Les tests A/B, également connus sous le nom de tests fractionnés, sont utilisés depuis longtemps dans le marketing numérique pour optimiser les pages Web et les éléments qu'elles contiennent.
Plutôt que d'utiliser l'intuition ou les préférences personnelles, les tests A/B ont changé les règles du jeu en permettant aux spécialistes du marketing numérique d'évaluer scientifiquement les données de conversion pour un retour sur investissement maximal.
Cependant, alors que les spécialistes du marketing numérique ont rapidement adopté les outils de test A/B avec un succès relatif, de nombreux éditeurs, en particulier ceux du secteur de l’information, semblent réticents aux technologies d’optimisation automatisées.
Cet article aborde les principes fondamentaux des tests A/B, les avantages des tests A/B pour les éditeurs et la manière de relever certains des défis associés.
Qu'est-ce que le test A/B ?
Essentiellement, les tests A/B sont le processus consistant à tester deux (ou plusieurs) variantes de la même page afin de définir quels éléments de la page sont les plus efficaces pour générer des conversions.
Les tests A/B fonctionnent généralement pendant une période limitée et prédéfinie, où les utilisateurs sont répartis en nombre égal entre la version A et la version B. Une fois cette période terminée, un gagnant est déclaré et 100 % de l'audience est ensuite envoyée vers la variante gagnante.
Que peuvent faire les éditeurs avec les outils de test A/B ?
Il existe deux manières principales par lesquelles les éditeurs peuvent utiliser les tests A/B pour améliorer leur site.
La première méthode est similaire à la manière dont les spécialistes du marketing numérique utilisent les tests A/B : en créant du contenu publicitaire avec un CTR plus élevé que les autres variantes.
La deuxième façon de l’utiliser est de tester quel contenu est considéré comme digne d’intérêt par son public.
En fin de compte, les deux raisons mènent au même objectif final, à savoir l'augmentation du revenu par mille (RPM).
Les tests A/B et les solutions de bandit multi-armés peuvent et devraient sans doute être utilisés par les éditeurs pour optimiser les publicités apparaissant sur leurs sites Web.
Les éléments pouvant être testés incluent l'emplacement, la taille et la couleur de l'annonce. Les éditeurs peuvent même tester différents types de créations publicitaires (images, texte ou vidéo) pour déterminer ce qui est le plus attrayant pour les utilisateurs.
Pour améliorer la qualité du contenu
Les éditeurs peuvent effectuer tous les tests publicitaires du monde, mais sans contenu de qualité et une expérience utilisateur exemplaire qui stimule le nombre de visiteurs sur le site, tout ce temps et cette énergie seront gaspillés. C'est là qu'entre en jeu les tests de contenu. Les éditeurs peuvent utiliser des outils de test pour déterminer le type de contenu, la quantité et les méthodes de diffusion qui conviennent à différents publics.
Quand effectuer un test A/B
Le meilleur moment pour réaliser un test A/B est souvent en janvier, une période où, en raison de la période des fêtes, les dépenses publicitaires numériques sont en baisse après la période de pointe des fêtes. Selon le secteur, certains éditeurs peuvent constater que janvier est un mois plus chargé que d'autres périodes de l'année, par exemple en fin d'année.
Quoi qu'il en soit, le meilleur moment pour effectuer des tests A/B est le mois ou le trimestre où les dépenses marketing sont les plus faibles de l'année. Lors des tests A/B, il est inévitable que le site Web perde de l'argent sur les dépenses publicitaires pendant que les éditeurs analysent les données.
Il est donc essentiel de minimiser cette perte. Bien qu'il puisse y avoir une certaine baisse du RPM pendant que les tests sont effectués sur la page, les tests A/B, lorsqu'ils sont exécutés correctement, peuvent entraîner une augmentation statistiquement significative du retour sur investissement publicitaire à long terme.
Les défis auxquels sont confrontés les éditeurs dans les tests A/B
Malgré les études de cas montrant que les tests A/B sont essentiels pour améliorer l'expérience utilisateur et augmenter le RPM, de nombreux éditeurs n'ont pas encore adopté cet outil de test pour l'optimisation des pages.
Bien que les sites de publication soient confrontés à des défis spécifiques lors des tests A/B, nombre d'entre eux peuvent être surmontés.
Limitations du logiciel
Les logiciels les plus couramment utilisés pour les tests A/B sont souvent conçus pour les spécialistes du marketing numérique, ce qui les rend difficiles à utiliser pour les propriétaires de sites Web. Voici quelques-unes des limitations rencontrées.
