On a fait un A/B/C/D/E test sur Shopify : est-ce que ça en vaut le coup ?

Cinq versions d'un même menu, testées en parallèle sur une marque de cosmétiques. Deux blocs déplacés, rien d'autre. À l'arrivée, environ 300 commandes supplémentaires par mois. Simon raconte la méthode, la lecture des résultats, et pourquoi un deuxième test a suivi le premier.

Pourquoi tester le menu plutôt qu'une page

Le menu est l'élément le plus visité d'une boutique, et le seul que tous les parcours ont en commun. Qu'un visiteur arrive par l'accueil, une fiche produit, une collection ou un article de blog, il le voit. C'est ce qui donne à une modification de menu un effet sans commune mesure avec le même travail sur une seule page.

Cinq versions, deux blocs

Le test a porté sur deux éléments seulement : le bloc diagnostic et les blocs d'usage produit. Ce qui change d'une version à l'autre, c'est leur position dans le menu, leur taille, et le fait qu'ils restent ou non collés au défilement.

Les cinq versions ont tourné en même temps, sur Intelligems, pendant plusieurs semaines. C'est tout l'intérêt du A/B/C/D/E par rapport à une série de tests A/B successifs : la même période, la même saisonnalité, le même trafic pour tout le monde.

Ce que les résultats ont dit

La version E l'emporte : +2,55 % de conversion et +3,07 % de revenus, soit environ 140 commandes de plus par mois. Les usages produit remontés en haut du menu expliquent l'essentiel de l'écart.

Mais le gagnant n'est pas le seul enseignement. La version C, très proche en performance, portait une autre idée : un diagnostic qui reste collé au défilement. Deux trouvailles, dans deux versions différentes.

Le deuxième test, celui qui double le résultat

D'où un second A/B, cette fois pour combiner les deux : usages en haut, diagnostic sticky. Résultat : +3,72 % de conversion et +4,30 % de revenus, soit environ 300 commandes de plus par mois — le double du premier test.

C'est la leçon de méthode : un A/B/C/D/E ne sert pas qu'à désigner un gagnant, il sert à isoler les ingrédients qui marchent pour les réassembler ensuite.

Pourquoi ne pas déployer à 100 %

La version gagnante n'a pas été poussée à tout le trafic. Elle tourne à 70 %, contre 30 % à la version de contrôle : la validation continue dans la durée, et l'on garde de quoi comparer si le comportement change avec les saisons ou les campagnes.

Est-ce que ça en vaut le coup ?

Oui, à deux conditions. Il faut un volume de trafic suffisant pour que cinq versions atteignent chacune un seuil de lecture — sinon le test n'aboutit à rien. Et il faut accepter de lire les perdants : c'est souvent là, comme ici avec la version C, que se trouve l'idée du test suivant.