Traduit de l'anglais à l'aide de l'IA
Veuillez noter que cet article a été traduit à l'aide de la technologie IA. Bien que nous travaillions à maintenir l'exactitude, certains détails peuvent ne pas refléter parfaitement le texte original. Si vous avez des doutes sur une information, veuillez vous référer à la version anglaise.
Temps : 10 min.
Un test A/B est un exemple de test d'hypothèse statistique classique, ou l'utilisation de statistiques pour déterminer la probabilité qu'une hypothèse donnée soit vraie : vous définissez un problème, vous proposez une solution et vous prédisez le résultat.
Mettre en place une hypothèse
L'hypothèse nulle fait référence à quelque chose qui est supposé être vrai s'il n'y a pas de réelle différence entre le Traitement et le Contrôle, que toute différence observée n'est que du bruit.
L'hypothèse alternative fait référence à quelque chose qui est testé contre l'hypothèse nulle et est essentiellement une hypothèse que vous croyez être vraie. L'hypothèse alternative est ce que vous espérez que votre test A/B prouve être vrai.
Avec une hypothèse, nous associons des problèmes identifiés à des solutions identifiées tout en stipulant les résultats souhaités.
- Problème identifié : Le taux d'Ajout au panier sur votre page produit est de 11 %. En effectuant des recherches préalables (par ex., sondages, évaluation heuristique), un problème que vous avez identifié est que vous n'avez pas d'avis sur les produits sur la page.
- Solution proposée : En ajoutant des avis sur les pages produits, vous augmenterez la preuve sociale, la confiance et la certitude dans le produit, augmentant ainsi le nombre d'utilisateurs ajoutant des articles à leurs paniers. Vous le saurez en regardant le CTA d'Ajout au panier.
L'hypothèse nulle serait : ajouter des avis génère un taux d'Ajout au panier égal à 11 %
L'hypothèse alternative serait : ajouter des avis fera en sorte que le taux d'Ajout au panier soit supérieur à 11 %
Après avoir mis en place votre hypothèse de test, il est temps de choisir la statistique de test qui vous aidera à déterminer si votre hypothèse peut être validée ou non.
Choisir une statistique de test
C'est la méthode et la valeur qui seront utilisées pour rejeter ou valider votre hypothèse. Les tests T à deux échantillons sont les tests d'importance statistique les plus courants pour déterminer s'il existe une réelle différence entre votre Traitement et votre Contrôle.
Dans sa forme la plus basique, les tests T à deux échantillons examinent la taille de la différence entre les deux moyennes de vos deux échantillons (vos utilisateurs dans le Contrôle contre le Traitement) par rapport à la variance. La variance vous indique le degré de dispersion dans votre ensemble de données.
L'importance de la différence est représentée par la valeur p, ou la probabilité que la différence soit au moins aussi extrême s'il n'y a vraiment pas de différence entre le Traitement et le Contrôle. Plus la valeur p est basse, plus les preuves qu'il existe une réelle différence entre le Traitement et le Contrôle sont fortes. Par convention, toute différence avec une valeur p inférieure à '0,05' est considérée comme 'statistiquement significative'.
Aller plus loin
Découvrez comment configurer et exécuter votre analyse dans Contentsquare.