« Tests A/B & Machine Learning »

Le concept du mardi : chaque mardi, nous expliquons avec nos propres mots un concept autour de notre domaine d’expertise. Adeptes de start-ups, fondateurs de e-commerce, si vous aimez la technologie web au service du client, alors vous êtes au bon endroit.

Le concept du mardi #2 : « Tests A/B & Machine Learning »
Que faire, quand, comment ?
Thèmes : comportement client & technologie

Le test AB est utilisé pour optimiser le taux de conversion. Le but est de trouver ce qui plaît à vos client et d’identifier des pistes pour améliorer l’expérience client.

Méthodologies simplifié en quelques mots :

– Séparez vos utilisateurs en 2 groupes. Le premier groupe voit la version actuelle de la page, le second voit une version expérimentale de la même page.

– Rassemblez et comparez les statistiques récoltées

– Choisissez de faire perdurer la version qui rapporte le plus de conversion / d’argent / de trafic …

Cette méthode combat les choix intuitifs et hasardeux, souvent basés sur des décisions esthétiques plus que fonctionnelles. Le test AB vous permet d’appuyer vos décisions sur  des statistiques, et d’implémenter des changements qui vont vraiment faire évoluer les choses – la conversion par exemple – dans le bon sens.

Non, tout n’est pas A/B testable !

L’interface utilisateur de votre e-commerce est un bon exemple de chose à AB tester. Changez des éléments simples, essayez de placer des modules différemment, testez des couleurs  … Prenez le temps de rassembler des résultats et de construire un argumentaire. L’A/B test a un temps de réponse lent. C’est pourquoi l’utiliser pour comprendre le comportement utilisateur en profondeur vous prendra des mois et des mois. Vous ne pourrez pas répondre immédiatement à vos interrogations et à vos clients.

Redécouvrez le Machine Learning :

On parle ici de faire évoluer des algorithmes de fond, plus la forme d’un page web. Les technologies du Machine learning répondent à cette problématique.
Traduction littérale : Apprentissage automatique.

Exemple :
Nos algorithmes de personnalisation en temps réel apprennent de leurs erreurs, et répondent immédiatement à la demande. Nous utilisons le Machine Learning pour recommander des produits adaptés à chaque utilisateur, basé sur leur actions. Dans le cadre d’un outils e-marketing 1to1, tester sur la masse serait une perte de temps et d’argent. Aussi, les changements trop fréquents dans l’inventaire fausserait les résultats. Notre technologie s’adaptent aux changements d’attitude de comportement de chaque client et ne reproduisent pas 2 fois un modèle qui ne convertit pas. Pourquoi montrer à tous les mêmes produits quand chacun est venu chercher quelque chose de différent ?

Tests A/B, Machine learning … Comment être sur de faire le bon choix ?

A/B testez lorsque vous avez le temps, le droit à l’erreur et que vous contrôlez toutes les autres variables. Par exemple, envoyer deux campagnes d’e-mailing en parallèle à deux groupes de personnes similaire en changeant l’objet pour comparer les taux d’ouverture de chaque est une bonne méthode.

Lorsqu’on parle d’un modèle à l’évolution constant, que ce soit un choix de produit à montrer à chacun, un système de géolocalisation ou lorsque vous développez un business modèle intelligent ou une solution basés sur l’intelligence artificielle, tournez vous vers l’apprentissage automatique. .

Ces deux technologies peuvent en fait être complémentaires.

Nos algorithmes évoluent et s’adaptent aux actions du client et poussent les produits les plus adaptés dans les “cases” de votre design. AB tester le placement de ces “cases” de recommandations sur la page pour optimiser la conversion, c’est marier les deux méthodes pour atteindre la perfection.

Ce qui vous attend …

Des méthodes d’expériences en continu mélangeant Machine Learning et AB testing exisstent. On les appellent problèmes du “bandit manchot”.

Problème :
Vous êtes en face d’une rangée de machine à sous dans un casino, et voulez choisir la meilleure pour otpimiser vos gains.

Principe :
C’est simple – et simplifié ici. Vous essayez toutes les machines en même temps, et collectez des statistiques continuellement sur chacune. Chaque résultats obtenu est pris en compte pour choisir quel(s) appareil(s) laisser tourner, et sur le(s)quel(s) arrêter d’investir. Appliquez cette méthode jusqu’à ce qu’il n’en reste qu’une, celle qui vous fera gagner le gros lot.

But :
Réduire au maximum le coût d’opportunité du maintien d’un choix qui ne paye pas pour mettre en avant ceux/celui qui maximise vos bénéfices.

À mardi prochain !

Un concept vous inspire et vous aimez notre style ?  Proposez le à commerce@ezako.com ou contactez-nous directement via facebook ou twitter @BigDataEzako #ConceptDuMardi !