AIM AI SOFTWARE LAB分配廣告預算 ・第 4 步，共 4 步 ・← 上一步：預算與受眾匹配檢查 ・這是最後一步・看整套 →
A/B 結果判讀器
兩版數據丟進來——是真的贏了，還是樣本太少的雜訊？
範例結果
A：2.00%（40/2000）vs B：2.90%（58/2000） 領先：B 版，相對差距 45% 差距夠明顯，可以換上領先版——但留 10% 流量繼續驗證一週。
使用前先知道
- 樣本數太少時，即使數據看起來有差異，也可能是隨機波動，建議流量至少幾百再判讀。
- 此工具僅看兩版數據，未考慮外部因素（如促銷、季節），結果不代表因果關係。
常見問題
A版轉換率5%、B版6%，為什麼工具說不顯著？
轉換率差異可能來自隨機誤差，尤其樣本數小時。統計顯著性會考量流量與波動幅度，若樣本不足或差異不夠大，工具會判定無法確認B版真正優於A版。
樣本要到多少才夠用？
沒有固定數字，要看原始轉換率與你想偵測的差異大小。通常若轉換率在1-5%左右，每版至少幾百到上千流量；差異越小，所需樣本越大。流量低於一百時，結果僅供參考。
工具說不顯著，我可以直接選數字高的版本嗎？
不建議。若結果不顯著，選高的版本只是賭運氣，下次測試可能翻盤。實務上應繼續收集數據，或重新設計測試（如加大差異、鎖定特定受眾）。貿然上線高版本反而可能損失轉換。
接下來可以用
這個工具每天都會自動測試一次——已經連續 50 天通過；如果壞掉，測試紀錄會寫出來。 我們不會為了拿你的 Email 而擋住結果。
想先看懂怎麼算？A/B 結果判讀器 完整拆解
你的行業會怎麼用
同一個工具，不同品類的數字差很多——美妝的毛利率在 3C 是幻想， 生鮮的運費結構跟服飾完全不同。下面四個是各品類的實際情況。
美妝保養
1. 服飾配件 兩張主圖各跑 2,000 次曝光，A 版 40 次轉換、B 版 58 次。看起來 B 贏了 45%，但先問統計上站不站得住：2,000 的樣本、2% 對 2.9% 的轉換率，這個差距在統計上是成立的，可以上線 B。不過服飾要多做一件事：確認測試期間沒有換季、沒有促銷、沒有網紅提到你。這三件事任何一件都會蓋過素材的效果，而服飾的季節性讓它們特別容易撞在一起。確認乾淨之後再上線，不然你以為學到的東西下一季就不成立了。另外樣本要一次跑完，不要看到領先就提前收——早期的領先幾乎都是雜訊。
3C 配件
2. 食品生鮮 同樣的數字：各 2,000 曝光，40 對 58。食品的判讀要多看一層——轉換率高不代表毛利高。如果 B 版強調的是「免運」，轉換確實會漲，但每單的實拿會掉。實務上的做法是把勝負判定改成「每千次曝光的毛利」而不是轉換數。這個指標在食品特別重要，因為食品的價格敏感度高，任何提到優惠的素材都會贏在轉換而輸在利潤。算完再決定。算毛利版的勝負時記得扣掉運費補貼，那筆錢在食品通常就是勝負的差額。毛利版的計算把贈品、免運和金流手續費都算進去，缺一項結論就會反過來。食品的樣本通常兩週就夠，不用拖到一個月。
食品生鮮
3. 3C 週邊 各 2,000 曝光，A 版 40、B 版 58 次轉換。3C 的測試有一個陷阱：轉換率的差異可能來自「這一版寫了型號」，而那不是素材的勝利，是搜尋意圖的差異。3C 的客人常常是帶著明確型號來的，所以任何加了型號的素材都會贏。判讀的時候要問：贏的是設計還是資訊？如果是資訊，那結論不是「用 B 版的設計」，是「所有素材都該加型號」。這種區分讓一次測試變成一條通用規則。測完之後把結論寫成一句規則存起來，三個月後你會忘記為什麼選了 B 版。另外把「有沒有寫型號」單獨當一個變數測一次，那條規則值得驗證。
服飾配件
4. 手作文創 各 2,000 曝光，40 對 58。對手作來說，2,000 次曝光通常要累積兩三週才有，所以測試期間拉得長，外部干擾變多——節慶、市集、某篇被轉發。這讓結論的可信度打折。手作比較實際的做法是不做 A/B，改做「連續替換」：這個月全用 A 版，下個月全用 B 版，比較兩個月的整體表現。統計上不嚴謹，但至少沒有把小樣本切成更小的兩半。連續替換也要固定其他變數：同樣的發文時間、同樣的品項，不然比的是別的東西。兩個月的比較記得排除掉檔期，不然贏的是節慶不是素材。小樣本的結論要當作方向，不要當作定論。
放到你的網站（免費，不用問我們）
<iframe src="https://www.ecbase.tw/embed/ab-winner" width="100%" height="560" style="border:1px solid #E3DED4;border-radius:12px" loading="lazy" title="A/B 結果判讀器"></iframe>