Catégorie : Uncategorized

Article

6 Jan 2023
6min lecture

1,000 Experiments Club: Une conversation avec Elissa Quinby de Quantrum Metric

Cécile Kloster

Cécile Kloster

Elissa Quinby explique pourquoi avoir un état d’esprit frugal dans le domaine de l’expérimentation peut en fait accélérer les process et accroître la créativité.

Elissa Quinby semble ne vivre que pour le retail, avec huit ans à son actif chez Amazon, où elle a travaillé dans plusieurs départements et fonctions business, au sein des équipes marketing et product. Avant cela, elle travaillait chez Google et American Eagle Outfitters.

Actuellement Senior Director of Retail Marketing chez Quantum Metric, une entreprise d’analyse de l’expérience utilisateur qui aide les marques à mieux connaître leurs clients et à prendre rapidement des décisions data-driven.

Marylin Montoya, VP marketing chez AB Tasty, s’est entretenue avec Elissa sur les moyens de fidéliser les clients, les stratégies d’expérimentation et la façon dont même la plus petite donnée peut avoir un impact considérable sur l’optimisation du parcours client, pour une meilleure expérience globale. 

Voici quelques-unes des principales conclusions de leur conversation.

 

 

Commencez par UNE donnée clé sur votre client et utilisez-la pour renforcer sa fidélité à votre marque.

En tant que marketeurs, nous connaissons la valeur de notre base client actuelle, compte tenu du temps, des efforts et du coût d’acquisition de nouveaux clients. Il est donc logique de se concentrer sur l’optimisation de l’expérience utilisateur afin d’encourager les clients réguliers.

Lorsqu’elle travaillait chez Amazon, Elissa a adopté un état d’esprit frugal et a découvert l’ampleur de l’impact que peut avoir une seule donnée client. Aujourd’hui, elle met au défi les retailers de se demander quelles sont les données dont ils disposent déjà et qui pourraient révolutionner leur expérience client.

Les données first party étant “l’ingrédient secret », Elissa recommande de commencer doucement et de leur faire une proposition de valeur en échange de leur coopération. Les clients hésitent de plus en plus à partager leurs informations avec les marques, il est donc important de leur proposer quelque chose d’alléchant en échange et qui vous permettra de recueillir cette précieuse donnée qui améliorera l’expérience client.

La partie la plus difficile de cette collecte essentielle de données first party est d’encourager les clients à créer un compte. Une fois qu’un client a créé son profil, la confiance peut être établie au fil du temps et davantage de données peuvent être recueillies, mais toujours contre une proposition de valeur. Par exemple, vous pouvez encourager les clients à se connecter pour faire des achats en leur proposant en échange un filtre ou des résultats de recherche personnalisés. Cela crée une expérience d’achat en ligne plus efficace et plus agréable pour vos clients, en récompense de leur fidélité.

 

“Il n’y a littéralement rien qui ne doive pas être expérimenté.”

L’expérimentation devrait être au cœur de toute stratégie marketing. Dans un processus d’optimisation continue, les possibilités d’amélioration du parcours client sont infinies. Cependant, les données sont le seul moyen de savoir avec certitude quelles modifications mener à bien. 

En mettant l’accent sur la rapidité, l’idée de l’expérimentation est de tester une nouvelle solution aussi rapidement que possible, en se libérant de tout attachement à la perfection, afin de commencer à recueillir les commentaires des clients. 

Elissa explique que toute nouvelle fonctionnalité doit être testée avant son lancement. Tant que les clients ne donnent pas leur avis via leurs interactions, cela reste une simple hypothèse à prouver. Non seulement cela permet de gagner du temps sur le développement, mais cela permet aussi de jauger la réaction des utilisateurs face à l’expérimentation en question et ainsi apporter les ajustements nécessaires.

Le processus d’expérimentation est précis, méthodique et data-driven, afin de garantir le fait qu’il a été correctement mis en place pour un résultat fiable et pertinent – indépendamment de son succès ou de son échec.

Comme la majorité des tests échouent, il est important d’échouer rapidement, afin de tirer les apprentissages des réactions des clients le plus vite possible. Elissa explique que l’exécution de plusieurs tests avec de légers ajustements peut aider à identifier le problème, qui peut être aussi simple que le moment du parcours client où un stimuli apparaît.

 

Les outils d’expérimentation peuvent aider les marques à optimiser leur expérience client.

Si les méthodes manuelles de test peuvent donner des résultats, un outil d’expérimentation peut booster l’optimisation de votre expérience client.

Un outil d’expérimentation permet non seulement de gagner du temps, mais aussi de s’assurer que vous tirez les meilleurs enseignements de chaque test. Cela commence par le développement des meilleures hypothèses, basées sur des données. Si votre test n’atteint pas les paramètres cibles, un outil vous permettra de réagir en mettant à votre disposition une autre hypothèse, également basée sur des données.

Deuxièmement, la possibilité de déterminer avec précision les raisons de l’échec d’une expérience, grâce à une analyse complète, est essentielle pour améliorer vos résultats sans épuiser vos ressources. 

Enfin, un outil d’expérimentation peut offrir des données en temps réel. Si votre expérimentation ne fonctionne pas bien, vous le saurez immédiatement et pourrez l’interrompre. À l’inverse, si elle est gagnante, vous pouvez commencer à travailler sur le lancement de la nouvelle fonctionnalité avec l’équipe produit. Cela permet d’accélérer les cycles d’innovation, avec des décisions basées sur l’analyse de données en temps réel du parcours de l’utilisateur et de son comportement de navigation.

En optimisant le processus d’expérimentation à l’aide d’une solution d’analyse intelligente, vous pouvez gagner en efficacité et affiner rapidement les fonctionnalités qui vont améliorer significativement l’expérience client et donc générer des résultats pour l’entreprise. 

Que pouvez-vous apprendre d’autre de notre conversation avec Elissa Quinby ?

  • Comment faire plus avec moins de ressources (temps et argent) ?
  • Comment se démarquer de la concurrence grâce à un programme de fidélité ?
  • Pourquoi vous devez tirer parti du digital à toutes les étapes du parcours client.
  • Pourquoi toutes les informations sur les clients jouent un rôle essentiel sur l’augmentation des revenus.

 

A propos d’Elissa Quinby

Elissa Quinby est une experte dans le domaine du retail. Elle a commencé sa carrière en tant qu’Assistant Buyer chez American Eagle Outfitters, puis a passé deux ans chez Google en tant que Digital Marketing Strategist. Elle a ensuite travaillé huit ans chez Amazon dans plusieurs départements et fonctions business, notamment en marketing, program management et product.