Incapacité à suivre les clics sur les publicités
Les sites qui travaillent avec un réseau publicitaire ne peuvent pas suivre les clics sur les annonces. Cela est dû à deux raisons principales :
- La plupart des réseaux publicitaires incluent les créations sous la forme d'un iframe qui ne prend pas en charge le suivi des clics sur les annonces.
- De nombreux réseaux publicitaires ont une politique de programme qui interdit l'utilisation d'analyses ou de logiciels pour mesurer directement les clics sur les publicités.
Aucune prise en charge de la création automatique de variantes
En règle générale, les sites d'actualités souhaitent afficher trois blocs d'annonces sur une page.
Il existe généralement six ou sept options pour le placement de la publicité , deux ou trois options de taille pour chacun de ces emplacements et cinq ou six autres options pour la palette de couleurs de la publicité. En prenant en compte toutes ces variables, les options de test pour chaque emplacement publicitaire peuvent facilement atteindre des centaines. Actuellement, très peu d'options logicielles permettent aux utilisateurs de créer ces variations automatiquement, ce qui rend la tâche fastidieuse et chronophage.
Les sites Web plus petits pourraient toutefois réduire le nombre d’options de test pour chaque page afin d’économiser du temps et de l’argent.
Contrôle éditorial
Il ne fait aucun doute que les sites de publication sont très différents des pages de commerce électronique. L'objectif des sites de contenu n'est pas de déplacer des stocks, mais plutôt de capter l'attention des visiteurs.
C'est uniquement en organisant le contenu qui génère du trafic que les sites d'information peuvent monétiser leur contenu. En règle générale, les décisions concernant ce qui constitue un contenu digne d'intérêt sont confiées uniquement aux rédacteurs, dont le rôle est de sélectionner, d'organiser et de maintenir des articles attrayants, pertinents et dignes d'intérêt.
La simple idée d’intégrer l’automatisation à ce rôle a créé des tensions parmi les journalistes du monde entier, qui ont perçu une telle mise en œuvre comme une menace à la fois pour leur emploi et pour leur intégrité éditoriale.
Lorsque les éditeurs effectuent des tests A/B, plutôt que d’évaluer la qualité du contenu, ils testent les titres et les images. Cela a conduit à une augmentation des articles présentant des informations de type clickbait plutôt que des articles d’investigation approfondis, un autre point de discorde pour les rédacteurs en chef qui souhaitent maintenir les normes journalistiques.
Bien que ces préoccupations soient compréhensibles, elles sont probablement dépassées et empêchent les sites de maximiser leur potentiel.
Lorsqu'elles sont utilisées en tandem avec la prise de décision humaine, les informations issues des tests A/B peuvent améliorer le contenu du site en fonction du comportement des utilisateurs.
Comme nous pouvons le voir ci-dessus, les sites Web qui souhaitent adopter les tests A/B doivent prendre en compte plusieurs éléments, notamment d’un point de vue éditorial. Il s’agit en réalité de trouver un équilibre entre ce qui intéresse les lecteurs et un contenu de qualité.
Vers des solutions pour les bandits armés
À mesure que nous évoluons vers un espace numérique de plus en plus automatisé, les solutions de bandits multi-bras peuvent être la clé d’une optimisation continue du contenu.
Les solutions de bandit multi-bras sont une forme plus sophistiquée de tests A/B qui utilisent des algorithmes d'apprentissage automatique pour allouer dynamiquement plus de trafic à la variante d'un site qui fonctionne mieux que son homologue, qui à l'inverse reçoit moins de trafic.
Bien que les solutions à bandes multi-bras soient plus complexes en termes de calcul que les tests a/b, elles fonctionnent en temps réel, ce qui les rend potentiellement plus rapides et plus rentables.
Avec autant de facteurs externes qui impactent la manière dont les éditeurs créent et hiérarchisent le contenu, l'utilisation de tests A/B ou multi-bandes pour offrir une expérience utilisateur supérieure et générer un retour sur investissement est un moyen important pour les sites de prendre de l'avance sur leurs concurrents.
Si vous générez plus de 2 000 $ de revenus publicitaires mensuels, contactez-nous dès aujourd'hui pour en savoir plus sur la manière dont Publift peut vous aider à augmenter vos revenus publicitaires et à optimiser au mieux l'espace publicitaire disponible sur votre site Web ou votre application.