A/B Test Significance Calculator
เช็กว่าผลต่างระหว่างเวอร์ชัน A และ B มีนัยสำคัญทางสถิติหรือแค่ความบังเอิญ พร้อม p-value และ z-score
เหมาะกับ: คนทำ landing page หรือแคมเปญที่กำลังเทส A/B และอยากรู้ว่าผลต่างที่เห็นเชื่อถือได้แค่ไหน
- ฟรี
- ไม่ต้องสมัคร
- ใช้ได้ทันที
ผลลัพธ์
กรอกข้อมูลด้านบนเพื่อดูผลลัพธ์
สูตรที่ใช้
ใช้การทดสอบ z สองสัดส่วน (two-proportion z-test) โดยรวมสัดส่วนของทั้งสองกลุ่มเป็น pooled proportion ก่อน แล้วหา z = (pB − pA) ÷ ค่าความคลาดเคลื่อนมาตรฐาน จากนั้นแปลง z เป็น p-value แบบสองทาง ทุกอย่างคำนวณในเบราว์เซอร์จากตัวเลขที่คุณกรอกเอง
นัยสำคัญทางสถิติกับนัยสำคัญทางธุรกิจไม่ใช่เรื่องเดียวกัน ถ้าเก็บข้อมูลมากพอ ส่วนต่างเล็กจิ๋วที่ไม่คุ้มค่าเปลี่ยนหน้าเว็บก็ "มีนัยสำคัญ" ได้ ดูเสมอว่าส่วนต่างที่ได้แปลงเป็นเงินแล้วคุ้มกับงานที่ต้องทำหรือไม่
อีกกับดักที่ทำให้ผลลวงคือการแอบดูผลระหว่างทางแล้วหยุดทันทีที่เห็นว่า "มีนัยสำคัญแล้ว" การทำแบบนี้ทำให้โอกาสสรุปผิดสูงกว่า 5% ที่ตั้งใจไว้มาก ควรกำหนดจำนวนผู้เข้าชมและระยะเวลาไว้ตั้งแต่ก่อนเริ่ม แล้วค่อยดูผลเมื่อครบ
ตัวเลขทั้งหมดถูกคำนวณด้วย JavaScript ในเบราว์เซอร์ของคุณ ไม่ถูกส่งขึ้นเซิร์ฟเวอร์และไม่ถูกบันทึกไว้ ปิดหน้าเว็บแล้วข้อมูลหายทันที
A/B Test Significance Calculator คืออะไร
กรอกจำนวนผู้เข้าชมและจำนวนที่คอนเวิร์ตของเวอร์ชัน A และ B เครื่องมือจะคำนวณอัตราคอนเวิร์ตของแต่ละเวอร์ชัน ส่วนต่างเป็นเปอร์เซ็นต์ ค่า z-score และ p-value แบบสองทาง พร้อมบอกว่าผลต่างนี้มีนัยสำคัญทางสถิติที่ระดับความเชื่อมั่น 95% หรือไม่ นัยสำคัญทางสถิติไม่เท่ากับนัยสำคัญทางธุรกิจ ผลต่างเล็กที่มีนัยสำคัญอาจไม่คุ้มค่าที่จะเปลี่ยน และการหยุดเทสก่อนกำหนดเมื่อเห็นตัวเลขที่ถูกใจจะทำให้ผลบวกลวงสูงขึ้นกว่าที่ควร
ความเป็นส่วนตัว
เครื่องมือนี้ทำงานด้วย JavaScript ในเบราว์เซอร์ของคุณทั้งหมด ข้อมูลที่กรอกไม่ถูกส่งขึ้นเซิร์ฟเวอร์และไม่ถูกบันทึกไว้ ปิดหน้าเว็บแล้วหายทันที
คำถามที่พบบ่อย
p-value ต่ำแค่ไหนถึงเรียกว่ามีนัยสำคัญ
ค่าที่ใช้กันทั่วไปคือต่ำกว่า 0.05 ซึ่งเทียบเท่าระดับความเชื่อมั่น 95% แต่ค่านี้เป็นธรรมเนียมปฏิบัติ ไม่ใช่กฎตายตัว ธุรกิจที่ผลของการตัดสินใจผิดมีราคาแพงมากอาจต้องการเกณฑ์ที่เข้มกว่านี้
ผลต่างมีนัยสำคัญทางสถิติแล้วควรเปลี่ยนเวอร์ชันเลยไหม
ไม่จำเป็นเสมอไป ต้องดูขนาดของผลต่างด้วยว่าคุ้มกับต้นทุนในการเปลี่ยนหรือไม่ ผลต่าง 0.1% ที่มีนัยสำคัญทางสถิติเพราะตัวอย่างใหญ่มากอาจไม่สร้างผลต่างที่มีความหมายทางธุรกิจเลย
ทำไมไม่ควรหยุดเทสทันทีที่เห็นผลต่างชัดเจน
เพราะยิ่งดูผลบ่อยระหว่างเทสและหยุดทันทีที่ตัวเลขดูดี ยิ่งเพิ่มโอกาสเจอผลบวกลวงจากความผันผวนช่วงสั้น ควรกำหนดขนาดตัวอย่างหรือระยะเวลาที่จะเทสไว้ล่วงหน้าแล้วรอจนครบก่อนตัดสินใจ
เครื่องมืออื่นที่ใช้ต่อกันได้
- Conversion Rate Calculator — คำนวณอัตราการเปลี่ยนผู้เข้าชมเป็นผลลัพธ์ เช่น ทักแชท กรอกฟอร์ม หรือสั่งซื้อ
- Landing Page Checklist Generator — สร้าง checklist landing page ตามเป้าหมาย lead / sale / booking / LINE พร้อม common mistakes
บทความที่เกี่ยวข้อง
อยากให้ช่วยตีความผลลัพธ์กับธุรกิจของคุณ?
ส่งผลลัพธ์จากเครื่องมือนี้พร้อมบริบทธุรกิจมาให้ช่วยดูเบื้องต้นได้