Mais comment décliner cette organisation à la stratégie de prix ? Comment s’adapter de manière internationale aux différentes perceptions du prix, au sein des différents marchés ?

Dans ce case study, découvrez la stratégie de prix internationale de Club Med et ses enjeux ainsi que des cas d’expérimentations concrets dont vous pouvez vous inspirer pour votre propre business !

L'article Décliner la stratégie de prix à l’international : un défi pour le CRO chez Club Med est apparu en premier sur abtasty.

À ce stade, vous avez probablement remarqué que la plupart des conseils en matière de CRO sont adaptés aux sites web à fort trafic. Heureusement, cela ne veut pas dire que vous ne pouvez pas optimiser ce dernier, même en ayant un trafic plus faible.

La vérité est que n’importe quel site web peut être optimisé : il vous suffit d’adapter votre stratégie d’optimisation à votre situation spécifique.

Dans cet article, nous aborderons :

• Le mécontentement le plus courant concernant le CRO  (le seuil de certitude de 95 % et d’où il provient)
• Un seuil approprié pour un faible trafic
• Des idées sur le façon d’optimiser sur votre site web avec un flux de trafic réduit
• La technique de test CUPED
• Quand la technique CUPED fonctionne et ne fonctionne pas

Commençons par une analogie

Pour faciliter la compréhension de cet article, commençons par une analogie. Imaginez : plutôt que de mesurer deux variations et de choisir un gagnant, nous mesurons les performances de deux boxeurs et plaçons des paris sur qui remportera les 10 prochains rounds.

Comment choisir sur qui parier ?

Imaginons que le boxeur A et le boxeur B soient tous les deux des débutants que personne ne connaît. Après le premier round, vous devez faire votre choix. En fin de compte, vous allez très probablement parier sur le boxeur qui a remporté le premier round. Cela peut être risqué si la marge de victoire est faible, mais en fin de compte, vous n’avez pas d’autre moyen de prendre votre décision.

Maintenant, imaginez que le boxeur A est connu comme un champion, et le boxeur B est un challenger que vous ne connaissez pas. Votre connaissance sur le boxeur A est ce que l’on appelle un « prior », à savoir des informations que vous obtenez en amont et qui influencent votre décision.

Sur la base de cette connaissance préalable, vous serez plus enclin à parier sur le boxeur A en tant que champion pour les prochains rounds, même si le boxeur B remporte le premier round avec une marge très faible.

De plus, vous ne choisirez le boxeur B comme champion prédit que s’il remporte le premier round avec une marge importante. Plus votre connaissance préalable est forte, plus la marge doit être grande pour vous convaincre de changer votre pari.

Vous suivez ? Si c’est le cas, les paragraphes suivants seront faciles à comprendre et vous comprendrez vite d’où vient ce « seuil de 95 % ».

Maintenant, passons aux conseils pour optimiser votre site web à faible trafic.

1. Résoudre le problème : « Je n’atteins jamais le seuil de certitude de 95% »

C’est le mécontentement qui revient le plus souvent concernant le CRO sur des sites web à faible trafic et sur les pages à faible trafic de plus grands sites web.

Avant d’approfondir ce problème, commençons par répondre à la question suivante : d’où vient cette « règle d’or » des 95% ?

L’origine du seuil de certitude de 95%

Commençons notre explication avec une idée très simple : que se passerait-il si les stratégies d’optimisation étaient appliquées dès le premier jour ? Si deux variantes sans historique étaient créées en même temps, il n’y aurait pas de version « originale » contestée par un nouvel arrivant.

Cela vous obligerait à choisir la meilleure dès le départ.

Dans ce cas, la moindre différence de performance pourrait être prise en compte pour prendre une décision. Après un court test, vous choisiriez la variante avec la meilleure performance. Il ne serait pas bon de choisir la variante qui a une performance inférieure et, de plus, ce serait insensé d’attendre un seuil de certitude de 95% pour choisir un gagnant.

Mais en pratique, l’optimisation est réalisée bien après le lancement d’une entreprise.

Ainsi, dans la réalité, il existe une version A qui existe déjà et un nouveau challenger (version B) qui est créé.

