Калькулятор размера выборки для A/B-теста
Рассчитайте требуемый размер выборки и предполагаемую продолжительность теста для корректного A/B-теста, используя вашу базовую частоту конверсии, минимальный обнаруживаемый эффект, статистическую мощность и уровень значимости — перед началом сбора данных.
Ввод
Ваша текущая частота конверсии перед запуском теста.
Наименьшее изменение, стоящее обнаружения. Относительный: 20 означает увеличение на 20% от базовой (5% → 6%). Абсолютный: 20 означает +20 процентных пункта — используйте небольшое значение, например 1 или 2, для реалистичных эффектов.
2 = классический A/B-тест. 3+ варианта применяют поправку Бонферрони к уровню значимости, так как каждый вариант сравнивается с контролем.
Среднее ежедневное количество посещений всех вариантов вместе для оценки продолжительности теста.
Вывод
| Metric | Value |
|---|---|
| No data yet | |
Другие способы использовать этот инструмент
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": ""
}'Подставьте свой собственный ключ из аккаунта. Поля инструмента — это тело запроса, без обёртки.
Спросите у ИИ-агента
Use the IOTools `ab-test-sample-size-calculator` tool (A/B Test Sample Size Calculator) on this input:
YOUR_INPUT_HEREВставьте это любому агенту, подключённому к MCP-серверу IOTools, и добавьте свой ввод.
Виджет для встраивания
<iframe
src="https://iotools.cloud/embed/ab-test-sample-size-calculator/"
width="100%" height="520" frameborder="0" scrolling="no" loading="lazy"
title="Калькулятор размера выборки для A/B-теста — 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>Вставьте это на свою страницу — бесплатно, без ключа, нужна лишь обратная ссылка.
| Стоимость вызова API/MCP | От 5 кредитов |
|---|---|
| Нужно больше кредитов? | Посмотреть тарифы |
Также доступно через
Руководства
Что делает этот калькулятор?
Перед запуском A/B-теста этот инструмент подскажет вам, сколько посетителей вам нужно на каждый вариант, чтобы надежно обнаружить интересующее вас улучшение. Введите вашу базовую частоту конверсии, минимальный обнаруживаемый эффект (наименьший прирост, который можно поймать), целевую статистическую мощность и уровень значимости, и он выполнит стандартную формулу расчета размера выборки для двух пропорций, чтобы дать вам точное число — плюс предполагаемую продолжительность теста, если вы введете ежедневный трафик.
Это расчет, который необходимо выполнить до начала теста. После завершения теста используйте Калькулятор значимости A/B-теста для оценки полученных вами результатов.
Как использовать
- Введите вашу базовую частоту конверсии — частоту, которую вы сейчас получаете.
- Введите минимальный обнаруживаемый эффект — насколько большое изменение стоит обнаружить. Выберите Относительный (прирост % от базовой, например 20 означает 5% → 6%) или Абсолютный (фиксированное изменение процентных пункта, например 2 означает 5% → 7%).
- Выберите двусторонний (вариант может быть лучше или хуже) или односторонний (вас интересует только, если он лучше).
- Выберите вашу статистическую мощность (80% — стандартное значение) и уровень значимости (0,05 — стандартное).
- Установите количество вариантов, включая контроль — 2 для классического A/B-теста, больше для теста A/B/n.
- Опционально введите количество ежедневных посетителей, чтобы получить предполагаемую продолжительность теста.
Почему размер выборки меняется с увеличением количества вариантов?
При 3 или более вариантах каждый вариант сравнивается с контролем, поэтому тестирование большего количества вариантов означает одновременное выполнение большего количества проверок гипотез. Без корректировки это увеличивает общий уровень ложноположительных результатов — чем больше сравнений вы проводите, тем выше вероятность того, что один из них выглядит "значимым" исключительно случайно. Этот калькулятор применяет поправку Бонферрони, деля ваш уровень значимости на количество сравнений, чтобы истинный уровень ошибок во всем эксперименте остался на установленном вами уровне.
В чем разница между относительным и абсолютным MDE?
Относительный MDE масштабируется с вашей базовой — относительный прирост на 20% при базовой 5% дает целевое значение 6%, но такой же 20% прирост при базовой 40% дает целевое значение 48%. Абсолютный MDE — это фиксированное изменение процентных пункта независимо от базовой — ввод 2 всегда добавляет 2 процентных пункта, независимо от того, составляет ли ваша базовая 5% или 40%. Относительный MDE — более распространенное соглашение для тестов частоты конверсии, поскольку он логично масштабируется на страницах с очень разными базовыми частотами.
Почему меньший эффект требует намного больше посетителей?
Размер выборки растет примерно пропорционально обратному квадрату эффекта, который вы пытаетесь обнаружить — уменьшение минимального обнаруживаемого эффекта вдвое примерно в четыре раза увеличивает требуемый размер выборки. Вот почему преследование очень небольших приростов (1-2% относительно) на страницах с низким трафиком может требовать размеров выборки в сотни тысяч, в то время как крупный ожидаемый эффект на странице с высокой конверсией требует значительно меньше посетителей.
Конфиденциальность
Все расчеты выполняются локально в вашем браузере — ваши данные никогда не отправляются на сервер.