Aujourd’hui, Elissa est Senior Director of Retail Marketing chez Quantum Metric, une entreprise d’analyse de l’expérience utilisateur qui aide les marques à recueillir des informations sur leurs clients afin de prendre des décisions éclairées.

 

A propos du 1,000 Experiments Club

Le 1,000 Experiments Club est un podcast produit par AB Tasty et animé par Marylin Montoya, VP marketing chez AB Tasty. Joignez-vous à Marylin et à l’équipe marketing dans leurs différents entretiens avec les experts les plus compétents du monde de l’expérimentation pour découvrir leurs points de vue sur ce qu’il faut faire pour créer et exécuter des programmes d’expérimentation à succès.

 

Partager sur

LinkedIn Facebook Twitter

Article

20 Oct 2022
8min lecture

Le ROI de l’expérimentation

AB Tasty

AB Tasty

Lorsque vous entendez ‘A/B Testing’, pensez-vous immédiatement à un gain de revenus ? Une augmentation ? Un résultat en euros ?

Selon David Mannheim, PDG de l’agence Conversion Rate Optimization (CRO) User Conversion, c’est probablement le cas – et vous ne devriez pas. Voici pourquoi :

Malheureusement, ce n’est pas si simple.

L’expérimentation est plus qu’une simple stratégie rapide pour augmenter votre ROI.

Dans cet article, nous aborderons les raisons pour lesquelles nous expérimentons, les défis liés à l’évaluation du retour sur investissement (ROI), la hiérarchisation des priorités et de ce qu’est réellement l’expérimentation.

Pourquoi expérimenter ?

Techniquement parlant, l’expérimentation est réalisée pour confirmer ou infirmer une hypothèse. L’expérimentation vous fournit des informations précieuses sur les relations de cause à effet en déterminant le résultat d’un certain test lorsque différents facteurs sont manipulés dans un cadre contrôlé.

En d’autres termes, s’il n’y a pas d’expérimentation, il n’y a aucun moyen de réfuter une hypothèse et de réduire le risque de perdre des opportunités ou d’avoir un impact négatif sur les mesures.

L’expérimentation consiste à établir des priorités, à minimiser les risques et à tirer des enseignements des résultats. Les tests que vous choisissez d’implémenter doivent être élaborés en conséquence. Il ne s’agit pas nécessairement de prendre la « bonne » ou la « mauvaise » décision, l’expérimentation vous aide à prendre de meilleures décisions sur la base des données.

En termes visuels, l’expérimentation ressemble à quelque chose comme ceci :

ROI frustration backlog

Les expériences en ligne doivent être soigneusement conçues pour apprendre, atteindre un objectif spécifique et/ou mesurer un indicateur de performance clé qui peut ne pas avoir d’effet financier immédiat.

Cependant, bien trop souvent, ce sont les principales parties prenantes (ou HIPPO) qui décident des tests à mettre en œuvre en premier.

Leur principale préoccupation ? Le temps qu’il faudra pour constater une nette augmentation des revenus.

Cette tendance nous amène à la théorie suivante :

Le retour sur investissement de l’expérimentation est impossible à atteindre parce que le secteur est conditionné à penser que les tests A/B ne concernent que le gain.

Frustrations et défis des attentes de ROI

À ce stade, vous vous demandez peut-être ce qu’il y a de mal à attendre des tests A/B une augmentation des revenus. N’est-il pas normal d’attendre un retour sur investissement clair ?

C’est normal, mais le problème n’est pas aussi simple.

Nous avons été conditionnés à attendre une formule claire avec une solution nette et précise : « Nous avons investi X, nous devons obtenir Y. »

Il s’agit là d’un mythe trompeur du CRO qui fait obstacle.

Les parties prenantes en sont venues à croire, à tort, que chaque test qu’elles effectuent doit fonctionner de la sorte, ce qui a créé des attentes irréalistes en matière de retour sur investissement pour ceux qui pratiquent l’optimisation des conversions.

Comme vous pouvez l’imaginer, cette façon de penser est source de frustration pour ceux qui implémentent des tests en ligne.

Experiment backlog example

Ce que les gens négligent souvent, c’est la complexité du contexte dans lequel ils effectuent leurs tests d’expérimentation et évaluent leur ROI.

Il n’est pas toujours possible de mesurer avec précision tout ce qui se passe en ligne, ce qui rend pratiquement impossible l’attribution d’un chiffre exact.

Bien que l’identification de l’impact des expériences puisse être un véritable défi en raison de la complexité du contexte, il existe certains outils en ligne qui permettent de mesurer vos efforts de ROI aussi précisément que possible.

AB Tasty est un exemple d’outil d’A/B test qui vous permet de mettre rapidement en place des tests avec une implémentation low-code de changements front-end ou UX sur vos pages web, de recueillir des informations via un tableau de bord ROI et de déterminer quelle route augmentera vos revenus.

Outre la frustration qui découle du fait que l’on s’attend à ce que le ROI se concentre sur l’amélioration financière immédiate, trois des plus grands défis du ROI de l’expérimentation sont les prévisions, le travail avec des moyennes et les tests multiples en même temps.

Challenge #1: Les Prévisions

Le premier défi de l’évaluation du retour sur investissement de l’expérimentation est la prévision. Un grand nombre de facteurs influencent la capacité d’un analyste à prévoir avec précision l’augmentation des revenus d’un test donné :

  • Stratégie de trafic payant
  • Marketing en ligne et hors ligne
  • Newsletters
  • Offres
  • Bugs
  • Évolution du trafic des appareils
  • Saison
  • Ce que font vos concurrents
  • Facteurs sociétaux (Brexit)

En ce qui concerne l’estimation des revenus pour l’année suivante à partir d’une seule expérience, il est impossible de prévoir un chiffre exact. Il est seulement possible de prévoir une tendance du retour sur investissement ou une moyenne attendue.

Il n’est pas réaliste d’attendre une prédiction parfaitement exacte et précise pour chaque expérience que vous menez – le contexte de chaque expérimentation en ligne est trop complexe.

Challenge #2: Travailler avec les moyennes

Le problème suivant est que votre équipe CRO travaille avec des moyennes – en fait, les moyennes des moyennes.

Supposons que vous ayez mené une excellente expérience sur un segment d’audience spécifique et que vous ayez constaté une forte augmentation du taux de conversion.

Si vous examinez ensuite votre taux de conversion global pour l’ensemble de votre site, il y a de fortes chances que cette augmentation soit engloutie dans les données moyennes.

Votre vague de revenus se sera réduite à une ondulation indétectable. Et c’est un problème majeur lorsqu’on essaie d’évaluer le taux de conversion global ou l’augmentation des revenus – il y a trop de facteurs externes pour obtenir une image précise.

