AB 比較檢測計算器

在 AB 比較檢測實驗的背景下，統計顯著性指的是實驗當中「控制組與測試組之差異並非來自於誤差或隨機因素」的可能性。

舉例來說，如果執行一個顯著水準為 95% 的測試，則表示您有 95% 的信心可以說實驗結果所得到的差異是真實的。

企業界普遍會使用統計顯著性來觀察一實驗對於轉換率所造成的影響。在問卷調查領域中，統計顯著性通常是用來確保調查結果的可信度。舉例來說，假設您在調查問卷中詢問受訪者比較喜歡廣告概念 A 或廣告概念 B，您可能會希望先確定調查結果所呈現的差異有統計顯著性，再將勝出的概念付諸實行。

第一步是形成假設。任何實驗都存在一個虛無假設 (主張實驗人員所欲比較的兩件事之間沒有任何關係) 和一個對立假設 (主張兩件事之間確實存在某種關係)。一般來說，您的目標是要證明對立假設的陳述為真。如果您研究的內容是轉換率 AB 比較檢測，則您的假設可能會涉及在頁面中新增某個按鈕、影像或文案，並試圖了解它們是否會影響轉換率。在使用問卷調查進行概念測試時 (例如上述的例子)，您的假設會涉及不同的廣告變數，並試圖找出最吸引人的內容。

在制定好虛無假設及對立假設之後，統計學家有時會進行一些測試來確保其假設是合理而有效的。Z 分數就是用來評估虛無假設的有效性，它能告訴您您所比較的事物之間是否確實沒有任何關聯。P 值則是用來判斷您是否有充分的證據顯示對立假設為真。

在執行統計顯著性測試時，先決定您的測試為單側檢定或是雙測檢定 (也稱為單尾測試或是雙尾測試)。單側檢定假定您的對立假設會得到一個有方向性的結果，而雙側檢定則可以顯示該假設是否也會對您的結果產生負面影響。一般而言，雙側檢定是較為保守的選擇。

即使是專業的統計學家也會使用統計建模軟體來計算顯著性，並進行測試來支持顯著性，因此我們不打算在此過度說明。不過，如果您要執行 AB 比較檢測，歡迎利用本頁上方的計算器來計算統計顯著性。SurveyMonkey 也能夠幫您自動計算調查結果的顯著性。