Un framework d’expérimentations Growth pour itérer à la vitesse de l’éclair 🧑🔬🚀
Template Notion d'expérimentations Growth à télécharger en fin d'article 🎁
Un des principes de base du Growth Marketing est l’expérimentation rapide.
A une époque ou chaque startup est à la recherche des fameux “Growth Hacks”, expérimenter de manière véloce est capital pour :
Maximiser la vitesse à laquelle trouver son/ses Hack(s).
Maximiser les chances de trouver son/ses Hack(s).
Le concept d’expérimentation rapide a notamment été introduit par Sean Ellis dans son livre “Hacking Growth” (une sorte de bible fondatrice du Growth hacking).
Pourquoi appliquer l’expérimentation rapide ? Comment expérimenter ? On découvre tout ça ensemble aujourd’hui👇
🧪 Expérimenter à fort tempo : la stratégie essentielle pour débloquer rapidement croissance et Growth Hacks
A la manière d’un scientifique, le travail d’un Growth Marketer/Hacker est d’expérimenter rapidement pour découvrir de nouveaux Hacks/opportunités de croissance.
Pourquoi expérimenter rapidement ? Pour simplement maximiser vos chances de trouver la stratégie gagnante.
Expérimenter rapidement permet d’échouer, d’obtenir des learnings, et de trouver les stratégies gagnantes le plus rapidement possible. A budget réduit.
En maximisant les expérimentations, on maximise ses chances de réussite. Fini les stratégies de croissance basées sur du ressenti, on teste et on mesurer les résultats de nos actions avant de déployer.
En se basant sur des hypothèses de résultats, on fait parler la data pour tirer des conclusions et s’assurer d’allouer les ressources nécessaires aux actions payantes et ROIstes.
La vaste majorité des big techs appliquent cette méthodologie d’expérimentations rapides.
Amazon en est un exemple parfait comme l’a décrit Jeff Bezos dans sa lettre aux actionnaires de fin 2020 :
“To invent you have to experiment, and if you know in advance that it’s going to work, it’s not an experiment. Most large organizations embrace the idea of invention, but are not willing to suffer the string of failed experiments necessary to get there.”
Par définition, expérimenter, c’est tester de nouvelles approches dont les résultats sont incertains.
On cherche à :
Découvrir de nouvelles stratégies.
Ou améliorer l’existant en optimisant une metric.
Un célèbre exemple des résultats que peuvent apporter l’expérimentation véloce est celui du site Growthhackers.com décrite dans l’article “High Tempo Testing Revives GrowthHackers.com Growth”
Le nombre de visiteurs mensuels de growthhackers.com est passé de 90k à +140k en seulement 4 mois suite à de nombreux tests réalisés sur l’acquisition, le premier A du framework AARRR.
Bonne nouvelle : c’est une méthodologie applicable à n’importe quel type de business, de la petite PME au grand groupe du CAC 40.
Il est néanmoins important de rappeler que chaque Hack est spécifique à chaque business : copier coller une tactique qui a fonctionné au sein d’une startup ne garantit en aucun cas votre succès.
La méthodologie Growth hacking d’expérimentation rapide est très bien documentée. De nombreux frameworks permettent, lorsqu’ils sont utilisés avec discipline, de décupler ses chances de réussite en expérimentant.
⚙️ Le Growth hacking process : comment experimenter avec méthode et efficacité
Le Growth hacking process est un framework d’expérimentation rapide que l’on peut représenter de la sorte :
Définition des hypothèses servant de base aux expérimentations : « nous pensons que… ».
Brainstorming pour trouver des idées d’expérimentation : « pour vérifier cette hypothèse, nous allons… ».
Priorisation des expérimentations.
Mise en place et run des expérimentations.
Analyse des résultats et apprentissages apportés par les expérimentations.
Conclusion → L’expérimentation est un win ou fail ? Doit on l’arrêter ou la déployer à échelle ?
En amont du Growth hacking process, on conseille fortement de cadrer sur quelle partie du funnel AARRR (Acquisition - Activation - Rétention - Referral - Revenu), le Framework Growth qui représente les étapes du parcours client, on souhaite expérimenter.
Une fois la partie du funnel sur laquelle expérimenter définie, se pencher sur une ou plusieurs metrics précises à améliorer.
