Calculateur de tests A/B : Calculez votre signification statistique
––

Identifier les promoteurs et les détracteurs n'a jamais été aussi simple ! Les solutions de Voxco, les meilleures de leur catégorie, vous aident à recueillir en permanence les commentaires de vos clients pour comprendre leurs points de douleur (pain points) concernant votre produit ou service. Préparez-vous à offrir une expérience client personnalisée et unique pour une satisfaction et une fidélité accrues de vos clients ! Tout ce que vous avez à faire est de trouver votre Net Promoter Score (NPS) en utilisant notre calculateur NPS gratuit. Commencez par indiquer le nombre de fois où vous avez reçu un score particulier dans les cases ci-dessous.

Visiteurs

Conversions

Contrôle

Variation

Limites du taux de conversion en pourcentage

Taux deconversion

Standard Error

Contrôle

Variation

Z-Score

P-Value

Significant at % Confidence

Conversion Rate Limits

From

To

Contrôle

Variation

Qu'est-ce que la signification statistique ?

A B Testing cvr

La signification statistique dans les tests A/B concerne la différence entre la version de contrôle et la version de test dans votre expérience, et le fait qu'elle ne soit pas due à une erreur ou au hasard.Ceci est assuré par l'utilisation d'un niveau de signification. Un niveau de signification de 98 % signifie que l'on peut être sûr à 98 % que toute différence entre votre version de contrôle et la version de test est réelle.

Pourquoi la signification statistique est-elle utilisée ?

La signification statistique est utile lorsqu'une entreprise veut observer comment un changement dans son produit ou service (l'expérience) peut affecter son activité. Ce changement entraîne-t-il un effet positif ou négatif, et si oui, pourquoi ?

La signification statistique est utilisée pour s'assurer que toutes les données que vous recueillez se situent bien dans la marge d'erreur que vous avez jugée acceptable (signifiée par un niveau de confiance), et que les données finales ne sont pas sujettes à erreur.

Calcul de la signification statistique

La première étape du test A/B (ou de la détermination de la signification statistique) consiste à formuler une hypothèse. Il existe une hypothèse nulle (H0, 0 signifiant "rien") et une hypothèse alternative. En général, l'hypothèse nulle indique qu'il n'y a pas de relation entre les variables que vous comparez. L'hypothèse alternative tente de prouver qu'une relation existe et que le "test" est réussi.

Dans le cadre d'un test A/B, de nombreux cas peuvent servir d'hypothèse, comme l'ajout d'un bouton sur un site Web ou une application, la modification de l'interface utilisateur, de la mise en page ou de la palette de couleurs, et la vérification de l'incidence de ces changements sur les taux de conversion en montrant à certains utilisateurs la version normale (de contrôle). 

Un z-score est utilisé pour tester la véracité de votre hypothèse nulle. 

Une valeur p signifie la force que vous avez en faveur de votre hypothèse.

Dans les tests A/B, vous devez également décider si vous allez effectuer un test unilatéral ou bilatéral. Les tests unilatéraux ne peuvent tenir compte que des effets directionnels de votre hypothèse alternative. Les tests bilatéraux, quant à eux, tiennent également compte de l'éventualité que votre hypothèse ait un impact négatif. C'est l'approche la plus sûre.

Améliorer vos résultats

Bien que les tests A/B soient une excellente technique pour tester les changements et les mises à jour de votre produit, vous devez les mener de la bonne manière. Il existe quelques techniques et directives que vous pouvez garder à l'esprit lorsque vous effectuez des tests A/B.

Augmenter la taille de l'échantillon

Plus le nombre de personnes participant à vos tests est élevé, plus les résultats sont précis. Pour les tests A/B, cela signifie que vous effectuez vos tests pendant une période plus longue, ce qui donne à un plus grand nombre de personnes la possibilité de tester votre hypothèse nulle et votre hypothèse alternative.

Diriger artificiellement le trafic

Vous pouvez ajouter plus de liens vers vos pages de test sur vos médias sociaux et sur votre site Web pour diriger plus de trafic vers elles, permettant ainsi une sorte de test de stress.

Essayez des changements importants

Vous pouvez essayer d'apporter des changements plus importants à votre produit et tester sa valeur de choc sur vos utilisateurs. Il ne s'agit pas d'une simple modification de votre palette de couleurs. Essayez d'amener les utilisateurs à utiliser vos services d'une manière entièrement nouvelle.

Ne présumez de rien

Même si un scénario est plus performant que l'autre, cela ne signifie pas forcément que les utilisateurs préfèrent l'utiliser. C'est pourquoi vous devez également associer les tests A/B à des enquêtes en ligne pour mieux comprendre vos utilisateurs et savoir si vos tests A/B ont donné des résultats exploitables.

En savoir plus sur les tests AB

Operationalization1

Operationalization

What is Operationalization? - Pros and Cons Transform your insight generation process Use our in-depth online survey guide to create an actionable feedback co ...

Variation