Deviner ce que vos clients veulent fonctionne rarement seul. Nous pouvons faire une supposition éclairée pour commencer—et ce que nous faisons après cette supposition est ce qui a le plus grand impact.
Le test, c’est-à-dire l’essai et l’erreur, est l’épine dorsale de toutes les activités commerciales. Quelle que soit l’industrie, les entreprises doivent compter sur les tests pour déterminer quel message, quelles images et quel positionnement des éléments résonnent le mieux auprès de leurs clients.Pour gérer et mesurer les tests à travers les expériences numériques, une plateforme spécifiquement conçue à cet effet est un indispensable au quotidien des entreprises. Et c’est là qu’Adobe Target s’avère utile.
Exécuter des tests A/B dans Adobe Target
Les tests A/B dans Adobe Target, autrefois connu sous le nom d’Adobe Test & Target, est le processus de comparaison d’une ou plusieurs variations de vos expériences numériques avec une expérience de contrôle. Par exemple, vous pourriez tester une nouvelle variation de votre page de prix par rapport à sa version existante.
Il existe trois méthodes de test A/B dans Adobe Target : le test A/B manuel, le test A/B à allocation automatique et le test A/B à ciblage automatique. En plus de ces trois options, Adobe Target vous offre également la possibilité de réaliser des tests multivariés plus complexes. Examinons chacune de ces options plus en détail.
Tests A/B manuels
Le test A/B manuel d’Adobe Target est le plus simple de toutes les options de test A/B. Il vous permet de tester plusieurs variations de votre expérience numérique par rapport à votre expérience existante afin de trouver les meilleurs résultats possibles.
Avec les tests A/B manuels, vous pourrez spécifier les audiences et l’allocation que chacune de vos variations desservira.
Les tests A/B manuels sont un bon choix lorsque :
- Vous savez déjà quels éléments de votre expérience vous devez tester en variations.
- Votre nombre de variations de test est de 5 ou moins, et elles ne couvrent pas plusieurs emplacements.
- Vous testez des changements globaux (y compris des refontes complètes de la mise en page).
- La conception de votre nouvelle variation n’isole pas d’éléments spécifiques pour les tests.
Si vous vous trouvez dans une situation où vous ne remplissez pas les critères ci-dessus, vous voudrez d’abord examiner les tests multivariés (nous aborderons cette option dans un instant).
Test A/B Auto-allocation
L’auto-allocation est un autre type de test A/B qui vous aide spécifiquement à décider quelles variations de test doivent recevoir la plus grande exposition.
Plutôt que d’attendre la fin d’un test pour réagir aux résultats comme vous le feriez normalement, l’auto-allocation commence à envoyer plus de trafic aux variations les plus performantes pendant que le test est en cours. Cela vous aide à optimiser de manière proactive vos métriques de succès pendant le test, plutôt que de manière réactive après coup.
L’algorithme d’auto-allocation y parvient en attribuant 80 % de votre trafic à la ou aux variation(s) obtenant les meilleures performances, tout en réservant 20 % de votre trafic pour le distribuer indistinctement parmi toutes les variations.
Ces 20 % restants garantissent que votre test prend en compte les changements de comportement des utilisateurs au fil du temps, lui permettant de s’adapter en conséquence si des variations inattendues donnent de meilleurs résultats plus tard dans le test.
L’auto-allocation est un choix judicieux pour les tests A/B lorsque :
- Vous devez trouver une variation gagnante dès que possible (généralement, les gagnants sont établis plus rapidement avec l’auto-allocation qu’avec le test A/B manuel).
- Vous voulez minimiser la quantité de trafic sacrifiée aux variations moins performantes et assurer des gains de performance plus constants ou prévisibles.
- Vous possédez (ou prévoyez de posséder) une licence pour Adobe Target Premium.
Test A/B Auto-Target
Auto-target s’appuie sur l’apprentissage automatique avancé pour offrir des expériences individualisées à chaque utilisateur. Plutôt que de montrer la même expérience de test à chaque utilisateur, il optimise en fonction de vos objectifs en montrant aux utilisateurs une expérience personnalisée basée sur leurs profils et l’activité de clients similaires.
Ce type de test A/B est considéré comme un test « toujours actif », ce qui signifie qu’il n’a jamais besoin de se terminer car il s’efforce constamment de montrer les expériences les mieux adaptées à chaque utilisateur dans le but d’améliorer les performances de manière perpétuelle.Auto-target utilise un algorithme Random Forest pour collecter des données provenant d’expériences servies de manière aléatoire et des données client que vous fournissez afin de prédire des expériences personnalisées très performantes pour chaque utilisateur.
Tout comme l’allocation automatique, Auto-target réserve toujours une partie du trafic comme « contrôle » qui recevra des expériences aléatoires (non personnalisées) afin de mieux mesurer l’amélioration des performances obtenue grâce à ses variations personnalisées.
Auto-target est un choix judicieux pour les tests A/B si :
- Vous avez (ou prévoyez d’avoir) une licence Adobe Target Premium (elle n’est pas disponible dans Adobe Target Standard).