Avec les moyennes, le résultat final est que vous déplacez une moyenne. Les moyennes rendent très difficile l’obtention d’une compréhension claire.

En moyenne, un client moyen, exposé à un test A/B moyen, aura une performance… moyenne.

Challenge #3: Les tests multiples

Le troisième défi des attentes en matière de ROI survient lorsque vous souhaitez mener plusieurs expériences en ligne en même temps et essayer d’agréger les résultats.

Là encore, il est tentant d’exécuter des équations mathématiques simples pour obtenir une réponse claire et nette pour votre gain, mais la réalité est plus compliquée que cela.

En regroupant plusieurs expériences et les résultats de chaque expérience, vous obtiendrez des résultats flous.

Cela fait du calcul du retour sur investissement de l’expérimentation un cauchemar pour ceux qui effectuent simultanément des tests. Garder les expériences et leurs résultats respectifs séparés est la meilleure pratique lorsque l’on effectue plusieurs tests.

Faut-il toujours donner la priorité aux revenus ?

La meilleure mentalité consiste-t-elle à privilégier les revenus ? Lorsque l’on prend du recul et que l’on y réfléchit, il n’est pas logique que les CRO managers s’attendent à ce que le gain de revenus, et uniquement le gain de revenus, soit le principal indicateur de réussite de l’ensemble de leur programme d’expérimentation.

Que se passerait-il si toutes les entreprises donnaient toujours la priorité aux revenus ?

Cela signifierait qu’il n’y aurait pas de retours gratuits pour un site e-commerce (les retours n’augmentent pas le gain !), pas de bonbons gratuits dans l’emballage de livraison (pensez à ASOS), les photos de produits les moins chères sur le site, etc.

Si vous deviez privilégier le gain immédiat de revenus (comme les parties prenantes veulent si souvent le faire dans un contexte d’expérimentation) les implications sont encore plus indésirables.

Prenons quelques exemples : vous offrirez le service clientèle le plus dérisoire pour réduire les coûts, vous pousserez sans cesse des offres d’achat immédiat, vous ferez des remises sur tout et vous oublierez toute initiative de fidélisation à la marque. Faut-il continuer ?

En bref, si l’on se concentre trop sur un gain de revenu immédiat et clairement mesurable, on cannibalise inévitablement l’expérience client. Et ceci, à son tour, diminuera vos revenus à long terme.

A quoi doivent servir les tests A/B ?

Une chose importante que les champions de l’expérimentation peuvent faire est de travailler avec des métriques binomiales.

Évitez le flou et une grande partie de la complexité en effectuant des tests qui visent à vous donner une réponse oui/non, noire ou blanche.

binomial metrics examples

De même, soyez extrêmement clair et délibéré avec votre hypothèse, et soyez avisé avec vos métriques secondaires : utilisez l’expérimentation pour éviter les pertes, minimiser les risques, etc.

Mais la meilleure chose que vous puissiez faire est peut-être de modifier vos attentes.

Au lieu de dire que l’expérimentation doit infailliblement conduire à un gain de revenu net, à chaque fois, vous pourriez commencer à dire que l’expérimentation nous permettra de prendre de meilleures décisions.

Good experimentation model

​​Ces meilleures décisions, combinées à tous les autres efforts déployés par l’entreprise, feront évoluer votre entreprise dans une meilleure direction, celle d’un gain de revenus.

La théorie du ROI de l’expérimentation

Dans cette optique, nous pouvons modifier légèrement la théorie initiale du ROI de l’expérimentation :

Le ROI de l’expérimentation est difficile à atteindre et doit être contextualisé pour les différentes parties prenantes et entreprises. Nous ne devrions pas nous éloigner complètement d’un mode de pensée basé sur le signe de l’euro, mais nous devrions lui enlever la priorité. « Le revenu d’abord » n’est pas la meilleure mentalité dans tous les cas – surtout dans des situations aussi complexes que le calcul du ROI des expérimentations.

Partager sur

LinkedIn Facebook Twitter

Article

11 Oct 2022
6min lecture

Stimuler l’innovation en utilisant les échecs de vos tests

AB Tasty

AB Tasty

« L’échec peut être considéré comme un gros mot dans le monde de l’expérimentation. Votre équipe passe du temps à réfléchir à une hypothèse, à élaborer un test, et finalement, quand il est lancé… il tombe à plat. Bien qu’il puisse être décourageant de voir les résultats négatifs de vos tests, vous avez obtenu des informations précieuses qui peuvent vous aider à prendre des décisions stratégiques basées sur les données pour votre prochaine expérience. Votre  » échec  » devient une opportunité d’apprentissage.

Accepter le risque de résultats négatifs est une partie nécessaire de la construction d’une culture de l’expérimentation. Dans le premier épisode du podcast du “1 000 experiments Club” , Ronny Kohavi (ancien d’Airbnb, Microsoft et Amazon) a déclaré que l’expérimentation est un moment durant lequel vous « échouez et pivotez rapidement ». En effet, toute idée peut échouer, comme il l’a appris en dirigeant des équipes d’expérimentation dans les plus grandes entreprises tech du monde..

« Il y a beaucoup à apprendre de ces expériences : Est-ce que ça a très bien fonctionné pour le segment que vous visiez, mais est ce qu’un autre a affecté ? En apprenant ce qui s’est passé et pourquoi, on peut développer les futures stratégies et réussir », partage Ronny.

Pour instaurer une culture de l’expérimentation, vous devez accepter les échecs qui en découlent. En considérant les résultats négatifs comme des opportunités d’apprentissage, vous renforcez la confiance au sein de votre équipe et vous l’encouragez à rechercher des solutions créatives plutôt que de jouer la sécurité. Voici quelques avantages de l’acceptation des « échecs » dans l’expérimentation :

  1. Encourager la curiosité : Avec AB Tasty, vous pouvez tester vos idées rapidement et facilement. Vous pouvez éviter les longues implémentations ainsi que le développement de code complexe. Chaque idée peut être explorée immédiatement et si elle échoue, vous pouvez passer à l’idée suivante sans ralentir, ce qui vous fait gagner du temps et de l’argent.
  2. Éliminer vos risques sans implémentation à l’aveugle : tester les changements sur quelques pages ou auprès d’une audience ciblée peut vous aider à recueillir des informations dans un environnement plus contrôlé avant de planifier des implémentations à plus grande échelle.
  3. Renforcez vos hypothèses : Il est facile d’être victime du biais de confirmation lorsque l’on a peur de l’échec. Le fait de tester une hypothèse à l’aide des a/b tests et de recevoir des résultats négatifs confirme que votre contrôle est toujours le plus performant, ainsi vous aurez des données pour appuyer le fait que vous allez dans la bonne direction.
  4. Valider les résultats positifs existants : L’expérimentation permet de déterminer quels petits changements peuvent avoir un impact important sur votre public. En comparant les résultats négatifs des tests aux résultats positifs d’expériences similaires, vous pouvez déterminer si les mesures positives résistent à l’épreuve du temps ou si un événement isolé a faussé les résultats.

