Google Analytics 4: l’apparition du taux d’engagement signe-t-elle la mort du taux de rebond?

Le titre de cet article vous a peut-être fait bondir car le taux de rebond est un indicateur incontournable en 2020 pour mesurer la qualité du trafic. Mais 2021 arrivant à grands pas, on vous explique pourquoi il ne sert à rien de paniquer et comment Google Analytics 4 vous permet de mesurer plus précisément la qualité de votre trafic (tout en supprimant le taux de rebond).

Vous n’êtes pas sans savoir que Google a annoncé une nouvelle version de Google Analytics, tant sur la collecte de données que sur leurs représentations. Ce nouveau Google Analytics, appelé Google Analytics 4 succède à Universal Analytics et change de paradigme sur beaucoup de sujets. Dans cet article, nous aborderons la question de l’engagement (et a fortiori du rebond), notion nouvelle et révolutionnaire dans le Google Analytics des temps modernes. 

Le premier changement majeur dans l’analyse de la qualité du trafic est la disparition du taux de rebond. En effet, cet indicateur très utilisé sur Universal Analytics concentre des frustrations et des mécontentements car il est imparfait. Si un utilisateur consulte une page d’un site pendant 15 minutes puis part, il est comptabilisé par défaut comme un rebond alors même qu’il a potentiellement lu cette page. Ceci engendre des taux de rebond très élevés pour les sites de contenus ou pour les blogs. Le taux de rebond est alors de 100% et le temps moyen passé sur la page reste à 0 seconde. Cela s’explique par l’incapacité d’Universal Analytics à savoir quand exactement l’utilisateur a quitté la page. 

Cela change désormais puisque des mesures améliorées sont disponibles dans Google Analytics 4 et permettent de suivre l’utilisateur sur les pages. Ces mesures améliorées viennent enrichir le tracking de l’utilisateur et ainsi éviter de comptabiliser des utilisateurs engagés comme des rebonds:

  • Pages vues: Une mesure est effectuée lorsque l’utilisateur voit une page, rien de bien original par rapport à Universal Analytics. La nouveauté vient de la possibilité désormais de choisir le changement de pages selon les événements de l’historique du navigateur et plus uniquement d’un réel rechargement de la page. C’est un gros avantage pour les sites en AJAX par exemple sur lesquels le changement de page pour l’utilisateur n’entraîne pas forcément un rechargement de la page d’un point de vue technique.
  • Défilements: Une mesure est effectuée lorsque l’utilisateur atteint le bas d’une page. On utilise également volontiers la notion de scroll de la page.
  • Clics sortants: Une mesure est effectuée lorsque l’utilisateur clique sur un lien menant à un site ayant un nom de domaine différent du site sur lequel il se trouve. 
  • Recherche sur le site: Une mesure est effectuée lorsque l’utilisateur exécute une recherche sur le moteur interne du site. Cette fonctionnalité existait déjà sur Universal Analytics mais n’était pas paramétrée par défaut. De plus, Google s’étant rendu compte que la plupart des moteurs utilisaient les mêmes paramètres de requête, il installe par défaut une liste de paramètres courants sur les sites internet. 
  • Engagement avec des vidéos: Une mesure est effectuée lorsque l’utilisateur visionne complètement ou partiellement une vidéo Youtube présente sur le site. 
  • Téléchargements de fichiers: Une mesure est effectuée lorsque l’utilisateur télécharge un fichier à partir du site. Cela s’applique aux liens associés à une extension courante de fichiers (pdf, docx, zip etc..)

Vous pouvez configurer ces mesures directement sur votre interface Google Analytics 4 dans la partie Admin > Flux de données > Détails du flux Web > Mesures améliorées. Aussi, d’autres mesures personnalisées sont possibles en plus de ces standards offerts par Google Analytics.

Ces nouvelles mesures permettent de mieux tracker l’utilisateur et permettent à Google Analytics de mieux évaluer le temps passé sur une page lorsque l’utilisateur n’en visite qu’une au cours de sa session. 