Si le nouveau challenger (la version B) arrive et que la différence de performance entre les deux variantes n’est pas significative, vous n’aurez aucun problème à déclarer que la version B n’est « pas un gagnant ».

Les tests statistiques sont symétriques. Donc, si nous inversions les rôles, en échangeant A et B dans le test statistique, cela indiquerait que l’original n’est pas significativement meilleur que le challenger. L’aspect « non concluant » du test est symétrique.

Alors, pourquoi orientez-vous 100% du trafic vers l’original à la fin d’un test non concluant, en déclarant implicitement A comme gagnant ? Parce que vous avez pris en compte trois connaissances préalables :

1. La version A était le choix initial. Il a été élaboré par le créateur de la page.
2. La version A a déjà été mise en œuvre et techniquement approuvée. La version B n’est généralement qu’une maquette.
3. La version A dispose de nombreuses données pour prouver sa valeur, tandis que B est un challenger avec des données limitées qui ne sont collectées que pendant la période de test.

Les points 1 et 2 sont les bases d’une stratégie de CRO, vous devrez donc aller au-delà de ces deux points. Le point 3 explique que la version A dispose de plus de données pour étayer sa performance. Cela permet de comprendre pourquoi vous faites plus confiance à la version A qu’à la version B. 

Maintenant, vous comprenez que cette règle de seuil de certitude fixé à 95% est une façon d’expliquer des connaissances préalables. Et celles-ci proviennent principalement des données historiques.

Par conséquent, lors de l’optimisation d’une page à faible trafic, votre seuil de certitude devrait être inférieur à 95% car vos connaissances sur A sont plus faibles en raison de son trafic et de son ancienneté.

Ce seuil devrait être défini en fonction du volume du trafic qui a traversé le site web depuis son premier jour. Le problème avec cette approche, c’est que nous savons que les taux de conversion ne sont pas stables et qu’ils peuvent changer avec le temps. Pensez à la saisonnalité, par exemple l’afflux du Black Friday, les jours de congé, les périodes de Noël où l’activité augmente, etc. En raison de ces variations saisonnières, il n’est pas possible de comparer les performances à des périodes différentes.

C’est pourquoi les professionnels ne tiennent compte que des données pour la version A et la version B collectées pendant la même période, et ils fixent un seuil de certitude élevé (95%) pour accepter le challenger comme gagnant afin de formaliser les connaissances préalables solides en faveur de la version A.

Quel est le seuil de décision approprié lors d’un faible trafic ?

Il est difficile de suggérer un chiffre exact sur lequel se concentrer car cela dépend de votre tolérance au risque.

Selon le protocole de la méthode de  » test d’hypothèse », on doit fixer une période de collecte de données, et analyser seulement à la fin de cette période.

Cela signifie que le critère d’arrêt d’un test n’est pas une mesure statistique ou basée sur un nombre spécifique. Le critère d’arrêt devrait être une période de temps qui se termine. Une fois la période terminée, vous devez examiner les statistiques pour prendre une décision appropriée.

AB Tasty, notre logiciel d’optimisation de l’expérience client et de feature management, utilise la méthode bayésienne qui produit un indice de « chance de gagner”. Cet indice permet une interprétation directe des chances de gagner, plutôt que d’obtenir une P valeur qui elle a une signification très complexe.

En d’autres termes, l’indice de « chance de gagner » est la probabilité qu’une variation donnée soit meilleure que l’original.

Par conséquent, une « chance de gagner » de 95% signifie qu’il y a une probabilité de 95% que la variation donnée soit gagnante. Cela suppose que nous n’avons ni connaissance préalable, ni confiance spécifique dans l’original.

Le seuil de 95% lui-même est également un compromis par défaut entre la connaissance préalable que vous avez sur l’original et un certain niveau de tolérance au risque (cela aurait même pu être un seuil de 98%).

