A/B 測試樣本量要先填四個數字才算得出來
A/B 測試樣本量由四個參數連動算出來：基準轉換率、最小可偵測效果、顯著性水準、統計功效。四個欄位空著任何一個，計算器就跑不出數字，憑感覺抓的流量門檻也就沒有依據。
先把名詞講清楚。轉換率指的是進到頁面的人裡面，實際完成目標動作的比例，完整說明放在 轉換率術語頁。基準轉換率就是你現在的表現，從 GA4 或自家後台撈得到。
第二個是最小可偵測效果，業界簡稱 MDE。它問的是一件很實際的事：多小的改善，你會願意為它改版？如果答案是「提升 0.3% 我也想抓到」，那樣本量會爆炸。
後面兩個是統計參數。Statsig 的樣本量說明裡寫得很直白：「Defaults of 0.05 alpha and 0.8 power are standard.」Optimizely 的說法一致，文件裡提到功效分析要考慮「significance level (usually 0.05), power level (often 0.8)」。中國的 BI 工具商億信華辰在 A/B 測試教學裡也是同一組數字，原文寫「α和β分别称为第一类错误概率和第二类错误概率，一般分别取0.05和0.2」。
三份互相獨立的文件，中英文各半，落在同一組預設值。這種重合比單一來源講十次更有說服力。
| 參數 | 它在問什麼 | 常見預設 | 對樣本量的影響 |
|---|---|---|---|
| 基準轉換率 | 現在的表現是多少 | 從自家數據取 | 越低，需要越多樣本 |
| 最小可偵測效果（MDE） | 多小的差距你會在意 | 依業務決定 | 設越小，需要越多樣本 |
| 顯著性水準 α | 容忍多少誤判有效 | 0.05 | 訂越嚴，需要越多樣本 |
| 統計功效 1-β | 真有效時抓到的機率 | 0.80 | 要求越高，需要越多樣本 |
顯著性水準 α 管的是第一類錯誤，也就是明明沒差卻說有差。統計功效管的是第二類錯誤，明明有差卻說沒差。行銷圈熟悉前者，對後者幾乎沒有防備。
四個數字填完，樣本量才算得出來。下一節談 0.80 這個預設值，也就是四個裡面最常被忽略的那一個。
功效不足的測試會靜靜漏掉有效的版本
統計功效低於 0.80 的測試不會報錯，它會給你一份看起來很正常的報告，上面寫著兩版沒有顯著差異。真正有效的改版就在這份報告裡被判死，而且沒有任何跡象。
Statsig 在樣本量文件裡把這件事講得很不客氣。
Too few users increase Type II errors: real wins slip by. Missed lifts hurt engagement and revenue.
假陽性至少會露出馬腳。你上線了，數字沒有跟著動，過一陣子總會有人問。漏判不會。以電商結帳頁為例，實驗跑滿 14 天、結論寫成「維持原版」、資料歸檔，整個流程乾乾淨淨。
這裡有個容易誤會的地方：功效不足並不等於結果不準。它的意思是，這場實驗從設計階段開始，就沒有能力看見你想找的那個效果。用一把最小刻度 1 公分的尺，量不出 0.5 公釐的差距，量幾次都一樣。
業界預設的統計功效 0.80 代表：就算版本 B 真的比較好，你也有 20% 的機率什麼都看不到。這是在標準設定下就已經接受的漏判率，功效再往下掉，漏判率只會更高。
那要怎麼避免？答案回到上一節：開跑之前先算樣本量，並且誠實面對算出來的數字。具體來說，計算器如果說要 90 天的流量，這場實驗現在就跑不了，把它縮成兩週再跑只是換一種形式的漏判。
中國技術文件把樣本量公式攤在開跑之前
中國幾份公開的技術文件這樣處理 A/B 測試樣本量：統計公式直接寫進實驗設計章節，不放附錄。百度雲的開發者文件裡就有完整算式。
百度雲那篇談 A/B 實驗統計學的文件，正文裡直接給出最小樣本量公式，形式是 n = σ² / Δ² × (zα/2 + zβ)²。σ 是標準差，Δ 是預期效果量。同一篇也講了參數之間的取捨關係，原文寫「顯著性水平越低，對實驗的要求越高，所需樣本量越大」。
公式本身沒有什麼玄機，教科書上就有。真正關鍵的是它出現的位置。這類文件把公式放進實驗流程的第 2 步，位置在假設設定之後、開跑之前，順序寫死。
億信華辰的教學也是同一種編排：假設設計、樣本量計算、隨機分流、顯著性檢驗，四階段依序走完。文件裡明講 α 與 β「一般分别取0.05和0.2」，把預設值當成流程的起點而不是討論題。
公式裡 Δ 在分母而且平方。這代表你想偵測的差距每縮小一半，需要的樣本量會變成四倍。MDE 從 2% 調到 1%，代價不是多一倍流量。
這一點在實務上很殘忍。多數中小型電商的月流量，撐不起一個小 MDE 的實驗，而這件事在開跑前用計算器就能知道。常見的狀況是實驗跑完、數字不顯著、再回頭猜是不是流量不夠。順序反了。
順帶一提，網路上流傳一組「偵測 1% 提升需要每組 189 萬次訪問」的算例。我們循原始連結查證時，那個頁面回傳 403，無法確認出處，因此這篇不引用這個數字。方向性的結論仍然成立：小 MDE 需要的流量，遠比多數人直覺以為的多。
流量不夠時調整 A/B 測試樣本量需求的三個做法
算出來的 A/B 測試樣本量超過現有流量時，可行的調整有三個方向：把 MDE 放大、把測試期拉長、把版本數砍少。三個都是公開文件裡寫過的做法，共通點是不動統計標準。
