Résultats et métriques des tests A/B

Découvrez des données et des insights importants grâce à 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 application. Plongez dans les données pour trouver des insights actionnables et booster le succès de votre application.

Résultats des tests A/B

Voici les trois métriques qu’Adapty fournit pour les résultats des tests A/B :

Revenue : cette métrique affiche le montant total généré en USD par les achats et les renouvellements, déduction faite des remboursements accordés aux utilisateurs. Elle inclut à la fois l’achat initial et les renouvellements d’abonnement ultérieurs. Revenue vous permet de comprendre comment chaque variante du test A/B se comporte financièrement et de déterminer laquelle génère le plus de revenus.

En savoir plus sur les métriques paywall.

Probability to be best : Adapty utilise un cadre d’analyse mathématique robuste pour analyser les résultats des tests A/B et fournit une métrique appelée Probability to be best. 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 le calcul de cette métrique par Adapty, consultez la documentation. La meilleure option, déterminée par le Revenue per 1K user, est mise en évidence en vert et automatiquement sélectionnée par défaut.

Revenue per 1K users : la métrique Revenue per 1K users calcule le revenu moyen généré pour 1 000 utilisateurs pour chaque variante du test A/B. Cette métrique vous aide à comprendre l’efficacité des revenus de vos variantes, indépendamment du nombre total d’utilisateurs. Elle vous permet de comparer les performances des 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 Revenue 1K users : la métrique Revenue per 1K users inclut également des intervalles de prédiction. Ces intervalles représentent la plage dans laquelle le vrai revenu pour 1 000 utilisateurs d’une variante donnée est prédit de se situer, en se basant sur les données disponibles et l’analyse statistique.

Dans le contexte des tests A/B, lors de l’analyse des revenus générés par différentes variantes, nous calculons le revenu moyen pour 1 000 utilisateurs pour chaque variante. Comme les revenus peuvent varier d’un utilisateur à l’autre, les intervalles de prédiction fournissent une indication claire des valeurs plausibles pour le 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 Revenue per 1K users, Adapty vous permet d’évaluer l’efficacité des revenus de vos variantes de test A/B tout en prenant en compte la plage des résultats de revenus potentiels. Ces informations vous aident à prendre des décisions basées sur les données et à optimiser efficacement votre stratégie d’abonnement, en tenant compte de l’incertitude dans le processus de prédiction et des valeurs plausibles pour le revenu pour 1 000 utilisateurs.

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

Métriques des tests A/B

Adapty fournit un ensemble complet de métriques pour vous aider à mesurer efficacement les performances de vos tests A/B réalisés sur vos variantes de paywall ou d’onboarding. Ces métriques sont mises à jour en temps réel, à l’exception des vues qui sont mises à jour 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 offre des métriques agrégées pour chaque variante de test, vous permettant de comparer leurs performances et d’identifier les différences significatives. Pour une analyse plus détaillée 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’explorer les performances des variantes individuelles.

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 de paywall, d’essai et d’achat peuvent être regroupées selon deux dates différentes :

• La date de l’événement — quand le paywall a été consulté, l’essai commencé ou l’achat effectué.
• 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 plage de dates. La case Filter metrics by install date contrôle 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 plage de dates du 1er au 30 avril et vous regardez les essais.

• Décochée : affiche les essais qui ont démarré en avril, quelle que soit la date d’installation de ces utilisateurs.
• Cochée : affiche les essais des utilisateurs qui se sont installés en avril, quelle que soit la date de début de leur essai.

Utilisez la vue par date d’installation pour mesurer les performances d’acquisition d’utilisateurs pour une cohorte spécifique. Utilisez la vue par date d’événement pour mesurer l’activité d’un paywall ou d’un 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 comme 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 d’Adapty, 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 métrique unique

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

La section graphique de la page des métriques du test A/B comprend un graphique à barres horizontales qui représente visuellement les valeurs des métriques choisies. Chaque barre du graphique correspond à une valeur de métrique et est proportionnelle en taille, ce qui facilite la compréhension des données d’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 de flèche dans le coin supérieur droit de la section graphique développe la vue, affichant les métriques sélectionnées sur toute la ligne du graphique.

