Multivariate Testing pour optimiser votre taux de conversion

Optimiser le taux de conversion est le but de tout développeur ou chef de projet Web. Du contenu et des produits de haute qualité constituent en général des éléments encourageants pour des entreprises et des boutiques émergentes, mais également inefficaces si les résultats visés, tels qu’un achat, un clic ou un formulaire à remplir ne sont pas atteints. Bien que le nombre de visiteurs puisse être influencé par différentes actions (marketing sur les réseaux sociaux, SEO, SEA, link building, etc.), le taux de conversion est avant tout lié à deux facteurs : la confiance des utilisateurs dans le site Web et la convivialité du projet, également appelée l’utilisabilité.

Pour améliorer constamment le confort utilisateur, le multivariate testing devient de plus en plus populaire auprès des développeurs et des professionnels du marketing. Avec la version moderne du test, qui est encore plus complexe que les tests A/B, le but est de déceler et corriger les faiblesses des éléments vérifiés, afin de faciliter l’accès au contenu des utilisateurs. Si les utilisateurs se sentent à l’aise et passent plus de temps sur le site ou la boutique en ligne, il y a plus de chances qu’ils accomplissent l’action souhaitée, en l’occurrence la conversion.

L’exemple suivant illustre le fonctionnement du multivariate testing : le site Web d’un produit en particulier doit être optimisé. La description et l’image utilisées servent de critères de base pour l’évaluation. La procédure d’évaluation a pour but de déterminer si (et le cas échéant, dans quelle mesure), les deux descriptions différentes A et B, ainsi que les deux photos du produit 1 et 2, ont une influence sur le taux de conversion. Pour ce faire, les images et les descriptions sont combinées selon la façon suivante :

• Description A, image 1
• Description A, image 2
• Description B, image 1
• Description B, image 2

Dans cet exemple simple, le nombre de combinaisons possibles est donc limité à 4. Si le test comprend davantage de variables, le nombre de combinaisons possibles augmente logiquement en conséquence. Ces quatre versions différentes sont ensuite présentées aux clients potentiels qui consultent la page du produit correspondant dans la boutique en ligne. L’ensemble du trafic est distribué de façon égale pour les quatre versions. Les conversions effectuées (dans ce cas il s’agit de transactions complètes) sont évaluées grâce à un outil d’analyse tel qu’Oracle Maxymiser ou Webtrends Optimize, de façon à pouvoir calculer le taux de conversion pour chacune des quatre variantes après la mise en œuvre du multivariate testing. Plus le trafic est élevé et la période d’observation longue, plus les résultats sont significatifs.

Dans la mesure où les tests à variables multiples, tout comme les tests A/B, ne sont mis en œuvre que lorsque le site Web, l’application ou la boutique sont en ligne, ils présentent, par rapport aux tests d’utilisabilité qui prennent place durant la phase de développement d’un projet, l’avantage de réunir un très grand nombre d’utilisateurs. On parle alors de méthode d’étude quantitative. Bien que la réalisation de tests à variables multiples semble très complexe, elle est facilitée grâce à de nombreux outils. Il en va de même pour les différentes pages de test qui sont configurées rapidement et mises en œuvre dans le projet Web grâce à des snippets JavaScript. Les résultats sont visibles en temps réel dans des tableaux clairs, de sorte que l’on peut facilement déterminer quelle combinaison annonce le plus de succès.

À l’inverse de l’A/B testing, le multivariate testing n’est pas limité à deux versions comparatives mais est, en principe, illimité. Ceci permet de faciliter considérablement la vérification d’éléments plus nombreux, mais fournit également à l’observateur qualifié des connaissances détaillées sur la façon dont les différents éléments interagissent. En effet, les résultats des tests à variables multiples ne révèlent pas seulement si chacune des combinaisons a un effet positif ou négatif sur le taux de conversion, mais fournissent une illustration concrète, qui s’appuie sur des statistiques, de quels types de composants contribuent au succès d’un projet Web en général. Les connaissances acquises lors du multivariate testing peuvent donc jouer un rôle essentiel dans le développement de futurs projets.

Pour s’assurer que les résultats de tests à variables multiples sont fiables, un trafic élevé est toutefois indispensable, simplement car ils sont souvent distribués en au moins quatre versions de test différentes, parfois plus. Ce type de test peut également poser problème lorsqu’au moins une des versions testées n’a pas d’influence sur le taux de conversion, en particulier en ce qui concerne l’interprétation des résultats. Dans un tel cas de figure, le multivariate testing peut s’avérer un mauvais choix, qui complique inutilement le processus d’évaluation par rapport à un simple test A/B.

La méthode la plus adaptée pour tester au mieux l’utilisabilité de votre site Web dépend de différents facteurs, mais le niveau du trafic joue assurément un rôle essentiel. Si vous débutez avec votre site Web et que vous visez seulement un nombre limité d’utilisateurs, le multivariate testing ne vous procurera pas de résultats significatifs pour une plus longue période d’observation, c’est-à-dire des informations sur le succès respectif de chaque variante. Dans ce cas, il est plutôt recommandé de valider l’efficacité de chaque variante grâce à un des tests A/B ultérieurs. En revanche, si votre site Web connaît un trafic dense, les tests à variables multiples permettent souvent d’économiser du temps et de l’énergie.

L’une des conditions nécessaires aux deux méthodes est que vous puissiez formuler des hypothèses claires et des estimations de résultats. Autrement, les résultats des tests seront très difficiles à interpréter. Contrairement à l’analyse de l’utilisabilité lors du processus de développement, il faut s’attendre à ce que le taux de conversion se dégrade lors de ce type de test en direct. Lorsqu’il s’agit de tester de nouvelles variantes, les tests à variables multiples ne sont donc pas efficaces, et les tests A/B sont trop souvent limités. Dans ce cas, des analyses préalables dans un cadre restreint avec des questions clairement formulées constituent une solution bien plus efficace et moins risquée.

Si votre site Web présente un trafic suffisant et que vous vous décidez pour le multivariate testing, il est recommandé de ne pas créer un trop grand nombre de variantes inutiles. Pour un résultat optimal, il est conseillé de procéder le plus stratégiquement possible, c’est-à-dire de présélectionner les variables les plus importantes et de les confronter seulement entre elles. Pour encore plus de sécurité, il est possible de tester une nouvelle fois les résultats obtenus grâce à un test A/B ultérieur. Si vous pensez à d’autres méthodes de tests, gardez à l’esprit que l’augmentation du taux de conversion déterminée par les statistiques n’est pas une garantie, mais qu’il s’agit seulement d’une tendance.