A/B Testing : comment optimiser en fonction de vos données ?

Bonjour à tous!

Je suis Ettore, 28 ans italien, vivant en Espagne depuis le début de mon expérience professionnelle. Ma carrière professionnelle a commencé dans une société d'emailing, où j'ai découvert le monde de l'affiliation. Depuis lors, je suis obsédé par l'achat de médias en ligne et j'ai été acheteur de médias pour différents réseaux (réseaux CPA et plateformes de trafic) et en tant qu'affilié individuel.

Lisez l'article précédent d'Ettore sur la psychologie et la motivation des utilisateurs

Dans cet article, nous analyserons comment mener correctement un test A/B et, plus important encore, comment mettre en œuvre les conclusions de nos tests dans nos campagnes publicitaires.

Principes d'un test AB correct

Nous pouvons considérer les tests A/B comme une expérience contrôlée qui nous permet d'obtenir des informations de manière pilotée par les données, afin d'augmenter le taux de conversion d'une activité marketing particulière comme une page de destination, une campagne publicitaire, un spot publicitaire sur notre site internet, etc...

Mais comment?

Lors de la réalisation d'un test A/B, nous développons et lançons deux versions du même élément et mesurons laquelle fonctionne le mieux, afin d'effectuer des actions basées sur les données sur la structure de notre campagne (ou page de destination, ou site Web, etc.).

Comment tester une offre CPA ?

Ci-dessous, nous analyserons comment bien utiliser l'A/B testing sur les différentes composantes d'une campagne publicitaire, afin de la faire réussir.

Test A/B pour les images

Les tests A/B sur les images sont utilisés pour trouver des modèles parmi les composants des images que nous avons utilisées qui se sont révélés les plus efficaces. Dans cette phase, nous allons d'abord tester les différents angles que nous pouvons proposer pour notre campagne. Prenons l'image ci-dessous à titre d'exemple :

Cet ensemble de créations a été utilisé pour une campagne de contenu mobile sur PK (Pakistan), et la page de destination était un service de streaming pour regarder la PSL (Pakistan Super League).

Comme vous pouvez le constater, les créations utilisées dans cette campagne sont très différentes , et c'est parce que dans cette phase, mon test A/B a été effectué sur les angles : un très orienté conversion, qui disait quelque chose comme « Regardez PSL sans publicité » ; et un plus agressif et clickbaity avec une fille disant quelque chose comme "Je t'ai envoyé une vidéo".

Comme prévu, la conversion axée sur la conversion avait le meilleur taux de conversion, mais un CTR médiocre, tandis que la clickbaity cliquait incroyablement mieux et se convertissait toujours à un taux décent.

Dans ce cas, j'ai décidé de créer deux campagnes différentes avec deux ensembles de créations différents, l'un uniquement avec des créations "clickbaity", l'autre uniquement avec des "créations orientées conversion". Ceci a été fait pour confirmer la tendance des résultats du test précédent, et pour trouver un vrai gagnant entre les deux approches. Pour faire court, le clickbaity a gagné.

Comment tester les créations publicitaires pour les notifications push

Nous pouvons dire que c'est une sorte de cas extrême, mais nous pourrions vouloir tester les angles A/B de différentes manières. Par exemple, on peut approcher un offre de rencontres pour hommes hétéros sous différents angles :

- "Teen-looking" vs Mature-looking

Et puis aller en profondeur:

- Gros plans sur des parties du corps spécifiques vs photo avec le visage d'une fille uniquement

– Selfies vs photos occasionnelles

– Blonde contre brune, etc.

L'idée générale est qu'une fois que nous avons trouvé un angle gagnant, nous continuons à tester A/B les autres composants visuels de notre campagne.

Nous pouvons toujours approfondir nos tests, mais dans de nombreux cas, afin de rendre notre test le plus fiable possible, il est préférable de créer une nouvelle campagne et de tester les nouvelles idées séparément pour confirmer la tendance.

Test A/B pour les composants textuels

Examinons maintenant l'ensemble de créations suivant :

Dans cette phase, nous avons déjà identifié « l'angle gagnant » et quelques images et icônes les plus performantes, et nous testons maintenant certains textes en A/B/C.

Il est généralement préférable de démarrer une campagne avec au moins 4 à 6 créations et d'ajouter au fur et à mesure d'autres variantes des créations qui ont généré les meilleurs résultats.

Une fois que nous aurons effectué le premier test avec notre premier ensemble de créations et identifié les gagnants, nous suivrons les tests A/B sur le reste des variables de notre campagne.

Lorsque vous parlez des parties textuelles, vous pouvez même insister davantage et jouer avec les titres et les descriptions (et/ou les noms de marque selon les réseaux), en isolant un seul des deux composants comme dans l'exemple ci-dessous :

Ici, j'ai testé A/B uniquement la description de cette campagne push.

Test A/B pour les variables de ciblage

Bien qu'il soit très évident de tester dans une campagne distincte pour ordinateur et mobile, cela peut ne pas l'être pour d'autres composants de ciblage.

Examinons maintenant cette campagne pour ordinateur :

En regardant les performances de cette campagne RON*, on remarque tout de suite que nos eCPA par OS sont très différents. C'est un cas où nous pourrions avoir besoin de tester A/B/C Mac, Windows et Chrome OS séparément (si la tendance se confirme plus tard avec une dépense plus élevée).

Faites-le une fois, faites-le deux fois : comment retester vos offres ?

C'est une bonne pratique principalement parce qu'elle nous permettra d'optimiser séparément toutes les autres variables de notre campagne, et finalement d'atteindre des eCPA inférieurs sur les performances globales de la campagne spécifique.

*Je fais référence à une campagne RON, c'est-à-dire une campagne qui a été diffusée pour la première fois et qui n'a pas encore de liste blanche ni de liste noire .

La même approche peut être utilisée avec toutes les autres variables de ciblage de nos campagnes, comme par exemple l'activité des utilisateurs en considérant les données de la campagne ci-dessous :

Dans ce cas, nous pourrions garder ensemble moyen et bas et tester séparément le haut niveau dans une campagne distincte (puisque leurs performances sont similaires), ou nous pourrions tester A/B/C séparément les trois activités de l'utilisateur.

Emballer

Les tests A/B sont certainement une arme puissante en matière d'optimisation de la conversion.

Une chose à garder à l'esprit est de ne pas limiter le nombre de tests . On peut presque toujours améliorer un résultat même si on pense le contraire.

Enfin, analysez toujours les données et les résultats obtenus. Ils sont la clé pour améliorer les résultats de nos campagnes.

Avertissement. Les opinions exprimées dans cet article sont celles de l'auteur et ne reflètent pas nécessairement la position officielle de PropellerAds.

Prêt à discuter des tests A/B ? Rejoignez notre chat Telegram et parlez à de VRAIS affiliés.