1.3 – Identifier les variables et créer les variations


L’objectif est d’avoir plusieurs modifications potentielles de la page. En revanche, il est primordial de ne tester qu’un type modification à la fois, avec potentiellement plusieurs variations possibles (un CTA bleu, un orange, un vert), mais uniquement si vous avez suffisamment de trafic.

Générez vos différents modèles d’A/B tests avec l’outil que vous avez sélectionné. Parmi ceux-ci on trouve notamment l’outil gratuit Microsoft Clarity.

L’avantage des outils est qu’ils possèdent souvent un éditeur, permettant la modification visuelle directement plutôt qu’une modification du code source (vos développeurs vous remercieront). Une fois que vos pages sont réalisées, procédez à des tests sur celles-ci (il serait dommage de mettre en place des pages qui ne fonctionnent pas ou dont les métriques ne remontent pas correctement).

2.1.4 – Lancer l’expérimentation


Vous devez au préalable définir la durée de votre test en fonction du trafic estimé (utilisez les statistiques des semaines précédentes). Ce n’est pas une problématique si votre test dure plusieurs semaines, voire plusieurs mois, l’important est que vous ayez suffisamment de données pour que votre test soit statistiquement fiable. Il est essentiel que vos visiteurs soient assignés au hasard et qu’il y ai suffisamment de trafic pour ne pas avoir de biais statistiques : par exemple, un décalage dans l’heure d’arrivée sur la page entre les utilisateurs peut générer un biais (vous avez peut-être un meilleur taux de conversion le soir que l’après-midi).

2.1.5- Mesurer, comprendre, adapter, recommencer


Vous avez réalisé votre test, très bien. Vous avez suffisamment de résultats pour tirer quelque chose de vos données : maintenant, vous devez évaluer et établir les prochaines étapes.

Prenons l’exemple d’un A/B test hypothétique :

  • La page de destination A « Jean casual homme » qui a un taux de rebond de 78,8 %
  • La page de destination B « Jean casual homme » qui a un taux de rebond de 72,4 %.

La version B de la page de destination nous montre une réduction significative du taux de rebond de la page. Super ! On peut intégrer cette nouvelle version et ainsi accroître le taux de conversion de la page !

Oui, mais, pas seulement. L’important lorsqu’on réalise un test A/B est de déterminer les raisons pour lesquelles une page est favorisée par rapport à une autre. Réaliser des tests hasardeux est inutile et contreproductif tout en représentant une perte de ressources considérable à long terme.

Vous apprendrez beaucoup plus de vos cibles si vous êtes en mesure d’analyser les raisons d’une préférence par rapport à une autre et, par la suite, vous pourrez moduler vos pages de manière beaucoup plus naturelle, et ce, sur l’ensemble de votre site, voire, de vos leviers marketing.

Pour terminer, une fois l’intégration effectuée, vous pouvez recommencer avec une nouvelle hypothèse.

2.2 Quelques conseils et bonnes pratiques pour vos tests AB

  • Comme pour toute étude scientifique : vous devrez avoir une certaine quantité d’utilisateurs pour que vos tests soient statistiquement significatifs.
  • Un test = une variable : Si vous testez la couleur d’un CTA, ne testez que cette variable. Ne serait-ce que de modifier le format de votre bouton en plus suffira a biaisé vos résultats.
  • Cohérence sur l’ensemble de l’expérience : si dans un tunnel d’achat vous testez un call to action, mais qu’il est différent sur les pages suivantes, votre test sera faussé. Assurez-vous qu’une modification appliquée à un endroit soit redondante sur l’ensemble des occurrences de votre test (un CTA contact testez en bleu dans un menu doit aussi être testé en bleu en bas de page).
  • Votre outil doit préserver les cookies des utilisateurs pour s’assurer que celui-ci ne reçoive pas plusieurs variations d’un test.
  • Cela peut paraître évident, mais un test A/B doit être effectué simultanément sur les deux versions. Tester la version de contrôle (A) sur 1 mois puis la version de traitement (B) 1 mois plus tard ne représente en aucun cas une méthodologie fiable.
  • Pour finir, il est préférable de ne pas réaliser vos tests sur des périodes à forte saisonnalité, le comportement des utilisateurs pourrait être erroné par des changements naturels.


2.3 L’A/B testing, applicable partout ?


2.3.1 Pour chaque page, des centaines d’hypothèses


L’A/B test sera différent pour chaque type d’entreprises, chaque secteur d’activité, chaque type de pages. Ainsi il existe des milliers de manières d’accroître vos taux de conversions. Orientez correctement vos objectifs et posez-vous les bonnes questions.

Voici, en vrac, quelques exemples d’hypothèses à tester pour améliorer les performances de votre site :

  • Modulez votre page d’inscription (CTA, nombre de champs)
  • Modulez la présence/l’emplacement des produits connexes/similaires
  • Modulez vos éléments de réassurances : avis, logos clients, témoignages. 
  • L’emplacement du CTA pour vos réseaux sociaux
  • L’emplacement de la barre de recherche sur votre site
  • Modulez vos landing pages SEO !
  • Vos promotions sur votre page d’accueil
  • Vos éléments de navigation
  • Les éléments de votre entonnoir de conversion
  • La composition d’un formulaire de contact
  • Les modalités pour accéder à une version d’essai gratuite

2.3.2 Moduler vos leviers marketing !


Vous pouvez réaliser des tests A/B sur une multitude de leviers marketing tout au long de votre entonnoir de conversion et non pas uniquement sur des pages web :

  • Sur vos emails : email de bienvenue, email transactionnel et vos emails de notification, ce sont souvent des éléments délaissés et pourtant ils sont essentiels à la réassurance, à la bonne compréhension de chaque étape et à l’image globale de votre entreprise.
  • Sur vos publicités : testez différents formats pour vos promotions/réductions
  • Vos lecteurs d’images/vidéos
  • Vos logos
leviers marketing ab testing
Vous pouvez réaliser des tests AB dans chaque étape de votre entonnoir de conversion !


