Blog CRO et A/B Testing.

Le ROI des tests A/B désigne la valeur générée par rapport aux ressources investies dans un programme d’expérimentation. Il permet de démontrer concrètement le retour financier

Le Flickering Effect (ou effet de scintillement) désigne un problème d’affichage visuel temporaire qui survient lorsqu’une page web charge d’abord la version originale (variante A),

Le « gain » dans un test A/B est la différence mesurée (en pourcentage ou en valeur absolue) entre le groupe de test et le groupe de

Le Revenue per User (RPU) représente la valeur monétaire moyenne qu’un utilisateur individuel génère pour l’entreprise sur une période donnée (jour, mois, trimestre, etc.). Il s’obtient en

Une roadmap d’optimisation est un plan séquencé et priorisé d’expérimentations et d’améliorations produit visant à atteindre des objectifs business mesurables (OKR, North Star Metric). L’arbre

Une hypothèse d’optimisation est une affirmation vérifiable qui relie une modification précise (interface, message, offre) à un public ciblé en formulant un résultat attendu mesurable

Le sample size (ou taille d’échantillon) désigne le nombre d’observations ou d’utilisateurs nécessaires pour qu’un test A/B, un MVT ou toute expérimentation statistique puisse détecter

La saisonnalité dans les tests A/B désigne les variations périodiques et prévisibles d’une métrique au fil du temps, dues à des facteurs récurrents tels que

L’hypothèse nulle, notée H0, est l’énoncé statistique de référence qui affirme qu’aucune différence véritable n’existe entre les groupes comparés ou qu’il n’y a pas d’effet

La segmentation consiste à diviser la population en groupes homogènes (par ex. par source de trafic, par type d’appareil, par région) pour analyser ou cibler