Prenons un exemple hypothétique. La semaine dernière, 80 visiteurs éligibles sur 1 000 ont créé un compte dans les 24 heures suivant la consultation de la page des tarifs. Cette semaine, ils ne sont que 50 sur 1 000. Le taux d’inscription est passé de 8 % à 5 %.
Un rapport indique les segments où le taux baisse et les étapes que moins de visiteurs franchissent. Il ne dit pas ce qui se serait passé avec une autre page. Il faut apporter une modification et prévoir de quoi comparer le résultat.
Repérer le début de la baisse
Vérifiez d’abord les inscriptions enregistrées dans les données de comptes côté serveur. Si les comptes continuent d’être créés mais que l’événement ne remonte plus, le problème vient de la mesure. Réécrire la page des tarifs n’y changera rien.
Supposons que les données de comptes confirment la baisse. Sur mobile, moins de visiteurs atteignent le formulaire, mais ceux qui y arrivent le terminent à peu près aussi souvent qu’avant. Comparez aussi les résultats à source de trafic identique. Une campagne qui attire davantage de visiteurs peu enclins à s’inscrire peut faire baisser le taux global sans que la page fonctionne moins bien pour des visiteurs comparables.
Essayez ensuite la page sur les appareils concernés. Imaginons qu’une modification récente place le bouton d’inscription sous un long tableau de fonctionnalités sur les écrans étroits. Vous avez une hypothèse à tester : déplacer le bouton existant au-dessus du tableau permettra à davantage de visiteurs sur mobile d’atteindre le formulaire. L’entonnoir a indiqué où chercher. L’essai sur appareil a suggéré quoi changer.
Faire relire et mettre en ligne une seule modification
Déplacez le bouton sans toucher à son libellé, aux tarifs ni au formulaire. Demandez à quelqu’un de relire le diff, d’essayer les deux mises en page aux tailles d’écran concernées et de vérifier qu’elles enregistrent le même événement de création de compte. Notez la mise en ligne et la procédure pour désactiver la variante.
L’IA peut préparer la requête qui compare les étapes par appareil et par source de trafic. Avant de l’exécuter, vérifiez qu’elle compte chaque visiteur éligible une seule fois et associe les créations de compte à la même fenêtre de 24 heures pour les deux semaines. Une requête plausible qui divise les inscriptions par les pages vues peut vous faire chercher le mauvais problème. L’IA peut aussi proposer le petit correctif. Une personne doit encore constater le problème sur un appareil et vérifier que le correctif y répond.
Dans l’exemple d’analyse en boucle fermée de Mixpanel, une équipe marketing apprend ce qui arrive aux prospects après leur passage au service commercial. Ce retour lui donne une raison de modifier sa page de destination. Appliquez ce principe à la modification elle-même : conservez la version vue par chaque visiteur et indiquez s’il a ensuite créé un compte. Sans ce lien, le constat et la mise en ligne se retrouvent à nouveau dans des documents séparés.
Le Growth Engine de Zenovay dispose d’une vue interne Ops, en lecture seule, pour consulter les mesures en cours et les résultats enregistrés. Elle montre où conserver ce suivi. Elle ne met pas en ligne la modification de la page des tarifs de cet exemple.
Vérifier si le déplacement du bouton a aidé
Si le trafic le permet, répartissez aléatoirement les visiteurs mobiles éligibles entre l’ancienne et la nouvelle mise en page. Un visiteur qui revient doit garder la même version. Comptez toutes les personnes réparties, même celles qui ne cliquent jamais sur le bouton. Sinon, vous retirez du dénominateur les personnes que la modification est censée aider.
Avant le lancement, fixez la durée du test, l’amélioration qui justifierait de garder la modification et les effets négatifs qui imposeraient un arrêt anticipé. Attendez que les fenêtres de 24 heures des derniers visiteurs soient closes pour lire le résultat final.
Supposons que le taux d’inscription du site remonte après la mise en ligne. Dans le test mobile, 25 visiteurs sur 500 créent un compte avec l’ancienne version, contre 35 sur 500 avec la nouvelle. Cela donne 5 % contre 7 %, soit un gain estimé de deux points de pourcentage. Avec une approximation simple fondée sur deux distributions binomiales indépendantes, l’intervalle à 95 % de la différence va d’environ −0,9 à +4,9 points. Les données restent compatibles avec une légère baisse comme avec une amélioration utile. Le rebond du site ne réduit pas cet intervalle.
Si vous ne pouvez pas comparer les deux versions en parallèle, notez les autres changements de la période et présentez le résultat comme une observation avant-après. Si davantage de visiteurs atteignent le formulaire sans hausse nette des comptes créés, consignez ces deux constats. La prochaine personne qui ouvre le rapport doit comprendre pourquoi le bouton a été déplacé, ce qui s’est passé et pourquoi vous l’avez laissé là ou remis à sa place.
