A/B Testing avec Google Analytics

L’A/B testing fait partie des concepts incontournables lorsque l’on cherche à faire de l’acquisition. Tout démarre par un insight : on repère une étape de l’entonnoir de conversion qui – si elle était améliorée – augmenterait considérablement le taux de conversion.

Des solutions, il n’en manque pas. Optimizely, AB Tasty, Visual Website Optimizer, Kameleoon, etc. Parmi toutes ces solutions payantes (qui font toutes très bien le job), se cache Google Analytics, qui - on le sait moins - est aussi une solution d’A/B testing.

Tests Google Analytics
C’est juste ici !

Certains diront que ce n’est pas le métier de GA de faire de l’A/B testing. Soit. Mais il a tout de même le mérite d’être gratuit et de répondre à la question la plus courante : « quelle version de ma landing page convertit le mieux ? ».
Et à moins que vous n’ayez un gros volume de trafic, des connaissances aiguisées en analyse de données, et que la CRO impacte directement votre volume d’affaires… Il s’agit bien de votre besoin, non ?

Personnellement, je n’ai jamais été très friand des solutions classiques d’A/B testing, souvent créatrices de grosses frustrations.
Ça s’est maintes fois passé comme ça : je commence par acheter un template propriétaire à quelques dollars sur une marketplace, je fais glisser quelques éléments, en supprime d’autres car mon besoin est différent du mode démo exposé, et, quelques heures plus tard, je tombe sur le rendu de la version mobile…

Jessy Pinkman déprimé

C’est pourquoi je préfère m’occuper, seul, de la partie intégration. Et dédier la partie analytique à un autre outil. Autant ne pas payer l’aspect WYSIWYG. C’est aussi pourquoi j’ai cherché à donner une chance à d’autres outils comme Google Analytics (qui n’ont pas fait du terme « A/B testing » leur cheval de bataille).

FYI: je n’ai pas la haine contre les outils d’A/B testing. Je ne capte juste pas leur intérêt dans mon workflow.

Comment configurer un test ?

Nom du test : ne négligez pas cette partie. Trouvez quelque chose de pertinent. Surtout si vous êtes amené(e) à travailler à plusieurs sur le compte ou à effectuer plusieurs tests.

Objectif du test : c’est évidemment ce que vous souhaitez tester et ce sur quoi Analytics se basera pour déclarer une version vainqueur. Cela se réfère forcément à un objectif GA comme une destination, une durée, un engagement ou un événement (pour ce dernier, si vous profitez de l’occasion pour le configurer, ne perdez pas de temps et choisissez l’auto-event tracking avec GTM !). Vraiment.

Pourcentage du trafic à inclure dans le test : c’est exactement ce que vous imaginez. Plus ce pourcentage est élevé, plus vite vos résultats ressortiront. Vous pouvez faire le choix de le mettre plus bas, à condition que le test soit complexe et risqué.

Activez les notifications par e-mail en cas de modifications importantes.

Ne zappez pas les options avancées !

Pour la durée minimale du test et le seul de confiance, je vous conseille de vous pencher rapidement sur de la statistique de base.

Un niveau de confiance de 95% est vraiment le minimum syndical. Je vous conseille d’utiliser un seuil de 99%.

En utilisant l’outil AB Testguide, on se rend compte que pour 2 versions sur lesquelles on reçoit 5000 visites, 136 conversions sont nécessaires sur la version A quand la version B est à 100 conversions pour avoir la quasi-certitude qu’on ne se prononce pas trop tôt.

Enfin, réglez la durée de vos tests selon le trafic attendu sur les landing pages en question, toujours avec l’aide d’AB Testguide.

Très important : je ne pense pas avoir la légitimité de parler de l’aspect statistique, mais je sais qu’il est est important et que comprendre la notion de seuil de confiance est vraiment la base. Dites-vous que la plupart des marketeurs comptent justement sur un outil « papa-maman » pour avoir un message du genre « bravo, la version A a gagné ». Et c’est dangereux, car on ne sait pas comment ça se passe dans le moteur. Quoique la data puisse vous dire, gardez toujours un esprit très critique et essayez de comprendre ce qui aurait pu influencer le résultat.

Pour finir

Ensuite, renseignez simplement l’URL de la page originale, et celles de toutes les variantes que vous souhaitez concurrencer. Là-aussi, plus le nombre de variantes est grand, plus vous devez déjà avoir du trafic.

À la fin, GA vous génère un code que vous n’avez plus qu’à intégrer sur votre site. Une fois de plus, pensez à GTM.

Google Analytics fait de l’A/B testing, pas encore de MVT

Le plus gros défaut de Google Analytics, c’est qu’il se contente de comparer les performances de versions de pages dramaticalement différentes. Il s’agit d’un outil d’A/B testing. Je le définirais comme « basique » car si vous souhaitez comparer quelques variantes, ça marche.
Mais ne vous attendez pas à pouvoir gérer pléthore d’URL ou encore moins de rentrer dans des logiques de MVT.

Cela veut dire qu’il gère la comparaison entre deux versions A et B (conseillée aux opérations simples), voire plus de versions (A/B/n) pour les sites à plus gros trafic.

Le modèle MVT est encore autre chose. Si le modèle A/B/n prend le trafic pour le répartir sur plusieurs pages distinctes, le MVT va plus loin en réalisant des tests dans les tests, et en même temps.
Ainsi, si on a 3 variantes de notre landing page, on va réaliser dans chacune des versions des micro-tests sur par exemple :

  • un call-to-action ;
  • des couleurs ;
  • des propositions de valeur.

Pour que vous saisissiez bien la différence, avec l’A/B testing, on va volontairement créer des variantes qui n’ont rien à voir, pour valider une idée, dégrossir le travail. Et c’est souvent sur ce type d’exercices qu’on observe de plus gros uplifts, et plus vite !

Growth Marketer à Paris, j'accompagne des startups dans leur stratégie d'acquisition et de rétention d'utilisateurs. Je crois au growth hacking, plus difficilement les growth hackers.

Leave a reply:

Your email address will not be published.

Site Footer