Cela évite la dispersion et les objectifs trop globaux.
On préféra par exemple commencer le brainstorming avec l’approche suivante :
« Cette semaine, l’objectif est d’expérimenter sur le revenu. Nous pensons qu’il est possible d’augmenter le nombre d’utilisateurs passant du plan freemium au plan payant ».
Plutôt que « nous souhaitons augmenter le chiffre d’affaires de l’entreprise ».
Cette approche cadrée permet de s’appuyer sur une metric précise à améliorer (ici la conversion plan freemium → plan payant) plutôt que sur un objectif très global qui peut paraître difficile à atteindre (augmenter le chiffre d’affaires), bien que ce soit l’objectif final visé.
1️⃣ Définition des hypothèses
Première étape du Growth hacking process, la définition des hypothèses est clé pour trouver des idées d’expérimentations actionnables.
On réalise un premier état des lieux pour comprendre la situation actuelle avant de définir nos expérimentations.
Sur quelle partie de notre funnel perd t’on le plus d’utilisateurs actuellement ?
Sur quelle metric pourrait t’on expérimenter pour avoir un impact maximal sur les OKRs de l’entreprise ?
Si l’on reprend notre exemple précédent, ou l’on souhaite augmenter le nombre d’utilisateurs passant du plan freemium au plan payant (une metric Revenue donc), nos hypothèses pourraient être :
“Nous pensons que peu d’utilisateurs passent du plan freemium au plan payant car notre pricing ne convient pas à nos principaux personas”.
“Nous pensons que peu d’utilisateurs passent du plan freemium au plan payant car nos séquences d’emailing destinées à l’upgrade au plan payant ne présentent pas clairement notre value proposition”.
Une fois ces hypothèses définies, il est temps de Brainstormer pour trouver des idées d’expérimentations.
2️⃣ Brainstorming
En fonction du rythme d’expérimentations voulu, l’équipe Growth ou bien la/les personnes en charge d’expérimenter en interne (CEO, product manager et un growth marketer en startup early par exemple) se réunissent pour brainstormer et trouver des idées d’expérimentations.
On écrit ici toutes les idées proposées par chacun des membres de l’équipe, sans jugement ni classement.
L’objectif est de rester le plus ouvert possible pour que chaque membre de l’équipe se sente libre d’exprimer ses idées.
On cherche à formuler nos idées d’expérimentations en répondant à nos problématique définies en étape 1 :
« Pour vérifier l’hypothèse disant que nos utilisateurs convertissent peu du plan Freemium au plan payant car nos séquences d’emails d’upgrade au plan payant ne sont pas assez efficaces, nous allons A/B tester une nouvelle séquence d’emails et comparer son efficacité à la séquence actuelle».
3️⃣ Priorisation
Deux frameworks populaires existent pour la priorisation des idées d’expériments obtenues suite au brainstorming:
ICE : Impact - Confidence - Ease
PIE : Potential - Importance - Ease
ICE:
Impact : quel est l’impact potentiel de l’expérimentation sur l’objectif visé ?
1 = impact minimal, 5 = impact maximal.
Confidence : quel est le niveau de confiance dans la réussite de cette expérimentation ? Plus le niveau de confiance est élevé, plus le score le sera. Pour éviter des biais, l’idée est ici d’estimer le niveau de confiance via des critères objectifs. Par exemple, si une pratique largement utilisée dans notre industrie s’apprête à être testée, on peut en déduire qu’elle a de bonne chance de fonctionner.
1 = faible confiance, 5 = forte confiance.Ease : l’expérimentation nécessite t’elle beaucoup de ressources (budget, temps…) pour être implémentée ? Plus elle est simple, plus le score sera élevée. 5 correspond à une expérimentation facile à implémenter.
1 = implémentation difficile, 5 = implémentation facile.
PIE :
Potential : Quel est le potentiel de cette expérimentation ? C’est un critère assez similaire au “Confidence” de ICE.
1 = faible potentiel, 5 = fort potentiel.Importance : Quelle est l’importance de cette expérimentation ? Une expérimentation sur une page avec fort traffic (homepage ou page produit par exemple) aura plus d’importance que sur une page mineure du site.
1 = faible importance, 5 = forte importance.Ease : Similaire à ICE, ce critère correspond à la facilité d’implémentation d’une expérimentation.
