背景：为什么需要「最小可检测提升」
反过来问：我已经有每组 3000 人的流量，能可靠检测出多大的提升？这个数字叫 MDE（最小可检测提升）。如果 MDE 是 30%，意味着 20% 的真实提升你也测不出来——这个实验从设计上就不可能成功。
⚠ 常见痛点：小流量产品做 A/B 测试经常「测不出显著」，不知道是改动无效还是样本不够——MDE 让这个问题透明。
方法：怎么算
- 输入：基线转化率、每组已有样本量、置信度与功效（留空默认）
- 反解样本量公式得到 MDE（绝对值 pp 与相对值 %）
- 对照业务判断：这个 MDE 水平是否够用
- 输出：当前样本能检测的最小提升
MDE ≈ (zα+zβ) × √(2p(1−p) ÷ n)（近似）：MDE ≈ (zα+zβ) × √(2p(1−p) ÷ n)（近似）
案例：真实数字走一遍
CASE
某工具类产品日活低，想验证改版效果
输入：基线转化率 5%、每组样本 3000 人
- MDE 绝对值 ≈ 1.58pp，相对值 ≈ 31.5%
- 解读：只有 ≥31.5% 的提升才能被可靠检测——20% 的好改动测不出来
- 选择：要么积累样本到 3 万/组，要么改测「上游指标」（点击率，流量大基线高）
团队改为测试「推荐位点击率」（基线 20%、流量大），MDE 降到 6%——可行的实验设计。MDE 的价值：让「测不出」在设计阶段就被发现。