Cookie-Einstellungen
Wir verwenden Cookies für Analysen. Datenschutzerklärung Du kannst nicht notwendiges Tracking akzeptieren oder ablehnen.
Praxisleitfaden zu „MDE im A/B-Testing: So wählen Sie eine realistische Effektgröße aus“: zentrale Schritte, typische Fehler und Umsetzung mit Stichprobenrechner.
Gehen Sie zu Werkzeug
Stichprobengröße für A/B-Tests berechnen.
Minimum Detectable Effect (MDE) ist der kleinstmögliche Verbesserungsvorteil, den Ihre A/B-Test zuverlässig erkennen soll. Wenn Ihr MDE 5% beträgt, wird der Test einen realen 5%-Anstieg in der Regel erkennen, aber einen 2%-Anstieg nicht.
MDE ist nicht darum, was Sie *hoffen*, sondern darum, was Ihr Traffic *ertragen* kann.
Für eine zweistufige Proportionsprüfung bei 80% Leistung und alpha = 0.05 ist die erforderliche Stichprobengröße pro Variante etwa:
n = 16 * p * (1 - p) / delta^2
Wobei p die Basisumwandlungsrate und delta der absolute MDE ist. Die Konstante 16 kommt aus (Z_alpha/2 + Z_beta)^2 mit Standardwerten (1,96 + 0,84)^2 = 7,84, verdoppelt für zwei Varianten und aufgerundet.
Die Stichprobengröße wächst mit dem *Quadrat* der MDE-Reduzierung. Die Halbierung von MDE von 5% auf 2,5% verdoppelt die erforderliche Traffic. Hier ist ein konkreter Tabelle für eine Basisumwandlungsrate von 10%:
| MDE (absolut) | Stichprobe pro Variante | Gesamtraffic (2 Varianten) |
|---|---|---|
| 5 pp | ~1.150 | ~2.300 |
| 3 pp | ~3.200 | ~6.400 |
| 2 pp | ~7.200 | ~14.400 |
| 1 pp | ~28.800 | ~57.600 |
| 0,5 pp | ~115.200 | ~230.400 |
Übersetzen Sie den Anstieg in Geld. Wenn Ihre Seite bei 3% konvertiert und 100.000 Besucher/Monat hat:
Fragen Sie sich: sind 50.000 $/Monat 5 Wochen langen Testen wert? Normalerweise ja. Aber wenn 0,5 pp Anstieg = 25.000 $ und 20 Wochen benötigt, wahrscheinlich nicht.
Öffnen Sie Sample Size Calculator, geben Sie Ihre Basisumwandlungsrate und Ihr Ziel-MDE ein und sehen Sie, ob Ihr Traffic den Testdauer unterstützen kann.
Dieser Artikel wird von der Tools Hub Redaktion auf fachliche Genauigkeit, praktische Relevanz und Konsistenz mit aktuellen Produkt-Workflows geprüft.
Zuletzt geprüft:
Praxisleitfaden zu „Stichprobengröße für Anmeldeflussexperimente“: zentrale Schritte, typische Fehler und Umsetzung mit Stichprobenrechner.
Praxisleitfaden zu „Wann sollte ein A/B-Test bei geringem Traffic beendet werden?“: zentrale Schritte, typische Fehler und Umsetzung mit A/B-Rechner.
Praxisleitfaden zu „Multivariate vs. A/B-Tests: Ein Entscheidungsrahmen“: zentrale Schritte, typische Fehler und Umsetzung mit A/B-Rechner.
Praxisleitfaden zu „So vermeiden Sie falsch positive Ergebnisse in A/B-Tests“: zentrale Schritte, typische Fehler und Umsetzung mit A/B-Rechner.