Multivariate Test - Aperçu

Une activité Multivariate Test (MVT) dans Adobe Target compare des combinaisons d’offres d’éléments sur une page afin de déterminer la combinaison offrant les meilleures performances pour une audience spécifique. Une activité Multivariate Test permet également d’identifier l’élément qui impacte le plus le succès de l’activité.

Le test multivarié vous permet de découvrir l’influence relative que des éléments spécifiques ont sur la conversion, par rapport à d’autres éléments de la page. Le test multivarié peut également vous aider à affiner une combinaison d’éléments qui se sont avérés efficaces.

L’un des avantages d’un Multivariate Test par rapport à un test A/B est la possibilité d’afficher les éléments de votre page qui ont le plus d’influence sur la conversion. Cet avantage est aussi connu comme "l'effet principal". Ces informations sont utiles, par exemple, pour vous aider à déterminer où placer le contenu auquel vous souhaitez le plus d’attention.

Les activités Multivariate Test vous aident également à trouver des effets composites entre plusieurs éléments d’une page. Par exemple, une publicité spécifique peut produire plus de conversions lorsqu’elle est combinée avec une bannière spécifique ou l’image d’un héros. Cet effet est également connu sous le nom « d’effet d’interaction ».

Target utilise des tests multivariés factoriels complets pour vous permettre d’optimiser le contenu. Un test multivarié factoriel complet examine toutes les combinaisons possibles de contenu avec une probabilité égale. Par exemple, en présence de deux éléments de page comportant trois offres chacun, vous obtenez neuf combinaisons possibles (3x3). Trois éléments, dont deux contiennent trois offres possibles et un deux offres, fournissent 18 options (3x3x2).

Dans Target, chaque combinaison est une expérience. Multivariate Test compare chaque expérience afin que vous puissiez apprendre les combinaisons les plus réussies. En même temps, les données sont collectées et analysées afin de comprendre comment chaque emplacement et les offres influencent la mesure de succès.

image multivariée

En raison du nombre de combinaisons pouvant être générées, un Multivariate Test nécessite plus de temps et de trafic qu’un test A/B. La page doit recevoir un volume suffisant de trafic pour produire des résultats statistiquement significatifs pour chaque expérience. Pour obtenir des résultats utiles, vous devez comprendre le volume de trafic que votre page reçoit et tester le nombre optimal de combinaisons pendant la durée appropriée afin d’obtenir les résultats requis.

L’estimateur de trafic de Target peut vous aider à concevoir un test qui fonctionne avec votre trafic. Avant d’utiliser l’estimateur de trafic, vous devez être en possession de statistiques fiables présentant le nombre d’impressions et de conversions que votre site reçoit normalement. Examinez les niveaux de trafic par jour. Plus une activité comporte d’expériences, plus son activité doit comporter de trafic ou plus son exécution doit être longue. Si le volume de trafic n’est pas élevé, vous devez tester quelques combinaisons ; dans le cas contraire, le temps nécessaire pour produire des résultats de test significatifs peut être trop long pour être utile.

Terminologie des MVT section_DF475CA7F34B4CFDB7BE7363761D64AE

Lors de la configuration d’un test multivarié, il est utile de comprendre la terminologie de base.

Dans l’industrie, il existe plusieurs termes utilisés de manière différente. Cette section définit les termes utilisés par Target.

Combinaison : variations de contenu créées lorsque vous testez plusieurs options de contenu à plusieurs emplacements. Par exemple, si vous testez trois emplacements, chacun avec trois options de contenu, il existe alors 27 combinaisons possibles (3x3x3). Un visiteur de votre site voit une combinaison, également appelée expérience.

Contenu : texte ou image comprenant une variation de test dans un emplacement. Dans un test multivarié, plusieurs options de contenu à plusieurs emplacements sont comparées. Dans la méthodologie du test multivarié, le contenu est parfois référencé en tant que niveau.

Élément : élément DOM contenant des variations de contenu à tester dans le test multivarié. Voir aussi Emplacement.

Emplacement : zone de contenu spécifique sur une page, souvent contenue par un seul élément DOM. Dans la méthodologie du test multivarié, un emplacement est parfois référencé en tant que facteur. Un test multivarié factoriel complet compare toutes les combinaisons possibles d’offres dans vos emplacements.

Quand utiliser Multivariate Test et A/B section_3D2B966B6671406C861A1843EA41D28C

Vous pouvez utiliser les tests multivariés avec les tests A/B afin d’optimiser votre page. Vous trouverez ci-dessous des exemples d’utilisation conjointe :

  • Utilisez un test A/B pour optimiser la mise en page de votre page, suivi d’un test multivarié pour déterminer le meilleur contenu de chaque élément de la page.

    Un test A/B peut fournir des commentaires importants sur la disposition et un test multivarié excelle lors du test du contenu dans les éléments de conception de la page. L’exécution d’un test A/B sur la mise en page avant de tester plusieurs options de contenu peut vous aider à déterminer la meilleure mise en page et le contenu ayant le plus d’impact.

