Les tests fractionnés (tests A/B) sont cruciaux pour le succès à long terme du PPC car ils vous aident à savoir quelle variable mène à votre profit et à votre victoire.

Structurer le test est tout aussi important que lui donner suffisamment de temps pour que les données vous guident. Un lecteur demande,

« Comment mettre en place un test fractionné ? Recommandez-vous de ne tester qu’une seule variable (c’est-à-dire la création ou le texte ou l’endroit où les annonces sont placées) ? Tout ce qui, selon vous, pourrait aider à passer de 0 à 1 serait génial ! »

Dans cet article Ask the PPC, nous allons passer en revue :

  • Que sont les tests fractionnés ?
  • Conseils pour structurer des tests A/B réussis.
  • Comment évaluer et agir sur les tests.

Bien que cet article aborde les tests fractionnés dans un état d’esprit PPC, les idées discutées peuvent être appliquées à tous les canaux de marketing numérique.

Que sont les tests fractionnés ?

Les split tests (ou tests A/B) testent un élément de votre campagne par rapport à un autre.

Ces tests peuvent porter sur :

  • Création de copie publicitaire.
  • Cibles d’audience.
  • Pages de destination.
  • Appels à l’action.
  • Éléments visuels sur une page/annonce.
  • Script d’e-mail/d’appel.
  • Flux de travail utilisateur.
  • Tout autre élément du processus d’acquisition/rétention.

Vous devrez décider ce qui restera cohérent et quel élément sera votre variable.

Les variables sont un élément unique que vous cherchez à tester. Ils devraient être le seul élément différent dans leur aspect de la campagne.

Les contrôles sont les paramètres actuels de la campagne et doivent être exécutés parallèlement à votre test.

Conseils pour structurer les tests A/B

La partie la plus difficile des tests fractionnés consiste à les configurer afin que vous puissiez obtenir des informations exploitables.

Les pièges courants incluent :

  • Trop de variables : L’évaluation de plus d’une variable invite à douter de la validité du test.
  • Terminer les tests trop tôt : Les tests fractionnés ne fonctionnent que si vous pouvez obtenir une signification statistique (ce qui ne peut pas se produire en un jour).
  • Aucune mesure de succès/échec dès le départ : Si vous ne savez pas ce que vous espérez accomplir, le test n’aura aucun sens et sera probablement une perte de temps et d’argent.

Alors que la plupart des professionnels du PPC conviennent que 10 000 sessions sont le minimum pour une signification statistique, certaines marques n’atteindront jamais cela en un trimestre, et encore moins en 30 jours.

C’est pourquoi il est important de fixer des délais et des jalons réalistes pour votre entreprise.

Obtenir au moins 1000 sessions est un seuil raisonnable, tout comme laisser un test s’exécuter pendant 30 à 60 jours.

Une fois que vous aurez vos données, vous pourrez agir. Conservez la ligne de base actuelle ou faites évoluer votre campagne en adoptant pleinement la variable.

Les tests significatifs ont des mesures de succès/échec pour s’assurer que vous êtes en mesure de tirer profit de la période de test. Ceux-ci pourraient être :

  • Temps sur place.
  • Valeur moyenne des commandes.
  • Taux de conversion.
  • RCI.

Quelle que soit la métrique que vous choisissez, il est important que vous vous y teniez et que vous sachiez si le test a réussi ou échoué. S’attacher émotionnellement à la création ou aux stratégies avant que les données ne les vérifient peut corrompre le test, alors assurez-vous de rester objectif.

Comment évaluer et agir sur les tests

Juger la « capacité du navire » à partir d’un test A/B peut devenir assez compliqué. Cela implique de parcourir un large éventail de mesures (certaines utiles, d’autres non) pour comprendre comment les utilisateurs vivent vos changements.

L’analyse comportementale rationalise ce processus, simplifiant toutes les données en une compréhension visuelle des interactions de vos utilisateurs.

