Elysia Tools

Durchsuche Tools, Beispiele, visuelle Erklärungen und Themenguides an einem klaren Ort.

Beliebte Kategorien

Themen

Sprache
ZHDERUPTENFRES

Elysia Tools

Mobile Navigation

Data Analysis

A/B-Test Signifikanzrechner

· Zuletzt aktualisiert:2026-07-05

Geben Sie Kontrolle-/Behandlungs-Daten ein: Differenz der Raten, 95%/99%-Konfidenzintervalle, p-Wert des Z-Tests (Anteile) oder Welch-t (stetig), Signifikanz, Lift, Stichprobengröße für 80%/90% Power, empfohlene Tage, Sequential-Testing-Warnung und Bonferroni-Korrektur.

Einzelheiten

Wobei dieses Tool hilft

Entscheide, ob dein A/B-Test-Ergebnis echtes Signal oder Rauschen ist — mit korrekter Statistik.

Zwei Testtypen.

  • Anteil / Konversionsrate. Erfolge + Besucher von Kontrolle und Behandlung. Berechnet Raten, relativen Lift, gepoolten Z-Test und das 95%/99%-KI der Differenz.
  • Stetige Metrik (Mittelwert & SD). Mittelwert, SD und n beider Gruppen. Führt einen Welch-t-Test (ohne gleiche Varianzen) mit Welch–Satterthwaite-Freiheitsgraden aus.

Mehr als der p-Wert: Lift, Konfidenzintervall, Stichprobengröße für 80%/90% Power, empfohlene Tage, Bonferroni-Korrektur bei Mehrfachvergleichen und Sequential-Testing-Warnung (den p-Wert mittendrin nicht anschauen).

"Signifikant" bedeutet, die Daten sind bei α=0,05 unverträglich mit Null-Differenz — nicht, dass der Lift groß oder wichtig ist. Kombiniere Signifikanz mit Effektgröße vor dem Rollout.

Ausführung

Dieses Tool ausführen

Fülle das Formular aus, starte das Tool und prüfe das Ergebnis an einem Ort.

Beispiele

Beispiele zu diesem Tool

Verwandt

Mit verwandten Tools und Themen fortfahren

Verfasst vom Elysia Tools Team
Konvertierung369
Größe88
Power36
Datenanalyse26
p-Wert21
Days18
T-Test15
Konfidenzintervall9
Sample Size6

Leitfaden zur Tool-Nutzung

Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.

Wichtige Fakten

Kategorie
Data Analysis
Eingabetypen
select, number
Ausgabetyp
html
Sample-Abdeckung
4
API bereit
Ja

Überblick

Der A/B-Test Signifikanzrechner hilft Ihnen zu bestimmen, ob die Leistungsunterschiede zwischen Ihrer Kontroll- und Behandlungsgruppe statistisch signifikant sind oder auf reinem Zufall basieren. Durch die Unterstützung von Z-Tests für Konversionsraten und Welch-t-Tests für stetige Metriken liefert das Tool präzise p-Werte, Konfidenzintervalle, Stichprobengrößen und notwendige Korrekturen für fundierte Produktentscheidungen.

Wann verwenden

  • Wenn Sie die Konversionsraten zweier Landingpages vergleichen und wissen möchten, ob der gemessene Lift statistisch signifikant ist.
  • Wenn Sie stetige Metriken wie die durchschnittliche Ladezeit oder den Warenkorbwert (Mittelwert und Standardabweichung) zwischen zwei Gruppen analysieren.
  • Wenn Sie vorab die benötigte Stichprobengröße und Testdauer basierend auf Ihrer täglichen Besucherzahl und dem minimal erkennbaren Effekt (MDE) planen wollen.