On découvre ainsi de nouveaux indicateurs, plus précis, grâce à ces nouvelles mesures. Le nombre de sessions avec engagement par exemple, qui est le nombre de sessions ayant duré plus de 10 secondes, ayant donné lieu à un événement de conversion, ou ayant donné lieu à au moins 2 pages vues. De cela découle ainsi l’indicateur du taux d’engagement qui donne la part des sessions avec engagement sur la totalité des sessions. Google troc donc un indicateur négatif, le taux de rebond, contre un indicateur positif. Mais au fond, le taux d’engagement de Google Analytics 4 est inversement proportionnel au taux de rebond d’Universal Analytics. La différence est que sur Google Analytics 4, il est plus facile de tracker les interactions de l’utilisateur sur les pages et donc l’indicateur est beaucoup plus précis et fiable.

Cette nouvelle notion d’engagement offre une multitude de nouveaux indicateurs:

  • La durée d’engagement moyenne par session: Elle peut être assimilée à la durée moyenne des sessions d’Universal Analytics.
  • La durée d’engagement moyenne: La fin du modèle basé sur la session d’Universal Analytics (Google Analytics 4 se basent sur des événements plutôt que sur des sessions) permet l’apparition d’une statistique sur la durée d’engagement par utilisateur.
  • Taux d’engagement: Comme nous l’avons évoqué plus haut, il s’agit de la part des sessions avec engagement sur la totalité des sessions
  • Session avec engagement par utilisateur: Elle peut être assimilée au nombre de sessions par utilisateur d’Universal Analytics, même si cet indicateur Google Analytics 4 ne prend en compte que les sessions avec engagement, il est donc plus qualitatif.

Cet article vous a permis de découvrir les nouveautés sur l’engagement dans Google Analytics 4. Cette nouvelle version de Google Analytics est une véritable révolution dans la web analyse et notre blog est agrémenté de multitudes d’articles pour vous expliquer au mieux les changements opérés dans le cadre du passage d’Universal Analytics à Google Analytics 4, je vous invite à les consulter.

Si vous souhaitez vous faire aider dans la configuration de votre compte Google Analytics, n’hésitez pas à nous contacter.

Comment savoir si les utilisateurs naviguent sur votre site avec leur smartphone orienté paysage ?

Avec l’importance croissante de la navigation mobile chez vos utilisateurs, vous êtes à la recherche constante d’amélioration de l’UX sur votre site web. Pour cela vous avez bien sûr travaillé le responsive design, l’affordance des fonctionnalités. Vous avez également regardé dans votre outil d’analyse quels sont les appareils les plus fréquemment utilisés chez vos visiteurs. 

Afin de mieux cerner le contexte navigationnel de vos utilisateurs, nous vous proposons aujourd’hui de mesurer la part de votre trafic ayant une utilisation smartphone en format paysage. 

navigation mobile paysage portrait

De prime abord, l’utilisation du téléphone “couché” pour naviguer peut sembler anecdotique, et ce à juste titre. On pense notamment au cas d’une lecture vidéo au cours de laquelle on va volontiers switcher son écran en format paysage. Néanmoins, c’est justement l’aspect inhabituel de cette pratique qui peut vous donner des indications sur des anomalies présentes dans votre parcours. En effet, si on note une page au cours de laquelle les utilisateurs ont une tendance significativement plus élevée à passer en mode landscape, il y a peut-être un élément à corriger dans votre expérience utilisateur : lorsque le texte est trop petit par exemple.

Nous présentons donc aujourd’hui un tutoriel Google Tag Manager pour tracker deux événements Google Analytics: l’orientation du téléphone lors de l’arrivée de l’utilisateur mobile sur votre site, et le changement de position de l’écran lors de son parcours.

Pour ce faire, on commence par créer une première balise HTML personnalisée pour créer le code de suivi et saisir les informations à transmettre à la couche de données.

<script>
 var mql = window.matchMedia("(orientation: portrait)");
// If = portrait
if(mql.matches) { 
   dataLayer.push({'event':'orientation','pos':'Portrait'})
} else { 
   dataLayer.push({'event':'orientation','pos':'Landscape'})
}
// Change view
mql.addListener(function(m) {
   if(m.matches) {
       dataLayer.push({'event':'changeori','oldpos':'Landscape','newpos':'Portrait'})
   }
   else {
       dataLayer.push({'event':'changeori','oldpos':'Portrait','newpos':'Landscape'})
   }
});
</script>

Cette première balise sera déclenchée au page vue sur toutes les pages.

