Kalkulator Signifikansi A/B Testing Gratis
Cari tahu dalam hitungan detik apakah hasil split test Anda signifikan secara statistik. Masukkan pengunjung dan konversi kedua varian untuk melihat pemenangnya, lift, nilai p, dan ukuran sampel yang Anda butuhkan.
Tingkat keyakinan
Keyakinan
0.0%
Menunggu dataMasukkan pengunjung dan konversi kedua varian untuk melihat kesimpulannya.
- Kontrol (A) conversion rate
- 0.00%
- Varian (B) conversion rate
- 0.00%
- Lift
- --
- Nilai p
- --
- Ukuran sampel
- --
Tips. Jangan hentikan pengujian begitu tingkat keyakinan melewati 95%. Tentukan ukuran sampel sejak awal dan biarkan pengujian berjalan. Kalau tidak, Anda kemungkinan besar sedang menyatakan positif palsu.
Cara kerjanya
Cara memeriksa signifikansi A/B testing dalam 3 langkah
Dapatkan kesimpulan yang jelas dan sahih secara statistik untuk split test Anda dalam waktu kurang dari satu menit, tanpa spreadsheet dan tanpa pendaftaran.
- 01
Masukkan angka kontrol Anda
Tambahkan total pengunjung dan konversi untuk varian A, versi asli yang menjadi pembanding.
- 02
Masukkan angka varian Anda
Tambahkan pengunjung dan konversi untuk varian B, versi barunya. Conversion rate Anda langsung diperbarui saat Anda mengetik.
- 03
Baca kesimpulannya
Lihat apakah hasilnya signifikan, berapa lift-nya, nilai p dan tingkat keyakinannya, serta perkiraan berapa pengunjung lagi yang Anda butuhkan jika belum mencapainya.
Mengapa ini penting
Mengapa marketer menjalankan uji signifikansi
Conversion rate yang lebih tinggi saja belum berarti menang. Gunakan uji signifikansi yang tepat untuk tahu kapan harus berhenti, kapan pengujian perlu terus berjalan, dan kapan sebuah hasil hanya kebetulan.
Tahu kapan harus menghentikan pengujian
Tentukan pemenang dengan keyakinan nyata alih-alih menebak, dan jangan sampai membuang varian yang sebenarnya berhasil.
Hindari positif palsu
Jangan biarkan kebiasaan mengintip hasil terlalu dini merugikan Anda. Nilai p yang tepat memberi tahu kapan sebuah perbedaan itu nyata.
Rencanakan pengujian berikutnya
Petunjuk ukuran sampel memperkirakan berapa pengunjung yang dibutuhkan setiap varian, dengan power statistik 80%, untuk memastikan selisih yang Anda lihat. Gunakan angka itu untuk menentukan ukuran pengujian berikutnya sebelum dimulai.
Pelaporan lebih rapi
Bagikan link hasil ke tim Anda dalam satu klik agar semua orang membaca angka yang sama, dengan tingkat keyakinan yang sama.
Contoh penggunaan
Di mana tim memakai kalkulator A/B testing
Dari landing page sampai materi iklan, begini cara marketer memakai uji signifikansi cepat di setiap eksperimen yang mereka jalankan.
Pengujian landing page
Bandingkan dua versi landing page untuk mengetahui headline, hero, atau CTA mana yang benar-benar menggerakkan conversion rate.
Facebook & Meta Ads
Pilih antara dua materi iklan atau audiens dengan dukungan statistik yang nyata, alih-alih memercayai label di Ads Manager.
Pengujian copy Google Ads
Bandingkan dua varian responsive search ad untuk memastikan headline baru benar-benar mengalahkan kontrol sebelum menaikkan ad spend.
Pengujian baris subjek email
Kirim dua baris subjek ke sebagian kecil list Anda dan tentukan pemenangnya dengan yakin sebelum pengiriman penuh.
Pengujian alur checkout
Pastikan langkah checkout baru, lencana kepercayaan, atau upsell benar-benar meningkatkan tingkat penyelesaian dan bukan sekadar kebetulan.
Eksperimen halaman harga
Jalankan pengujian yang bersih antara dua tingkatan harga atau tata letak, lalu putuskan berdasarkan pendaftaran, bukan firasat.
FAQ
Pertanyaan seputar Kalkulator Signifikansi A/B Testing.