Bien qu’il soit difficile de donner un chiffre exact, voici une échelle approximative pour votre seuil :

• Nouvelles variations A et B : si vous avez un cas où la variation A et la variation B sont toutes les deux nouvelles, le seuil peut être très bas, jusqu’à 50 %. S’il n’y a pas de données antérieures sur les performances des variations et que vous devez faire un choix pour la mise en œuvre, même une chance de gagner de 51 % est meilleure que 49 %.
• Nouveau site web, faible trafic : si votre site web est nouveau et a très peu de trafic, vous avez probablement très peu de connaissances préalables sur la variation A (ici, la variation d’origine). Dans ce cas, fixer un seuil de 85 % est raisonnable. Cela signifie que si vous mettez de côté ce que vous savez déjà sur l’original, vous avez encore 85 % de chance de choisir le gagnant et seulement 15 % de chance de choisir une variation équivalente à l’original (avec une chance encore moindre qu’elle se comporte moins bien). Selon le contexte, un tel pari peut avoir du sens.
• Entreprise mature, faible trafic : si votre entreprise a une longue histoire mais un trafic faible, un seuil de 90 % est raisonnable. C’est parce qu’il y a encore peu de connaissances antérieures sur l’original.
• Entreprise mature, trafic élevé : si vous disposez de nombreuses données ou de connaissances préalables sur la variation A, un seuil de 95 % est approprié.

Le seuil d’origine de 95 % est bien trop élevé si votre entreprise a un faible trafic, car il y a peu de chances que vous l’atteigniez. Par conséquent, votre stratégie CRO n’aura aucun effet, et la prise de décision basée sur les données devient impossible.

En utilisant AB Tasty comme plateforme d’expérimentation, vous recevrez un rapport comprenant la « chance de gagner » ainsi que d’autres informations statistiques concernant vos expériences. Il inclurait également l’intervalle de confiance sur le gain estimé, qui est un indicateur important. Les limites autour du gain estimé sont également calculées de manière bayésienne, ce qui signifie qu’elles peuvent être interprétées comme le meilleur et le pire scénario. 

L’importance des statistiques bayésiennes

Maintenant que vous comprenez le sens précis du niveau de « certitude » de 95%, pourtant bien connu, vous êtes en mesure de sélectionner des seuils appropriés correspondant à votre cas particulier.

Il est important de se rappeler que cette approche ne fonctionne qu’avec les statistiques bayésiennes, car l’approche fréquentiste fournit des indices statistiques (tels que les P valeurs et les intervalles de confiance) qui ont un sens totalement différent et ne conviennent pas à la logique expliquée.

2. Les statistiques sont-elles valables avec de petits nombres ?

Oui, elles sont valables tant que vous ne mettez pas fin au test en fonction du résultat. Vous pouvez ignorer le readiness shield.

Rappelez-vous que le protocole de test indique qu’une fois que vous avez décidé d’une période de test, la seule raison de l’arrêter est lorsque ce délai est écoulé. Dans ce cas, les indices statistiques (« chance de gagner » et intervalle de confiance) sont vrais et utilisables.

Vous pensez peut-être : « D’accord, mais j’atteins rarement le seuil de certitude de 95%… »

Rappelez-vous que le seuil de 95% n’a pas besoin d’être le chiffre magique pour tous les cas. Si vous avez peu de trafic, il est probable que votre site web soit récent. Si vous vous référez au point précédent, vous pouvez consulter notre échelle suggérée pour différents scénarios.

Si vous avez peu de trafic en tant que nouvelle entreprise, vous pouvez certainement passer à un seuil plus bas (comme 90%). Le seuil est encore assez élevé car il est courant d’avoir plus confiance en une version originale qu’en une variante car elle est utilisée depuis plus longtemps.

Si vous avez affaire à deux variantes totalement nouvelles, à la fin de votre période de test, il sera plus facile de choisir la variante avec le plus grand nombre de conversions (sans utiliser un test statistique) puisqu’il n’y a aucune connaissance préalable de la performance de A ou B.

3. Faire le chemin à l’envers

Parfois, le problème de trafic n’a pas pour cause un site web à faible trafic, mais plutôt une page web. En effet, dans la plupart des cas, les pages avec un faible trafic se situent à la fin du funnel d’achat.

Dans ce cas, une excellente stratégie consiste à travailler sur l’optimisation de celui-ci. Une première solution peut se trouver en cherchant à optimiser le parcours client digital tout au long du funnel.

4. Est-ce que la technique CUPED fonctionne vraiment ?

Qu’est-ce que CUPED ?

