a/b testingwoocommerceamazon
L'intérêt du A/B testing en e-commerce pour booster les taux de conversion !
Conrad, le 10 août 2019
L'A/B testing est un outil d'une grande valeur pour optimiser les taux de conversion de ses produits. Petit tour d'horizon : qu'est-ce que c'est le A/B testing, 5 raisons pour lesquelles on l'utilise et concrètement, comment ça marche ? C'est parti.

Qu'est-ce c'est que le A/B testing ?

Pour expliquer simplement, le A/B testing, c'est une méthodologie pour tester des changements dans un produit et évaluer l'impact de ces changements sur les ventes. On parle de A/B testing car on montre la version A du produit a une partie des visiteurs, tandis qu'une autre partie des visiteurs verra la version B. Les comportements de chaque groupe (ou cohorte) est mesuré, pour déterminer si c'est la version A ou la version B du produit qu'il faut continuer à vendre.
Par "version produit" j'entends autant une modification sur le produit en tant que tel que simplement une modification sur la présentation du produit. On peut, par exemple, vouloir tester si un changement du nom du produit induit une différence de comportement : plus de clics, plus de vente, etc. Je parle par ailleurs de A/B testing, mais on voit aussi utiliser le terme de "split testing", car on peut vouloir tester plus de deux version en parallèle.
Pour moi, l'intérêt du A/B testing, c'est surtout de savoir si ce qu'on fait produit des résultats et a de l'impact. C'est sortir de l'approche à l'aveugle, où l'on effectue des changements et où ne sait pas quantifier réellement la différence avec le scénario où on aurait rien fait du tout. C'est une manière de répondre à la question : "est-ce qu'on fait tout ça pour rien ?".
Dans le développement logiciel ce concept est très développé. Il peut permettre par exemple d'ajouter un bouton menant vers la nouvelle fonction qu'on envisage, sans l'avoir réellement créée. On présente ensuite ce bouton a un groupe d'utilisateur et on regarde l'intérêt que cela provoque. Si seulement 0,01% des utilisateurs montre de l'intérêt pour la fonction, voilà un sérieux argument pour ne pas faire ce développement. C'est une manière de pouvoir économiser beaucoup de temps et d'argent.
C'est une façon d'apprendre sur nos clients et leurs habitudes, en faisant attention à mesurer. On est en plein dans la boucle Build > Measure > Learn (Construire > Mesurer > Apprendre), chère à Eric Ries, qu'il décrit dans Lean Startup (un must-read de l'entrepreneur de l'ère de l'information !).

5 raisons d'utiliser du A/B testing en e-commerce

1. Pour limiter les conséquences des erreurs

C'est lundi matin, vous n'êtes pas très bien réveillé et vous vous trompez dans la modification d'une fiche produit. Le smartphone que vous vendez est remplacé par une théière en inox. L'erreur est humaine et cela peut très bien vous arriver. Si vous mettez en place une stratégie A/B testing pour tout vos changements, alors seul un sous-ensemble de vos clients tomberont sur la théière. Et mieux, si vous utilisez un système automatisé, les conséquences dramatiques du changement (plus aucune vente) alertent le système, qui met en suspens l'expérimentation. Drame avorté.

2. Pour tester une idée farfelue mais ballsy ("couillu")

Après votre erreur du lundi, vous êtes décidé : vous allez récupérer le CA perdu grâce à votre prochaine idée ! Vous avez lu dans Vogue que la présence d'un chat sur la fiche produit d'un canapé a fait tripler ses ventes dans la ville d'Inksvord en Suède. Persuadé que ce concept s'adapte à votre gamme de produit, vous vous mettez en ordre de bataille et ajouter des chats sur un de vos produits. Ouf ! Vos ventes triplent et c'est un succès absolu. Quelle victoire ! Pas besoin d'A/B testing. L'apprentissage est clair : les chats font vendre.

3. Pour avoir un cadre qui permet de déléguer

Surfant sur le succès de vos ventes basées sur l'introduction de chats sur les fiches produit, vous confiez à votre stagiaire de 3ème la mission de terminer le travail et d'introduire des chats sur chaque produit. C'est ce qu'il fait. Et il le fait bien. Malheureusement votre succès antérieur était un écran de fumée. Vous n'avez pas structuré votre apprentissage en faisant du A/B testing. Cette petite victoire a troublé votre esprit et vous êtes désormais rattrapé par la réalité, lorsqu'au bord de la plage, vous recevez ce message de votre stagiaire : "lol on a un CA négatif, c'est normal?". Vous commencez à comprendre qu'une stratégie d'A/B testing aurait été un cadre plus propice à ce genre de délégation. En utilisant une telle stratégie, le scénario aurait été différent : le stagiaire aurait appliqué les changements en créant une version B du produit ; le système aurait surveillé les résultats des ventes, puis constaté les défaillances humaines à la source de la chute des ventes, pour finalement jeter l'éponge définitivement et bloquer le login du stagiaire car il aurait été clair que ses actions cherchaient à saboter l'entreprise. Vous auriez été sauvé. Votre 5ème verre de vodka-martini pourrait être en train de continuer à s'écouler par terre pendant que vous commencez à somnoler profondément sur vos deux oreilles et que votre business ronronne.

