Landing pages et théorie de l’évolution

Ceux qui bossent en acquisition le savent, on met souvent en concurrence plusieurs landing pages. En fonction des résultats on en retient certaines, élimine d’autres, on les affine, on AB test… n’y aurait-il pas un peu de darwinisme dans tout ça ?

A une période je me suis intéressé aux algorithmes génétiques. Le principe est assez simple puisqu’il reprend les grandes notions de la sélection naturelle. Prenons un exemple. Pour simplifier grandement, dans la nature une espèce a des caractéristiques (couleur du pelage, taille, poids…). Sur une même espèce ces caractéristiques vont parfois varier. Les individus ayant un pelage d’une couleur trop contrastée à leur environnement seront plus visibles des prédateurs ou des proies. A contrario, ceux dont le pelage se confond le plus se feront moins repérer. Ainsi ces derniers seront plus aptes à la survie et donc à se reproduire. Ils transmettront leurs caractéristiques aux générations suivantes et cette couleur de pelage deviendra petit à petit la norme pour l’espèce. Or, les caractéristiques ne se transmettent pas seulement, elles émergent aussi. On parle alors de mutations. Elles ont un caractère un peu hasardeux mais sont indispensables au processus de sélection naturelle. Pourquoi est-ce si important ? S’il n’y avait qu’un panel de caractéristiques définies, l’espèce aurait une capacité très limitée à s’adapter. Pour reprendre notre exemple, si dès le départ cette couleur de pelage qui lui est favorable n’était pas présente dans le patrimoine génétique, elle n’aurait jamais pu émerger sans mutation. On pourrait schématiser par “mutation d’une caractéristique favorable à la survie => transmission à quelques individus de la génération suivante => généralisation de la caractéristique dans l’espèce”.

L’homme s’est de tout temps inspiré de la nature dans ses créations et la mécanique de sélection naturelle n’y a pas échappée.

Elle est couramment utilisée dans la résolution de certaines problématiques, en particulier dans les problématiques de déplacement où il faut déterminer le trajet le plus pertinent.

J’ai créé un petit exemple sur JSFiddle. Des “individus” tentent de déterminer le trajet le plus court du point de départ jusqu’à la ligne d’arrivée. Au début ces individus (représentés par des carrés bleus en mouvement) sont désorganisés et ne réussissent pas pour la plupart à atteindre l’autre côté du parcours. Puis petit à petit certains y parviennent et leur “ADN” est croisé avec celui des générations suivantes. Au fur et à mesure les individus suivants parviennent de mieux en mieux à se diriger. Lorsqu’une solution optimale est enfin trouvée, le programme s’arrête et affiche le tracé (pour plus de détails concernant l’algorithme, je vous invite à regarder directement le code source qui est commenté).

Cliquez sur “Result” et ensuite sur le bouton start en dessous de la grille qui apparaîtra, il faut une à deux minutes au programme pour trouver une solution :

Pourquoi ne pas appliquer le même principe à des landing pages ?

En déterminant tout un panel de caractéristiques à “muter” et se servant des leads pour déterminer les meilleurs pages, on pourrait certainement sur plusieurs générations de LP accroître le taux de conversion.

Pour cela on pourrait imaginer une séquence un peu plus complexe que pour notre exemple précédent. L’ADN de notre landing page serait composé d’un array de caractéristiques, identifiées par un code.

Ce code prendrait la forme suivante :
{type de caractéristique:variante1:variante2}

Un type serait par exemple un CTA (call to action, en somme un bouton qui invite à une action), une première variante serait le wording de ce bouton et la seconde variante les couleurs (background et text) :

{
cta: {
alt: [
[
'Essai gratuit',
'Inscription gratuite',
'Essayez dès maintenant',
'Je m\'inscris'
],
[
['blue', 'white'],
['red', 'white'],
['grey', 'black'],
['green', 'red']
]
]
}
}

Lors de la génération de l’ADN, un morceau de la séquence pourrait être “cta:1:0” ce qui correspondrait à un bouton “Inscription gratuite” sur fond bleu et texte en blanc.

Avec de nombreux types et variantes définis, on pourrait générer différentes combinaisons de LP de manière aléatoire, les tester et croiser les caractéristiques de celles qui parviennent à générer des leads avec les générations suivantes. Au fur et à mesure on aurait des landing pages de plus en plus performantes.

Evidemment les variantes peuvent êtres beaucoup plus complexes et peuvent reposer sur un autre système. Par exemple on peut “randomiser” complètement les couleurs, en fixant seulement une contrainte de contraste (via une formule YIQ ou un réseau de neurones entraîné pour ça) afin de garder le texte lisible. Le wording peut (sur base d’un modèle de départ) être généré via un algorithme qui teste des synonymes ou différentes formulations (langage plus soutenu ou plus familier, vouvoiement, tutoiement…). Le domaine du NLP (Natural Language Processing) offre beaucoup de possibilités en ce sens.

Les progrès en matière de machine learning, combinés à des techniques comme les algorithmes génétiques ouvrent la voie à une nouvelle forme de web marketing avec entre autre l’automatisation des process d’optimisation des parcours.