Controlled Experiment Using Pre-Experiment Data est un terme à la mode dans le domaine de l’expérimentation. CUPED est une technique qui prétend produire des résultats jusqu’à 50% plus rapidement. Cela est très attrayant pour les sites Web à faible trafic.

Est-ce que CUPED fonctionne vraiment aussi bien ?

Pas exactement, pour deux raisons : l’une est organisationnelle et l’autre est liée à son application.

La contrainte organisationnelle

Ce qui est souvent oublié, c’est que CUPED signifie Controlled experiment Using Pre-Experiment Data.

En pratique, la période idéale pour collecter des « Pre-Experiment Data » est de deux semaines pour espérer une réduction de temps de 50%.

Ainsi, pour un test classique de 2 semaines, CUPED prétend que vous pouvez mettre fin au test en seulement 1 semaine.

Cependant, pour pouvoir observer correctement vos résultats, vous aurez besoin de deux semaines de données pré-expérimentation. En réalité, vous devez donc disposer de trois semaines pour mettre en œuvre CUPED afin d’obtenir la même précision qu’un test classique de 2 semaines.

Oui, vous avez bien lu. En fin de compte, vous aurez besoin de trois semaines pour mener à bien une expérimentation.

En d’autres termes, cette méthode n’est utile que si vous disposez déjà de deux semaines de données de trafic non exposées à une quelconque expérience. Mais si vous pouvez planifier deux semaines sans expérimentations dans votre roadmap pour collecter des données, cela bloquera le trafic pour d’autres expériences.

La contrainte d’application

En plus de la contrainte organisationnelle/liée à la période des deux semaines, il existe deux autres prérequis pour que CUPED soit efficace :

1. CUPED s’applique uniquement aux visiteurs parcourant le site à la fois pendant la période de pré-expérimentation et la période expérimentale.
2. Ces visiteurs doivent avoir le même comportement par rapport au KPI. Les données des visiteurs doivent être corrélées entre les deux périodes.

Vous constaterez dans le paragraphe suivant que ces deux contraintes rendent CUPED pratiquement impossible pour les sites de e-commerce et ne s’appliquent qu’aux plateformes.

Revenons à notre exemple de configuration d’expérimentation :

• Deux semaines de données pré-expérimentation.
• Deux semaines de données d’expérimentation (que nous espérons ne durer qu’une semaine grâce à la réduction de temps de 50% supposée).
• L’objectif d’optimisation est une transaction : augmenter le nombre de conversions.

La contrainte numéro 1 stipule qu’il faut avoir les mêmes visiteurs pendant la période de pré-expérimentation et d’expérimentation. Or, le parcours du visiteur dans le secteur du e-commerce dure généralement une semaine.

En d’autres termes, il y a très peu de chances que vous voyiez les mêmes visiteurs dans les deux périodes. Ainsi, on ne peut s’attendre qu’à un effet très limité de CUPED (limité à la portion de visiteurs observés dans les deux périodes).

La contrainte numéro 2 stipule que les visiteurs doivent avoir le même comportement en ce qui concerne la conversion (par rapport au KPI en cours d’optimisation). Honnêtement, cette contrainte n’est tout simplement jamais respectée dans le e-commerce.

La conversion dans le e-commerce se produit soit pendant la période de pré-expérimentation, soit pendant la période expérimentale, mais pas dans les deux cas (à moins que votre client effectue fréquemment plusieurs achats pendant la période de l’expérience).

Cela signifie qu’il n’y a aucune chance que les conversions des visiteurs soient corrélées entre les périodes.

En résumé : CUPED n’est tout simplement pas applicable aux sites e-commerce pour optimiser les transactions.

Cela est clairement indiqué dans l’article scientifique d’origine, mais dans un souci de popularité, cette technique de buzzword est présentée de manière erronée dans l’industrie des tests.

En réalité, CUPED fonctionne uniquement pour les conversions multiples sur des plateformes qui ont des visiteurs récurrents effectuant les mêmes actions.

Les grandes plateformes adaptées à CUPED seraient les moteurs de recherche (comme Bing, où il a été inventé) ou les plateformes de streaming où les utilisateurs viennent quotidiennement et effectuent les mêmes actions répétées (lecture d’une vidéo, clic sur un lien dans une page de résultats de recherche, etc.).

