Préférences de cookies
Nous utilisons des cookies pour l'analyse. Politique de confidentialité Vous pouvez accepter ou refuser le suivi non essentiel.
Guide pratique sur « MDE dans les tests A/B: comment choisir une taille d'effet réaliste »: étapes clés, erreurs fréquentes et mise en œuvre avec Taille d'Échantillon.
Aller à l'outil
Calculatrice de taille d'échantillon pour tests A/B.
L'effet minimum détectable (MDE) est la plus petite amélioration que votre test A/B est conçu pour détecter de manière fiable. Si votre MDE est de 5 %, le test détectera une augmentation réelle de 5 % la plupart du temps, mais il manquera une augmentation de 2 %.
MDE ne concerne pas ce que vous *espérez* voir. Il s'agit de ce que votre trafic peut *se permettre* de mesurer.
Pour un test de proportion à deux échantillons avec une puissance de 80 % et un alpha = 0,05, la taille d'échantillon requise par variante est approximativement :
n = 16 * p * (1 - p) / delta^2
Où p est le taux de conversion de base et delta est le MDE absolu. La constante 16 provient de (Z_alpha/2 + Z_beta)^2 avec des valeurs standard (1,96 + 0,84)^2 = 7,84, doublée pour deux variantes et arrondie.
La taille de l'échantillon augmente avec le *carré* de la réduction du MDE. Réduire de moitié le MDE de 5 % à 2,5 % quadruple le trafic requis. Voici un tableau concret pour un taux de conversion de base de 10 % :
| MDE (absolu) | Échantillon par variante | Trafic total (2 variantes) |
|---|---|---|
| 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 |
Traduire l'augmentation en argent. Si votre site convertit à 3 % et obtient 100 000 visiteurs/mois :
Demandez-vous : est-ce que 50 000 $/mois vaut 5 semaines de test ? Habituellement oui. Mais si une augmentation de 0,5 pp = 25 000 $ et nécessite 20 semaines, probablement pas.
Ouvrez Calculateur de taille d'échantillon, branchez votre taux de conversion de base et votre MDE cible, et voyez si votre trafic peut supporter la durée du test.
Cet article est relu par l’équipe éditoriale de Tools Hub pour garantir l’exactitude, la valeur pratique et la cohérence avec les workflows produit actuels.
Dernière vérification:
Guide pratique sur « Taille de l'échantillon pour les expériences de flux d'inscription »: étapes clés, erreurs fréquentes et mise en œuvre avec Taille d'Échantillon.
Guide pratique sur « Quand arrêter un test A/B en cas de faible trafic »: étapes clés, erreurs fréquentes et mise en œuvre avec Calculatrice A/B.
Guide pratique sur « Tests multivariés vs tests A/B: un cadre décisionnel »: étapes clés, erreurs fréquentes et mise en œuvre avec Calculatrice A/B.
Guide pratique sur « Comment éviter les faux positifs dans les tests A/B »: étapes clés, erreurs fréquentes et mise en œuvre avec Calculatrice A/B.