Les tests A/B sont très utilisés en UX design. Voyons ensemble de quoi il retourne.
Qu'est-ce qu'un test A/B ?
Les tests A/B testent différents modèles sur des utilisateurs réels. Ce sont des expériences en ligne utilisées pour explorer des options et concevoir des variantes sur un sous-ensemble d’utilisateurs afin de valider les meilleures solutions. Les tests A/B sont efficaces avec un échantillon important d’utilisateurs sur une période de temps déterminée (souvent une semaine environ).
Les tests A/B proposent deux (ou plus) variantes d’un design pour voir ce qu'il se passe.
Voici une liste des points de design que vous pouvez facilement tester par des tests A/B :
Couleurs
Placement de logo
Texte du bouton
Placement des boutons
Disposition
Images (images, taille, placement)
Titres
Contenus
Pour réaliser un test A/B, on scinde les visiteurs en deux groupes (d’où le nom A/B). Chaque groupe voit une version différente de la page. On suit alors le parcours des deux groupes en temps réel et l'on regarde quelle page obtient le meilleur résultat par rapport à un objectif donné.
Les solutions les plus célèbres d’AB testing sont :
AB Tasty
Kameleoon (Arquen est un partenaire certifié)
Optimizely
Google Optimize
Les utilisateurs ne verront pas le ou les designs alternatifs, ils ne verront qu'une seule version de la page. Les tests A/B permettent de mieux comprendre les performances des designs dans le "monde réel" et permettent également de tester un groupe d'utilisateurs plus large qu'avec les tests d'utilisabilité.
Améliorez votre site via les tests A/B
Beaucoup de facteurs peuvent avoir une influence sur le design de l'expérience utilisateur. De plus, chaque produit, scénario et situation présente des défis différents. En règle générale, ne changez pas quelque chose qui fonctionne déjà. Donnez la priorité à ce qui aura le plus grand impact en termes de retour sur investissement (le gain versus le coût). Votre objectif est de faire en sorte que votre site ou votre produit fonctionne correctement, puis de l’optimiser en faisant de petits ajustements plutôt que des révisions majeures du design.
Supposons que votre page web fonctionne bien, mais que vous souhaitiez savoir si elle peut être améliorée. Vous prenez toutes les données que vous avez collectées à partir des tests d'utilisabilité, de Google Analytics et de vos heatmaps pour identifier les problèmes et formuler des hypothèses de résolution. Afin de valider vos hypothèses, vous décidez d’organiser un test A/B. Vous exécutez le test pendant une semaine sur une petite partie de votre base d'utilisateurs. Même si le design initial était plus beau, le nouveau design a entraîné une augmentation de 30 % des achats sur le site. Grâce à ces résultats, vous pouvez changer le design de tout le produit.
Les tests A/B impliquent de petits changements. Si vous modifiez trop d'éléments à la fois, vous ne comprendrez pas exactement à quel changement spécifique les utilisateurs répondent.
Plutôt qu'une refonte majeure, les améliorations de design incrémentales, au fil du temps, peuvent avoir un réel impact sur l’expérience utilisateur. Même une augmentation de 5 % des conversions peut générer des revenus de plusieurs millions d’euros dans certains contextes. Une fois que vous avez identifié la zone du site sur laquelle vous souhaitez vous concentrer, vous pouvez continuer à l'optimiser en gardant un œil sur les métriques et en testant des alternatives subtiles, jusqu'à ce que vous obteniez un résultat qui satisfasse à la fois les objectifs de l'entreprise et ceux de l'utilisateur.
Attention, cependant, aux biais de l’A/B testing :
Il faut un trafic conséquent sur les pages testées (généralement supérieur à 10 000 visiteurs uniques par mois) pour obtenir une confiance statistique suffisante.
Une refonte via l’A/B testing nécessite plus de ressources (graphisme, développement, analyse des multiples variations et gestion de projet) qu’une refonte directe.
N'oubliez pas non plus que les questions qui ne trouveront pas de réponses pendant les tests A/B peuvent conduire à des tests supplémentaires. Le design est un travail en cours constant et jamais terminé ! Il y a toujours quelque chose à améliorer !
Construisez et validez votre hypothèse
"Observez ce que les gens font, pas ce qu'ils disent." Navin Iyengar - Netflix
Des équipes comme celle de Netflix s'appuient fortement sur les tests A/B pour se renseigner sur le comportement des utilisateurs et orienter leur design. Netflix a un blog technique sur Medium et un site web entier consacré à ses recherches UX : les designers y partagent leurs points de vue sur la façon dont ils conçoivent les changements d’interfaces.
Dans la vidéo de la conférence Push, Navin Iyengar, Lead Product Designer chez Netflix, présente une hypothèse que Netflix a utilisée comme base de référence pour ses expériences. Ils en sont arrivés à la conclusion qu'en personnalisant le contenu affiché sur la page d'accueil, davantage de personnes conservent leur abonnement Netflix.
Pour Netflix, il n'y avait pas de réponse évidente à l'hypothèse. L'idée était d'examiner différentes possibilités et d’identifier celle qui fonctionnait le mieux. Chaque variante de design a été affectée à un échantillon aléatoire d'utilisateurs qui, bien sûr, ignoraient qu'ils faisaient partie d'un groupe de test et ne réalisaient pas que ce qu'ils voyaient était différent de ce que voyaient les autres utilisateurs. Le design existant était utilisé comme “control” (la page initiale sans modification) et comme point de comparaison. Le "gagnant" était le design qui avait atteint le mieux les objectifs et les paramètres définis dans l'hypothèse.
Résumons !
Les tests A/B sont un moyen de comparer deux variantes d’un design afin de déterminer celle qui est la plus efficace.
Les tests A/B se déroulent sur une période déterminée sur un sous-ensemble d'utilisateurs important.
Les tests A/B examinent les différences analytiques entre un "control" et une page légèrement différente afin de voir s'il y a eu une amélioration de la mesure souhaitée.
Créer une hypothèse est un moyen d’exprimer ce que vous attendez du test et d’identifier comment mesurer l’impact du changement proposé.
