A/B 测试计算器可帮助用户通过比较转化率或其他指标来评估两种不同变体 A 和 B 的有效性。对于任何想要在不需要深厚的统计知识的情况下优化其网站、活动或产品的人来说，该工具都是非常宝贵的。它提供了一种清晰、可量化的方法来确定哪种变体可以产生更好的性能。
A/B测试在线计算器公式
A/B 测试的准确性取决于几个统计计算：
- 变体 A 的转化率： CR_A = 转化次数_A / 访客_A
- 变体 B 的转化率： CR_B = 转化次数_B / 访客_B
- 汇总转化率： CR_pooled = (转化次数_A + 转化次数_B) / (访问者_A + 访问者_B)
- 标准误差： SE = sqrt(CR_pooled * (1 – CR_pooled) * (1 / 访客_A + 1 / 访客_B))
- Z得分： Z = (CR_A – CR_B) / SE
- P 值： 通过Z分数确定来评估结果的显着性。
了解这些计算将帮助您准确解释 A/B 测试计算器的结果。
一般术语和有用转换表
下表包含进行 A/B 测试时所需的典型值。该表可作为了解各种指标的快速参考，而无需计算每个指标 次 手动。
| 按揭年数 | 描述 | 示例值 |
|---|---|---|
| 访客_A | 变体 A 的访客总数 | 4,000 |
| 转化_A | 变体 A 上的访问者转化总数 | 200 |
| 访客_B | 变体 B 的访客总数 | 4,000 |
| 转化_B | 变体 B 的访问者转化总数 | 240 |
| CR_A（转化率A） | 变体 A 的转化率 | 5％（200/4000） |
| CR_B（转化率B） | 变体 B 的转化率 | 6％（240/4000） |
| CR_池化 | 结合两种变体的汇总转化率 | 5.5% |
| 标准错误 | 均值差异抽样分布的标准误差 | 由公式计算得出 |
| Z分数 | 措施 标准偏差 两个平均值之间的差异 | 由公式计算得出 |
| P值 | 观察到的差异是偶然造成的概率 | 在表中查找 |
在线 A/B 测试计算器示例
想象一下您正在测试网站登陆页面的两种不同设计。变体 A 收到来自 200 名访问者的 4,000 次转化，变体 B 收到来自 240 名访问者的 4,000 次转化。以下是如何使用 A/B 测试计算器来分析哪个变体表现更好：
- 计算每个变体的转化率：
- CR_A = 200 / 4000 = 0.05 (5%)
- CR_B = 240 / 4000 = 0.06 (6%)
- 计算汇总转化率：
- CR_pooled = (200 + 240) / (4000 + 4000) = 440 / 8000 = 0.055 (5.5%)
- 计算标准误差：
- SE = sqrt(0.055 * (1 – 0.055) * (1/4000 + 1/4000)) = sqrt(0.055 * 0.945 * 0.0005) = 0.0051
- 计算 Z 分数：
- Z = (0.05 – 0.06) / 0.0051 = -0.0196 / 0.0051 = -1.96
- 参考标准正态分布表中的 Z 分数来查找 p 值。如果 p 值小于 0.05，则结果被认为具有统计显着性，表明变体 B 的表现优于变体 A。
最常见的常见问题解答
什么是A / B测试？
A/B 测试是一种比较单个变量的两个版本以确定哪个版本表现更好的方法。
A/B 测试计算器的准确度如何？
只要输入数据正确，它就非常准确。它使用标准统计方法来确保可靠性。
我可以使用此计算器进行任何类型的 A/B 测试吗？
是的，它用途广泛，可以在任何适用 A/B 测试的地方跨不同领域使用。