So funktioniert es

  1. 1Wählen Sie den passenden Testtyp aus: 'Anteil (Konversionsrate)' für binäre Ereignisse oder 'Stetig (Mittelwert & SD)' für kontinuierliche Messwerte.
  2. 2Geben Sie die Leistungsdaten für die Kontroll- und Behandlungsgruppe ein (z. B. Erfolge und Besucher oder Mittelwert, Standardabweichung und Stichprobengröße).
  3. 3Konfigurieren Sie das gewünschte Signifikanzniveau (α), die statistische Power sowie optionale Parameter wie die Anzahl der Vergleiche für die Bonferroni-Korrektur.
  4. 4Das Tool berechnet sofort den p-Wert, den relativen Lift, das Konfidenzintervall sowie eine Empfehlung zur Stichprobengröße und warnt vor vorzeitigem Abbrechen (Sequential-Testing).

Anwendungsfälle

  • Validierung von Conversion-Rate-Optimierungen (CRO) auf E-Commerce-Websites durch Auswertung von Klicks und Käufen.
  • Vergleich von kontinuierlichen Performance-Metriken wie der durchschnittlichen Verweildauer oder dem Bestellwert nach einem App-Update.
  • Berechnung der benötigten Stichprobengröße und Testlaufzeit vor dem Start einer Marketingkampagne zur Vermeidung von unterpowerten Tests.

Beispiele

1. Optimierung der Checkout-Konversionsrate

CRO Manager

Hintergrund

Ein Online-Shop möchte wissen, ob ein neuer One-Page-Checkout die Kaufabschlüsse signifikant steigert.

Aufgabe

Die Kontrollgruppe hat 1.200 Käufe bei 20.000 Besuchern (6,0 % CR). Die Behandlungsgruppe hat 1.320 Käufe bei 20.000 Besuchern (6,6 % CR). Ist dieser Anstieg von 10 % signifikant?

Verwendung

Wählen Sie den Testtyp 'Anteil', tragen Sie die Erfolge und Besucher für beide Gruppen ein, setzen Sie das Signifikanzniveau auf 0,05 und klicken Sie auf Berechnen.

testType: proportion, cSuccess: 1200, cVisitors: 20000, tSuccess: 1320, tVisitors: 20000, alpha: 0.05

Ergebnis

Das Tool zeigt einen p-Wert von ca. 0,0135 und bestätigt ein statistisch signifikantes Ergebnis mit einem relativen Lift von 10,00 %.

2. Vergleich des durchschnittlichen Bestellwerts

Data Analyst

Hintergrund

Ein Produktteam hat ein neues Empfehlungssystem eingeführt und möchte prüfen, ob der durchschnittliche Bestellwert gestiegen ist.

Aufgabe

Die Kontrollgruppe (n=500) zeigt einen Mittelwert von 42,50 € (SD 12,00 €). Die Behandlungsgruppe (n=500) zeigt einen Mittelwert von 45,80 € (SD 12,50 €).

FAQ

Was bedeutet ein signifikantes Ergebnis bei einem A/B-Test?

Es bedeutet, dass der beobachtete Unterschied zwischen den Gruppen bei dem gewählten Signifikanzniveau (z. B. 5 %) sehr unwahrscheinlich durch reinen Zufall entstanden ist.

Wann sollte ich den Welch-t-Test statt des Z-Tests verwenden?

Nutzen Sie den Welch-t-Test für stetige Metriken wie Umsatz pro Nutzer oder Sitzungsdauer. Der Z-Test eignet sich für Anteile wie Klick- oder Konversionsraten.

Warum warnt das Tool vor 'Sequential Testing' (vorzeitigem Reinschauen)?

Regelmäßiges Prüfen des p-Werts während des laufenden Tests erhöht die Wahrscheinlichkeit für falsch-positive Ergebnisse (Fehler 1. Art) drastisch.

Was bewirkt die Bonferroni-Korrektur im Rechner?

Sie passt das Signifikanzniveau an, wenn Sie mehrere Varianten gleichzeitig gegen die Kontrolle testen, um die Anhäufung von Fehlern zu verhindern.

