Ceux qui recherchent le Saint Graal de l’exactitude des informations recherchent haut et bas la source ou le système parfait qui fournira les ensembles de données les plus simples, les plus précis et les plus commercialisables. Si au début nous ne pouvons pas trouver de données réussies, nous les testons simplement, les supprimons, changeons de méthodologie pour les obtenir et réexécutons toute la gamme. Ce sur quoi nous avons tendance à ne pas nous concentrer, cependant, c’est l’importance de tester fréquemment les données pour s’assurer qu’elles sont parfaites. Prêt à partir.
Le commerce habile que nous appellerons les tests A/B est en quelque sorte un art, une compétition interne pour les droits de vantardise, si vous voulez, pour s’assurer que les données collectées se brancheront sur « x » trous et rendront « y » des résultats, opposant deux adversaires, David et Goliath, les uns contre les autres dans une bataille épique pour s’assurer que le meilleur argument marketing ou que la structure des données soit parfaitement intacte et opérationnelle. Oui, l’art de la science du marketing donne de l’espoir au lecteur d’organigramme, en particulier lorsqu’il considère ces huit règles de test A/B avant d’engager votre adversaire interne.
Faire une hypothèse
Vous avez toujours voulu déclencher une dispute dans votre tête pendant les étapes de formation de votre campagne de test A/B ? Vous pouvez y parvenir simplement en énonçant des observations factuelles, qui peuvent être testées à l’aide de variables, en utilisant des mesures marketing éprouvées pour rétracter ou exposer votre résumé comme véridique. Par exemple, vous pourriez supposer que les infographies placées sur ma page d’accueil augmenteront les taux de clics. Cette déclaration sert également de base à votre test et sert d’outil de mesure lorsque votre hypothèse a été battue avec succès. Chaque installation de test A/B devrait commencer par des déclarations hypothétiques bien conçues.
Établir une variable singulière
La plupart des déclarations hypothétiques, y compris celles faites dans le jargon marketing, tournent autour d’une variable contestée. Étant donné que l’objectif de votre test sera de défier cette variable, toutes les autres parties doivent rester intactes pendant votre test. Par exemple, si vous contestez le même placement d’infographie, vous devrez laisser le contenu environnant, les liens et toutes les autres formes seuls, car cela ne tient pas compte de votre ligne de questionnement d’origine. N’oubliez pas que si vous incluez des variables secondaires, vous devrez former des énoncés hypothétiques distincts et établir une variable différente à contester.
Mesure du succès du formulaire
Étant donné que vous ne pouvez pas tester une hypothèse par rapport à elle-même, vous devez trouver quelque chose de « paramètre de barre » ou une mesure de réussite claire par laquelle vous évaluerez la véracité globale de la déclaration d’origine. Il y aura toujours un moyen honnête de gagner cette compétition autoproclamée, et votre variable de test A/B doit avoir un système de notation. Dans le cas de votre argument infographique, vous pouvez faire en sorte que la mesure du succès se rapporte à vos meilleurs éléments de conversion sur la page, par exemple le contenu, les liens, les graphiques de vente. Cela permet à vos déclarations hypothétiques globales d’avoir quelque chose contre quoi évaluer haut ou bas.
Signification par des mesures numériques
Une autre mesure importante d’un test A/B réussi est le volume auquel vous testez votre hypothèse, que ce soit par le biais d’impressions, de clics ou de réponses. Les nombres doivent être suffisamment significatifs pour faire des différenciations quantifiées et ne doivent jamais contenir moins que nécessaire pour propager la précision pour une utilisation future. Vous pouvez exécuter votre test contre 10 000 visites pour connaître le nombre de clics sur vos infographies, par exemple, et utiliser les ratios pour mesurer l’indemnité hypothétique. Plus la taille de votre test est petite, plus les mesures précises deviennent difficiles, ce qui élimine le besoin de tester votre hypothèse de toute façon. Vous devez évaluer la taille globale de votre test en fonction des volumes de trafic mensuels ou quotidiens.