Ensuite on crée trois variables qui vont nous permettre d’alimenter nos deux events GA :

  • pos : qui est la position de l’écran de l’utilisateur

position téléphone navigation

  • newpos : qui est la position de l’écran après une rotation d’écran

position écran paysage

  • oldpos : qui est la position de l’écran qui précède une rotation

écran rotation position

Ceci étant fait, on peut ensuite passer à la création de nos deux balises universal analytics. Attention, pensez à bien indiquer que votre event n’est pas comptabilisé comme une interaction, auquel cas le calcul du taux de rebond serait modifié.

On crée donc la balise d’événement avec la position initiale du téléphone au démarrage de la session. On lui associe un déclencheur basé sur l’événement personnalisé “orientation” qui a été défini dans notre première balise HTML personnalisée :

Au sein de ce déclencheur, on applique une règle qui n’inclut que le device mobile, pour ne pas avoir d’éventuelles remontées provenant de desktop ou tablette qui viendraient biaiser nos statistiques.

Pour cela nous allons créer une variable de javascript personnalisé « Device type », avec la fonction suivante :

function(){

if (navigator.userAgent.match(/(android|iphone|ipad|blackberry|symbian|symbianos|symbos|netfront|model-orange|javaplatform|iemobile|windows phone|samsung|htc|opera mobile|opera mobi|opera mini|presto|huawei|blazer|bolt|doris|fennec|gobrowser|iris|maemo browser|mib|cldc|minimo|semc-browser|skyfire|teashark|teleca|uzard|uzardweb|meego|nokia|bb10|playbook)/gi)) {
if ( ((screen.width >= 480) && (screen.height >= 800)) || ((screen.width >= 800) && (screen.height >= 480)) || navigator.userAgent.match(/ipad/gi) ) {
return('t');
} else {
return('m'); 
}
} else {
return('d');
} }

Cette fonction va attribuer « d », « m » et « t » pour chaque device. On applique alors une règle à notre déclencheur pour que notre événement Google Analytics ne se déclenche que sur mobile.

Ensuite on crée l’événement qui va signaler un changement de position de l’écran, avec un déclencheur basé sur l’événement personnalisé “changeori”, auquel on n’inclut que le device mobile également.

Une fois la publication du conteneur GTM, voici les remontées dans Google Analytics :

Pour trouver les pages récurrentes lors du changement d’écran, pensez à appliquer “page” en dimension secondaire.

Si vous avez besoin d’accompagnement sur la mise en place de tracking ou d’analyse sur vos données analytics, n’hésitez pas à nous contacter!

Les nouveautés de la rentrée dans Google Tag Manager

Depuis la rentrée, on pensait avoir été assez gâtés avec l’arrivée du conteneur GTM en server-side, le nouveau mode de prévisualisation, mais ça n’est pas tout. En effet de nouvelles fonctionnalités qui facilitent le quotidien ont fait des apparitions discrètes dans l’outil de gestion de tags de Google.

 

La possibilité de sélectionner les tags pour réaliser des actions

En effet, bien que cette fonctionnalité paraisse élémentaire, elle fait partie de ces nouveautés de la rentrée 2020. On peut désormais sélectionner grâce aux cases à cocher plusieurs balises (mais aussi déclencheurs, variables, dossiers et modèles) pour réaliser des actions groupées et non plus une par une comme c’était le cas avant.

Depuis septembre on peut donc mettre en pause plusieurs tags en même temps, les supprimer ou encore les assigner à un dossier. Cette dernière fonctionnalité qui jusqu’à lors était peu exploitée, de par l’aspect laborieux des manipulations individuelles, prend désormais tout son sens. 

Depuis octobre, une nouvelle action groupée est possible lorsque l’on a sélectionné plusieurs tags simultanément : modifier de façon groupée les règles de déclenchement. Dans un contexte comme le nôtre où le consentement des utilisateurs prend de plus en plus d’importance dans la législation, pouvoir appliquer de manière simultanée une exception de déclenchement à l’ensemble des tags quand l’utilisateur n’accepte pas les cookies représente un gain de temps important. 

 

 Une fonction de recherche plus pertinente

Jusqu’à maintenant, la fonction de recherche nous permettait uniquement de trouver des éléments grâce à leur intitulé. Désormais, les informations indiquées dans les champs permettent également de retrouver les éléments associés.