Yang tidak ada di sini, ada di Pusat Bantuan, atau tanya kami.
FAQ
Apa itu signifikansi statistik dalam A/B testing?
Signifikansi statistik adalah ukuran seberapa yakin Anda bahwa perbedaan antara dua varian itu nyata dan bukan sekadar variasi acak. Aturan umumnya, tetapkan pemenang saat tingkat keyakinan mencapai 95% atau lebih, artinya peluang hasil itu terjadi karena kebetulan kurang dari 5%.
Apa itu nilai p?
Nilai p adalah peluang munculnya hasil yang Anda amati (atau yang lebih ekstrem) seandainya sebenarnya tidak ada perbedaan nyata antar varian. Makin kecil nilai p, makin kuat bukti bahwa perbedaannya nyata. Nilai p 0,05 setara dengan keyakinan 95%.
Tingkat keyakinan berapa yang sebaiknya saya pakai?
Sebagian besar marketer memakai keyakinan 95%, artinya Anda menerima peluang 5% terjadinya false positive. Gunakan 99% bila keputusannya berisiko besar (misalnya menerapkan perubahan ke seluruh trafik berbayar), dan 90% hanya untuk eksperimen tahap awal yang risikonya rendah.
Berapa pengunjung yang saya butuhkan untuk A/B testing?
Tergantung conversion rate dasar Anda dan besar kenaikan yang ingin dideteksi. Sebagai patokan kasar, kenaikan kecil (di bawah 5%) butuh puluhan ribu pengunjung per varian, sementara kenaikan besar (20% ke atas) bisa dipastikan dengan beberapa ribu saja. Kalkulator ini memperkirakan berapa pengunjung lagi yang dibutuhkan setiap varian untuk memastikan selisih yang Anda lihat, dengan power statistik 80%.
Apa itu lift dalam A/B testing?
Lift adalah selisih persentase relatif antara conversion rate kedua varian. Kalau varian A mengonversi di 3% dan varian B di 4,5%, maka lift B atas A adalah 50%. Lift inilah yang benar-benar Anda pakai untuk memutuskan apakah sebuah perubahan layak diterapkan.
Kenapa pengujian saya belum signifikan padahal varian B unggul?
Conversion rate yang lebih tinggi saja belum cukup. Anda butuh cukup data supaya perbedaan itu kecil kemungkinannya muncul dari kebetulan. Makin kecil kenaikannya, makin banyak pengunjung yang dibutuhkan. Kalau pengujian dihentikan terlalu cepat, Anda berisiko menerapkan perubahan yang sebenarnya hanya kebetulan.
Apa itu masalah mengintip hasil?
Mengintip berarti terus-menerus mengecek hasil pengujian dan menghentikannya begitu keyakinan melewati 95%. Kebiasaan ini melonjakkan tingkat false positive Anda. Untuk menghindarinya, tentukan ukuran sampel yang dibutuhkan sejak awal, lalu periksa hasilnya sekali saja di akhir.
Apakah kalkulator ini bisa dipakai untuk Facebook, Google, atau TikTok Ads?
Bisa. Signifikansi adalah ukuran statistik yang universal, jadi kalkulator ini berlaku untuk setiap A/B testing di mana Anda bisa mengukur pengunjung (atau impresi, klik, kiriman) dan konversi. Masukkan angka dari Meta Ads, Google Ads, TikTok Ads, platform email, atau analitik landing page Anda.
Apakah kalkulator A/B testing ini gratis?
Ya. Kalkulator signifikansi A/B testing ini 100% gratis, tanpa perlu daftar, tanpa batas, dan tanpa harus menyerahkan email. Jalankan sebanyak yang Anda butuhkan, untuk keperluan pribadi maupun komersial.
Apakah data saya disimpan di suatu tempat?
Tidak. Semua perhitungan terjadi sepenuhnya di browser Anda. Jumlah pengunjung dan angka konversi tidak pernah meninggalkan perangkat Anda dan tidak pernah dikirim ke server kami.
A/B test landing page yang benar-benar dilihat pengunjung Anda
Kemenangan terbesar dari A/B testing datang dari menguji halaman tempat trafik berbayar Anda mendarat. Pakai LanderLab untuk membangun, melakukan A/B test, dan merilis landing page yang berkonversi, lalu bawa angkanya kembali ke kalkulator ini.