10 énormes erreurs que font les spécialistes du marketing lors des tests fractionnés

Pour qu'une entreprise fonctionne efficacement, une partie importante est son analyse et ses recherches marketing, que de nombreux entrepreneurs ont tendance à manquer. La tendance à vendre sans tenir compte de ce qui fonctionne et de ce qui ne fonctionne pas détermine la croissance du site. Cela bloque l'exigence plus profonde d'une étude de marché intensive et, par conséquent, à long terme, vous perdez des clients. La meilleure façon de mener des recherches sur les clients consiste à effectuer des tests fractionnés.

Pourquoi un test fractionné ?

Le test fractionné ou test A/B, par définition, est une méthode de réalisation d'expériences contrôlées mais aléatoires dans le but définitif d'améliorer le trafic du site Web. Pour faire plus simple, c'est la comparaison de deux versions d'une même page pour déterminer laquelle est la plus efficace. Idéalement, il n'y aura qu'une ou deux différences entre les deux versions pour déterminer avec précision l'efficacité.

Les actions courantes telles que le contenu, les clics, l'achèvement du formulaire et les achats sont analysées pour voir quelle variante offre de meilleurs résultats pour un objectif marketing prédéfini. Les méthodologies de marketing courantes utilisées sont les formulaires d'inscription, les pages d'inscription, les boutons d'appel à l'action ou une redirection vers une autre page. Il est prouvé que même un changement aussi minime que la mise à jour d'un mot dans le CTA a contribué à augmenter les conversions de 77 %. Cela prouve l'importance de faire des tests fractionnés pour améliorer l'efficacité de vos campagnes marketing.

Aussi séduisant que cela puisse paraître, on voit parfois des spécialistes du marketing se plaindre d'obtenir de fausses analyses négatives ou ne pas même pas pouvoir générer des données adéquates. Si vous êtes déconcerté par les tests fractionnés, il y a de fortes chances que vous les meniez dans le mauvais sens. Voici une liste des 10 erreurs les plus courantes que les testeurs sont susceptibles de commettre, ainsi que leurs solutions possibles.

Erreurs et correctifs à connaître

Il peut y avoir une multitude d'erreurs lorsqu'un testeur essaie de comprendre une analyse fractionnée. Les plus courants sont notés ci-dessous.

1. Tests arbitraires

Le plus gros problème que la plupart des testeurs sont tenus de faire est d'effectuer un test fractionné sans raison. Par exemple, vous pourriez avoir des appréhensions à l'idée de tester la taille du bouton "appel à l'action", auquel cas vous pouvez concevoir les variantes avec un objectif spécifique. Si vous effectuez un test fractionné juste pour le plaisir, veuillez vous abstenir car vous êtes sur le point d'être condamné.

La solution : utilisez un logiciel de carte thermique pour découvrir les zones potentielles qui ne sont pas très ciblées ou qui ne génèrent pas beaucoup de trafic. Effectuez un test fractionné et formulez d'abord une hypothèse. Maintenant, effectuez l'essai et assurez-vous de le mener pendant la phase de temps appropriée, comparez les nouveaux ensembles de données de carte thermique et analysez. Continuez à répéter jusqu'à ce que vous obteniez des résultats satisfaisants.

2. Annulation anticipée du test

C'est une grosse erreur de débutant que la plupart des testeurs sont obligés de faire. Supposons que votre site génère un trafic élevé et que, par conséquent, dans les 3 jours suivant le test fractionné, vous générez une confiance de 98 % et environ 250 conversions par variante et vous réussissez le test. C'est là que votre test obtient un résultat faussement positif car vous n'avez pas pris en compte le paramètre de saisonnalité, et même le jour de la semaine où vous effectuez le test peut entraîner une variation significative de la courbe de test.

La solution : Un autre paramètre important pour toute analyse statistique est la taille de l'échantillon prélevé. Pour obtenir des résultats appropriés, assurez-vous de prendre la taille de votre échantillon suffisamment grande, c'est-à-dire. 100 ou 1000 conversions. Une taille d'échantillon trop petite peut conduire à de fausses implications.