 

La possibilité de choisir les éléments lors un export

Il est possible de réaliser des exports et imports de conteneurs GTM. C’est notamment pratique lorsque l’on souhaite réaliser un nouvel environnement avec une base et ne pas partir from scratch, également dans le cas de la fusion de deux conteneurs GTM. La nouveauté réside dans le fait de pouvoir sélectionner les éléments que l’on souhaite importer dans son fichier JSON, là où avant on réalisait nécessairement un export du conteneur complet.

Toutes ces améliorations vont grandement faciliter le travail des web analystes. N’hésitez pas à nous contacter pour être accompagnés dans vos projets de mise en place de tracking sur votre site.

GA4 : La nouvelle version de Google Analytics

Google Analytics 4 (ou GA4) est une toute nouvelle version de Google Analytics. L’avantage principal de GA4 est qu’il fournit une meilleure représentation et visualisation du comportement des utilisateurs et permet de passer moins de temps à collecter et agréger les données.

Google fait de gros investissements sur le GA4. Il était auparavant connu sous le nom de « App + Web » beta mais il est maintenant appliqué par défaut lorsque vous créez une nouvelle propriété et remplacera bientôt Universal Analytics.

D’où vient le GA4 ?

Si vous suivez Google Analytics depuis un certain temps, vous vous souviendrez qu’il y a eu deux révisions majeures de la plateforme depuis son acquisition : 

2009 : Transition d’Urchin vers Google Analytics classique (ga.js)

2013 : Transition de Google Analytics classique à Universal Analytics (analytics.js)

Aujourd’hui, nous sommes au milieu d’une troisième réforme majeure de Universal Analytics à Google Analytics 4, ce qui en fait la quatrième version.

Google Analytics 4 est en cours de développement depuis la sortie initiale de « Google Analytics for Firebase » en 2017, et une version bêta a été publiée en juillet 2019 sous le nom « App + Web Properties ».

Ce qu’il faut retenir sur GA4 :

Google a déployé de nombreuses mises à jour avec la version 4, mais la différence majeure entre GA4 et les anciennes versions de Google Analytics est le modèle de données piloté par les événements. Au début de la webanalyse, les sites web étaient composés de pages qui se chargeaient à chaque fois qu’elles étaient consultées. Puis sont apparues les applications mobiles et les applications à page unique et les concepts de pages vues et de sessions ne s’appliquent plus toujours. Cependant, le concept de “vue” de la page est utilisé pour calculer le taux de rebond, le temps passé sur le site, le temps passé sur la page, le nombre de pages par session et plus encore. On est donc rapidement limités lorsque l’on cherche à transposer ces indicateurs  à des applications par exemple.

Les analystes d’applications mobiles ont résolu ce problème en écartant l’idée que la composante fondamentale d’une session est une vue de page et en la remplaçant par un système flexible d’événements, de paramètres et de propriétés d’utilisateur. Ces nouveaux concepts peuvent être appliqués avec souplesse à toute nouvelle application, mais ils peuvent également être appliqués à un site web traditionnel. 

Ce modèle basé sur les données événementielles est au cœur de GA4. Cette approche testée et éprouvée existe depuis des années mais a rarement été appliquée aux sites web traditionnels avant l’arrivée du GA4.

Quels sont les avantages de Google Analytics 4 ?

Le GA4 présente de nombreux avantages et ce que vous soyez analyste, chargé de marketing ou développeur.

Pour les analystes :

  • La notion de roll-up : si vous êtes un analyste qui gère à la fois des sites web et des applications mobiles, vous aurez enfin la possibilité de rassembler vos données sur le web et les mobiles.  Cette fonction est bien plus puissante que les propriétés de synthèse que vous avez pu utiliser dans le passé, car les données issues de chaques plateformes utilisent le même schéma.
  • Centre d’analyse : même si vous ne gérez pas d’application mobile, vous remarquerez que GA4 est un outil d’analyse beaucoup plus puissant que les versions précédentes de Google Analytics. En effet, les rapports « Analysis Hub » qui étaient auparavant réservés aux utilisateurs de GA360 sont désormais disponibles gratuitement et ils ont été améliorés afin que vous puissiez facilement explorer les données, créer des entonnoirs de conversion personnalisés, comparer des segments et effectuer des analyses de parcours. L’exportation BigQuery est désormais accessible à l’ensemble des utilisateurs qui peuvent désormais accéder à leurs données brutes pour les joindre à d’autres sources ou y effectuer des requêtes SQL.