Diviser ou ne pas diviser
Certains trouvent que l’exécution d’un essaim entier de tests de données sur un groupe de contrôle spécifique est plus fructueuse que de se diviser en 50/50 par rapport à la fois à une métrique isolée et à la métrique hypothétique. Celui qui apaise votre test devrait être votre choix final, car le choix de l’élément le plus performant sur votre site Web était votre outil de mesure du succès. Vous pouvez même diviser ce groupe en d’autres pourcentages impairs comme 60/40 ou 80/20. Personnellement, un test précis serait d’exposer une ressource, d’évaluer les résultats et de retester en utilisant la même méthode contre l’autre groupe de test. Votre objectif imminent est de détrôner votre champion par une déclaration hypothétique pleine d’esprit ; gardez le champ de test aussi équitable que possible pour permettre aux résultats de choisir naturellement le champion réel.
Groupes sélectionnés au hasard
Une sélection équitable des groupes de test A/B permettra de prendre des mesures plus efficaces ; bien que pas entièrement nécessaire pour prouver votre hypothèse, la sélection de sujets aléatoires rend toujours la procédure de test plus intéressante et ouvrira peut-être de nouvelles portes pour de futurs tests. Ne choisissez jamais en fonction de préjugés ou en lançant une fléchette sur votre mur ; choisissez les premières lettres des noms, choisissez un nombre dans Excel entre 1 et 79 et ainsi de suite. Cela nivelle la concurrence et ne tire pas un favori exact du chapeau pour détrôner votre hypothèse. Vous avez le droit d’être créatif ici; utilisez ce droit pour choisir vos techniques de randomisation pour la sélection du groupe de test.
Ne pas trop tester
Il est excellent de choisir des variances dans les tests, mais sur-tester votre hypothèse peut signifier des rapports de données ou des résultats de test inexacts. Plus vous spécifiez la dynamique dans les sous-programmes de test, y compris la réduction des tests physiques réels pouvant être effectués, plus votre procédure de test globale devient facile. Le bon sens vous empêchera de commettre trop d’erreurs de test critiques, mais vous devez également faire attention à votre ensemble de données le plus questionné ou le plus contesté. La sursaturation des tests peut conduire à des résultats indésirables lorsque vient le temps de mesurer vos décomptes par rapport au monstre que vous appelez la « norme ».
Documenter avec précision les résultats
Ne craignez rien, pousseurs de papier : les logiciels peuvent alléger la charge de documenter les décomptes finaux de votre campagne de tests A/B, bien que même avec l’aide d’un logiciel, il semble que cela reste définitivement négligeable dans certaines entreprises. Un excellent moyen de documenter vos résultats consiste à rédiger un article de blog rapide sur votre déclaration hypothétique, les sujets utilisés pour propager votre test, le nombre de réponses définies comme votre niveau pour le test et les résultats finaux. Terminez votre article de blog avec des remèdes potentiels, des tests de suivi suggérés ou même ouvrez le forum au débat afin de recueillir des informations sur votre hypothèse.
Derniers mots d’esprit
Il y a peu de choses que nous pouvons appeler concrètes dans le monde du marketing d’aujourd’hui, en particulier lorsque les écarts dans les campagnes, ainsi que les méthodes de suivi, semblent nous garder sur nos gardes presque toute la journée. Les grands champions du marketing effectueront toujours des tests A/B à tous les niveaux majeurs, y compris les publicités PPC des moteurs de recherche, car avoir les coûts les plus bas et les retours sur investissement les plus élevés sont l’objectif de tous les professionnels du monde entier. Lors du test, gardez ces huit conseils dans votre poche arrière et lancez-vous un défi marketing en opposant deux de vos meilleures campagnes de conversion. Formez votre hypothèse, éliminez vos sujets de test et vos groupes de contrôle et voyez si vous êtes capable d’améliorer ce que vous considérez comme déjà parfait.