Statsig 的文件對前兩個講得很乾脆：「If timelines choke, either raise the MDE or extend the run; both are valid.」時間排不下，就把 MDE 提高或把實驗跑久一點，兩個都合法。同一份文件也提到第三個選項，建議「cut variants so each arm gets more traffic」，減少版本數讓每一組分到更多流量。
把 MDE 放大的意思，是改測比較大的變動。與其比較兩個按鈕文案的細微差別，不如整個版面重做一版。訊噪比拉高，需要的樣本量就下來了。
拉長測試期有下限也有上限。Convertize 的統計指南寫著「Run sequential tests and don’t test for less than a week」，理由很生活化：星期天的銷售不會跟星期一長得一樣。AdMetrics 的實驗基準文件則提到，電商的最短執行期常落在 2 到 4 週，用來蓋過一個完整的消費週期。
執行期的合理區間大致是 最少一週到2 至 4 週。低於一週會被星期效應污染，長到幾個月則要小心期間的活動、季節與流量結構都變了，前後兩段其實不是同一群人。
三個做法之外，還有一件事不能做，就是提前收單。Convertize 把它獨立成一個章節，規則寫得很短：「Don’t respond to your results before they are significant.」每天打開後台看一次顯著性，看到好看的數字就停，這個動作本身會製造假陽性。
AdMetrics 的建議是把停止規則寫在前面，開跑之前就講好什麼條件下收單，並且依獲利而不是偏好來決定 MDE 與執行期。規則先寫，數字後看，順序不能顛倒。
銷波快觀點：樣本量算不出來的實驗，本來就不該開跑
我們自己的基準筆記裡有一組數字很值得放在這裡看：A/B 測試的勝率大約落在 25% 到 36%，而成功測試的轉換率提升中位數只有 +1.88%。這兩個數字擺在一起，等於說多數實驗本來就不會贏，而會贏的那些，效果量比很多人設定的 MDE 還要小。把 MDE 設在 1% 以下再抱怨測不出來，某種程度上是自己給自己出難題。
流量真的不夠的時候，我們常用的是 3×3 測試法：固定素材、文案、CTA 三個元素，只變動受眾族群，分成三組投放，每組每天大約 15 美金。它不追求統計顯著，追求的是控制變因下的方向判斷。如果三個族群的點擊率都低於基準線，問題出在素材、文案或 CTA；三個元素都確認沒問題還是跑不動，那多半是產品本身的事。這種做法要講清楚定位，它是探索工具，不是拿來宣稱誰贏的證據。
建關鍵字主題群時，我們踩過一個很像的坑：曾經用「取搜尋量最高的詞當錨點」這條自動規則，連續選錯 3 次。其中一次選到的詞量很高，但那是同名詞，量是假的。教訓寫成一條紅線：量高只代表這個詞熱，不代表它能代表這個群。A/B 測試的樣本量是同一件事的另一面。具體來說，流量數字很大不等於這場實驗有代表性，分流方式、時段分佈、裝置組成任何一項歪掉，樣本再多也救不回來。
另一個更貼近的教訓：我們有兩篇文章的目標關鍵字是猜的，後來查 GSC 才發現猜的詞 0 曝光，真正在排名的詞完全沒寫進文章。兩篇都得重做。當時的檢討是，這條規則要放在流程最前面才有用，寫完之後補救的成本高太多了。舉例來說，樣本量計算的位置也一樣，它放在開跑之前是設計，放在收尾之後只是解釋。
最後補一個測量口徑的提醒。做電子報 A/B 測試時，開信率會被 Apple 的郵件隱私保護干擾，點擊率才是比較可靠的行為訊號。樣本量算得再準，指標選錯一樣白做。
結論：先把四個數字填進計算器，再決定要不要開跑
這篇從頭到尾只講一件事：A/B 測試樣本量是實驗設計的起點。基準轉換率、MDE、α、統計功效，四個欄位填完，計算器會告訴你需要多少流量、大概要跑幾天。
算出來的數字如果超過你能給的流量，選項有 3 個，把 MDE 放大、把週期拉長、把版本砍少。三個都比把 α 從 0.05 放寬誠實。不做調整就硬跑，換來的是一份看起來很正常、實際上什麼都看不見的報告。
你現在手上如果正好有一個在跑的 A/B 測試，可以先問一個問題：開跑之前，有人算過樣本量嗎？如果沒有，那份結果目前還不能當成決策依據，先補上 4 個參數再看一次。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- A/B Test Sample Size: Calculating Statistical Powerstatsig.com
- How to determine sample size for an A/B teststatsig.com
- The Practical Guide To A/B Testing Statisticsconvertize.com
- How to calculate sample size of A/B testsoptimizely.com
- AB 實驗統計學精髓：假設檢驗與樣本量確定cloud.baidu.com
- 數據分析之 A/B 測試，看這一篇就夠了esensoft.com
- A/B-Testing Benchmarks 2026: Decision-Grade Experimentation for DTC Growth Teamsadmetrics.io
- AB測試中的顯著性檢驗和最小樣本量計算zhuanlan.zhihu.com