4. Pour confirmer son intuition... ou pas

Fort de toutes ces expériences, vous êtes décidé. Votre prochaine intuition sera mise à l'épreuve des chiffres. Et pour ça, vous l'avez compris, l'A/B testing est votre nouveau maître. Halloween approche et vous vous demandez si une citrouille peut augmenter les ventes de votre pot de fleur à hygromètre connecté. Vous concrétisez votre intuition dans le cadre d'un test A/B systémisé. Vous avez un robot qui va présenter cette variation à vos clients et évaluer les résultats. 24h plus tard, les citrouilles ont été montrées à 20% de vos visiteurs. Cettecohorte a un taux de conversion de 20% tandis que votre taux habituel est de 14%. Le système va inverser le test et montrer la citrouille à 80% de vos visiteurs, pendant 5 jours. Au bout de ces cinq jours, le résultat est sans appel : la citrouille augmente les conversions et le volume de vente. Vous basculez à 100% jusqu'au 10 novembre, puis relancez une période d'évaluation pour voir si les résultats se confirment en dehors de la période d'Halloween. Vous voilà désormais dans un cadre rassurant où tester et déléguer est facilité par le système d'A/B testing !

5. Pour booster ses taux de conversion et ses visites !

C'est la raison principale ! L'objetif de mettre en place une stratégie de A/B testing, c'est surtout de faire en sorte de vendre mieux : faire augmenter son taux de conversion et la quantité de visites. Faire ça en pleine conscience et pas à l'aveugle. Comprendre l'impact des changements, à la hausse ou à la baisse, sur les chiffres. Les chiffres vont vous permettre de structurer votre démarche. Ils vont vous permettre de voir ce qui marche sur certains produits et de répliquer sereinement vos succès sur d'autres produits.
Prenons quelques exemples de question qu'il est possible de résoudre avec du A/B testing :
  • Est-ce que cette photo va améliorer les ventes ?
  • Est-ce que cette baisse de prix va améliorer les ventes ?
  • Est-ce que ce titre va améliorer les ventes ?
  • Est-ce que si je mets un drapeau français, ça va améliorer les ventes ?
  • Est-ce que ce coupon de réduction va améliorer les ventes ?
  • Est-ce que les nouveaux bullets points vont améliorer les ventes ?
  • Est-ce que ce nouveau [...] va améliorer les ventes ??

Concrètement, comment ça marche ?

Pour faire du A/B testing, soit on y va à la main, soit on utilise des outils clé-en-main.

Manuellement avec sa patience et un fichier excel

C'est une manière intéressante pour débuter et c'est surtout la plus universelle. Vous pouvez faire ça sur n'importe quelle plateforme : WooCommerce, Shopify, Amazon, CDiscount, etc. Pour faire du A/B testing manuel, il faut :
  • Stocker quelque part les deux versions que vous voulez tester, dans un fichier excel par exemple avec deux onglets où les différences sont explicitées
  • Déterminer un calendrier avec des périodes où la version A sera montrée, puis la version B, puis à nouveau la version A, etc.
  • Appliquer le calendrier et mesurer les chiffres de chaque période : nombres de ventes, nombre de visites, taux de conversion
  • Protéger sa santé mentale
Les défauts de cette façon de faire sont claires :
  • Vous effectuez un travail de robot
  • Le facteur erreur (c'est vous) est toujours présent dans l'équation
  • Il est uniquement possible d'effectuer des tests en temps fractionnés, plutôt qu'en parallèle
Des avantages existent tout de même :
  • C'est une méthode universelle
  • Le coût au démarrage est faible
Donc vous pouvez commencer ainsi, mais si vous souhaitez vraiment exploiter au maximum le A/B testing, il va falloir passer à l'étape suivante : le A/B testing automatisé.

Automatiquement, avec des outils tiers

Là, tout dépend de votre support de vente. Sur les plateformes de type WooCommerce, Prestashop, Magento, Shopify, vous allez être en capacité d'exploiter toutes les possibilités du A/B testing. À vous de trouver le meilleur plugin qui remplira ce besoin. Si vous en avez déjà utilisé, faîtes en part dans les commentaires !
Si vous vendez sur une plateforme plus rigide, à l'instar d'Amazon, CDiscount, Rakuten, etc, alors votre destin n'est pas à 100% entre vos mains. À moins que ces plateformes ne proposent directement des solutions de ce type, vous ne pourrez faire des expérimentations qu'en temps fractionné. Et ça c'est dommage, mais ce n'est pas la fin du monde. Au lieu de diviser la population en pourcentage (faire en sorte que 20% des visiteurs voient la version B du produit), vous allez devoir travailler en fraction de temps (montrer pendant 4h le produit A et pendant 1h le produit B). Le gros problème c'est que toutes les heures ne se valent pas et ça rend les interprétations moins claires.
Cela étant dit, faire du A/B testing sur Amazon, CDiscount ou Rakuten, est tout de même une très bonne idée. Ne serait-ce que pour avoir un cadre automatisé de reporting sur les modifications avec un historique des chiffres et la possibilité de revenir en arrière en un clic.
Pour Amazon, il existe deux services de ce type : Listing-dojo (gratuit) et Splitly (de 47$ à 497$ par mois).

Et vous ?

Vous avez déjà fait du A/B testing ? Sur quelles plateformes ? Avec quels outils ? Dîtes nous tout dans les commentaires !