3. Essais multi-éléments

L'analyse de la cartographie thermique du site Web peut suggérer qu'il y a plus d'un domaine sur lequel il faut se concentrer, mais la réalisation de plusieurs tests en même temps ne mène nulle part.

Il est toujours préférable d'opter pour le test fractionné au lieu d'un test multivarié. En effet, lorsque vous effectuez un test fractionné sur deux pages ayant des différences dans un seul paramètre, il est facile de déterminer quelle page fonctionne le mieux.

Le correctif : Cependant, dans le cas d'un test multivarié, supposez que vous testez quatre pages Web différentes avec deux ou trois paramètres différents. Dans ce cas, lorsque vous collectez les données, vous ne pouvez pas déterminer le facteur décisif réel. À de telles occasions, vous devez comparer les données de toutes les pages et également analyser la corrélation entre différents paramètres.

4. Se concentrer uniquement sur les conversions de trafic

Lorsque vous testez un paramètre particulier ou quelques paramètres, assurez-vous d'être profondément enraciné au lieu de simplement penser à court terme. Cela signifie que si vous constatez que certains changements génèrent plus de trafic sur votre site, ne vous en contentez pas. Si le trafic élevé comprend des clients de faible qualité, cela pourrait éventuellement entraîner des résultats négatifs pour votre entreprise.

La solution : Ainsi, chaque fois que vous optez pour un test fractionné, vérifiez votre métrique de conversion, puis corrélez ce trafic avec des prospects réels et voyez combien génèrent des clients potentiels.

5. Opter pour une hypothèse aléatoire ou simplement suivre aveuglément les pratiques de test fractionné

Un test statistique n'a aucune signification sans une hypothèse appropriée. Donc, avant même de perdre votre temps à faire un test, assurez-vous d'avoir une bonne hypothèse. Si vous n'êtes pas sûr de la crédibilité de votre hypothèse, faites une étude de marché, analysez les résultats pour la variable choisie, vérifiez la stratégie de vos concurrents et connaissez vos clients cibles.

La solution : Aussi, tout en vérifiant les stratégies des concurrents, assurez-vous de ne pas opter pour les suivre aveuglément. Ce qui a fonctionné pour quelqu'un d'autre ne fonctionnera pas pour vous. Vérifiez les stratégies de vos concurrents, mais en même temps, connaissez vos propres USP et élaborez des stratégies en conséquence.

6. Élimination des variables confusionnelles

Les variables confusionnelles sont les éléments qui ne font pas partie de vos paramètres d'hypothèse significatifs et sont susceptibles de fausser vos résultats de test. Certains d'entre eux incluent l'introduction de nouveaux produits, le lancement de campagnes marketing et la refonte du site Web.

Cela se produit généralement lorsque vous modifiez certains paramètres de test au milieu du test pour générer une variation plus importante. Cela peut générer du trafic à partir d'endroits en dehors de votre groupe cible potentiel.

La solution : lors de l'exécution d'un test fractionné, assurez-vous d'éliminer ces variables de confusion et assurez-vous que le reste des facteurs reste constant tout au long du test.

7. Tester uniquement les modifications incrémentielles

Il existe une différence significative entre le fonctionnement des grands sites Web et la manière dont les autres petits entrepreneurs doivent y faire face. Pour les grands sites Web, quelques changements incrémentiels infimes peuvent générer un retour sur investissement important. Mais pour les startups et les petites entreprises, cette activité peut ne pas donner les résultats escomptés. Par exemple, il n'est pas tout à fait possible de tester la couleur du site Web ou du bouton CTA et ses différentes nuances, car cela ajoutera très peu à la refonte globale du site.

Le correctif : les tests fractionnés permettent des améliorations infimes, mais cela ne donnera pas de chiffre d'affaires significatif dans le cas des petites entreprises. Ne vous concentrez donc pas uniquement sur les changements incrémentiels, mais concentrez-vous plutôt sur les énormes améliorations des performances. Ce qu'il faudra, c'est opter pour un changement radical au niveau global. C'est plus intensif qu'une technique de test A/B étroite. Cela peut entraîner une refonte majeure de la page qui peut nécessiter des efforts considérables. Il est également important de noter qu'en raison des multiples éléments en cours de refonte, il peut être difficile de déterminer quel élément particulier a entraîné une augmentation du trafic après la mise en ligne de la page repensée.

