Créer des expériences : documentation CheckoutOS

Créer un test A/B dans CheckoutOS est simple. Ce guide vous accompagne de l’hypothèse au lancement.

Avant de commencer

Liste de préparation du test

Définir l’hypothèse — Quel résultat attendez-vous ?
Choisir une variable — Tester un seul changement à la fois
Fixer les indicateurs de réussite — Que mesurerez-vous ?
Estimer la taille d’échantillon — Combien de temps le test devra-t-il durer ?
Obtenir l’accord des parties prenantes — Vérifier que tout le monde approuve le test

Créer une expérience

Accéder aux tests A/B

Allez dans CheckoutOS → A/B Testing → Create Experiment.

Nommer l’expérience

Utilisez un nom descriptif, comme « Test du titre d’offre — janvier 2025 ».

Choisir l’élément à tester

Choisissez l’élément : offre incitative, extension du paiement, lot, etc.

Créer les variantes

Configurez l’expérience témoin actuelle et la nouvelle variante.

Configurer la répartition du trafic

Décidez comment répartir les visiteurs entre les variantes.

Définir l’indicateur de réussite

Choisissez l’indicateur principal : conversion, panier moyen, etc.

Lancer

Vérifiez les paramètres et démarrez l’expérience.

Types d’expériences

Test d’offre incitative

Testez différents produits, réductions ou messages :

Test A/B d’offre incitative

{
  "experiment": {
    "name": "Premium Product Upsell Test",
    "type": "upsell_offer",
    "variants": [
      {
        "name": "Control",
        "weight": 50,
        "offer": {
          "product_id": "standard-upsell",
          "discount": "15%",
          "headline": "Add this to your order"
        }
      },
      {
        "name": "Premium Offer",
        "weight": 50,
        "offer": {
          "product_id": "premium-upsell",
          "discount": "20%",
          "headline": "Exclusive: Save 20% on this upgrade"
        }
      }
    ],
    "success_metric": "upsell_acceptance_rate"
  }
}

Test de prix

Testez différents montants de réduction ou stratégies tarifaires :

Test A/B des prix

{
  "experiment": {
    "name": "Discount Format Test",
    "type": "pricing",
    "variants": [
      {
        "name": "Percentage",
        "weight": 50,
        "discount": {
          "type": "percentage",
          "value": 20,
          "display": "20% OFF"
        }
      },
      {
        "name": "Fixed Amount",
        "weight": 50,
        "discount": {
          "type": "fixed",
          "value": 10,
          "display": "$10 OFF"
        }
      }
    ],
    "success_metric": "revenue_per_visitor"
  }
}

Test d’emplacement

Testez les emplacements des offres dans le parcours de paiement :

Test A/B des emplacements

{
  "experiment": {
    "name": "Upsell Placement Test",
    "type": "placement",
    "variants": [
      {
        "name": "Post-Purchase",
        "weight": 50,
        "placement": "post_purchase_page"
      },
      {
        "name": "Thank You Page",
        "weight": 50,
        "placement": "thank_you_page"
      }
    ],
    "success_metric": "conversion_rate"
  }
}

Configurer les variantes

Chaque variante peut personnaliser :

Options de variantes

Produit ou offre affichés
Montant et type de réduction
Texte du titre et de la description
Texte et couleur du bouton
Image ou média
Emplacement
Timing de l’apparition de l’offre

Différenciez les variantes

Vérifiez que les variantes présentent une différence significative. Comparer 14 % et 15 % de réduction n’apportera pas d’enseignement exploitable.

Tests multivariés

Pour les utilisateurs avancés, CheckoutOS propose des tests multivariés permettant de tester plusieurs variables simultanément :

Test multivarié

{
  "experiment": {
    "name": "Headline + Discount MVT",
    "type": "multivariate",
    "factors": [
      {
        "name": "headline",
        "levels": ["Save Big!", "Exclusive Offer", "Don't Miss Out"]
      },
      {
        "name": "discount",
        "levels": ["10%", "15%", "20%"]
      }
    ],
    "success_metric": "upsell_acceptance_rate"
  }
}

Attention à la taille d’échantillon

Les tests multivariés nécessitent des échantillons beaucoup plus grands. L’exemple ci-dessus comporte 9 combinaisons, soit 3 × 3, et demande 9 fois plus de trafic pour atteindre la significativité statistique.

Programmer les expériences

Contrôlez les périodes d’exécution :

Expérience programmée

{
  "schedule": {
    "start_date": "2025-02-01T00:00:00Z",
    "end_date": "2025-02-28T23:59:59Z",
    "auto_conclude": true,
    "minimum_runtime_days": 14,
    "minimum_conversions": 500
  }
}

Bonnes pratiques

Conseils de configuration

Écrivez d’abord une hypothèse — « Nous pensons que X améliorera Y de Z % »
Utilisez des noms descriptifs — Vous vous en féliciterez plus tard
Commencez avec 50/50 — Un trafic égal donne les résultats les plus rapides
Fixez une durée minimale — Évitez de consulter les résultats pour arrêter prématurément
Documentez tout — Consignez le raisonnement et les résultats

Sujets associés

Répartition du trafic

Stratégies avancées de répartition du trafic

Analyser les résultats

Comment interpréter les données d’expérience