Mais si vous essayez de trouver une application de CUPED dans le domaine du e-commerce, vous vous rendrez rapidement compte que ce n’est tout simplement pas possible.

• On pourrait essayer d’optimiser le nombre de produits consultés, mais le problème de la contrainte 1 reste applicable : un très petit nombre de visiteurs sera présent dans les deux ensembles de données. De plus, il y a une objection encore plus fondamentale : ce KPI ne devrait pas être optimisé en lui-même, sinon vous encouragez potentiellement l’hésitation entre les produits.
• Vous ne pouvez même pas essayer d’optimiser le nombre de produits achetés par les visiteurs avec CUPED car la contrainte numéro 2 reste valable. L’acte d’achat peut être considéré comme instantané. Par conséquent, il ne peut se produire que dans une période ou l’autre, pas les deux. S’il n’y a pas de corrélation attendue dans le comportement des visiteurs, il n’y a alors aucun effet CUPED à attendre.

Conclusion sur CUPED

En conclusion, CUPED ne fonctionne pas pour les sites de e-commerce où une transaction est l’objectif principal d’optimisation. À moins d’être Bing, Google ou Netflix, CUPED ne sera pas l’ingrédient secret pour vous aider à optimiser votre activité.

Cette technique est certainement un mot à la mode qui suscite rapidement l’intérêt. Cependant, il est important d’avoir une vision plus globale avant de vouloir ajouter CUPED à votre feuille de route. Les marques de e-commerce devront prendre en compte le fait que cette technique de test ne convient pas à leur entreprise.

Optimisation pour les sites à faible trafic

Les marques ayant un faible trafic sont toujours des candidats privilégiés pour l’optimisation de leur site web, même si elles doivent adopter une approche légèrement différente de la méthode traditionnelle.

Que cela implique de choisir une page plus haut dans le funnel d’achat ou d’adopter un seuil de certitude légèrement plus bas, l’optimisation continue est cruciale.

Vous souhaitez commencer à optimiser votre site Web ? AB Tasty est la plateforme d’optimisation de l’expérience best-in-class qui vous permet de créer une expérience digitale enrichie rapidement. De l’expérimentation à la personnalisation, cette solution peut vous aider à activer et à engager votre public pour stimuler vos conversions.

Vous pouvez trouver le lien de l’article original ici.

L'article Comment faire face à un faible trafic en CRO est apparu en premier sur abtasty.

Cette stratégie sera illustrée par un cas d’expérimentation concret, montrant comment s’adresser à différentes sources de trafic et ainsi comprendre leurs attentes et leurs besoins.

Accédez vite à leurs résultats ! 

Un site n’est jamais fixe, il faut toujours être à la page des standards, répondre aux attentes des clients, corriger des bugs et améliorer la performance

Inès Selma, Product Owner chez Homair

L'article La stratégie data-driven chez Homair : le fondement d’une expérience de réservation optimale est apparu en premier sur abtasty.

Cette stratégie sera illustrée par un cas d’expérimentation concret, montrant comment concilier la présentation d’une expérience de voyage haut de gamme avec l’affichage de son prix !

Accédez vite à leurs résultats ! 

Allez plus loin !

Découvrez dans ce webinar comment Club Med décline sa stratégie de prix à l’international dans un contexte glocal.

L'article L’expérimentation « glocale » avec Club Med est apparu en premier sur abtasty.

7

ans de partenariat avec AB Tasty

190

millions de billets vendus en 2022 sur SNCF Connect

Cela fait maintenant 7 ans que SNCF Connect & Tech et AB Tasty travaillent ensemble pour optimiser l’expérience client des utilisateurs web et app.

SNCF Connect & Tech adopte AB Tasty en 2016, solution d’optimisation de l’expérience client et développe l’expérimentation au service de la performance des solutions digitales créées. La montée en compétences se fait rapidement au fil des années, comme en témoigne en 2020 l’adoption de la plateforme server-side d’AB Tasty, Flagship, visant à compléter la stratégie d’expérimentation mise en place jusqu’ici.

SNCF Connect, le nouveau produit phare de l’entreprise, sort en 2022 et comptabilise pas moins de 3 millions de visites quotidiennes et plus de 190 millions de billets vendus en 2022, soit l’équivalent de 6,5 stades de France remplis chaque jour !

