Tester ce qui convertit

Les opinions sur ce qui convertit sont souvent erronées. L'expérimentation remplace les suppositions par des faits en comparant des versions d'une page au comportement réel des visiteurs.

L'optimisation du taux de conversion, ou CRO, est une pratique rigoureuse qui consiste à mener ces essais afin d'améliorer progressivement les résultats plutôt qu'à refondre une page sur une simple intuition.

Un essai A/B présente la version A à la moitié de vos visiteurs et la version B à l'autre moitié, puis mesure laquelle convertit le mieux.

Comme le trafic est réparti aléatoirement et au même moment, les facteurs externes affectent les deux versions de la même manière. L'écart entre les taux de conversion indique l'effet du changement apporté.

Un bon essai commence par une hypothèse claire, et non par des modifications au hasard. Indiquez ce que vous allez changer, le résultat attendu et sa raison.

Les essais restent ainsi ciblés et leur résultat garde du sens, qu'ils soient concluants ou non. Un essai qui échoue parce qu'il réfute une croyance reste néanmoins un learning précieux.

Pour savoir ce qui a causé un changement dans les résultats, faites varier un seul élément à la fois : le titre, la couleur du bouton ou la longueur du formulaire, mais pas les trois simultanément.

Modifier plusieurs éléments ensemble peut tout de même vous indiquer que la page s'est améliorée, mais pas lequel de ces changements en est responsable. Isolez la variable pour tirer la leçon.

Tous les éléments n'ont pas la même importance. Le titre, l'offre principale, le CTA et le visuel principal influencent généralement le plus la conversion : expérimentez donc avec eux en premier.

Les petites retouches esthétiques produisent rarement de grands écarts. Consacrez votre budget d'expérimentation aux éléments dont le gain potentiel est le plus élevé.

Un essai nécessite suffisamment de visiteurs et de conversions avant que son résultat ait une signification. Déclarer un gagnant après quelques conversions seulement est l'erreur la plus courante en expérimentation.

Déterminez la taille d'échantillon nécessaire avant de commencer et laissez l'essai se dérouler assez longtemps pour prendre en compte les variations normales d'un jour à l'autre, idéalement pendant des semaines entières.

La significativité statistique estime la probabilité qu'un écart soit réel plutôt que dû au hasard. Un seuil courant est un niveau de confiance de 95 %.

En dessous de ce seuil, le gagnant apparent pourrait simplement être le fruit de la chance. La significativité vous protège contre le déploiement d'un changement qui n'apporte en réalité aucune amélioration.

Arrêter un essai dès que la version B semble en tête, ce qu'on appelle consulter prématurément les résultats, augmente artificiellement le nombre de victoires illusoires. Les avances initiales disparaissent souvent lorsque davantage de données sont recueillies.

Définissez à l'avance les conditions de fin et respectez-les. Évitez également de mener des essais pendant des périodes inhabituelles, comme une promotion de fin d'année, qui déforment le comportement normal.

Un essai multivarié fait varier plusieurs éléments simultanément et mesure chaque combinaison. Il peut révéler les interactions entre les éléments, mais nécessite beaucoup plus de trafic.

Pour la plupart des pages, les essais A/B successifs sont plus pratiques. Réservez les essais multivariés aux pages très fréquentées, pour lesquelles vous pouvez vous permettre un tel volume.

Un essai n'est utile que si vous donnez suite à ses résultats. Déployez la version gagnante, consignez vos apprentissages et utilisez ces informations pour formuler l'hypothèse suivante.

Le CRO fonctionne en boucle : rechercher, formuler des hypothèses, expérimenter, apprendre, recommencer. Une itération régulière produit des gains importants au fil du temps.

Le gain mesure, en pourcentage du taux initial, l'amélioration apportée par une variante gagnante par rapport à la version de référence. Il permet de communiquer clairement l'impact aux parties prenantes.

Associez toujours le gain au niveau de confiance afin de présenter un résultat honnête. Un gain important avec un faible niveau de confiance ne permet pas encore de prendre une décision.

Les tests remplacent l'opinion par des faits. Les tests A/B répartissent le trafic pour comparer des versions, en s'appuyant sur une hypothèse claire et une seule variable isolée, en commençant par les éléments à fort impact.

Attendez une taille d'échantillon suffisante et une significativité statistique, évitez de consulter les résultats prématurément, puis déployez la version gagnante et recommencez. Présentez les résultats sous forme de gain accompagné d'un niveau de confiance.