A/Bテストサンプルサイズ計算機
ベースラインの転換率、最小検出効果、統計的検力、有意水準から、有効なA/Bテストに必要なサンプルサイズと推定テスト期間を計算します — データ収集を開始する前に。
入力
テストを実行する前の現在の転換率。
検出する価値のある最小の変化。相対的: 20はベースラインから20%の上昇を意味します(5% → 6%)。絶対的: 20は+20パーセンテージポイントを意味します — 現実的な効果には1や2のような小さい値を使用してください。
2 = 標準的なA/Bテスト。3以上のバリアントは、各治療とコントロールを比較するため、有意水準にボンフェローニ補正を適用します。
すべてのバリアント全体の平均日次トラフィック。テストの実行期間を推定するために使用します。
出力
| Metric | Value |
|---|---|
| No data yet | |
このツールを使う他の方法
REST API
curl -X POST https://api.iotools.cloud/v1/tool/ab-test-sample-size-calculator \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"baselineRate": "5",
"mdeType": "relative",
"minimumDetectableEffect": "20",
"testSides": "two",
"power": "80",
"significanceLevel": "0.05",
"variants": "2",
"dailyVisitors": ""
}'ご自身のアカウントのキーに差し替えてください。ツールのフィールドがそのままリクエストボディになります——ラッパーはありません。
AIエージェントに依頼する
Use the IOTools `ab-test-sample-size-calculator` tool (A/B Test Sample Size Calculator) on this input:
YOUR_INPUT_HEREIOTools MCPサーバーに接続された任意のエージェントにこれを貼り付け、入力内容を追加してください。
埋め込みウィジェット
<iframe
src="https://iotools.cloud/embed/ab-test-sample-size-calculator/"
width="100%" height="520" frameborder="0" scrolling="no" loading="lazy"
title="A/Bテストサンプルサイズ計算機 — iotools.cloud"
sandbox="allow-scripts allow-forms allow-same-origin allow-downloads allow-popups allow-popups-to-escape-sandbox"
allow="clipboard-write"
style="width:100%;border:1px solid #e5e7eb;border-radius:12px;overflow:hidden"></iframe>
<script src="https://iotools.cloud/embed.js" async></script>ご自身のページに貼り付けるだけ——無料、キー不要、リンクを掲載するだけです。
| API/MCP 1回あたりの費用 | 5クレジットから |
|---|---|
| クレジットが足りませんか? | 料金を見る |
次の方法でも利用可能
ガイド
この計算機は何をするのですか？
A/Bテストを開始する前に、このツールは、気になる改善を確実に検出するためにバリアントごとに必要な訪問者数を伝えます。ベースライン転換率、最小検出効果(検出する価値のある最小の上昇)、目標の統計的検力と有意水準を入力すると、標準的な2比率サンプルサイズ式を実行して、正確な数値を提供します — 日次トラフィックを入力すれば、推定テスト期間も提供します。
これはテスト開始の前に実行する計算です。テスト終了後は、A/Bテスト有意性計算機を使用して、実際に収集した結果を評価してください。
使い方
- ベースライン転換率を入力してください — 今日得ている率です。
- 最小検出効果を入力してください — 検出する価値のある変化の大きさです。相対的(ベースラインから% の上昇、例: 20は5% → 6%)または絶対的(固定パーセンテージポイント、例: 2は5% → 7%)を選択してください。
- 両側(バリアントは良い場合と悪い場合がある)または片側(より良い場合のみ気になる)を選択してください。
- 統計的検力(80%が一般的なデフォルト)と有意水準(0.05は標準)を選択してください。
- バリアント数をコントロールを含めて設定します — 標準的なA/Bテストは2、A/B/nテストはそれ以上です。
- オプションで日次訪問者数を入力して、推定テスト期間を取得してください。
なぜバリアント数が多いとサンプルサイズが変わるのですか？
3つ以上のバリアントでは、各治療とコントロールを比較するため、より多くのバリアントをテストすることは、一度に多くの仮説検定を実行することを意味します。補正がないと、全体的な偽陽性率が増加します — より多くの比較を実行するほど、1つが純粋に偶然で「有意」に見える可能性が高くなります。この計算機はボンフェローニ補正を適用し、有意水準を比較数で割ることで、実験全体の真の誤り率は設定した値に保たれます。
相対MDEと絶対MDEの違いは何ですか？
相対的 MDEはベースラインとスケールします — ベースラインが5%の場合の相対的な20%の上昇は6%を目標としますが、ベースラインが40%の場合の同じ20%の上昇は48%を目標とします。絶対的 MDEは、ベースラインに関係なく固定されたパーセンテージポイントの変化です — 2を入力すると、ベースラインが5%でも40%でも常に2パーセンテージポイントが追加されます。相対的MDEは転換率テストではより一般的な慣例です。非常に異なるベースライン率を持つページ間で適切にスケールするためです。
なぜより小さな効果はそんなに多くの訪問者が必要ですか？
サンプルサイズは、検出しようとしている効果の逆二乗にほぼ比例して増加します — 最小検出効果を半分に減らすと、必要なサンプルがおおよそ4倍になります。これが、低トラフィックページで非常に小さな上昇(相対的に1-2%)を追求すると、数十万のサンプルサイズが必要になる可能性がある一方で、高転換ページでの大きな予想される効果ははるかに少ない訪問者を必要とする理由です。
プライバシー
すべての計算はあなたのブラウザでローカルに実行されます — あなたの数値はサーバーに送信されることはありません。