Dans un environnement contrôlé et limité dans le temps, votre expérience peut vous permettre de savoir très rapidement si les changements que vous avez apportés vont confirmer votre hypothèse. Que votre expérience produise des résultats positifs ou négatifs, vous obtiendrez des informations précieuses sur votre public. Tant que vous exploitez ces nouvelles connaissances pour élaborer de nouvelles hypothèses, vos résultats négatifs ne constitueront jamais un « échec ». Au contraire, le plus grand risque serait de laisser perdurer un statu quo.

« Votre capacité à itérer rapidement est un facteur de différenciation », partage Ronny. « Si vous êtes en mesure de mener plus d’expériences et qu’un certain pourcentage est réussi/échoué, cette capacité à tester des idées est essentielle. »

Vous trouverez ci-dessous quelques exemples d’A/B tests concrets et les apprentissages cruciaux issus de chaque expérience :

Leçon apprise : la suppression des CTA « Ajouter au panier » a réduit la conversion

Dans cette expérience, notre client du secteur de la beauté et des cosmétiques a testé la suppression du CTA « Ajouter au panier » de ses pages de produits. L’idée était de voir si les utilisateurs seraient plus enclins à cliquer sur les pages individuelles, ce qui entraînerait un taux de conversion plus élevé. Les résultats ? Alors que le nombre de visiteurs cliquant sur « Ajouter au panier » a augmenté de 0,4 %, les conversions ont diminué de 2 %. L’équipe a considéré ce résultat comme la preuve que la version originale du site web fonctionnait correctement, et elle a pu réinvestir son temps et ses efforts dans d’autres projets.

Leçon apprise : des champs de formulaire surchargés entraînent une diminution des leads

Un client du secteur bancaire souhaitait tester si l’ajustement de son formulaire de demande standard pouvait amener à l’étape 2 et, en fin de compte, augmenter le nombre de leads issues des soumissions de formulaire. Le test s’est concentré sur le champ obligatoire du numéro d’identification de l’entreprise, en ajoutant une pop-up expliquant la signification du champ dans l’espoir de réduire le nombre d’abandons du formulaire. Les résultats ? Une diminution de 22 % du nombre de prospects et de 16 % du nombre de visiteurs passant à l’étape 2 du formulaire. L’équipe a conclu de cette expérience qu’en essayant d’être utile et d’expliquer ce champ, ses visiteurs étaient submergés d’informations. La version originale a été la gagnante de cette expérience, et l’équipe s’est épargnée une perte potentielle énorme en codant en dur le nouveau champ du formulaire.

Leçon apprise : la disponibilité du produit n’a pas permis de générer des transactions

L’équipe de cette entreprise de cosmétiques a conçu une expérience pour tester si l’affichage d’un message sur la disponibilité du produit sur la page du panier entraînerait une augmentation des conversions en faisant appel au sentiment de FOMO (“Fear Of Missing Out”) du client. Au lieu de cela, les résultats se sont avérés peu concluants. Le taux de conversion a augmenté de 1 %, mais l’accès à la caisse et la valeur moyenne de la commande ont diminué de 2 % et 0,7 % respectivement. L’équipe a déterminé que, sans l’augmentation souhaitée de ses indicateurs clés, il ne valait pas la peine d’investir le temps et les ressources nécessaires pour mettre en œuvre le changement sur le site web. Au lieu de cela, elle a exploité les données de l’expérience pour contribuer à l’élaboration de sa roadmap d’optimisation du site web et identifier d’autres domaines d’amélioration.

Malgré les résultats négatifs, les équipes des trois expériences ont exploité ces informations précieuses pour réajuster rapidement leur stratégie et identifier d’autres points à améliorer sur leur site web. En transformant les résultats négatifs des tests ratés en opportunités d’apprentissage, l’expérience client est devenue le moteur de l’innovation.

Jeff Copetas, VP du E-Commerce et du Digital chez Avid, souligne l’importance de déterminer qui vous écoutez lorsque vous élaborez une roadmap d’expérimentation. « [Chez Avid] nous avons dû passer d’un état d’esprit de « je pense que… » à « testons et apprenons », en éliminant les opinions personnelles de notre processus de décision », se souvient Jeff. « Vous pouvez faire un joli site web, mais s’il n’est pas performant et que vous n’apprenez pas ce qui favorise la conversion, alors tout ce que vous avez, c’est un joli site web qui n’est pas performant. »

Grâce aux tests, vous collectez des données sur la façon dont les clients vivent l’expérience de votre site web, ce qui s’avérera toujours plus précieux que de ne jamais tester le statu quo. Vous cherchez de l’inspiration pour votre prochaine expérience ? Nous avons recueilli des informations auprès de 50 marques de secteurs différents dans le monde entier pour comprendre les tests qu’elles ont effectués, les leçons qu’elles en ont tirées et les succès qu’elles ont remportés.

Partager sur

LinkedIn Facebook Twitter

Article

18 Août 2022
5min lecture

Libérez votre créativité : Codez une fois, personnalisez à l’infini

AB Tasty

AB Tasty

https://abtasty.wistia.com/medias/itj729hawr?embedType=async&seo=false&videoFoam=true&videoWidth=640

Dites bonjour aux Custom Widgets et dites adieu aux allers-retours fastidieux lors de la mise en place de vos campagnes. Avec les Custom widgets, adaptez les meilleures idées de vos équipes en matière d’expérience client aux besoins de vos marques et filiales. AB tasty dispose déjà de la plus grande bibliothèque de widgets du marché avec 25 modules prêts à l’emploi tels que par exemple des cartes à gratter, des enquêtes NPS, des comptes à rebours, etc.  pour vous aider à engager plus efficacement vos consommateurs. Mais dorénavant, vous avez la possibilité de créer, de personnaliser et de partager vos propres widgets ! 🤩

Optimisez le workflow entre les marketeurs, les designers et les développeurs.

