Qu’est-ce que l’A/B testing sur Meta Business Manager et comment l’activer ?

Comme pour les campagnes Search de Google, les algorithmes des plateformes SMA évoluent régulièrement et rapidement. De fait, il n’existe pas une formule magique détenue par les partenaires media pour performer sur tous les comptes.

Une structure qui fonctionne durant un certain temps ne peut pas performer sans ajustement : il faut s’adapter aux différentes évolutions. De la même manière, les best practices proposées par vos account managers sont à prendre en compte, mais à challenger ! Justement, il est possible de définir des variables qui assurent le succès d’une campagne en SMA : 

• Le media buying, c’est-à-dire l’achat de l’espace publicitaire
• Les optimisations
• Le ciblage
• Les placements
• Les créas

Ces variables représentent des poches d’amélioration à exploiter par le biais de l’A/B test. 

Un A/B test est une technique qui permet de comparer deux versions d’un dispositif (comme une landing page ou une publicité). Pour cela, les deux versions (A et B) sont présentées de façon aléatoire aux utilisateurs. 

Une fois qu’un échantillon suffisant d’utilisateurs a été redirigé sur les différentes versions, une analyse statistique permet de déterminer quel dispositif (ici, une publicité) a été le plus efficace. Le schéma ci-dessous reprend de manière simplifiée le fonctionnement de cette technique.

En SMA, notamment sur les différentes solutions publicitaires du groupe Meta, l’A/B testing est précieux pour tester ses publicités, ses audiences, les challenger et proposer les versions les plus performantes aux utilisateurs. 

Nicolas David, Consultant SMA Senior chez Arcane, a accepté de participer à cet article pour vous aider à mieux comprendre l’importance des tests et apporter son expertise.

Des A/B tests réguliers et quasi constants pour faire face aux évolutions des algorithmes et best practices

Sur Meta, il est possible de réaliser des A/B tests sur quatre variables : les créas publicitaires, les audiences, les placements et les custom.

Comment fonctionnent les types d’A/B tests disponibles sur Meta ? 

Une fois la variable définie, Meta se charge de diviser votre budget afin que les deux versions de votre contenu soient diffusées de manière équivalente et aléatoire. Les performances des deux stratégies sont définies selon le coût par résultat, ou le coût par conversion lift. 

Meta propose plusieurs manières de créer des A/B tests. Il est recommandé de créer le test avec la barre d’outils du gestionnaire de publicité et d’utiliser une campagne existante comme modèle.

En vous rendant sur le tableau principal du gestionnaire de publicités, vous avez accès à l’ensemble de vos campagnes. C’est depuis cette page que vous pouvez sélectionner les publicités que vous souhaitez utiliser pour votre test, puis définir les variables que vous souhaitez tester. Les résultats sont ensuite disponibles sur la page “Expériences”.

Meta propose d’autres options pour réaliser les tests. Ces options sont plus ou moins pertinentes selon ce que vous souhaitez expérimenter : 

• Directement depuis “Expérience” : cette possibilité permet plus de flexibilité dans l’ajustement des campagnes, notamment si vous souhaitez utiliser plusieurs campagnes existantes pour le test.
• Au moment de la création de la campagne publicitaire : une option pratique si vous souhaitez tester une variable au moment où la campagne est créée. 
• En dupliquant une campagne ou un groupe de publicités existant : la première option permet de modifier les variables d’une campagne, puis d’observer quelle stratégie est la plus intéressante. La seconde option est un moyen d’obtenir des informations sur les différents types de modifications qu’il est possible d’apporter, puis de les comparer.
• Via une invitation (rarement) : parfois Meta suggère de pratiquer un A/B test s’il le juge pertinent. L’invitation propose alors de réaliser le test via l’onglet “Expérience”. 

Les moyens ne manquent pas lorsqu’il s’agit de pratiquer des tests sur la plateforme ! Cependant, des points importants sont à vérifier avant de se lancer dans ce type de pratique. 

Les prérequis et point d’attention pour vérifier qu’un test fonctionnera

Nous avons identifié trois point à checker absolument avant de vous lancer dans un test : 

• Un minimum de modifications pour éviter de relancer l’apprentissage de l’algorithme.
• Un budget assez conséquent pour que les variables testées soient optimales.
• Entre deux semaines à quatre semaines de run pour avoir une vision claire et une bonne fiabilité, l’objectif étant de dépasser les 80 % de fiabilité.

Une fois ces points vérifiés, vous n’aurez plus de raison d'hésiter !

Exemples concrets d’A/B tests et de leur utilité

Nous allons ici vous détailler les différents tests disponibles sur Meta, leur fonctionnement, ainsi que des cas d’applications.