  • Utilisez un test multivarié pour déterminer l’élément qui est le plus important, puis exécutez un test A/B plus ciblé sur cet élément.

    Lorsque le nombre d’expériences différentes dépasse cinq et qu’elles couvrent plusieurs éléments, il est préférable d’envisager un test multivarié avant d’exécuter vos tests A/B. Le test MVT indique les zones de la page qui sont les plus susceptibles d’améliorer la conversion. Il s’agit des éléments sur lesquels un spécialiste du marketing doit se concentrer. Par exemple, le test multivarié peut indiquer que l’incitation à l’action est l’élément le plus important pour atteindre vos objectifs. Une fois que vous avez déterminé les éléments et le contenu les plus utiles pour vous aider à atteindre vos objectifs, vous pouvez exécuter un test A/B pour affiner davantage les résultats. Par exemple, vous pouvez tester deux images spécifiques l’une par rapport à l’autre ou comparer la formulation ou les couleurs d’un appel à l’action. En exécutant un ou plusieurs tests A/B après un test multivarié, vous pouvez déterminer le meilleur contenu possible pour les résultats que vous souhaitez.

Considérations section_979FE3F398654C1EA1C86E7DBC9A8DAD

  • Utilisez un test multivarié lorsque vous avez au moins trois éléments à tester. Si vous en avez moins, exécutez une série de tests A/B.

  • Sélectionnez les éléments de page qui, selon vous, ont le plus grand impact sur les résultats.

  • N’incluez pas un trop grand nombre d’éléments ou d’emplacements dans un test. Plus le nombre est élevé, plus la durée du test est longue.

  • Planifiez la conception du test à l’avance. Ne modifiez pas un test une fois qu’il est activé et que les données commencent à être collectées et analysées.

  • Les éléments doivent être indépendants les uns des autres.

    Par exemple, ne vérifiez pas la disposition et le contenu dans le même test.

  • Prévoyez du temps supplémentaire pour l’assurance qualité en raison de l’augmentation du nombre d’expériences. Vous pouvez également utiliser des tests factoriels partiels pour réduire le volume de trafic nécessaire à un test multivarié. Pour plus d’informations, voir Tests factoriels partiels ci-dessous :

Test factoriel partiel

Target propose des tests multivariés factoriels complets comme option d’activité intégrée. Dans les statistiques,
La "conception d’expériences" offre de nombreuses approches, ou conceptions, pour déterminer les facteurs qui influencent les résultats. Une de ces approches est la Méthode Taguchi pour les tests factoriels partiels. Taguchi permet aux marketeurs d’établir un ensemble d’hypothèses qui réduisent le nombre de permutations d’expériences à tester et diminue les exigences de trafic pour un test multivarié. Cette fonctionnalité et approche de test peut être appliquée dans Target à l’aide de cette feuille de calcul hors ligne.

Si votre équipe utilise d’autres approches de design d’expériences, vous pouvez utiliser cette feuille de calcul comme implémentation de référence pour des designs d’expériences personnalisés.

Lorsque vous utilisez la feuille de calcul hors ligne, tenez compte des conseils suivants :

  • Sélectionnez les éléments à modifier et le nombre de versions de chaque élément (3x2, 4x3, etc.).
  • Gardez une numérotation cohérente. Par exemple, si le bouton est l’élément 1 et que les options sont Bleu, Vert et Jaune, le bouton bleu correspond à 1-1, le bouton vert à 1-2 et le bouton jaune à 1-3.
  • La feuille de calcul hors ligne propose le nombre approprié d’expériences nécessaires (quatre pour un 3 x 2, neuf pour un 4 x 3, etc.).
  • Créez les expériences dans le workflow A/B avec le Compositeur d’expérience visuelle (VEC). Vous pouvez utiliser du code personnalisé, modifier du HTML, WYSIWYG ou toute combinaison.
  • Une fois l’activité terminée (en fonction du calculateur de taille d’échantillon), exécutez les résultats dans la feuille de calcul pour obtenir d’autres détails.

Pour d’autres considérations ainsi que des bonnes pratiques, voir Bonnes pratiques du test multivarié.

Vidéos de formation

Les vidéos suivantes contiennent davantage d’informations sur les concepts abordés dans cet article.

Types d’activité (9:03) Badge d’aperçu

Cette vidéo de présentation explique les types d’activité disponibles dans Target. Les tests multivariés sont abordés dans la vidéo à partir de 4:20.

  • Décrire les types d’activités inclus dans Adobe Target
  • Sélectionner le type d’activité approprié pour atteindre vos objectifs
  • Décrire le processus assisté en trois étapes qui s’applique à tous les types d’activités

Création de tests multivariés (9:25) Badge du tutoriel

Cette vidéo explique comment comprendre, planifier et créer un test multivarié à l’aide du workflow assisté en trois étapes Target.

  • Définir et créer un test multivarié
  • Création d’un test multivarié
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654