Résultats et métriques du test A/B

Découvrez des données et des insights importants issus de nos tests A/B, en comparant différents paywalls et onboardings pour voir comment ils influencent le comportement des utilisateurs, l’engagement et les taux de conversion. En examinant les métriques et les résultats présentés ici, vous pouvez prendre des décisions éclairées et améliorer les performances de votre app. Plongez dans les données pour trouver des insights concrets et booster le succès de votre app.

Résultats du test A/B

Voici les trois métriques qu’Adapty fournit pour les résultats du test A/B :

Revenus : Cette métrique indique le montant total en USD généré par les achats et les renouvellements, déduction faite des remboursements accordés aux utilisateurs. Elle inclut aussi bien l’achat initial que les renouvellements d’abonnement ultérieurs. Les revenus vous permettent de comprendre les performances financières de chaque variante d’un test A/B et de déterminer laquelle génère le plus d’argent.

Pour en savoir plus sur les métriques de paywall.

Probabilité d’être le meilleur : Adapty utilise un cadre d’analyse mathématique robuste pour analyser les résultats des tests A/B et fournit une métrique appelée Probabilité d’être le meilleur. Cette métrique évalue la probabilité qu’une variante particulière soit la meilleure option (en termes de revenus à long terme) parmi toutes les variantes testées. La métrique est exprimée en pourcentage allant de 1 % à 100 %. Pour des informations détaillées sur la façon dont Adapty calcule cette métrique, veuillez consulter la documentation. La meilleure option, déterminée par le Revenu pour 1 000 utilisateurs, est mise en évidence en vert et automatiquement sélectionnée comme choix par défaut.

Revenu pour 1 000 utilisateurs : La métrique de revenu pour 1 000 utilisateurs calcule le revenu moyen généré par 1 000 utilisateurs pour chaque variante de test A/B. Cette métrique vous aide à comprendre l’efficacité en termes de revenu de vos variantes, indépendamment du nombre total d’utilisateurs. Elle vous permet de comparer les performances de différentes variantes sur une échelle standardisée et de prendre des décisions éclairées basées sur l’efficacité de génération de revenus.

Intervalles de prédiction pour le revenu pour 1 000 utilisateurs : La métrique de revenu pour 1 000 utilisateurs inclut également des intervalles de prédiction. Ces intervalles de prédiction représentent la plage dans laquelle le revenu réel pour 1 000 utilisateurs d’une variante donnée est prédit de se situer, sur la base des données disponibles et de l’analyse statistique.

Dans le contexte des tests A/B, lorsqu’on analyse les revenus générés par différentes variantes, on calcule le revenu moyen pour 1 000 utilisateurs pour chaque variante. Étant donné que les revenus peuvent varier d’un utilisateur à l’autre, les intervalles de prédiction indiquent clairement les valeurs plausibles du revenu pour 1 000 utilisateurs, en tenant compte de la variabilité et de l’incertitude associées au processus de prédiction.

En intégrant des intervalles de prédiction dans la métrique de revenu par 1 000 utilisateurs, Adapty vous permet d’évaluer l’efficacité revenue de vos variantes de test A/B en tenant compte de la plage des résultats de revenu possibles. Ces informations vous aident à prendre des décisions basées sur les données et à optimiser efficacement votre stratégie d’abonnement, en prenant en considération l’incertitude inhérente au processus de prédiction ainsi que les valeurs plausibles du revenu par 1 000 utilisateurs.

En analysant ces métriques fournies par Adapty, vous pouvez obtenir des informations sur les performances financières, la signification statistique et l’efficacité des revenus de vos variantes de test A/B, ce qui vous permet de prendre des décisions basées sur les données et d’optimiser efficacement votre stratégie d’abonnement.

Métriques d’un test A/B

Adapty met à votre disposition un ensemble complet de métriques pour mesurer efficacement les performances de vos tests A/B sur vos variantes de paywall ou d’onboarding. Ces métriques sont mises à jour en temps réel en continu, à l’exception des vues qui sont actualisées périodiquement. Comprendre ces métriques vous aidera à évaluer l’efficacité des différentes variantes et à prendre des décisions basées sur les données pour optimiser votre stratégie de paywall ou d’onboarding.

Les métriques des tests A/B sont disponibles dans la liste des tests A/B, où vous pouvez avoir une vue d’ensemble des performances de tous vos tests A/B. Cette vue complète présente des métriques agrégées pour chaque variante de test, vous permettant de comparer leurs performances et d’identifier les différences significatives. Pour une analyse plus approfondie de chaque test A/B, vous pouvez accéder aux métriques détaillées du test A/B. Cette section fournit des métriques approfondies spécifiques au test A/B sélectionné, vous permettant d’examiner en détail les performances de chaque variante.

Toutes les métriques, à l’exception des vues, sont attribuées au produit au sein du paywall ou de l’onboarding.