Avec les créas publicitaires

Premier exemple : votre client veut savoir si c’est une créa A ou B qui fonctionne le mieux. Cela peut se jouer sur le pur sens créatif, dans le message, ou même dans le format : image ou vidéo ? Format carré (1:1) ou Vertical (4:5) ? Quel CTA ou quel message amène plus de performances ? 

Dans le cas suivant, nous avons l’exemple typique : 

Nous observons que la campagne Version A (contenant des créas au format 4:5) performe mieux au coût par résultat que la version B (qui contenait la même créa, mais au format 1:1).

Avec les audiences 

Pour un client qui travaillait dans la livraison de course, nous avons voulu savoir si réduire un Lookalike à 1% (dans la campagne Version B) plutôt que 5%, était générateur de performance, ou non. En effet, il peut arriver que concentrer le Lookalike pour un objectif de conversion soit générateur de meilleures performances. 

Résultats : 

Les performances démontrent que sur ce client, qui n’est justement pas sur un marché de niche, mais de masse, ouvrir le ciblage a du sens. 

Une bonne étude complémentaire à faire dans ce cas est de regarder ce qu’il se passe avec une ouverture progressive du ciblage. 

A noter : l’A/B Test n’a duré qu’une semaine, mais la fiabilité annoncée et les résultats optimaux des deux campagnes étaient suffisants.

Avec une variable Custom

Une variable dite “Custom” est une variable moins commune comme un l'objectif, un événement d’optimisation, une stratégie d'enchères, etc. 

Chez Arcane nous apprécions particulièrement la dimension Custom pour tester les événements d’optimisations, ou un batch de créas similaires pour un client, quand il n’a pas le temps de faire plusieurs tests étalés sur plusieurs semaines. 

Par exemple, nous questionnons souvent la valeur de certains indicateurs sur Meta par rapport à certains KPIs. Un de nos clients souhaitait optimiser ses campagnes de Trafic aux Clics sur Lien, un indicateur qu’il suivait. Cependant, nous remarquons qu’il y avait beaucoup de déperdition entre un clic sur un lien et une visite (vue de page de destination). 

Nous avons donc dupliqué une campagne A, ayant un objectif de Trafic optimisé au clic, pour en faire une campagne B, mais avec un objectif de conversion optimisé à la vue de contenu (vue de page produit).  L’indicateur qui allait nous intéresser ici, c’est le coût par vue de page de destination.

Résultat : 

Le constat est sans appel : cette campagne B a bien mieux fonctionné. Elle avait des CPMs plus élevées, des coûts pour mille personnes touchées plus élevées également, mais le comportement final était bien plus qualifié, car entraînant plus d’ajouts au panier ou d’achat. 

Pro tip : nous vous conseillons de double checker avec votre taux de rebond de votre solution d’Analytics, ou le comportement sur site, pour confirmer ou non le bon comportement. Cela peut vous donner d’autres éléments pour définir un trafic qualifié à amener.

Les potentielles limites de l’A/B testing sur Meta : 

L’AB Test sur Meta (ou sur d’autres plateformes SMA) est extrêmement utile pour définir une tendance en comparant deux éléments. 

Néanmoins, les A/B tests gardent quelques limites : 

• Les tests ne représentent une réalité qu’à un instant T. Avec les modifications régulières de l’algorithme ou des tendances créatives, il est nécessaire de refaire des tests à intervalles réguliers.
• Les tests peuvent temporairement dégrader vos performances. Dans le cas où vous êtes obligés de dupliquer des campagnes pour réaliser vos tests, votre budget à l’origine sur la campagne originale le sera également. Si vous ne pouvez pas vous permettre de faire un push temporaire de budget, il y a un risque de dégradation temporaire de performances. 
• Dans le cadre d’un A/B test sur une publicité, il ne vous permettra pas forcément de savoir pourquoi une créa performe mieux qu’une autre. D’autres hypothèses doivent être formulées et testées pour en tirer les insights les plus précis, notamment dans le cas où vous avez des publicités avec deux messages radicalement différents.
• Il est nécessaire de prioriser et de faire un suivi constant de vos A/B tests et de leurs résultats, comme vous le faites déjà pour suivre les performances.
• La durée d’un test ou la comparaison avec un élément qui a plus d’historique que le second peut également fausser vos résultats.

Les A/B tests sont donc des outils précieux, voire indispensables, dans le cadre de campagnes SMA sur Meta. Ils permettent de faire face aux changements observés sur les plateformes et de vous adapter aux algorithmes.

Cependant, ces tests sont parfois complexes à réaliser et un regard expert est un excellent moyen pour en tirer tous les insights. C’est pour cela que chez Arcane, nous pensons que nos experts sont parfaitement à même de vous accompagner dans le lancement de ce type de projet. N’hésitez pas à nous contacter pour en savoir plus !