Les Custom Widgets stimulent l’innovation en facilitant la collaboration entre les équipes pour donner vie aux idées les plus novatrices. Les développeurs peuvent désormais créer des widgets hautement personnalisables. Il leur suffit de suivre notre guide et de coder les différentes parties des widgets en utilisant HTML, CSS et JavaScript et d’ajouter diverses options de configuration 👩‍💻. Les designers peuvent ensuite facilement personnaliser les widgets et s’assurer qu’ils sont conformes aux branding de l’entreprise 👨‍🎨. Enfin, les marketeurs peuvent les personnaliser en fonction des besoins de leurs campagnes 🙋‍♀️. Les possibilités d’engager les visiteurs sont infinies : roue de fortune, carrousels, lightboxes, etc. Tout cela résulte en un flux de travail optimisé qui permet à chacun de gagner du temps tout en offrant des expériences passionnantes aux internautes 💪.

Créez et faites évoluer une bibliothèque de vos meilleures idées d’expérience client.

Tous les Custom Widgets créés (par vos développeurs, une agence ou AB Tasty) seront disponibles dans la librairie de widget qui est partagée entre toutes les filiales et comptes d’une entreprise. Elle est accessible depuis le dashboard, et est d’une grande source d’inspiration et d’idéation pour accélérer le Go-to-market et faciliter le déploiement à travers vos marques et vos filiales. Vous retrouverez également nos widgets existants avec des uses cases clients pour vous inspirer et vous guider davantage dans la création du meilleur parcours client. Et, comme avec n’importe quel autre widget, les marketeurs peuvent facilement personnaliser le contenu des Custom widgets et les combiner avec nos options de ciblage pour créer de puissantes campagnes personnalisées sans compétences en code et en quelques minutes 🏃‍♀️.

Vous ne savez pas par où commencer ?

Dans notre nouvelle bibliothèque de widgets, nos utilisateurs peuvent déjà profiter de 2 Custom Widgets disponibles sur la plateforme, une Roue de la Fortune et un bouton CTA avec dégradé, qu’ils peuvent dupliquer et modifier pour se plonger dans leur fonctionnement. Sur cette même page, ils peuvent cliquer sur « Créer un widget personnalisé » et suivre notre processus étape par étape 🧐. 

Pourquoi ne pas les essayer maintenant ? Si vous cherchez de l’inspiration pour vos premiers Custom Widgets, vous pouvez consulter notre ebook « 30 tips pour le rush du Black Friday ». Il présente des campagnes à succès de marques comme Degrenne, un détaillant français de couverts et d’articles de table dont les produits de qualité sont incontournables dans le secteur de l’hôtellerie. L’entreprise souhaitait accélérer le processus d’achat et offrir une expérience omnicanale cohérente à ses clients. En utilisant nos widgets, ils ont donné à leurs visiteurs la possibilité de voir la disponibilité des articles dans le magasin le plus proche 👇.

Si vous souhaitez reproduire cette expérience, vos développeurs peuvent créer un Custom Widget qui exploite les données de géolocalisation pour créer une fenêtre contextuelle affichant la disponibilité des produits dans les magasins voisins. Vos clients pourront réserver leurs articles et opter pour le retrait en magasin. Une fois disponible dans la bibliothèque de widgets, vos autres marques ou filiales peuvent y accéder, le modifier et l’exploiter pour offrir à leurs visiteurs une expérience omnicanale.

Pour en savoir plus consultez l’ebook 👇:

Avec AB Tasty laissez vos bonnes idées prendre leur envol. 

Partager sur

LinkedIn Facebook Twitter

Article

10 Sep 2021
4min lecture

1,000 Experiments Club : La nouvelle série de podcasts d’AB Tasty

AB Tasty

AB Tasty

Rejoignez Marylin Montoya, VP Marketing pour une immersion dans le monde de l’expérimentation

Aujourd’hui, nous tendons le micro à Marylin Montoya, VP Marketing d’AB Tasty, pour donner le coup d’envoi de notre nouvelle série de podcasts, le « 1,000 Experiments Club ».

Chez AB Tasty, nous sommes un groupe de product designers, software engineers et spécialistes du marketing (alias « Magic Makers ») qui s’efforce de créer une culture de l’expérimentation. Nous voulions aller au-delà de la théorie de haut niveau de l’expérimentation et nous pencher sur les éléments de base de la gestion des programmes d’expérimentation et des expériences digitales.

Découvrez : « 1,000 Experiments Club », le podcast qui vous permet de réussir l’expérimentation à grande échelle. Notre podcast réunit une sélection des leaders les plus brillants pour découvrir leurs idées sur la façon d’expérimenter et d’échouer… avec succès.

 

 

Dans chaque épisode, Marylin s’entretient avec nos invités, qu’il s’agisse de géants de la technologie, de start-ups en hypercroissance ou d’agences de conseil. Chacun d’entre eux a un point de vue unique sur la manière dont ils ont fait de l’expérimentation le fondement de leurs stratégies de croissance.

Vous apprendrez pourquoi l’échec fait partie du processus, comment faire de vos metrics vos alliés les plus fiables, comment adapter l’expérimentation à la taille de votre entreprise et comment obtenir le soutien de la direction si vous débutez. Notre podcast s’adresse aux experts en CRO, aux product managers, aux software engineers ; chacun y trouvera son compte, quelle que soit sa position sur le modèle de maturité de l’expérimentation !

Nous donnons le coup d’envoi avec trois épisodes, dans lesquels chaque invité revient sur son parcours, les erreurs qu’il a commises, mais aussi les succès qu’il a retirés de décennies d’expérimentation, d’optimisation et de développement de produits.

 

Ronny Kohavi (ex-Amazon, Airbnb, Microsoft) 

Il nous fait part d’une réalité qui fait réfléchir : la plupart des idées vont échouer

 

Chad Sanderson (Convoy)

Il répertorie les types d’expérimentations les plus réussis

 

Jonny Longden (Journey Further)

Il pense que tout le monde peut et doit faire de l’expérimentation

Dans la culture de l’expérimentation, il n’existe pas d’expérience « ratée ». Chaque test est une occasion d’apprendre et de construire des idées nouvelles et meilleures. Alors, écoutez et abonnez-vous au « 1,000 Experiments Club » sur Apple Podcasts, Spotify ou sur tout autre site de podcasts.

Découvrir le podcast !

 

Partager sur

LinkedIn Facebook Twitter

Article

2 Sep 2021
5min lecture

1,000 Experiments Club : Une conversation avec Jonny Longden de Journey Further

AB Tasty

AB Tasty

L’expérimentation convient-elle à tout le monde ? Un oui retentissant, affirme Jonny Longden. Tout ce dont vous avez besoin, ce sont deux ingrédients : une forte volonté et de la ténacité pour l’implémenter.