8. Faire un test fractionné même sans aucun trafic

Si vous exploitez l'entreprise pendant seulement quelques mois, il est recommandé d'obtenir un trafic plus élevé avant de commencer à exécuter un test fractionné. Pour les startups et les nouvelles entreprises, effectuer des tests fractionnés avec quelques utilisateurs bêta sera inefficace. Le test de différentes hypothèses est un jeu de signification statistique réalisé par un échantillon optimal. Mais si vous ne disposez pas d'un échantillon adéquat, cet objectif sous-jacent ne sera pas atteint.

Le correctif : optez pour les tests fractionnés uniquement lorsque vous avez rempli 3 conditions distinctes

1- Vous disposez d'un échantillon représentatif adéquat

Les tests doivent durer 3 à 4 semaines pour répondre aux différentes périodes de vente. L'annulation des tests avant cela ne décrira pas les tests universels, mais montrera plutôt un résultat de test sélectif / cyclique.

2- Vous avez une taille d'échantillon suffisante

Un site Web avec plus de 1000 transactions (prospects, inscriptions ou abonnements) peut effectuer un test A/B par mois pour améliorer le trafic. Des facteurs tels que le taux de conversion, le nombre total de visites et la transaction globale détermineront la taille d'échantillon adéquate.

3- Lorsque vous atteignez une p-value

Une fois les points 2 et 3 remplis, il est important de regarder la valeur p (selon une idée fausse commune, la valeur p n'est pas la probabilité que B soit supérieur à A). En règle générale, un niveau de signification acceptable est de 5 % (ou 1 fois sur 20, l'échantillon affichera un résultat extrême étant donné que l'hypothèse nulle est vraie)

9. Les tests ne sont pas exécutés pendant des semaines complètes

Pour que les tests fractionnés donnent des résultats appropriés, la saisonnalité, les paramètres hebdomadaires et même diurnes sont importants. Ainsi, la période de temps nécessaire pour le test fractionné doit être soigneusement choisie. Ne pas prendre en compte le test de semaines complètes faussera les résultats, ce qui pourrait donner une image correcte du résultat du test

La solution : par exemple, si vous êtes propriétaire d'un site de commerce électronique, le week-end, votre population cible est plus encline à vos produits, tandis que le lundi ou les heures de pointe en semaine, votre site peut ne pas générer un trafic adéquat. Assurez-vous donc de terminer le test le même jour que le début. Cela garantit que vous testez une semaine complète en une seule itération. Cela s'alignera également sur notre recommandation précédente - exécuter des tests pendant 2 à 3 semaines

10. Données de test non envoyées à Google Analytics

Les mesures de conversion affichent généralement des données moyennes et, dans le monde du marketing, les moyennes mentent. Vous ne pouvez jamais obtenir une image complète si vous travaillez uniquement avec des données en pourcentage. En effet, le temps, la saisonnalité, les phases diurnes et de nombreux autres facteurs contribuent à un graphique client approprié.

Le correctif : Donc, si vous avez traité une quantité importante de données, envoyez-la à Google Analytics. Exécutez des segments avancés et des rapports personnalisés. Les résultats vous montreront le chemin pour exécuter des tests avancés et vous aurez peut-être une idée de l'endroit où effectuer les tests de votre site à partir de là. L'utilisation des nouvelles fonctionnalités GA permet aux spécialistes du marketing d'analyser jusqu'à 20 données de test A/B simultanées. Assurez-vous d'utiliser une dimension personnalisée distincte (ou une variable personnalisée en mode GA classique) pour une expérience active. Des outils comme Optimizely Classic peuvent aider dans ce cas.

Résumer

Le marketing et l'analyse commerciale sont assez complexes à leur manière. Ainsi, au lieu de vérifier ce que font les autres ou d'utiliser les stratégies de test les plus courantes, optez pour la voie intelligente et adoptez les tests A/B rentables pour augmenter le retour sur investissement de vos stratégies marketing.