Calculadora de Sample Size para A/B Testing
Calculá cuántos visitantes y cuántos días necesitás por variante para que tu test alcance significancia estadística. Para evitar declarar ganadores con datos insuficientes y tomar decisiones por azar.
1Tus parámetros
2Tus resultados
Movemos las palancas para ver cómo cambia la duración del test.
¿Tu sitio no tiene tráfico suficiente para A/B testing?
Pasa con marcas chilenas que prueban variantes sin saber si tienen volumen para detectar mejoras. En Impacta Ya armamos tu programa de experimentos priorizando hipótesis que tu tráfico real puede validar en 2-4 semanas.
MDE (Minimum Detectable Effect)
Es la mejora relativa mínima que el test puede detectar. Más chica la mejora a detectar, más muestra necesitás. Detectar +5% requiere 9x más muestra que detectar +15%.
Confianza vs Poder
Confianza (1-α) protege contra falsos positivos. Poder (1-β) protege contra falsos negativos. El estándar es 95% / 80%, pero podés ajustar según tolerancia al riesgo.
Por qué importa
El error más común en A/B testing es declarar ganador con muestra insuficiente. +15% con 200 visitas es ruido, no señal. Esta calc te dice cuándo el test alcanza significancia.
Fórmula usada
Sample size para comparación de dos proporciones: n = (Zα/2 + Zβ)² × (p1(1-p1) + p2(1-p2)) / (p2-p1)². Estándar de la industria.