Filtrer les métriques par date d’installation

Les métriques des paywalls, des essais et des achats peuvent être regroupées selon deux types de dates :

• La date de l’événement — quand le paywall a été consulté, quand l’essai a commencé ou quand l’achat a eu lieu.
• La date d’installation — quand l’utilisateur a ouvert l’application pour la première fois.

Les deux vues peuvent afficher des chiffres très différents pour la même période. La case Filter metrics by install date détermine laquelle le tableau de bord utilise :

• Décochée (par défaut) : Les métriques sont regroupées par date d’événement.
• Cochée : Les métriques sont regroupées par date d’installation.

Exemple. Vous définissez la période du 1er au 30 avril et consultez les essais.

• Décochée : Affiche les essais démarrés en avril, quelle que soit la date d’installation de ces utilisateurs.
• Cochée : Affiche les essais des utilisateurs installés en avril, quelle que soit la date de début de leur essai.

La vue par date d’installation continue d’évoluer après la fin de la période. Un utilisateur installé en avril qui démarre un essai en juillet est ajouté à avril à ce moment-là, si bien que les métriques d’avril augmentent chaque fois que vous les consultez. La vue par date d’événement ne fonctionne pas ainsi — chaque événement est comptabilisé le jour où il s’est produit.

Utilisez la vue par date d’installation pour mesurer les performances d’acquisition d’une cohorte spécifique. Utilisez la vue par date d’événement pour mesurer l’activité des paywalls ou de l’onboarding sur une période donnée.

Contrôles des métriques

Le système affiche les métriques en fonction de la période sélectionnée et les organise selon le paramètre de la colonne de gauche, avec trois niveaux d’indentation.

Plages de temps

Vous pouvez choisir parmi différentes périodes pour analyser les données de métriques, ce qui vous permet de vous concentrer sur des durées spécifiques telles que des jours, des semaines, des mois ou des plages de dates personnalisées.

Filtres et regroupements disponibles

Adapty propose des outils puissants pour filtrer et personnaliser l’analyse des métriques selon vos besoins. Depuis la page des métriques, vous avez accès à différentes plages de temps, options de regroupement et possibilités de filtrage.

• ✅ Filtrer par : Audience, attribution, pays, paywall, état du paywall, groupe de paywalls, onboarding, placement, pays, store, produit et store du produit.
• ✅ Regrouper par : Produit et store.

Graphique de métriques unique

L’un des éléments clés de la page de métriques d’un paywall ou d’un onboarding est la section graphique, qui représente visuellement les métriques sélectionnées et facilite leur analyse.

Le graphique de la section des métriques du test A/B comprend un graphique à barres horizontales représentant visuellement les valeurs de la métrique sélectionnée. Chaque barre correspond à une valeur de métrique et est proportionnelle à cette valeur, ce qui permet de comprendre les données en un coup d’œil. La ligne horizontale indique la période analysée, et la colonne verticale affiche les valeurs numériques des métriques. La valeur totale de toutes les valeurs de métriques est affichée à côté du graphique.

De plus, cliquer sur l’icône en forme de flèche dans le coin supérieur droit de la section du graphique développe la vue et affiche les métriques sélectionnées sur la totalité de la ligne du graphique.

Résumé du test A/B

À côté du graphique des métriques individuelles, la section de résumé des détails du test A/B est affichée. Elle inclut des informations sur l’état, la durée, les placements et d’autres détails connexes du test A/B.

Définitions des métriques

Voici les métriques clés disponibles pour les tests A/B :

Revenus

Les revenus représentent le montant total en USD généré par les achats et les renouvellements issus du test A/B. Cela inclut l’achat initial ainsi que les renouvellements d’abonnement ultérieurs. La métrique de revenus est calculée avant déduction de la commission de l’App Store ou du Play Store.

En savoir plus sur les métriques de revenus des paywalls.

CR vers les achats

Le taux de conversion vers les achats mesure l’efficacité de votre test A/B à convertir les vues en achats réels. Il se calcule en divisant le nombre d’achats par le nombre de vues. Par exemple, si vous avez enregistré 10 achats pour 100 vues, le taux de conversion vers les achats est de 10 %.

Taux de conversion vers les essais

Le taux de conversion (CR) vers les essais correspond au nombre d’essais démarrés depuis le test A/B divisé par le nombre de vues. Il mesure l’efficacité de votre test A/B à convertir les vues en activations d’essai. Il est calculé en divisant le nombre d’essais démarrés par le nombre de vues.

Achats

La métrique Achats représente le nombre total de transactions effectuées depuis le paywall ou l’onboarding dans le cadre du test A/B. Elle inclut les types d’achats suivants :

• Les nouveaux achats effectués.
• Les conversions d’essais activés.
• Les changements de formule (passage à une offre inférieure, supérieure ou latérale).
• Les restaurations d’abonnements (par exemple, lorsqu’un abonnement expire sans renouvellement automatique et est ensuite restauré).

Notez que les renouvellements ne sont pas inclus dans la métrique Achats.