Il existe un mythe dangereux, à savoir l’idée qu’il faut être une grande entreprise pour pratiquer l’expérimentation. En réalité, ce sont les plus petites entreprises et les start-ups qui ont le plus besoin d’expérimenter, affirme Jonny Longden, de l’agence de marketing à la performance Journey Further.

Fort de plus de dix ans d’expérience dans l’optimisation des conversions et la personnalisation, Jonny a cofondé Journey Further pour aider les clients à intégrer l’expérimentation au cœur de leurs activités. Il dirige actuellement la division conversion de l’agence, qui se concentre également sur le PPC, le SEO, les RP – parmi d’autres spécialisations marketing.

Toute entreprise qui souhaite dénicher une quelconque découverte devrait recourir à l’expérimentation, en particulier les start-ups qui sont dans la phase exploratoire de leur développement. « L’expérimentation ne requiert aucune taille : tout dépend de la façon dont on l’aborde », a déclaré Jonny à Marylin Montoya, VP marketing d’AB Tasty.

Voici quelques-uns des éléments que nous avons retenus de notre vaste discussion avec Jonny.

.

La démocratisation de l’expérimentation

On a tendance à voir davantage d’équipes et de programmes d’expérimentation dans les grandes entreprises, mais cela ne signifie pas nécessairement que d’autres entreprises de tailles différentes ne peuvent pas tremper leurs orteils dans le bassin de d’expérimentation. Les petites entreprises et les start-ups peuvent également en bénéficier, à condition qu’elles aient la ténacité et les capacités de l’implémenter.

Vous devez vraiment croire que sans expérimentation, vos idées ne fonctionneront pas, dit Jonny. Il y a des choses dont vous pensez qu’elles vont fonctionner et qui ne le font pas. À l’inverse, il y a beaucoup de choses qui ne semblent pas fonctionner mais qui finissent par avoir un impact positif. La seule façon d’arriver à cette conclusion est d’expérimenter.

En fin de compte, les plus grandes découvertes (par exemple, dans le domaine de l’espace, des voyages, de la médecine, etc.) sont issues d’une méthodologie scientifique, qui se résume à l’observation, aux hypothèses, aux tests et au perfectionnement. Abordez l’expérimentation avec cet état d’esprit, et tout le monde pourra y gagner.

Établir les bonnes roadmaps avec les équipes produit

Il est important d’intégrer l’expérimentation en amont du processus de développement produit, mais la plupart des gens ne le font pas, affirme Jonny. D’un point de vue purement commercial, il s’agit d’essayer de réduire les risques liés au développement et de prouver la valeur d’un changement ou d’une fonctionnalité avant d’investir davantage de temps, d’argent et de bande passante.

Heureusement, la méthodologie agile employée par de nombreuses équipes modernes est similaire à l’expérimentation. Toutes deux reposent sur une collaboration itérative avec le client et un cycle de recherche rigoureux, de collecte de données quantitatives et qualitatives, de validation et d’itération. Le point idéal est la collecte de données quantitatives et qualitatives – un bon équilibre entre le feedback et le volume.

Pour réussir à établir une roadmap pour un programme d’expérimentation, il faut comprendre la structure organisationnelle d’une entreprise ou d’un secteur. Dans les entreprises SaaS, l’expérimentation est intégrée aux équipes produit ; pour les entreprises d’e-commerce, l’expérimentation s’intègre mieux dans la partie marketing. Une fois que vous avez déterminé le responsable et les objectifs de l’expérimentation, vous devez déterminer si vous pouvez déployer efficacement les tests et si vous disposez des bons processus pour implémenter les résultats d’un test.

L’expérimentation est, en définitive, l’innovation

Plus vous expérimentez, plus vous créez de la valeur. L’expérimentation à grande échelle permet aux gens d’apprendre et de construire d’autres tests sur la base de ces apprentissages. N’utilisez pas les tests pour identifier uniquement les gagnants, car il y a beaucoup plus de connaissances à tirer des tests qui échouent. Par exemple, il se peut que seul un test sur dix fonctionne. La véritable valeur réside dans les 9 leçons que vous avez acquises, et pas seulement dans le seul test qui a eu un impact positif.

Si vous regardez les choses sous cet angle, vous vous rendrez compte que la recherche post-test et les actions qui en découlent sont essentielles : c’est là que vous commencerez à faire des progrès vers une plus grande innovation.

Jonny appelle cela l’effet boule de neige de l’expérimentation. L’expérimentation est l’innovation – lorsqu’elle est bien menée. À la base, il s’agit d’explorer et de voir comment vos clients réagissent. Et tant que vous tirez des enseignements des résultats de vos tests, vous serez en mesure d’innover plus rapidement, précisément parce que vous vous appuyez sur ces leçons. C’est ainsi que l’on conduit une innovation qui fonctionne réellement.

Que pouvez-vous apprendre d’autre de notre conversation avec Jonny Longden ?

  • Passer de l’expérimentation à la validation
  • Comment maintenir la créativité pendant l’expérimentation
  • Utiliser le CRO pour identifier les bonnes questions à résoudre
  • Les éléments nécessaires à une expérimentation réussie
A propos de Jonny Longden

Jonny Longden dirige la division conversion de Journey Further, une agence de marketing à la performance spécialisée dans le PPC, le SEO, les RP, etc. Basée au Royaume-Uni, cette agence et ce cabinet de conseil aident les entreprises à s’appuyer sur les données et à intégrer l’expérimentation dans leurs programmes. Auparavant, Jonny a consacré plus de dix ans à l’optimisation des conversions, à l’expérimentation et à la personnalisation, travaillant pour Sky, Visa, Nike, O2, Mvideo, Principal Hotels et Nokia.

A propos de 1,000 Experiments Club

Le 1,000 Experiments Club est un podcast produit par AB Tasty et animé par Marylin Montoya, VP Marketing chez AB Tasty. Rejoignez Marylin et l’équipe marketing alors qu’ils s’entretiennent avec les experts les plus compétents du monde de l’expérimentation pour découvrir leurs points de vue sur ce qu’il faut faire pour créer et exécuter des programmes d’expérimentation réussis.

Partager sur

LinkedIn Facebook Twitter

Article

27 Août 2021
5min lecture

1,000 Experiments Club : Une conversation avec Chad Sanderson de Convoy

AB Tasty

AB Tasty

Chad Sanderson présente les types d’expérimentation les plus réussis en fonction de la taille de l’entreprise et de ses ambitions de croissance

Pour Chad Sanderson, head of product – data platform chez Convoy, le rôle des données et de l’expérimentation sont inextricablement liés.