Cela vous aide à comprendre plus efficacement les résultats de votre test A/B – si votre hypothèse a été validée, quelles surprises elle a pu entraîner, si le traitement est suffisamment bon pour être expédié ou si une itération supplémentaire est nécessaire.

Les analyses comportementales telles que celles que vous trouverez dans Microsoft Clarity vous fournissent le « pourquoi » derrière le « comment » les métriques ont évolué.

Comment utiliser les fonctionnalités de clarté dans les tests A/B

Enregistrements de session

Les tests A/B montreront une variété de mouvements dans les métriques (vers le haut et vers le bas), et les enregistrements de session peuvent aider à comprendre pourquoi les métriques ont bougé en observant le comportement des utilisateurs à partir de sessions réelles.

Enregistrements de session dans Microsoft Clarity.

Cartes thermiques

Utilisez la vue agrégée pour comparer le traitement et le contrôle, pour voir si vos indicateurs clés sur des parties spécifiques de la page se déroulent comme prévu.

Cliquez sur les cartes thermiques

Comprendre l’engagement des clics sur votre traitement par rapport au contrôle.

  • Compare où l’attention de l’utilisateur CTA va dans les deux.
  • Fait apparaître le contenu gênant et les éventuelles zones de confusion imprévues (comme les clics sur du contenu statique).
  • Résume tous les modèles d’interaction avec la nouvelle fonctionnalité.

Faire défiler les cartes thermiques

Comprendre la profondeur de défilement sur les deux.

  • Compare le lectorat – combien d’utilisateurs de votre page pourraient lire.
  • Aide à résoudre les questions de découverte (quel pourcentage d’utilisateurs a réellement vu un CTA ou un paragraphe spécifique).
Cartes thermiques dans le tableau de bord Clarity.

Clics de rage

  • À mesure que de nouvelles expériences UX sont fournies, les utilisateurs comprennent-ils comment utiliser la fonctionnalité, et la fonctionnalité fonctionne-t-elle comme prévu dans tous les cas périphériques ?
  • Identifiez si une itération supplémentaire est nécessaire (les utilisateurs sont-ils frustrés de manière inattendue par une partie de la nouvelle expérience ?)
  • Identifiez si l’apprentissage est un problème (les utilisateurs ne comprennent-ils pas comment utiliser la nouvelle fonctionnalité ?)

Filtres utiles pour les tests A/B

Filtres UTM : découpage en tranches et en dés entre les sources de trafic.

  • Est-ce qu’un certain trafic de référence conduit à plus de succès dans un traitement qu’un autre ? Par exemple, lire plus, durée de session plus longue, CTR plus élevé, plus de conversions globales.
  • Voir des sessions entières pour des traitements provenant de différentes sources – explorent-ils différentes pages ou utilisent-ils vos traitements différemment ?

Balises personnalisées : différenciation des séances de contrôle par rapport aux séances de traitement.

  • Ajouter des balises en fonction de la présence ou non de chaque traitement
  • Peut empiler des filtres supplémentaires – par exemple, voir les sessions où le traitement = un utilisateur ET a fait XYZ (comme cliquer sur un bouton spécifique ou visiter la page de contact, etc.).

Emporter

Les tests fractionnés sont un élément essentiel pour mener à bien des campagnes PPC réussies.

Ils donneront les meilleurs résultats lorsque vous entrerez avec une idée claire de ce que vous voulez tester et de ce à quoi ressemble le succès/l’échec.

Davantage de ressources:

  • Tests A/B et multivariés pour le référencement : comment le faire de la bonne façon
  • 5 idées de test PPC moins évidentes que vous devriez essayer
  • PPC 101 : Un guide complet des bases du marketing PPC

Vous avez une question sur le CPC ? Soumettre via ce formulaire ou tweetez-moi @navahf avec la balise #AskPPC. On se voit le mois prochain!


Image en vedette : Paulo Bobita/Journal des moteurs de recherche

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici