On pourrait penser que c’est un outil d’A/B test ou d’analyse.

Mais l’outil que j’utilise le plus est Notion.

Pour preuve, dans ma formation CRO, je partage +20 templates duplicables que j’utilise pour mes propres clients.

C’est un outil que j’adore utiliser en CRO, car il me permet plusieurs choses :

→ Gestion de projets/tâches

→ Priorisation des tests

→ Catégorisation des idées d’optimisation

→ Organisation des données et de la recherche

→ Partage d’informations aux équipes

→ Méta-analyse et vue d’ensemble sur les tests gagnants

En gros, Notion permet une meilleure organisation afin d’être plus performant dans l’optimisation.

La nouveauté qui change tout : les graphiques

On peut maintenant lier nos bases de données à des graphiques.

Ce qui permet

→ Une meilleure vue d’ensemble

→ Tirer de meilleures conclusions, plus rapidement

→ Un dashboard plus compréhensible pour nous, nos clients et nos équipes

J’ai déjà mis ça en place pour mes projets.

Je te montre 4 exemples ici.

1 - Les méthodes qui fonctionnent le mieux

Il est important de liés tes tests A/B à des sources d’analyse/recherche.

Par exemple : l’A/B test du check-out est lié à une observation faite avec les tests utilisateurs et les analytics.

Ce graphique permet donc 2 choses :

→ De voir quelles sont les méthodes qui apportent le plus de tests gagnants

→ De potentiellement focus ses futures recherches sur celles qui fonctionnent le mieux

2 - Hypothèse générale qui fonctionne le mieux

Mes tests sont catégorisés dans ce que j’appelle des hypothèses générales.

Par exemple, une hypothèse générale peut être la suivante :

→ “Travailler la description du produit sur la page produit permet d’améliorer la compréhension et de faire plus de ventes”.

Le but est d’imaginer plusieurs tests pour cette même hypothèse générale.

Exemple :

Test 1 : Ajouter une vidéo

Test 2 : Agrandir et détailler la description produit

Test 3 : Ajouter dans le hero la matière du produit

Tu vas ensuite pouvoir te rendre compte que certaines hypothèses générales ont plus de tests qui ont réussi.

Ce graphique nous permet donc 2 choses :

→ D’identifier les hypothèses générales qui ont le plus de tests gagnants

→ Se concentrer rapidement sur les gros sujets qui ont l’habitude de mieux performer (en gros, faire de la méta-analyse)

Dans ma formation CRO, j’ai un cours complet sur la méta-analyse et sur les hypothèses de tests.

J’en parle également ici : 3 frameworks pour optimiser très vite

3 - Les meilleures périodes

Ici c’’est très simple, cela permet d’avoir une vue d’ensemble sur les performances de nos tests sur l’année.

Ça nous donne aussi un indicateur important, mais sous-estimé :

→ Le taux de conversion peut énormément varier également en fonction des périodes.

Et il faut l’avoir en tête lorsqu’on teste.

Alors bien sûr, le test a plus de chance d’être la cause du changement du taux de conversion.

Mais la période peut aussi causer des faux positifs ou faux négatifs.

Je parlerai de ces risques dans une prochaine édition.

4 - Note d’importance x Test gagnant

Il est indispensable de prioriser chaque idée de tests.

Dans mes projets CRO, ma base de données assigne une “note d’importance” à chaque idée.

Plus la note est élevée, plus le test a de chance d’apporter des résultats.

Ce graphique me permet donc de voir si mon système de priorisation est cohérent.

• En bleu : les tests gagnants
• En jaune : les tests perdants

Le but est donc de retrouver un pourcentage de test gagnant plus élevé dans les idées avec une note d’importance élevé.

Si c’est le cas, cela veut dire qu’on priorise de la bonne façon.

Tu vois que les idées avec une note d’importance de 1, 2 et 3 ou beaucoup de tests perdants, logiquement.

Les chiffres ont été arrondis pour gagner en simplicité dans la présentation, mais c’est normalement beaucoup plus complet que ça.

Dans ma formation CRO, j’ai un cours complet sur la priorisation avec un template Notion à dupliquer.

‍