- Vous travaillez à la maturité de l’expérience client en investissant dans des expériences personnalisées adaptées aux profils et parcours clients individuels.
- Vous souhaitez obtenir une amélioration « toujours active » gérée par l’apprentissage automatique et gagner du temps sur les tests manuels basés sur des estimations humaines d’amélioration.
Tests multivariés d’Adobe Target
Les tests multivariés dans Adobe Target consistent à tester simultanément plusieurs variations de plusieurs éléments sur votre site afin de trouver 1) la meilleure combinaison de tous les éléments, et 2) l’élément individuel le plus impactant.
Le nombre considérable de combinaisons d’éléments et de leurs variations sur lesquelles Adobe Target devra collecter des données signifie que ce type de test nécessitera plus de trafic sur le site pour atteindre des résultats statistiquement significatifs, et prendra plus de temps à se conclure.
Mais vous n’avez pas besoin de sortir votre calculatrice de permutations pour estimer le trafic nécessaire afin de désigner un gagnant parmi toutes ces combinaisons. Adobe Target met à votre disposition un Estimateur de Trafic pour faire ce travail fastidieux à votre place.
Les tests multivariés seraient un bon choix si :
- Vous avez trois éléments ou plus à tester sur la page. (Moins, et vous devriez faire un test A/B).
- Vous avez un niveau de trafic suffisamment élevé pour justifier le nombre minimum absolu d’éléments que vous devriez tester.
- Vous n’avez pas une idée clairement définie de la combinaison d’éléments la plus efficace sur une page.
- Vous n’avez pas une idée claire du type d’élément ayant le plus d’impact sur une page.
- Vous venez de refaire le design d’une page, ou de développer une nouvelle page, ce qui a entraîné les deux inconnues ci-dessus.
Nous vous recommandons également d’utiliser les tests multivariés et les tests A/B conjointement (ils n’ont pas à exister indépendamment). Un exemple d’utilisation idéale serait d’employer les tests multivariés pour identifier l’élément ayant le plus d’impact sur une page, puis d’utiliser les tests A/B pour trouver de nouvelles variations plus performantes de cet élément unique.
Le processus de test A/B
Quel que soit le stade de l’expérience client numérique auquel vous participez, les tests A/B sont le meilleur moyen de trouver les expériences les mieux adaptées pour transformer les prospects en fans inconditionnels de votre marque.
Lorsque vous explorez les tests A/B pour vos expériences numériques, il y a certaines étapes à suivre pour garantir des tests réussis et pertinents.
1. Définissez vos objectifs de test
Tout bon test commence par une hypothèse. Cette hypothèse proviendra probablement des données que vous avez déjà collectées concernant votre expérience existante, mettant en évidence une opportunité d’amélioration.
Par exemple, vous avez peut-être déduit d’une carte thermique ou d’une carte d’activité de votre site que les clients ne cliquent pas autant qu’ils le pourraient sur votre bouton CTA. Ou, vous avez peut-être remarqué que les visiteurs mobiles perdent leur intérêt et abandonnent après un certain point sur une page.
Votre objectif sera ce que vous visez à améliorer avec ce test, que ce soit le taux de clics sur votre bouton CTA, le temps passé sur la page/le site, etc. Une fois que vous avez un objectif clair de ce qui est important pour vous, le développement du test peut commencer.
Vous pourrez définir vos objectifs (ainsi que vos métriques de succès) dans la fonctionnalité d’objectifs et de paramètres d’Adobe Target.
2. Établissez vos métriques de succès
En fin de compte, la mesure du succès de votre test sera liée à vos objectifs initiaux. Vous ne pouvez pas nécessairement vous attendre à ce que vos métriques de succès soient les mêmes d’un test à l’autre.
Par exemple, si votre objectif est d’augmenter le nombre de personnes qui cliquent sur votre bouton CTA, il serait logique que votre métrique de succès soit le taux de clics de ce bouton.
Une fois que vous savez quelles seront vos métriques de succès, vous devrez également définir un objectif réaliste d’amélioration de ces métriques. Les objectifs réalistes sont généralement de petites améliorations progressives, et vous devez certainement prendre en compte la difficulté relative à atteindre ces objectifs à travers votre entonnoir.
Il pourrait s’agir d’un objectif incrémental facile de viser une amélioration de 20 % du temps passé sur le site. Cependant, il pourrait être moins raisonnable d’attendre une amélioration de 20 % des formulaires de prospects complétés (car cela exige un engagement plus intentionnel de la part des utilisateurs).
3. Créez des variantes pour votre test
Une fois que vous savez ce que vous testez, vous devrez configurer la variante d’expérience pour votre test. Cette variante est une version de l’expérience de votre site qui hébergera les changements que vous souhaitez tester par rapport à votre expérience « par défaut ».
Ces variantes peuvent être aussi petites ou aussi importantes que vous le souhaitez. N’oubliez pas que parfois, même les plus petits changements peuvent être responsables des plus grandes différences.
