背景：为什么需要「实验样本量测算」
A/B 测试最常见的失败原因不是「改动不好」，而是「没跑够样本就下结论」。要检测多大的提升、需要多少人——这个数在实验开始前就必须算清楚，而不是跑了一周看心情停。
⚠ 常见痛点：实验时长随意：流量小的产品跑三天就下结论，结果「测出」的提升全量后消失。
方法：怎么算
- 输入：基线转化率、想检测的最小提升（相对值）、置信度（默认 95%）、功效（默认 80%）
- 标准两比例检验公式计算每组所需样本量
- 填日流量可自动换算「需要跑几天」
- 输出：每组样本量、总样本、预计天数
每组 n = ( zα·√(2p̄(1−p̄)) + zβ·√(p₁(1−p₁)+p₂(1−p₂)) )² ÷ (p₂−p₁)²：每组 n = ( zα·√(2p̄(1−p̄)) + zβ·√(p₁(1−p₁)+p₂(1−p₂)) )² ÷ (p₂−p₁)²
案例：真实数字走一遍
CASE
某产品准备测试新推荐算法
输入：基线转化率 5%、想检测 10% 相对提升（→5.5%）、95% 置信、80% 功效
- p₁ = 0.05，p₂ = 0.055，合并 p̄ = 0.0525
- 代入标准公式：每组 ≈ 31243 人
- 总样本 62486 人；日流量 2000 → 需 32 天
结论：这个实验至少要跑一个月。产品经理原本计划的「跑一周看结果」被否——一周每组只有 1.4 万人，只能检测 15% 以上的大提升。