Trials

La métrique Trials indique le nombre total d’essais gratuits activés dans le cadre du test A/B.

Essais annulés

La métrique des essais annulés représente le nombre d’essais pour lesquels le renouvellement automatique a été désactivé. Cela se produit lorsque les utilisateurs se désinscrivent manuellement de l’essai.

Remboursements

Les remboursements du test A/B représentent le nombre d’achats et d’abonnements remboursés spécifiquement liés aux variantes testées.

Vues

Les vues correspondent au nombre d’affichages des paywalls ou des onboardings qui composent le test A/B. Si l’utilisateur visite deux fois, cela est comptabilisé comme deux visites.

Vues uniques

Les vues uniques correspondent au nombre de fois où un utilisateur a consulté le paywall ou l’onboarding de manière unique. Si l’utilisateur le visite deux fois, cela ne compte que pour une seule vue unique.

Probabilité d’être la meilleure

La métrique Probabilité d’être la meilleure quantifie la probabilité qu’une variante spécifique au sein d’un test A/B soit l’option la plus performante parmi tous les paywalls ou onboardings testés. Elle fournit une probabilité numérique indiquant la performance relative de chaque paywall ou onboarding. La métrique est exprimée sous forme de pourcentage allant de 1 % à 100 %.

ARPU (revenu moyen par utilisateur)

Pour les tests A/B d’onboarding uniquement. Mesure le revenu moyen généré par chaque utilisateur sur une période donnée. Il se calcule en divisant le revenu total par le nombre d’utilisateurs uniques.

ARPPU (Revenu moyen par utilisateur payant)

L’ARPPU désigne le revenu moyen par utilisateur payant issu du test A/B. Il se calcule en divisant le revenu total par le nombre d’utilisateurs payants uniques. Par exemple, si vous avez généré 15 000 $ de revenus auprès de 1 000 utilisateurs payants, l’ARPPU est de 15 $.

ARPAS (Revenu moyen par abonné actif)

L’ARPAS est une métrique qui mesure le revenu moyen généré par abonné actif dans le cadre d’un test A/B. Il se calcule en divisant le revenu total par le nombre d’abonnés ayant activé un essai ou un abonnement. Par exemple, si le revenu total est de 5 000 $ et que vous avez 1 000 abonnés, l’ARPAS sera de 5 $. Cette métrique permet d’évaluer le potentiel de monétisation moyen par abonné.

Produits nets

La métrique de produits nets pour le test A/B représente le montant réel reçu par le propriétaire de l’application en USD, provenant des achats et des renouvellements après déduction de la commission applicable de l’App Store / Play Store. Elle reflète le revenu net spécifiquement associé aux variantes testées dans le test A/B, contribuant directement aux revenus de l’application. Pour plus d’informations sur le calcul des produits nets, vous pouvez consulter la documentation Adapty.

Abonnés uniques

La métrique des abonnés uniques représente le nombre de personnes distinctes ayant souscrit un abonnement ou activé une période d’essai via les variantes du test A/B. Chaque abonné n’est comptabilisé qu’une seule fois, quel que soit le nombre d’abonnements ou d’essais qu’il a initiés.

Abonnés payants uniques

La métrique des abonnés payants uniques représente le nombre d’individus uniques ayant effectué un achat avec succès et étant devenus des abonnés payants via les variantes du test A/B.

Taux de remboursement

Le taux de remboursement pour le test A/B est calculé en divisant le nombre de remboursements associés aux variantes du test par le nombre de premiers achats (les renouvellements sont exclus). Par exemple, si l’on compte 5 remboursements pour 1 000 premiers achats, le taux de remboursement est de 0,5 %.

Taux de conversion unique aux achats

Le taux de conversion unique aux achats pour un test A/B est calculé en divisant le nombre d’achats associés aux variantes du test par le nombre de vues uniques. Par exemple, si on compte 10 achats pour 100 vues uniques, le taux de conversion unique aux achats est de 10 %.

Taux de conversion unique vers les essais

Le taux de conversion unique vers les essais pour un test A/B est calculé en divisant le nombre d’essais démarrés spécifiquement associés aux variantes du test par le nombre de vues uniques. Par exemple, si 30 essais ont démarré pour 100 vues uniques, le taux de conversion unique vers les essais est de 30 %.

Complétions & complétions uniques

Pour les tests A/B d’onboarding uniquement. Les complétions comptabilisent le nombre de fois où les utilisateurs terminent votre onboarding via les variantes du test A/B, c’est-à-dire qu’ils passent du premier au dernier écran. Si quelqu’un le termine deux fois, cela compte pour deux complétions mais une seule complétion unique.

Taux de complétions uniques

Pour les tests A/B d’onboarding uniquement. Le nombre de complétions uniques divisé par le nombre de vues uniques. Cette métrique vous aide à comprendre comment les utilisateurs s’engagent avec l’onboarding selon les variantes du test A/B, et à apporter des modifications si vous constatez qu’ils l’ignorent.