Pour les chargés de marketing :

  • Suivi de segments comportementaux d’utilisateurs et abandons : Le GA4 permet de regrouper les utilisateurs en fonction de la probabilité qu’ils effectuent un achat dans les 7 jours à venir. Cette méthode exploite le comportement de votre site web de first-party pour générer des prédictions basées sur vos données.  
  • Nouvelles mesures de l’engagement : si votre objectif est d’inciter les utilisateurs à s’intéresser à votre site ou à votre application, il est important de savoir quels utilisateurs s’intéressent à votre contenu en lisant des articles, en scrollant les pages, en regardant des vidéos, etc. GA4 lance une nouvelle méthode innovante pour vous aider à suivre l’engagement des utilisateurs et abandonne le concept de taux de rebond.
  • Attribution des campagnes multiplateformes : si vous gérez à la fois des sites web et des applications mobiles, la capacité à véritablement rassembler les données signifie que l’attribution de votre campagne et les publics que vous créez seront enfin suffisamment intelligents pour prendre en compte tous les points de contact de l’utilisateur avec votre marque, quelle que soit la plate-forme.

Pour les développeurs et équipes techniques chargées des configurations :

  • Suivi des interactions améliorées : si vous utilisez GA4 sur un site web, la plupart des interactions qui nécessitent un suivi à l’aide de javascript personnalisé sont intégrées dans l’outil : le tracking du scroll, la lecture de vidéos, ou les clics sur les liens de sortie, peuvent être activés automatiquement via un bouton.
  • Fonction de debug : GA4 dispose d’un rapport intégré, « DebugView », qui permet d’isoler les données en temps réel provenant de votre appareil de test pendant vos recettes.

Attention, la migration vers GA4 est complexe. Malgré tous les avantages du GA4, les analystes et les spécialistes du marketing qui connaissent bien les anciennes versions de Google Analytics auront probablement du mal à migrer vers le GA4. En effet, cette nouvelle version est une restructuration complète du Google Analytics avec lequel vous êtes familiers. De nombreux rapports par défaut ont été supprimés ou remplacés, les dimensions et métriques populaires telles que « moyen » et « rebond » n’existent plus. Le processus d’implémentation et d’ajout de balises est également très différent.

Les configurations à réaliser sont plus complexes que celles pour la migration de Classic GA vers Universal Analytics, que vous avez probablement effectuée en 2013. Les avantages du passage vers GA4 sont nombreux mais il est important de s’attendre à ce qu’une telle migration prenne du temps.

N’hésitez pas à nous contacter si vous souhaitez être accompagné dans cette migration.

Créer une heatmap ou un tunnel de conversion grâce à Google Data Studio

Lors d’un précédent article sur le lien entre l’UX design et la webanalyse, nous avions évoqué les différentes possibilités qui existent pour mettre en place le suivi des utilisateurs lors de leur parcours sur un site web.

Parmi les avantages en faveur d’un suivi des utilisateurs via des outils de data visualization, on compte la possibilité d’observer de façon synthétique et illustrée les interactions de l’utilisateur sur les pages, là où le suivi des interactions de l’utilisateur avec le site web via un plan de marquage nécessite une aisance avec les outils analytics qui n’est pas forcément à la portée de tous les métiers.

La bonne nouvelle est la suivante : lorsque l’on opte pour un plan de marquage pour suivre les KPIs, une alternative existe pour obtenir un tableau de bord qui illustre les données relatives à la navigation de l’utilisateur avec presque autant de possibilités que les outils de dataviz ad hoc (nous verrons les limites en fin d’article).

Dès lors que le plan de marquage est intégré et que les événements remontent dans Google Analytics, il est possible de créer une carte de chaleur dans Google Data Studio. 

Heatmap datastudio Heatmap datastudio

Pour ce faire, on inclut des captures d’écran du site web auxquelles on ajoute des compteurs d’événements. On crée un élément avec en statistique le nombre total d’événements, pour plus de lisibilité on peut renommer le nom de la statistiques pour la faire correspondre avec l’action réalisée : clic logo, départ réseau social, etc. On remarque alors qu’on obtient le nombre total de tous les événements trackés, il faut appliquer un filtre à cette donnée pour n’avoir que le nombre d’occurrences d’un seul événement. On crée alors un filtre ad hoc où l’on inclut uniquement le ou les Catégorie / Action / Libellé de l’événement tels qu’ils remontent dans Google Analytics et on applique ce nouveau filtre à notre donnée. On peut alors cartographier sur une page les événements qui traduisent les interactions entre l’utilisateur et la page. 

