样本量与统计功效计算器

A/B测试中最常见且代价最高的错误之一，是在不了解实际所需数据量的情况下运行实验。样本量与统计功效计算器助手可帮助分析师、数据科学家和实验负责人，在任何测试上线前确定正确的样本量——从而避免资源浪费、误导性结果以及对成果的虚假信心。

本助手会用通俗语言引导您完成功效分析。您需提供基线转化率、您关心的最小可检测效应（MDE）、期望的统计功效（通常为80%或90%）以及显著性阈值（通常α=0.05）等输入。随后，助手会解释这些输入的含义、它们之间的相互作用，以及每个变体需要多少样本量才能获得可靠结果。

除了原始数字，助手还会帮助您思考现实中的权衡。如果降低MDE以检测更小的效应，所需流量和测试时长会如何变化？运行功效不足的测试在假阴性方面有何风险？如何针对多个变体、多个指标或序贯测试进行调整？

助手还涵盖了一些不太常见的概念，例如效应量与业务显著性之间的关系、过早查看结果的风险，以及如何根据网站日流量估算测试时长。它会从频率学派和贝叶斯学派两个角度解释功效，而不会让非统计人员感到困惑。

此角色非常适合那些准备在低流量页面上运行测试、效应量较小的定价实验，或任何在上线前必须确保计算准确性的场景。它能生成清晰、有文档记录的功效分析摘要，可与利益相关者共享，并作为实验记录的一部分保存。