Cet article est la version courte. Pour le détail méthodologique complet (process PXL, 14 tests, post-mortems), voir l’étude de cas Maison Loriot.
Le contexte
Maison Loriot, DNVB mode féminin lancée en 2019, plafonnait à 1,45 % de conversion depuis 18 mois malgré 800 K visiteurs/mois et un CA annuel de 24 M€. Léa Pernaud, recrutée comme Head of Growth en septembre 2025, hérite d’un précédent outil US qui avait produit 2 winners “qui n’ont pas tenu en prod” (régression vers la moyenne + peeking).
Mission : trouver +15-20 % de conversion en 6 mois, sans toucher au produit ni aux acquisitions.
La méthode, PXL en cadence stricte
Léa adopte le framework PXL pour passer de 30 hypothèses brutes à 14 tests effectivement lancés. Cadence cible : 1 test toutes les 2 semaines, plus longs si MDE faible.
Outils :
- Microsoft Clarity (gratuit) pour les heatmaps + recordings
- Statlift Pro (299 €/mois HT) pour les tests, l’A/A automatique, et le SRM detection
- GA4 + Klaviyo + Shopify connectés en 1 clic
3 tests gagnants détaillés
Test 1, Hero PDP : photo tactique → lifestyle storytelling
Hypothèse : la photo “produit isolé sur fond neutre” sous-performe sur une cible DNVB.
Résultat : +9,2 % conversion (p = 0,008, n = 14 200/variante, 21 jours). Déployé. Tient en prod depuis 4 mois.
Test 2, Sticky badge livraison gratuite
Hypothèse : le seuil “livraison offerte dès 60 €” est mal communiqué, plombant les paniers à 45-55 €.
Résultat : +18 % AOV (p < 0,001, 9 800/variante, 28 jours). Pas d’effet sur le taux de conversion, mais effet net sur la valeur. Déployé.
Test 3, Microcopy CTA panier
Hypothèse : “Ajouter au panier” est trop transactionnel pour DNVB.
Résultat : +4,1 % conversion avec “Ajouter à ma sélection” (p = 0,03). Effet modeste mais significatif. Validé par un A/A préalable.
2 échecs documentés honnêtement
Échec 1, Pop-up exit-intent avec offre -10 %
Résultat : -2,1 % conversion, p = 0,11 (non significatif). Mais signal négatif persistant pendant 3 semaines → kill. Apprentissage : trafic froid mal adapté aux interruptions.
Échec 2, Garantie retour : 30 jours → 90 jours
Résultat : flat (0,4 % uplift, p = 0,52). 6 semaines de test, aucune signification atteinte. Apprentissage : les clients Maison Loriot n’étaient pas sensibles à cette dimension.
L’effet de la rigueur statistique
Léa a documenté 4 cas où Statlift a évité un déploiement raté :
- Test “hero produit + badge social proof” : A/A préalable a détecté un SRM (cookies Safari ITP qui réattribuaient). Bug corrigé avant le vrai test.
- Test pricing : signification atteinte au jour 4. Sans sequential testing, Léa aurait peeké et déployé. Le résultat aurait été un faux winner (régression en cours sur les jours 5-14).
- Test panier : segment biaisé identifié (Paid Search Cellulaire sur-représenté en variante B). Test relancé avec targeting équilibré.
- Test checkout : SRM detection a flaggé un déséquilibre 53/47. Investigation : un bug d’instrumentation côté Klaviyo. Fixé.
Les chiffres consolidés
| Métrique | Avant | Après | Variation |
|---|---|---|---|
| Taux de conversion | 1,45 % | 1,78 % | +23 % |
| AOV | 88 € | 96 € | +9 % |
| Revenus mensuels (isovolume) | 1,02 M€ | 1,25 M€ | +225 K€/mois |
| Revenus additionnels annualisés | , | , | ~1,8 M€/an |
Take-aways
- PXL > intuition : sur 30 hypothèses brutes, 5 ont produit un winner.
- A/A + SRM detection ont sauvé 4 fausses victoires avant déploiement.
- ROI 600x sur 6 mois (coût outil 1 800 €, gain 1,8 M€).
- Les échecs documentés sont aussi des wins, Maison Loriot a évité 2 déploiements qui auraient dégradé la conversion.
Reproductibilité
Cette méthode est reproductible sur toute DNVB / e-commerce mid-market. Conditions :
- ≥ 100 K visiteurs/mois pour avoir le sample size en délais raisonnables
- 1 personne dédiée à temps partiel (~1 jour/semaine) pour piloter
- Outil avec A/A automatique + SRM detection + sequential testing
- Discipline d’attendre la signification (résister au peeking)
Pour la méthodologie PXL détaillée : User research avant A/B test. Pour le détail technique complet : Étude de cas Maison Loriot.