Par exemple, si vous constatez que les clients ne cliquent pas sur un bouton, vous pourriez tester une couleur de bouton différente, ou vous pourriez ajouter un texte répondant aux objections courantes, par exemple « pas de carte requise ».
Ou, si vous constatez que les utilisateurs mobiles semblent abandonner trop souvent avant de dépasser la section hero d’une page de destination, vous pourriez tester la suppression des images lourdes pour la conception mobile.
4. Configurez les segments d’audience
Vous n’êtes pas obligé de montrer votre variante de test à tout le monde. En fait, dans la plupart des cas, il est préférable de ne pas tester de nouvelles choses sur l’ensemble des utilisateurs. Cependant, votre audience de test dépendra des données ou des analyses qui vous ont conduit à lancer ce test en premier lieu.
S’il s’agit d’utilisateurs mobiles qui abandonnent avant d’avoir dépassé l’image hero, alors ce sont les utilisateurs mobiles sur lesquels vous voudrez exécuter ce test.
Si vous constatez que ce sont les utilisateurs Mac aux États-Unis qui ne cliquent pas sur votre bouton CTA, vous voudrez leur montrer une nouvelle variation afin de découvrir quel type de CTA résonne le mieux auprès de cette audience.
Adobe Target vous offre des capacités avancées de ciblage d’audience en utilisant des règles booléennes « et/ou » pour rendre vos critères d’audience aussi spécifiques que nécessaire.
5. Déterminer l’allocation du test
Si vous effectuez un test A/B manuel, vous devrez déterminer quel pourcentage d’utilisateurs doit voir la ou les nouvelles variations, et quel pourcentage doit voir l’expérience de contrôle.
Le réglage par défaut pour un « vrai » test A/B est de 50/50, indiquant que la moitié de tous les utilisateurs de votre audience verra une expérience ou l’autre. C’est techniquement la répartition la plus équitable entre les variations, mais il existe des circonstances où vous pourriez ne pas vouloir emprunter cette voie.
Supposons que votre expérience actuelle fonctionne bien et que votre objectif est de voir comment l’améliorer davantage. Il pourrait être préférable d’allouer plus de trafic à l’expérience de contrôle et de ne tester qu’un faible pourcentage du trafic sur votre nouvelle variation.
6. Lancer et surveiller votre test
Une fois que vous avez entièrement configuré votre test, déterminé à qui il sera présenté, et à quelle capacité, alors tout ce que vous avez à faire est de le lancer et de surveiller.
Un test véritablement complet est celui qui a atteint la signification statistique — c’est-à-dire un test qui a acquis suffisamment de données pour prouver que les résultats que vous voyez ne sont pas aléatoires et sont directement influencés par vos modifications.
7. Analyser et mettre les enseignements en œuvre
Lorsque votre test est terminé, le plaisir commence. Vous disposerez de données pour vous aider à déterminer comment ce test s’est déroulé et pourrez décider à partir de là sur quoi votre prochain test devra se concentrer.
Par exemple, disons que vous avez exécuté deux variations de test d’un bouton par rapport à votre contrôle : l’une qui a modifié la couleur du bouton mais pas son texte, et l’autre qui a modifié le CTA mais pas sa couleur.
D’après vos résultats de test, vous constatez que le changement de couleur du bouton a entraîné une baisse de 3 % du taux de clics, tandis que le changement de texte a entraîné une augmentation de 5 % du taux de clics. Maintenant, pour votre prochain test, vous voudrez tester de nouvelles variations sur le texte et laisser la conception du bouton telle quelle.Voici une astuce pratique : Si vous utilisez Adobe Analytics pour collecter et rapporter des données, vous pouvez également utiliser l’intégration Analytics for Target. Cette fonctionnalité d’Adobe Analytics vous permet d’appliquer des métriques de succès et des audiences que vous avez déjà définies dans Analytics à vos tests A/B dans Adobe Target. Elle permet également à Adobe Analytics de collecter et de rapporter les résultats de vos activités Adobe Target.
Conclusion
Après avoir découvert les différents modes de test d’Adobe Target et comment les exécuter, nous espérons que vous serez inspiré(e) à améliorer vos tests A/B.
Bien qu’il existe de nombreuses options pour la gestion des tests A/B, peu offrent le même niveau de flexibilité et de liberté pour concevoir, allouer et mesurer les tests qu’Adobe Target.
Nous serons également les premiers à reconnaître que la mise en œuvre d’une solution complexe comme Adobe Target n’est pas toujours un processus facile à réaliser pour les entreprises par elles-mêmes. Cela nécessite une équipe technique compétente pour vous aider à garantir votre connexion à votre pile de plateformes existante. Mais si vous ne disposez pas actuellement d’une équipe technique avec le temps et l’expertise nécessaires pour le faire, vous pouvez toujours commencer à tester dans Adobe Target avec l’aide d’une équipe d’implémentation dédiée !
