样本量

样本量（Sample Size）是指在一次实验、调查或数据分析中，实际纳入统计的观测个体（用户、订单、点击、SKU 等）的数量。它直接决定了你的结论有多“稳”——样本量越大，随机波动被平均掉的程度越高，结果越可靠、越容易达到统计显著性。

一句话解释

样本量就是你“看了多少个样本”再下结论；看得太少，结论容易被运气带偏，看得太多，又浪费时间和预算。

生活化类比

假设你想知道一锅汤咸不咸。舀一勺尝（样本量 = 1），可能刚好舀到没搅匀的盐块，结论就错了；舀 10 勺从不同位置尝（样本量 = 10），判断就靠谱得多。但如果你只想知道“这锅汤要不要加水”，尝 1000 勺也没必要——够用就好。跨境电商里同理：用 20 个访客判断落地页好坏，几乎等于抛硬币；用 20,000 个访客判断，结论才可信。

核心概念与公式

样本量的核心逻辑是：你希望检测到的差异越小、要求的置信度越高，需要的样本量就越大。

以最常见的 A/B 测试（两组比例对比）为例，每组所需样本量的简化估算公式为：

n = \frac{2 \cdot (z_{\alpha/2} + z_{\beta})^2 \cdot p(1-p)}{\Delta^2}

其中：

- \(n\)：每组所需样本量

- \(z_{\alpha/2}\)：显著性水平对应的临界值（95% 置信度约 1.96）

- \(z_{\beta}\)：统计功效对应的临界值（80% 功效约 0.84）

- \(p\)：基准转化率

- \(\Delta\)：你希望检测到的最小提升幅度（绝对值）

三个关键数据示例：

1. 基准转化率 5%，希望检测到提升到 6%（\(\Delta=1\%\)），95% 置信度、80% 功效 → 每组约需 7,000+ 样本。

2. 若只想检测 5% → 7%（\(\Delta=2\%\)），每组约需 1,800 左右。

3. 若基准转化率 1%，检测 1% → 1.5%（\(\Delta=0.5\%\)），每组可能需要 数万样本。

可以看出：转化率越低、想检测的提升越小，样本量需求呈平方级增长。

与相关术语对比

术语	含义	与样本量的关系
总体（Population）	你真正想研究的全部对象，如所有潜在买家	样本量是从总体中抽取的观测数量
抽样（Sampling）	从总体中选取部分个体的过程	抽样方式影响样本量的有效性
统计功效（Power）	当真实差异存在时，能检测出它的概率	功效越高，所需样本量越大
显著性水平（α）	允许犯“假阳性”错误的概率，常取 0.05	α 越小，所需样本量越大
置信区间（CI）	估计值的可能范围	样本量越大，置信区间越窄
最小可检测效应（MDE）	你希望检测到的最小差异	MDE 越小，所需样本量越大

应用场景（含数据与案例）

场景 1：落地页 A/B 测试

某独立站落地页基准转化率 4%，你希望检测新版本能否提升到 4.8%（相对提升 20%）。按 95% 置信度、80% 功效计算，每组约需 9,000 访客。若你每天只有 300 访客，两组并行需要约 60 天——这时要么延长测试，要么接受更大的 MDE。

场景 2：广告素材效果对比

某 Facebook 广告组 CTR 基准 1.2%，你想判断新素材是否能提升到 1.5%。由于基准低、差异小，每组可能需要 2 万以上曝光。很多卖家投了 2,000 曝光就下结论“新素材不行”，实际上样本量远远不够。

场景 3：问卷调研

你想了解海外用户对某品类的价格敏感度，若总体假设为无限大、允许误差 ±5%、置信度 95%，所需样本量约为 384 份。若只回收 80 份，误差范围会扩大到 ±11% 左右，结论参考价值大幅下降。

常见误区

1. “样本量越大越好”：不是。样本量超过必要值会浪费流量和预算，还可能把极小的、无商业意义的差异判为“显著”。

2. “有数据就能下结论”：样本量不足时，随机波动会主导结果。100 个访客的转化率差异，可能只是运气。

3. “看相对提升就够了”：5% → 5.5% 是相对提升 10%，但绝对差异只有 0.5%，所需样本量远大于 5% → 10%。

4. “中途偷看结果，显著就停”：这会大幅提高假阳性率（peeking problem）。应预先算好样本量并跑完。

5. “忽略基准转化率”：低转化率场景（如 1%）需要的样本量远高于高转化率场景（如 10%）。