Chez Convoy, il supervise l’équipe data platform de bout en bout – qui comprend le data engineering, le machine learning, l’expérimentation, le pipeline de données – parmi une multitude d’autres équipes qui ont toute pour but d’apporter de l’aide à des milliers de transporteurs pour expédier le fret plus efficacement. Ce rôle lui a permis d’avoir une vue d’ensemble du processus, de l’idéation à l’exécution en passant par la construction.

Par conséquent, Chad a eu une place importante que la plupart des professionnels n’ont jamais : le processus d’expérimentation de bout en bout, de l’hypothèse à l’analyse et la production de rapports, jusqu’aux états financiers de fin d’année. Naturellement, il avait quelques idées à partager avec Marylin Montoya, VP marketing d’AB Tasty, lors de leur conversation sur la discipline de l’expérimentation et la complexité de l’identification de paramètres fiables.

Introduire l’expérimentation en tant que discipline

L’expérimentation, malgré toutes ses louanges, est encore relativement nouvelle. Vous aurez du mal à trouver de grandes collections de littérature ou une approche académique (bien que Ronny Kohavi ait écrit quelques réflexions sur le sujet). En outre, l’expérimentation n’est pas considérée comme une discipline de data science, surtout si on la compare aux domaines du machine learning ou du stockage de données.

Bien que l’on puisse trouver quelques conseils ici et là sur des blogs, on finit par passer à côté des connaissances techniques approfondies et des meilleures pratiques en matière de mise en place d’une plateforme, de création d’une bibliothèque de metrics et de sélection des bonnes metrics de manière systématique.

Chad attribue l’accessibilité de l’expérimentation à une arme à double tranchant. Beaucoup d’entreprises n’ont pas encore appliqué la même rigueur qu’à d’autres domaines liés à la data science, car il est facile de commencer d’un point de vue marketing. Mais à mesure que l’entreprise se développe, la maturité et la complexité de l’expérimentation augmentent également. C’est à ce moment-là que la littérature sur la création et la mise à l’échelle des plateformes est peu abondante, ce qui fait que le domaine est sous-évalué et qu’il est difficile de recruter les bons profils.

Quand l’expérimentation à petite échelle est votre meilleure chance

Lorsque l’on est une entreprise de grande envergure – comme Microsoft ou Google, avec des business units, des sources de données, des technologies et des opérations différentes – le déploiement de nouvelles fonctionnalités ou de modifications est une entreprise incroyablement risquée, étant donné que toute erreur peut avoir un impact sur des millions d’utilisateurs. Imaginez que vous introduisiez accidentellement un bug pour Microsoft Word ou PowerPoint : l’impact sur le résultat net serait préjudiciable.

Pour ces entreprises, le meilleur moyen de mener des expériences est d’adopter une approche prudente et à petite échelle. L’objectif est de se concentrer sur l’action immédiate, en attrapant les choses rapidement en temps réel et en effectuant des roll back.

En revanche, si vous êtes une startup en phase d’hypercroissance, votre approche sera très différente. Ces petites entreprises doivent généralement montrer à leurs investisseurs des gains à deux chiffres pour chaque nouvelle fonctionnalité déployée, ce qui signifie que leurs actions sont davantage axées sur la preuve de l’impact positif de la fonctionnalité et de la longévité de son succès.

Faites des métriques vos alliés de confiance

Chaque entreprise aura des indicateurs très différents en fonction de ce qu’elle recherche ; il est essentiel de définir ce que vous voulez avant de vous lancer dans l’expérimentation et la construction de votre programme.

Une question que vous devrez vous poser est la suivante : de quoi mes managers se soucient-ils ? Quels sont les objectifs de la direction ? C’est la clé pour définir le bon ensemble d’indicateurs qui fera avancer votre entreprise dans la bonne direction. Chad recommande d’établir une distinction entre les indicateurs front-end et back-end : les premiers sont facilement accessibles, les seconds le sont moins. Les indicateurs client-side, qu’il appelle indicateurs front-end, mesurent le revenu par transaction. Toutes les mesures mènent alors aux revenus, ce qui en soi n’est pas nécessairement une mauvaise chose, mais cela signifie simplement que toutes vos décisions sont basées sur la croissance des revenus et moins sur la preuve de l’évolutivité ou de l’impact gagnant d’une fonctionnalité.

Le conseil de Chad est de commencer par les problèmes de mesure que vous rencontrez, et à partir de là, de développer votre culture de l’expérimentation, de développer le système et enfin de choisir une plateforme.

Que pouvez-vous apprendre d’autre de notre conversation avec Chad Sanderson?

  • Des besoins d’expérimentation différents pour les équipes engineering et marketing
  • Construire une culture de l’expérimentation de haut en bas
  • L’inconvénient de la mise à l’échelle des MVPs
  • Pourquoi les spécialistes du marketing sont les porte-drapeaux de l’expérimentation
A propos de Chad Sanderson

Chad Sanderson est un expert de l’expérimentation digitale et de l’analyse à grande échelle. Product manager, écrivain et conférencier, il a donné des conférences sur des sujets tels que l’analyse avancée de l’expérimentation, les statistiques de l’expérimentation digitale, l’expérimentation à petite échelle pour les petites entreprises, etc. Il a précédemment travaillé en tant que gestionnaire de programme senior pour la plateforme d’IA de Microsoft. Avant cela, Chad a travaillé pour l’équipe d’expérimentation de Subway en tant que responsable de la personnalisation.

A propos de 1,000 Experiments Club

Le 1,000 Experiments Club est un podcast produit par AB Tasty et animé par Marylin Montoya, VP Marketing chez AB Tasty. Rejoignez Marylin et l’équipe marketing alors qu’ils s’entretiennent avec les experts les plus compétents du monde de l’expérimentation pour découvrir leurs points de vue sur ce qu’il faut faire pour créer et exécuter des programmes d’expérimentation réussis.

Partager sur

LinkedIn Facebook Twitter

Article

20 Août 2021
6min lecture

1,000 Experiments Club : Une conversation avec Ronny Kohavi (Ex Airbnb, Microsoft et Amazon)

AB Tasty

AB Tasty

L’un des pionniers de l’expérimentation nous fait part d’une réalité qui fait réfléchir : la plupart des idées sont vouées à l’échec (et c’est une bonne chose)

Peu de personnes ont accumulé autant d’expérience que Ronny Kohavi en matière d’expérimentation. Son travail chez des géants de la tech tels qu’Amazon, Microsoft et Airbnb – pour n’en citer que quelques-uns – a permis de construire les fondations de ce qui est aujourd’hui l’expérimentation digitale.

