Après la collecte et l'analyse, il faut bien sûr exploiter la donnée, c'est-à-dire la transformer en action. Cette phase permet de tirer profit des connaissances client afin d'optimiser votre site via l'A/B testing et la personnalisation.

Le premier point intéressant à mettre en lumière est que les hypothèses d'optimisation doivent toujours partir d'un problème clairement identifié. Surtout ne pas optimiser au hasard, au risque de perdre son temps.

Exploiter : activation de la donnée

On s'imagine souvent que pour améliorer les performances de son site e-commerce cela passe, par exemple, par un rapide changement de couleur du CTA "acheter". On pense alors, à tort ou à raison (parfois !), que modifier le CTA rouge par du vert contribuera à accroître son taux de conversion. Mais, c'est en réalité une erreur que de s'imaginer que des modifications basiques et rapides, apportées au niveau du design de vos pages, conduiront forcément à une amélioration significative de vos résultats !

Plutôt que de foncer tête baissée et trouver une solution "bricolée", il est préférable de savoir prendre du recul pour exploiter au mieux ces données. Commencez par le début.

• Identifiez le véritable problème à la source de mauvaises performances. Par exemple, un taux de rebond élevé sur votre landing page, ou un taux d'abandon élevé au moment de la facturation sur votre site ;
• Établissez une hypothèse de laquelle pourrait découler le problème identifié : "Nos clients ne comprennent pas immédiatement les caractéristiques de nos produits lorsqu'ils lisent les fiches sur notre site e-commerce."

L'exploitation de la donnée peut vous permettre d'aller aussi plus loin lors de la phase de testing avec, par exemple, du cross-selling (suggestions de produits complémentaires selon les envies et préférences des internautes). La mise en place de ventes suggestives permet une augmentation du chiffre d'affaires de 30%, selon une étude Fact-Finder. En effet, l'un des facteurs-clés dans la conversion réside dans la personnalisation. Il est donc important pour augmenter votre taux de conversion d'accompagner le client de façon personnalisée sur le site. Il doit se sentir guidé tout au long de sa navigation. Cela facilitera les conversions, mais augmentera également la confiance qu'il accorde à votre marque.

On parle ici d'une exploitation de la donnée qui peut venir pendant ou après une première phase d'optimisation de votre site. A/B testez d'abord votre nouvelle fiche produit ; vous y ajouterez prochainement des pop-in d'engagement pour inciter le cross-selling. L'exploitation de la donnée permet dans un second temps de personnaliser les messages adressés aux internautes selon plusieurs critères : nouveaux ou returning, inscrits ou non, selon la provenance ou encore le sexe et l'âge.

Tester : optimisation de la performance

Comme évoqué précédemment, les hypothèses de test doivent découler de données concrètes et fiables. Les tests A/B reposent sur des changements ponctuels et ciblés, dont les retours seront automatiquement chiffrés. Mais comment formuler une hypothèse de test ? Au départ, la constitution de ces hypothèses peut sembler presque simple. Il s'agit principalement de formuler un changement et l'effet souhaité :

Changer (élément testé) de... en... va me permettre d'augmenter / diminuer... (unité de mesure définie).

Par exemple : "Simplifier le formulaire en supprimant les champs facultatifs, tels que le téléphone et l'adresse postale, augmentera le nombre de contacts collectés."

Cette formule n'est, à ce stade, qu'une supposition théorique, qu'il conviendra de prouver ou désapprouver, mais elle vous servira de fil rouge dans la résolution du problème rencontré. Point important cependant : l'impact du changement que vous souhaitez apporter doit toujours être mesurable en des termes quantifiables (taux de conversion, taux de rebond, taux d'abandon, etc.). Enfin, et parce que s'arrêter en si bonne voie serait dommage, tout l'enjeu final dans la constitution des hypothèses de A/B test est d'identifier, rapidement, celle qui viendra servir le mieux votre business.

Il existe de nombreux éléments qui vont vous permettre de constituer des hypothèses de test A/B efficaces. Voici quelques exemples pour débuter (et vous inspirer).

• Sur la home page : le header / la bannière principale expliquant les produits ou les services proposés par le site permettent d'accroître la curiosité des clients et de prolonger leur temps de présence sur le site ;
• Dans les rubriques produits : les filtres font largement économiser du temps aux clients. Ils peuvent rapidement trouver ce qu'ils cherchent ;
• Dans les fiches produits : la recommandation produit crée une expérience plus personnalisée pour l'internaute et aide à augmenter son panier moyen ;
• Dans le panier : un CTA visible "procéder au paiement" incite largement les utilisateurs à convertir ;
• Sur la page de paiement : afficher les différentes étapes de paiement pour donner de la visibilité sur la suite du tunnel d'achat pour rassurer l'internaute et l'inciter à aller au bout de son acte d'achat.

Ces éléments vous offrent la possibilité de créer vos hypothèses en comparant votre site actuel et les propositions énoncées précédemment, avec comme objectif d'impacter directement les performances de conversion.

La définition des hypothèses des tests A/B est un travail à la fois complexe et surtout méthodique. Il ne faut pas oublier tous les bénéfices que cette étape pourra apporter à votre site. Aussi, la prochaine fois que vous souhaitez optimiser vos performances, pensez "analyse et data", avant "design et graphisme" : un bon début vers la mise en place d'hypothèses efficaces.

Ces bonnes feuilles sont issues de l'ouvrage Digital Marketing 2018 publié par ebg.