2.3 – Les outils


Il existe une multitude d’outils d’A/B testing, les plus connus sont Google Optimize et Optimizely. Gratuit VS Payant, le second est plus avancé et vous sera utile si vous réalisez des tests continuels. On note aussi l’outil gratuit Microsoft Clarity déjà évoqué ici. Je mets en avant le français Kameleon qui n’a rien à envier à ses concurrents et propose une personnalisation aboutie.

2.3.1 Google Optimize


C’est un outil puissant, assez facile à prendre en main, et gratuit. Il est assez difficile de faire des reproches à Google Optimize, il convient parfaitement à des entreprises de tailles moyennes qui souhaitent effectuer des tests ponctuels. Quelques défauts : le taux de conversion n’est pas empirique, mais modélisé (donc vous aurez un delta avec le taux de conversion que vous obtiendrez sur analytics) et pour établir ses résultats Google Optimize utilise une méthode bayésienne et va comptabiliser les sessions pour établir son résultat plutôt que les utilisateurs uniques.

2.3.2 Google Analytics


Vous pouvez directement réaliser vos tests via Google Analytics ! Vous avez tous les éléments à votre disposition, vous serez un peu moins tenu par la main et cela vous demandera de créer vos propres objectifs, mais c’est une manière peu coûteuse et assez efficiente de réaliser vos propres tests. L’avantage est que vous avez toutes vos métriques aux mêmes endroits. En revanche vous aurez directement besoin de votre développeur pour effectuer les modifications, puisque vous n’avez pas d’éditeur visuel à votre disposition.

2.3.2 Optimizely


C’est le gros concurrent de Google Optimize. Dans une version beaucoup plus avancée. Par exemple, optimizely utilise une méthodologie fréquentiste, qui serait plus fiable, globalement il utilise le visiteur unique pour établir ses résultats. Néanmoins c’est un outil avec un certain prix et si vous n’êtes pas une grande société réalisant de l’A/B test continuellement, il est probable que Google Optimize vous suffise.

2.3.3 Kameleon


Kameleon est un outil de personnalisation et d’A/B testing reconnu lui aussi, très similaire aux autres produits présentés, avec un ciblage par type de visiteur et une personnalisation très développée comme atouts et, c’est un outil français ! Cocorico.


3 – SEO et A/B testing

Google est tout à fait favorable au test A/B (puisqu’il possède son propre outil). En revanche, vous le savez, Google déteste la dissimulation, ses robots doivent au maximum voir la même chose que vos utilisateurs. Pour cela, si vous souhaitez réaliser des tests A/B il est nécessaire de prendre quelques précautions :

  • Une page jumelle = un attribut canonical. Vous allez directement dédoubler des pages, ce qui implique une duplication de contenu, dans ce cas vous devez préciser aux robots que les pages tests qu’ils visitent ne sont que des reproductions de la page originale via l’attribut « rel= « canonical » afin de renvoyer ceux-ci vers la page positionnée.
  • Dans le cas d’une page dupliquée vous devrez aussi préciser aux robots de ne pas indexer votre page une balise « no index » en revanche, ne les empêchez pas de visiter celle-ci.
  • Si vous effectuez des redirections = utilisez des redirections 302 plutôt que 301. La redirection 302 consiste à indiquer à Google que l’on effectue une redirection temporaire d’une page, et que de ce fait l’URL de la page (qui est positionnée) va revenir à la normale sous peu et qu’il n’est pas nécessaire de la désindexer, par exemple. Une redirection 301 est une redirection permanente.
  • Le principe d’un test c’est qu’il est limité dans le temps. Vous devez définir de base une durée. Pas trop courte afin d’avoir suffisamment de visites pour que votre test soit fiable statistiquement, mais pas trop longue afin que votre duplication de page ne soit pas considérée comme une tentative malhonnête par les algorithmes de Google.

Pas de cloaking (dissimulation) ! Par ailleurs, les plateformes d’A/B testing ne doivent pas être utilisées pour transformer les pages entièrement, ne modifier qu’une variable à la fois de votre page de contrôle.

Attention certaines plateformes vont intégrer du code supplémentaire sur vos pages ce qui implique un temps de chargement plus long, et de ce fait, cela peut impacter négativement votre référencement naturel.

Conclusion

L’A/B testing est une manière efficace, puisque factuelle et scientifique de continuellement améliorer votre site. Je souligne que l’A/B testing nécessite un certain investissement, notamment en ressources humaines et une certaine rigueur pour établir les hypothèses de départ. En revanche c’est une méthode qui reste accessible à la plupart des sites, une fois la méthodologie connue, ne serait-ce que sur des petites modifications qui ne représentent pas des développements importants. La seule condition sine qua non est d’avoir un certain volume de trafic et une plage de date relative afin d’acquérir suffisamment de données pour que la significativité statistique soit calculable et ainsi que vous puissiez valider ou invalider vos hypothèses. Lancez-vous et attention au biais statistiques !

article rédigé par Félix TOUZE Chef de projet SEO voir tous les articles

Commentaire