Wie wird die empfohlene Testdauer berechnet?

Sie basiert auf der berechneten erforderlichen Stichprobengröße pro Variante, der Traffic-Aufteilung und Ihren täglichen Besuchern.

Thema

A/B-Experimentdesign, Stichprobengröße und statistische Power

Planen Sie ein A/B-Experiment, bestimmen Sie den Evidenzumfang, wählen Sie den passenden Test und prüfen Sie den Effekt vor einer Entscheidung.

Start
Werkzeuge3212
Beispiele593
Visualisierungen471
Dateibetrachter103
Themen239
Schlagwörter333
Bilder, Audio & Video657

Werkzeuge für Bild-, Audio- und Videobearbeitung, Konvertierung und Optimierung

Mathe, Datum & Finanzen647

Rechner, Zahlenwerkzeuge, Datumslogik, Statistik und Finanztools

Design & Farbe298

Werkzeuge für Farben, Layouts, Grafiken, visuelle Gestaltung und Designhilfen

Text & Schreiben209

Werkzeuge für Schreiben, Bereinigung, Formatierung, Extraktion und Textanalyse

Entwicklung & Web193

Entwicklerwerkzeuge, Netzwerk-Utilities, Web-Debugging und Automatisierungshelfer

Konvertierung & Kodierung175

Werkzeuge für Format-, Datei-, Archiv-, Einheiten- und Kodierungskonvertierung

Lead-Quiz veröffentlichen und Kontakte sicher übergeben
Gedenktexte: Familienprüfung und Übergabe zum Druck
Private Gewohnheiten: Sicherung, Wiederherstellung und Freigabeprüfung
Vom Artikel zu X- und LinkedIn-Entwürfen: Faktenprüfung und Übergabe
Interaktive Markdown-Lektion prüfen und offline übergeben

© 2026 Elysia Tools. Alle Rechte vorbehalten.

DokumentationTarifeÜber unsNutzungsbedingungenDatenschutzerklärungCookiesKontakt
Java

Android Java Bildverarbeitungsbeispiele

Android Java Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Kotlin

Android Kotlin Bildverarbeitungsbeispiele

Android Kotlin Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Python

Web Python Bildverarbeitung Beispiele

Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung

Rust

Web Rust Bildverarbeitungsbeispiele

Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Data Analysis

Monte-Carlo-Simulations-Builder

Definieren Sie Eingangsverteilungen (normal/uniform/lognormal/triangular), schreiben Sie eine Formel, führen Sie Tausende Durchläufe aus und erhalten Sie das Histogramm mit Konfidenzintervallen.

Text Processing

RSS / Atom Feed Markdown-Zusammenfasser

Lädt einen RSS/Atom-Feed per URL (oder als rohes XML), sortiert nach Veröffentlichungsdatum, dedupliziert, wendet ein Zeitfenster an und erzeugt eine saubere Markdown-Zusammenfassung

Text Processing

KI-Markdown-Artikel-Uebersetzer

Uebersetzt komplette Markdown-Artikel mit KI und behaelt Ueberschriften, Tabellen, Links, Bilder und Codebloecke bei

Text Processing

Dateinamen-Desinfektionsmittel

Bereinigt und desinfiziert Dateinamen durch Entfernen illegaler Zeichen für Windows, Linux und Mac

Verwendung

Wählen Sie den Testtyp 'Stetig', geben Sie Mittelwert, Standardabweichung und Stichprobengröße für beide Gruppen ein und starten Sie die Berechnung.

testType: continuous, cMean: 42.5, cSd: 12, cN: 500, tMean: 45.8, tSd: 12.5, tN: 500, alpha: 0.05

Ergebnis

Der Welch-t-Test berechnet eine Mittelwertdifferenz von 3,30 € (relative Steigerung von 7,76 %), die bei einem Signifikanzniveau von 5 % statistisch signifikant ist.