最小可检测效应（MDE）：是什么、怎么算

什么是最小可检测效应？

最小可检测效应（Minimum Detectable Effect，MDE）是实验设计时要能抓到的两组之间最小的真实差异。它和显著性水平（常用 5%）、功效（常用 80%）一起在实验前定好，这三个数共同决定需要多少访客。

如果真实效果不小于 MDE，实验大多能检测出来（功效 80% 时，十次里约八次）；如果真实效果更小，实验可能漏掉。

相对 MDE 和百分点 MDE

不同实验工具要你填的口径不一样，混用会让样本量差出好几倍，所以一定要说清是哪一种。

公式

对转化率来说，每组样本量大约是：

n ≈ (z₁₋α/₂ + z₁₋β)² × [p₁(1−p₁) + p₂(1−p₂)] ÷ (p₂ − p₁)²

• p₁ 是基线转化率，p₂ 是你希望能检测到的转化率。
• α = 0.05（双侧）、功效 80% 时，(1.96 + 0.84)² ≈ 7.85。

关键在于：n 和 1 ÷ (p₂ − p₁)² 成正比。MDE 减半，样本大约要四倍。

计算示例

基线转化率 5%，α = 0.05 双侧，功效 80%，每组每天 4,000 个访客（示例流量）：

只关心 10% 以上提升的团队，一周左右就能跑完；想检测 5% 的提升要一个月。20% 那组两天就够样本，也至少跑满一周，让工作日和周末的行为都包含进来。

怎么选 MDE

1. 从决策出发。 多小的提升才值得上线并长期维护这个改动？那就是你的 MDE。
2. 核对流量。 用公式或计算器算一下。如果要跑几个月，可以改测更大胆的方案、换一个离改动更近的指标，或者接受更大的 MDE。
3. 事先定好。 上线前写下 MDE、显著性水平、功效和实验时长，以及要守住的护栏指标。

常见误区

• 看了数据再定 MDE。 计划就变成了事后找理由。
• p 值一跌破 0.05 就停。 中途反复偷看会推高假阳性，要跑到计划的样本量。
• 把不显著当成"没效果"。 它只说明没有以计划的把握找到不小于 MDE 的效果。
• 忽略两组不均衡。 混杂变量或分流出错，都可能制造或掩盖差异。

在 TapCub 里拿到基线

TapCub 不做 A/B 测试，但能提供规划实验需要的输入。基线转化率和每天的流量可以在 网站统计 › 目标，或 全端分析 里的漏斗看到。用最近四个完整周的数据，抹平星期几带来的波动，再把转化率和每天访客数代入上面的公式。