1 = implémentation difficile, 5 = implémentation facile.
Ici également, on additionne les notes des 3 critères pour obtenir le score PIE.
Pour chaque framework, on privilégie de tester les expérimentations au score les plus élevés.
Ces deux frameworks sont en réalité assez similaires, les critères de notation ayant des appellations différentes mais une signification commune.
Libre à vous donc de choisir le framework qui vous convient, les différences étant minimes.
L’important étant d’apporter une notation la plus objective possible aux idées d’expérimentations et choisir avec lucidité ce qu’il faut tester.
4️⃣ Construction et run des expérimentations
On passe ensuite dans le concret. C’est le moment d’exécuter.
Et c’est une étape à ne surtout pas négliger, l’exécution étant une des parties majeures du process.
Une bonne exécution des expérimentations permet :
Garantir que les learnings de l’expérimentation seront fiables.
Maximiser ses chances de réussite.
Une des pires sensations que l’on peut ressentir si l’on a mal construit et runné une expérimentation est la non confiance en les résultats et les learnings apportés.
Prenons un exemple concret : l’A/B test, un processus qui consiste à tester deux versions d’un contenu (site web, email, ads…), est un des types d’expérimentations les plus populaires.
Lorsque l’on construit et run un A/B test, il faut s’assurer en amont :
De bien avoir défini ses métriques de succès : quel uplift de conversion par exemple cherche t’on à générer pour considérer qu’une version est un succès ?
De s’assurer que l’échantillon sur lequel sont testées les deux versions est de taille suffisante.
Que la différence du nombre de conversions est suffisante pour déclarer un gagnant.
Sans ces éléments, les résultats seront faussés ou non significatifs, et l’expérimentation n’aura rien apporté; ou pire, aura menée à une fausse conclusion.
Nous reviendrons sur le sujet des A/B tests, plus complexe qu’il n’y paraît, dans une prochaine édition.
Pour la construction et le run d’une expérimentation, il faut donc s’assurer de :
Définir clairement sa métrique de succès.
Cadrer le temps de run de l’expérimentation.
Identifier l’audience sur laquelle réaliser le test.
Faire appel aux ressources internes ou externes nécessaires : à t’on besoin de faire appel à l’équipe dev par exemple ?
Sélectionner les outils nécessaires à la construction et l’analyse des résultats.
5️⃣ Analyse des résultats et learnings
Une fois l’expérimentation terminée, il est temps d’analyser les résultats et learnings découverts.
L’idéal ici est de s’assurer que les résultats sont probants → constate t’on une réelle amélioration/un seuil suffisant de conversion via l’expérimentation menée ?
Y’a t’il des learnings auxquels on ne s’attendait pas ?
Cette phase d’analyse doit être menée de la manière la plus fine possible pour s’assurer que notre conclusion sera bonne.
Si l’on considère que l’on n’a pas assez de data, ou que la data est faussée, il faudra faire tourner plus longtemps l’expérimentation ou bien en relancer une nouvelle.
6️⃣ Conclusion → Win ou Fail ? Scale ou Kill ?
Suite à l’analyse de nos résultats, cette expérimentation peut-elle être considéré comme un Win ou un Fail ?
Si l’expérimentation est un Win → Il est temps de la déployer à grande échelle pour maximiser son impact.
Si l’expérimentation est un Fail → Quels sont les learnings obtenus ? Que retire t’on de cet échec ?
Le processus d’expérimentation rapide (Growth Hacking Process) comporte une grande part d’échec.
Il est tout à fait normal d’échouer régulièrement, c’est même sain. Cela prouve que nos expérimentations portent sur sujets inconnus, nouveaux, ou un fort potentiel de découverte est présent.
A titre d’exemple, environ 50 à 60% des expérimentations que je mène en tant que Growth Manager chez BlaBlaCar échouent.
Documenter au maximum ses réussites et échecs permet de récolter de précieux apprentissages sur comment débloquer des opportunités de croissance.
🎁 Framework d’expérimentations Growth : Un template Notion pour tes expérimentations
Tu souhaites implémenter dès maintenant le Growth Hacking Process pour ton business ?
Voici un template Notion permettant d’utiliser le Growth Hacking process et débloquer des opportunités de croissance👇