Le rôle de l’expérimentation et du CRO pour SNCF Connect

Le CRO a joué un rôle majeur non seulement dans le cadrage du MVP (Minimum Viable Product) du produit SNCF Connect mais aussi dans son suivi post-lancement.

Lors de cette période, 63% des enseignements des analyses de parcours ont été pris en compte. Par exemple, il a été constaté que 20% des utilisateurs de l’application arrivés en page dite “devis” avec le résultat de leur recherche, retournent sur la page d’accueil pour la modifier. Le choix de conception qui en découle est l’intégration d’un composant permettant la modification de la recherche sur l’app.

De même, 75% des enseignements issus des A/B Tests réalisés ont été pris en compte pour la création du MVP. Parmi eux se trouvent la gestion des consentements à la géolocalisation, la concrétisation d’options (prix hors option actualisé) ou encore l’optimisation du parcours de renouvellement de cartes commerciales.

Dans le suivi post-lancement, ce ne sont pas moins de 40 analyses qui ont été réalisées afin de mesurer l’efficacité du produit délivré et de confirmer les hypothèses de travail. Par ailleurs, la démarche test & learn a été relancée au sein de l’entreprise grâce aux outils d’A/B Testing AB Tasty et Flagship, nécessaires à l’élaboration d’une roadmap d’optimisation continue.

Organisation et intégration de la dimension CX au sein de SNCF Connect & Tech

Aujourd’hui, les équipes de Delivery dans la direction Produits sont organisées comme vous le voyez ci-dessous, c’est-à-dire par univers puis grandes thématiques de parcours (“Distribuer” pour les parcours de distribution des billets ou “Accompagner” pour tout ce qui est accompagnement et compte client…), à l’image de poupées russes.

L’organisation du Delivery Produits & Tech

Dans chacun de ces univers se trouvent plusieurs domaines, par typologie de parcours par exemple : longue distance, courte distance, etc. Dans chacun de ces domaines, des équipes dédiées travaillent sur des sujets ou fonctionnalités précises concernant ces parcours.

La CX intervient de façon transverse dans cette organisation et est insufflée à l’ensemble des équipes, qui collaborent entre elles. Par exemple, il y a un expert CRO et plusieurs product designers qui sont identifiés en amont et qui travaillent avec chaque univers sur tous les sujets.

Le rôle de la CX chez SNCF Connect & Tech

L’expertise CX et CRO au sein du cycle de vie projet chez SNCF Connect & Tech

Au sein de l’entreprise, la direction CX joue un rôle important dans un cycle de vie projet et il existe différentes expertises ou actions qui peuvent être déclenchées aux différents niveaux du cycle.

Parmi les expertises CX à contribution, on voit que le CRO intervient sur toutes les phases de discovery, de delivery et de run d’un projet. Tout d’abord en discovery, pour sécuriser la bonne orientation d’une étude, d’un cadrage. Puis en delivery, pour accompagner et sécuriser les choix de conception par de l’analyse ou de l’A/B testing. Enfin, en run d’un projet, pour mesurer l’efficacité des évolutions portées et détecter des opportunités d’optimisation.

Comme évoqué précédemment, le CRO a joué un rôle central à la fois dans le cadrage pré-lancement de SNCF Connect mais aussi dans son suivi post-lancement, tout au long du projet. Avec des analyses de parcours et des A/B Tests, les hypothèses de travail pouvaient être validées rapidement, créant ainsi une roadmap d’optimisation continue data-driven.

Chez SNCF Connect & Tech, l’expérimentation est l’affaire de toutes les équipes. Avec leur mode de fonctionnement transverse, le produit est divisé par thématiques avec des équipes responsables de développer les fonctionnalités associées.

La stratégie d’expérimentation chez SNCF Connect & Tech

Centraliser la maîtrise et le développement des A/B Tests a de grandes vertus et c’est une stratégie qui fonctionne car elle permet à l’équipe CRO de gérer en autonomie la bande passante dédiée. C’est parce que cette compétence est difficile à répandre et maintenir que cette stratégie a longtemps perduré chez SNCF Connect & Tech.