Avant que l’idée de « build fast, deploy often » ne s’impose dans les entreprises techs, les développeurs suivaient un modèle en cascade qui prévoyait des releases moins nombreuses (parfois tous les 2 ou 3 ans). Le raccourcissement des cycles de développement au début des années 2000, grâce à la méthodologie Agile et à une hausse de l’expérimentation digitale, a créé la tempête parfaite pour une révolution du développement logiciel – et Ronny était au centre de tout cela.

Marylin Montoya, VP Marketing d’AB Tasty, a voulu découvrir les débuts de l’expérimentation avec Ronny et pourquoi l’échec est en fait une bonne chose. Voici quelques-unes des principales conclusions de leur conversation.

.

Les déploiements progressifs comme filet de sécurité

Un cycle typique d’expérimentation consiste à exposer le test à 50 % de la population pendant deux semaines en moyenne avant une diffusion progressive. Mais Ronny suggère d’aborder la question d’un point de vue différent. Commencer par une petite audience de seulement 2 % avant de passer à 50 %. La montée en puissance plus lente vous donne le temps de détecter tout problème flagrant ou une dégradation des valeurs des métriques en temps quasi réel.

Dans une expérience, nous pouvons nous concentrer sur deux fonctionnalités seulement, mais nous disposons d’un large ensemble de garde-fous qui suggèrent que nous ne devrions pas dégrader X, Y ou Z. Les données statistiques que vous recueillez peuvent également suggérer que vous avez un impact sur quelque chose que vous ne vouliez pas. D’où l’utilisation de déploiements progressifs qui permettent d’identifier les facteurs externes et de rollback facilement.

C’est comme si vous faisiez refroidir de l’eau : vous vous rendez compte que vous changez la température, mais ce n’est que lorsque vous atteignez 0ºC que la glace se forme. Vous réalisez soudain que lorsque vous atteignez un certain point, quelque chose de très important se produit. Ainsi, le fait de déployer à une vitesse sûre et de surveiller les résultats peut conduire à d’énormes améliorations.

Votre idée géniale ? Elle va très probablement échouer.

Rien ne vous permet de mieux vérifier la réalité que l’expérimentation à grande échelle. Tout le monde pense qu’il fait le meilleur travail du monde jusqu’à ce qu’il soit entre les mains de ses utilisateurs. C’est à ce moment-là que le vrai feedback entre en jeu.

Plus de deux tiers des idées ne parviennent pas à faire évoluer les paramètres qu’elles étaient censées améliorer – une statistique que Ronny partage avec nous depuis son passage chez Microsoft, où il a fondé l’équipe d’expérimentation, composée de plus de 100 data scientists, développeurs et responsables de programmes.

Cependant, ne vous laissez pas décourager. Dans le monde de l’expérimentation, l’échec est une bonne chose. Échouer rapidement, pivoter rapidement. Le fait de se rendre compte que la direction dans laquelle vous vous engagez n’est pas aussi prometteuse que vous le pensiez vous permet d’utiliser ces nouvelles découvertes pour enrichir vos prochaines actions.

Chez Airbnb, l’équipe d’expérimentation de Ronny a déployé de nombreux algorithmes d’apprentissage automatique pour améliorer la recherche. Sur 250 idées testées dans le cadre d’expériences contrôlées, seules 20 d’entre elles se sont avérées avoir un impact positif sur les paramètres clés – ce qui signifie que plus de 90 % des idées n’ont pas réussi à faire bouger l’aiguille. En revanche, qu’en est-il des 20 idées qui ont connu un certain succès ? Elles ont permis d’améliorer de 6 % la conversion des réservations, ce qui représente des centaines de millions de dollars.

Le starter pack pour l’expérimentation

Il est plus facile aujourd’hui de convaincre les dirigeants d’investir dans l’expérimentation, car il existe de nombreux cas d’utilisation réussis. Le conseil de Ronny est de commencer avec une équipe qui dispose d’un capital d’itération. Si vous êtes en mesure d’effectuer davantage d’expériences et qu’un certain pourcentage d’entre elles sont réussies ou échouées, cette capacité à essayer des idées est essentielle.

Choisissez un scénario dans lequel vous pouvez facilement intégrer le processus d’expérimentation dans le cycle de développement, puis passez à des scénarios plus complexes. La valeur de l’expérimentation est plus claire car les déploiements sont plus fréquents. Si vous travaillez dans une équipe qui effectue des déploiements tous les six mois, il n’y a pas beaucoup de marge de manœuvre car tout le monde a déjà investi ses efforts dans l’idée que la fonctionnalité ne peut pas échouer. Ce qui, comme Ronny l’a souligné plus tôt, a une faible probabilité de succès.

L’expérimentation convient-elle à toutes les entreprises ? La réponse courte est non. Une entreprise doit disposer de certains ingrédients pour pouvoir tirer profit de l’expérimentation. L’un de ces ingrédients est d’être dans un domaine où il est facile d’apporter des changements, comme les services pour les sites Web ou les logiciels. Le deuxième ingrédient est qu’il faut un nombre suffisant d’utilisateurs. Une fois que vous avez des dizaines de milliers d’utilisateurs, vous pouvez commencer à expérimenter et à le faire à grande échelle. Enfin, assurez-vous de disposer de résultats fiables pour prendre vos décisions.

Que pouvez-vous apprendre d’autre de notre conversation avec Ronny Kohavi ?

  • Comment l’expérimentation devient centrale dans la construction de votre produit
  • Pourquoi l’expérimentation est à la base des meilleures entreprises technologiques
  • Le rôle des dirigeants dans l’évangélisation d’une culture de l’expérimentation
  • Comment créer un environnement propice à une l’expérimentation et à des résultats fiables ?
A propos de Ronny Kohavi

Ronny Kohavi est un véritable expert en matière d’expérimentation, ayant travaillé sur des expériences contrôlées, le machine learning, la recherche, la personnalisation et l’IA pendant près de trois décennies. Ronny était auparavant vice-président technique chez Airbnb. Avant cela, Ronny a dirigé l’analyse et l’expérimentation au sein du groupe Cloud et IA de Microsoft et a été directeur de l’exploration des données et de la personnalisation chez Amazon. Ronny est également co-auteur de “Trustworthy Online Controlled Experiments : A Practical Guide to A/B Testing.,” qui est actuellement le livre sur le data mining le plus vendu sur Amazon.

A propos de 1,000 Experiments Club

Le 1,000 Experiments Club est un podcast produit par AB Tasty et animé par Marylin Montoya, VP Marketing chez AB Tasty. Rejoignez Marylin et l’équipe marketing alors qu’ils s’entretiennent avec les experts les plus compétents du monde de l’expérimentation pour découvrir leurs points de vue sur ce qu’il faut faire pour créer et exécuter des programmes d’expérimentation réussis.

Partager sur

LinkedIn Facebook Twitter