Dans notre exemple, nous avons fait la homepage du site Meet Your Data. Nous faisons également des pages produit, pages liste ou des formulaires de leads à la demande de nos clients. Les événements étant généralement les mêmes sur toutes fiches produit par exemple, il est pertinent d’ajouter un bouton de filtre à votre rapport pour sélectionner des pages précises. Pensez alors à filtrer ce sélecteur sur “Page produit” en fonction d’un paramètre d’URL ou d’une variable de dataLayer, afin d’avoir une liste qui ne comporte que des pages produits. Ainsi, vous pourrez observer les interactions sur les fiches produit au global, mais également au détail sur votre carte de chaleur.

Entonnoir tunnel d'achat

Autre cas de dataviz très sollicité par nos clients e-commerçants : les illustrations d’entonnoirs de conversion ou tunnels d’achat. Ils permettent d’obtenir une vision schématique et illustrée du parcours global des utilisateurs sur le site dans un objectif de conversion (transactionnel ou lead). Les étapes des parcours sont donc celles des rapports Google analytics “Comportement d’achat” et “Comportement lors du processus de paiement”. Pour le premier rapport, ce sont les sessions qui sont représentées dans les encarts. Pour obtenir les mêmes chiffres que dans l’outil GA, on peut créer directement les segments dans Google analytics, en cliquant sur les colonnes dans le rapport, pour ensuite les importer dans Data Studio et les appliquer aux encarts. On peut également créer des entonnoirs illustrant des objectifs personnalisés en se basant sur les événements trackés. Selon vos préférences, la disposition peut être horizontale ou verticale et l’illustration est facultative.

Funnel de conversion

Couplées avec des indicateurs, des tableaux et des graphiques, ces représentations visuelles de cartes de chaleur et d’entonnoirs apportent une réelle valeur ajoutée à un tableau de bord classique et viennent le compléter. Toutefois, comparé aux outils de dataviz dédiés, il existe plusieurs limites au fait de passer par l’outil Data Studio. En effet, certaines fonctionnalités ne sont pas encore disponibles pour une illustration complète. Par exemple, le taux de passage entre les étapes des funnels n’est pas natif dans l’outil. Une autre contrainte, pour les heatmaps cette fois, est due au fait de passer par une capture d’écran pour avoir l’illustration des pages du site web. Cela implique que les changements réalisés sur le site web ne seront pas automatiquement mis à jour dans le tableau de bord, il faut alors remplacer les captures d’écran en cas de changements d’ergonomie majeurs.

Si vous souhaitez être accompagnés dans la configuration d’outils de dataviz, dans l’élaboration d’un tableau de bord ou d’un plan de marquage, n’hésitez pas à nous contacter.

A/B Test : quels intérêts et quelles conditions de mise en place ?

Un A/B test consiste à pousser simultanément sur un site web, une ou plusieurs versions d’un élément ou d’une page, en répartissant le trafic du site de manière égale entre les versions, puis à mesurer les performances des versions.

A quoi sert l’A/B test ?

La finalité de l’étude de type A/B test correspond à une démarche de maintenance du site web qui passe par la vérification et l’analyse des visites et comportements associés sur les pages web. Cela permet d’identifier les tendances d’exploration, les pages visitées, détecter des anomalies et opportunités dans la navigation. Le but étant, à l’issue de ces analyses et des conclusions tirées, de pouvoir modifier la structure du site pour mieux répondre aux besoins des utilisateurs et ainsi offrir une expérience de navigation optimale. 

Quelles sont les conditions de la mise en place d’un A/B test?

La méthodologie de l’A/B test permet de diffuser simultanément deux versions d’une même page auprès de deux segments de visiteurs afin de constater des différences de comportements entre les deux versions A et B. Il est important de prendre en compte le fait qu’un seul changement doit être opéré, autrement, on parle de test multivarié dont l’interprétation est plus complexe. Par ailleurs, la simultanéité en termes de période et de saisonnalité, est primordiale. Il est possible de réaliser un changement sur des pages d’un site et de comparer les KPIs avant et après les changements opérés. Néanmoins, cela constitue un biais lié à la période et saisonnalité. 