Pour autant, elle pose un certain nombre de défis :

• Un risque de tension concernant la question de l’ownership : développer des A/B Tests en dehors d’une feature team veut aussi dire que la feature team est moins en maîtrise de ce delivery.
• Un risque sur la qualité de la prod : en tant qu’équipe transverse en “en dehors des équipes de delivery”, l’équipe CRO prend le risque d’être déconnectée des mises à jour et des processus de prod, ce qui peut engendrer des incompréhensions et des éventuels aléas négatifs.

C’est ainsi que la stratégie d’expérimentation chez SNCF Connect & Tech a évolué vers son modèle de fonctionnement actuel, dit de “décentralisation”. Contrairement à ce que l’on pourrait croire au premier abord, cela ne consiste pas à abandonner tout ownership sur la démarche d’A/B Testing, bien au contraire : la stratégie reste globale, afin d’en garantir l’approche scientifique et statistique.

De manière plus concrète, voici ce que signifie cette stratégie :

• Les experts fonctionnels et tech ont la main sur le delivery du test, mais l’équipe CRO reste garante de son bon cadrage.
• Les synergies métier et tech sont renforcées avec des modes opératoires pour assurer le développement, l’activation et le suivi en production des A/B Tests.
• L’équipe CRO reste en supervision globale pour la gestion des conflits des tests et afin que les efforts portent sur les tests à forte valeur ajoutée.

Afin de rendre cela possible, un travail de partage et de diffusion des compétences techniques pour développer l’expérimentation en interne a été réalisé. Ceci rejoint aussi la nécessité de faire preuve de pédagogie auprès des différentes équipes pour s’assurer du succès du changement de stratégie : organisation de formations, mise à disposition de documentations pour assurer la montée en compétence des équipes… Le tout s’accompagne de prises de parole et de partage de la roadmap en interne et à tous les niveaux, jusqu’au comité de direction.

A PROPOS DE SNCF CONNECT & TECH

Leader du numérique et du e-commerce français, SNCF Connect & Tech est un pilier du secteur des mobilités. En tant que filiale, elle réunit les compétences numériques de SNCF Voyageurs au service du client avec pour raison d’être d’innover pour rendre les mobilités durables accessibles à tous. SNCF Connect & Tech a développé un service emblématique « SNCF Connect», héritier de OUI.sncf. Son ambition est de faciliter tous les déplacements sur tout le territoire, du premier au dernier kilomètre, avec des mobilités durables et partagées.

A PROPOS DE NOUS

Pour en savoir plus sur AB Tasty, rendez-vous ici.
Pour en savoir plus sur Contentsquare, rendez-vous ici.

Télécharger le PDF

L'article La stratégie d’expérimentation au service de la performance chez SNCF Connect & Tech est apparu en premier sur abtasty.

L'article OUI.sncf s’appuie sur AB Tasty pour innover sans risque est apparu en premier sur abtasty.

Le site de voyage a une mission simple : aider les adeptes du week-end qui travaillent dur à trouver facilement les meilleures offres de voyages. Le site fait partie des premiers à avoir adopté Flagship, notre nouvelle plateforme de gestion des fonctionnalités pour les équipes Produit. Leurs propres équipes techniques et produits ont ainsi pu découvrir et tester l’outil avant la sortie officielle.

Découvrez ce qu’ils en ont pensé !

L'article Naviguer en douceur avec Flagship : le retour d’expérience de Weekendesk est apparu en premier sur abtasty.

Selon notre étude, 90% des entreprises interrogées ont qualifié leur programme CRO comme “important” ou “extrêmement important” pour atteindre leurs objectifs stratégiques.

Aujourd’hui, l’optimisation des taux de conversions a beaucoup de valeur aux yeux des entreprises. Tous les secteurs s’y intéressent et sont désireux de bénéficier des avantages d’une stratégie CRO. Pourtant, nous entendons très souvent de la part de nos clients, prospects et partenaires à quel point la question de l’organisation d’une équipe CRO est complexe. 

Ce guide s’adresse aux entreprises de toute taille, de tout niveau de maturité ou de tout secteur cherchant à développer leur équipe CRO.

L'article Construire et développer son équipe CRO est apparu en premier sur abtasty.