Résumé du test A/B

À côté du graphique de métrique unique, la section de résumé des détails du test A/B est affichée. Elle comprend des informations sur l’état, la durée, les placements et d’autres détails relatifs au test A/B.

Définitions des métriques

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

Revenue

Revenue représente le montant total généré en USD par les achats et les renouvellements résultant du test A/B. Il inclut l’achat initial et les renouvellements d’abonnement ultérieurs. La métrique Revenue est calculée avant déduction de la commission de l’App Store ou du Play Store.

En savoir plus sur les métriques paywall Revenue.

CR to purchases

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

CR trials

Le taux de conversion (CR) vers les essais est le nombre d’essais démarrés depuis le test A/B divisé par le nombre de vues. Le taux de conversion vers les essais 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.

Purchases

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

• Nouveaux achats effectués.
• Conversions d’essais qui ont été activés.
• Déclassements, mises à niveau et changements de niveaux d’abonnements.
• Restaurations d’abonnement (par ex. lorsqu’un abonnement expire sans renouvellement automatique et est ensuite restauré).

Veuillez noter que les renouvellements ne sont pas inclus dans la métrique Purchases.

Trials

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

Trials cancelled

La métrique Trials cancelled 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.

Refunds

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

Views

Views est le nombre de vues des paywalls ou des onboardings qui composent le test A/B. Si l’utilisateur visite deux fois, cela compte comme deux visites.

Unique views

Unique views est le nombre de vues uniques du paywall ou de l’onboarding. Si l’utilisateur le visite deux fois, cela compte comme une seule vue unique.

Probability to be the best

La métrique Probability to be the best quantifie la probabilité qu’une variante spécifique d’un test A/B soit la meilleure option parmi tous les paywalls ou onboardings testés. Elle fournit une probabilité numérique indiquant les performances relatives de chaque paywall ou onboarding. La métrique est exprimée en pourcentage allant de 1 % à 100 %.

ARPU (Average revenue per user)

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

ARPPU (Average revenue per paying user)

ARPPU signifie Average Revenue Per Paying User résultant du test A/B. Il est calculé comme le revenu total divisé 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 serait de 15 $.

ARPAS (Average revenue per active subscriber)

ARPAS est une métrique qui vous permet de mesurer le revenu moyen généré par abonné actif grâce à l’exécution du test A/B. Il est calculé 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 serait de 5 $. Cette métrique aide à évaluer le potentiel de monétisation moyen par abonné.

Proceeds

La métrique Proceeds pour le test A/B représente le montant réel d’argent 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 les revenus nets spécifiquement associés aux variantes testées dans le test A/B, contribuant directement aux gains de l’application. Pour plus d’informations sur le calcul des proceeds, vous pouvez consulter la documentation Adapty.

Unique subscribers

La métrique Unique subscribers représente le nombre de personnes distinctes qui se sont abonnées ou ont activé un essai via les variantes du test A/B. Elle ne compte chaque abonné qu’une seule fois, quel que soit le nombre d’abonnements ou d’essais qu’il initie.

Unique paid subscribers

La métrique Unique paid subscribers représente le nombre de personnes uniques qui ont réalisé un achat avec succès et sont devenues des abonnés payants via les variantes du test A/B.

Refund rate

Le taux de remboursement pour le test A/B est calculé en divisant le nombre de remboursements spécifiquement associés aux variantes du test par le nombre de premiers achats (les renouvellements sont exclus). Par exemple, s’il y a 5 remboursements et 1 000 premiers achats, le taux de remboursement serait de 0,5 %.

Unique CR purchases

Le taux de conversion unique vers les achats pour le test A/B est calculé en divisant le nombre d’achats spécifiquement associés aux variantes du test par le nombre de vues uniques. Par exemple, s’il y a 10 achats et 100 vues uniques, le taux de conversion unique vers les achats serait de 10 %.

Unique CR trials

Le taux de conversion unique vers les essais pour le 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, s’il y a 30 essais démarrés et 100 vues uniques, le taux de conversion unique vers les essais serait de 30 %.

Completions & unique completions

Pour les tests A/B d’onboarding uniquement. Les Completions comptent le nombre de fois où les utilisateurs complètent 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 complète deux fois, cela compte comme deux completions mais une seule unique completion.

Unique completions rate

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