Quels sont les avantages à mettre en place un A/B test sur votre site?

Outre la rapidité de mise en place et d’obtention de résultats concrets, à condition d’avoir un volume de trafic significatif, l’avantage majeur des A/B Test est que l’on se base sur des phénomènes comportementaux propres aux utilisateurs de nos sites web. C’est-à-dire que certaines recommandations formulées par des experts peuvent ne pas s’appliquer à une certaine cible de clients ou à certains cas de retail avec des concepts particuliers ou des produits spécifiques. L’A/B test permet de s’assurer que ces best practices s’appliquent votre contexte commercial, à la nature des produits et à la communication attendue par l’utilisateur. En effet, avec l’A/B test, les sujets de l’étude ne sont autre que vos propres clients qui agissent naturellement et donc sans biais par rapport à des études de type panels, questionnaires, etc. 

Appliquez une démarche stratégique dans la mise en place de vos tests.

Dès lors que vous disposez d’un outil qui permet de réaliser des tests A/B, il est tentant de tout remettre en question et de réaliser pleins de tests. Il faut cependant cadrer la démarche car tous les tests ne sont pas pertinents à mener. Pour savoir si un test comporte un intérêt réel, il faut se pencher sur son potentiel : que peut-on espérer en terme de gains avec les optimisations visées et de quelle nature sont-ils ? Il est préférable de ne faire que quelques tests, mais dont les résultats vont permettre une prise de décision qui va représenter un réel enjeu en terme de ROI. Enfin, il faut également que le test soit facile à opérer : il faut s’interroger sur l’ampleur des ressources requises pour le test, d’un point de vue développement web et graphisme à engager et sur les contraintes à envisager. Ces critères déterminent les caractères réalistes, réalisables ou utiles des tests.

Quand analyser les résultats d’un A/B test ?

Il n’existe pas de durée standard pour commencer à interpréter un A/B test. Les outils du marché tels que A/B Tasty, Google Optimize, Kameleoon ou Monetate permettent de mesurer le niveau de significativité d’un test en cours grâce à l’indicateur du taux de confiance. On considère que le taux de confiance doit atteindre 95% pour déclarer un test comme étant fiable et pour s’appuyer sur ses résultats.
Toutefois, le temps que met un A/B test pour atteindre les 95% de taux de confiance dépend en premier lieu du nombre d’impressions des versions A et B, autrement dit, le nombre de fois où elles sont vues. Cela dépend donc du volume de visites sur votre site et sur les pages en question. Par exemple, un site web avec des milliers de visites par jour n’aura besoin que de quelques semaines pour voir son taux de confiance atteint, là où pour un site d’une plus petite envergure, notamment en B to B par exemple, les versions devront être déployées plusieurs mois.
Un autre paramètre que la largeur de la diffusion des versions entre en jeu. C’est celui de la divergence des comportements observés. Dans le cas de la modification du format ou de l’emplacement d’un bouton de type call-to-action par exemple, si on observe un nombre de clics qui va du simple au double entre les deux versions, alors un taux de confiance inférieur à 95% peut être recevable. En effet, dans la réalité du terrain, il est parfois trop contraignant d’attendre avant de pouvoir faire un choix de version et mettre en place des optimisations. Cependant, prenez avec précaution les résultats obtenus d’un test A/B dont le taux de confiance est en deçà de 80% car leur significativité est plus faible.

Quelle est la portée des A/B tests ?

Hormis l’optimisation de l’ergonomie et de la navigation auxquels on pense en premier, l’A/B test peut également être un outil précieux qui permet de mieux appréhender d’autres aspects marketing. Notamment le travail des landing pages (pages de destination) pour vos campagnes Ads de différentes sources de trafic. Ainsi, vous pouvez travailler la cohérence entre le message que vous souhaitez véhiculer sur vos différents supports en testant plusieurs variantes. C’est également un bon moyen pour tester l’impact d’un discours commercial sur un site de lead. L’A/B test peut aussi servir à essayer de nouvelles dispositions d’e-merchandising des produits.
Ces différentes facettes de l’A/B test peuvent permettre à divers services marketing d’affiner leur connaissance sur la nature et le comportement de la cible marketing.
Chez Meet your data, nous pouvons vous accompagner dans la mise en place d’A/B tests sur votre site web, notamment dans la configuration de vos tests, l’analyse de leurs résultats et dans l’apport de recommandations.