ควรทดสอบโฆษณา A/B นานแค่ไหน: คณิตศาสตร์ขนาดตัวอย่างที่นำไปใช้ได้จริง

ระยะเวลาทดสอบ A/B คือการคำนวณ ไม่ใช่ความเชื่อลอย ๆ: ใช้ขนาดตัวอย่างที่ต้องการหารด้วยปริมาณรายวัน นี่คือคณิตศาสตร์ขนาดตัวอย่างที่ใช้งานได้จริง พร้อมกฎขั้นต่ำ ขีดจำกัดสูงสุด และกฎหยุดทดสอบที่ทำให้การทดสอบไม่แพงเกินไป

ทีม OpenAdLibraryวิจัยข่าวกรองโฆษณาและโฆษณาเนทีฟ

31 กรกฎาคม 2569 · อ่าน 6 นาที

ภาพประกอบบทความ: ควรทดสอบโฆษณา A/B นานแค่ไหน: คณิตศาสตร์ขนาดตัวอย่างที่นำไปใช้ได้จริง

ทดสอบโฆษณา A/B จนกว่าแต่ละตัวแปรจะรวบรวมการแปลงได้มากพอที่จะทำให้ความแตกต่างที่คุณสนใจมองเห็นได้ — ไม่ใช่สำหรับจำนวนวันที่ตายตัว ตามหลักปฏิบัติทั่วไป นั่นหมายถึงอย่างน้อยหนึ่งสัปดาห์เต็มเพื่อครอบคลุมวงจรวันในสัปดาห์ และอยู่ระหว่าง 50 ถึงหลายพันการแปลงต่อตัวแปร ขึ้นอยู่กับว่าคุณต้องการตรวจจับความแตกต่างที่เล็กแค่ไหน ระยะเวลาเป็นผลลัพธ์ของการคำนวณ ไม่ใช่ความชอบตามปฏิทิน: วันที่ต้องการ = ขนาดตัวอย่างที่ต้องการต่อตัวแปร ÷ ปริมาณรายวันต่อตัวแปรของคุณ บทความนี้ให้คณิตศาสตร์นั้น กฎขั้นต่ำและขีดจำกัดสูงสุดที่ลบล้างมัน และลำดับการทดสอบที่ถูกกว่าเพื่อใช้เมื่อคณิตศาสตร์บอกว่าคุณจ่ายค่าความมีนัยสำคัญไม่ไหว

ระยะเวลาเป็นผลลัพธ์ ไม่ใช่ตัวเลือกตามปฏิทิน#

คำแนะนำส่วนใหญ่ให้คำตอบตายตัวแก่คุณ — เจ็ดวัน สิบสี่วัน หนึ่งเดือน วันเป็นหน่วยที่ผิด แคมเปญที่สร้างการแปลงวันละ 40 ครั้งสามารถตัดสินการทดสอบหน้าแลนดิ้งได้ในประมาณหนึ่งสัปดาห์ การทดสอบเดียวกันบนแคมเปญที่สร้างการแปลงวันละ 4 ครั้งใช้เวลากว่าสองเดือน ซึ่งผลลัพธ์จะปนเปื้อนกับทุกสิ่งที่เปลี่ยนแปลงในระหว่างนั้น สามปัจจัยกำหนดระยะเวลาจริงของคุณ:

อัตราพื้นฐาน ของเมตริกที่คุณกำลังทดสอบ — CTR สำหรับครีเอทีฟ อัตราการแปลง สำหรับหน้าแลนดิ้งและข้อเสนอ
ความแตกต่างที่เล็กที่สุดที่คุ้มค่าตรวจพบ การตรวจจับการเพิ่มขึ้น 10% ใช้ปริมาณการเข้าชมแพงกว่าการตรวจจับการเพิ่มขึ้น 50% มาก และการเพิ่มขึ้นเล็กน้อยส่วนใหญ่ไม่คุ้มค่ากับเงินที่ใช้เพื่อเห็นมัน
ปริมาณรายวันต่อตัวแปร — กำหนดโดยงบประมาณและการประมูลของคุณ

กำหนดสองปัจจัยแรกและขนาดตัวอย่างที่ต้องการจะได้จากสูตร หารด้วยปัจจัยที่สามและคุณก็ได้ระยะเวลาของคุณ หากคำตอบออกมายาวกว่าประมาณสี่สัปดาห์ การเคลื่อนไหวที่ถูกต้องมักจะเปลี่ยนการทดสอบ ไม่ใช่ฝืนทำต่อไป — ดูเพิ่มเติมด้านล่าง

คณิตศาสตร์ขนาดตัวอย่าง ลบปริญญาสถิติออก#

ทางลัดมาตรฐานสำหรับการทดสอบสองตัวแปรที่ความมั่นใจ 95% และพลัง 80%:

n ต่อตัวแปร ≈ 16 × p × (1 − p) ÷ d²

โดยที่ p คืออัตราพื้นฐานของคุณในรูปทศนิยม และ d คือความแตกต่างสัมบูรณ์ที่คุณต้องการตรวจจับ ตัวอย่างการคำนวณสองตัวอย่าง:

การทดสอบครีเอทีฟในระดับ CTR อัตราพื้นฐาน CTR 0.5% ตรวจจับการเพิ่มขึ้นสัมพัทธ์ 20% (0.1 จุดสัมบูรณ์): n ≈ 16 × 0.005 × 0.995 ÷ 0.001² ≈ 80,000 อิมเพรสชันต่อตัวแปร แพลตฟอร์มเนทีฟเสิร์ฟอิมเพรสชันเร็วและราคาถูก ดังนั้นนี่สามารถตัดสินได้ในไม่กี่วัน
การทดสอบหน้าแลนดิ้งในระดับการแปลง อัตราการแปลงพื้นฐาน 2% ตรวจจับการเพิ่มขึ้นสัมพัทธ์ 25% (0.5 จุดสัมบูรณ์): n ≈ 16 × 0.02 × 0.98 ÷ 0.005² ≈ 12,500 คลิกต่อตัวแปร ที่ CPC $0.40 นี่คือการทดสอบห้าหลักสำหรับคู่หน้าเว็บเดียว

สิ่งที่คุณกำลังทดสอบ	อัตราพื้นฐาน	การเพิ่มขึ้นที่ตรวจจับ	ตัวอย่างต่อตัวแปร
CTR (ครีเอทีฟ)	0.5%	20% สัมพัทธ์	~80,000 อิมเพรสชัน
CTR (ครีเอทีฟ)	0.5%	50% สัมพัทธ์	~13,000 อิมเพรสชัน
CVR (หน้าแลนดิ้ง)	2%	25% สัมพัทธ์	~12,500 คลิก
CVR (หน้าแลนดิ้ง)	2%	50% สัมพัทธ์	~3,100 คลิก
CVR (หน้าข้อเสนอ)	5%	25% สัมพัทธ์	~4,900 คลิก

บทเรียนสองประการเกิดขึ้นจากตารางนั้น ประการแรก การเพิ่มขึ้นเล็กน้อยมีราคาแพงอย่างโหดร้าย: การลดความแตกต่างที่ตรวจจับได้ลงครึ่งหนึ่งทำให้ขนาดตัวอย่างเพิ่มขึ้นสี่เท่า ประการที่สอง การทดสอบในระดับอิมเพรสชันมีค่าใช้จ่ายเพียงเศษเสี้ยวเล็กน้อยของการทดสอบในระดับคลิก ความไม่สมมาตรนั้นควรกำหนดโปรแกรมการทดสอบทั้งหมดของคุณ: ทดสอบแนวคิดครีเอทีฟในระดับ CTR ทดสอบฟันเนลในระดับการแปลง และอย่าทดสอบการเปลี่ยนแปลงขนาดเล็กเหมือนสีปุ่ม — ขนาดตัวอย่างที่ต้องการเพื่อตรวจจับพวกมันนั้นแทบไม่คุ้มค่า

ขั้นต่ำ: หนึ่งสัปดาห์เต็ม ไม่ว่าคณิตศาสตร์จะบอกอะไร#

แม้ปริมาณจะส่งมอบตัวอย่างของคุณในสองวัน ให้ทดสอบอย่างน้อยเจ็ดวัน ผู้ชมในวันธรรมดาและวันหยุดสุดสัปดาห์มีพฤติกรรมต่างกัน — คนต่างกัน อุปกรณ์ต่างกัน ความตั้งใจต่างกัน ส่วนผสมของผู้เผยแพร่บนเครือข่ายเนทีฟหมุนเวียนตลอดสัปดาห์เมื่อวงจรข่าวและตารางเนื้อหาเปลี่ยน ดังนั้นการเข้าชมวันอังคารจึงไม่ใช่การเข้าชมวันเสาร์ ความล่าช้าในการแปลงเพิ่มอคติประการที่สอง: คลิกวันพฤหัสบดีของตัวแปรอาจแปลงในวันเสาร์ ดังนั้นการตัดสินใจเร็วจึงให้ความได้เปรียบอย่างเป็นระบบกับตัวแปรที่บังเอิญได้อิมเพรสชันก่อน การทดสอบที่สิ้นสุดกลางสัปดาห์ได้สุ่มตัวอย่างส่วนที่บิดเบี้ยวของการเข้าชมจริงของคุณ และ "ผู้ชนะ" อาจเป็นเพียงผู้เชี่ยวชาญวันธรรมดา

ขีดจำกัดสูงสุด: การทดสอบที่ยาวนานจะเสื่อมสภาพจากภายใน#

เกินสามถึงสี่สัปดาห์ การทดสอบ A/B หยุดเป็นการทดลองที่ควบคุมได้ Creative fatigue ทำให้ทั้งสองตัวแปรเสื่อมลง — แทบไม่เคยเกิดขึ้นด้วยความเร็วเดียวกัน ซึ่งกลับอันดับกลางการทดสอบอย่างเงียบ ๆ คู่แข่งเข้าออกการประมูลและเปลี่ยนคุณภาพการเข้าชมของคุณ ฤดูกาลเปลี่ยนแปลงอยู่ใต้การเปรียบเทียบทั้งหมด หากสูตรบอกว่าคุณต้องการการเข้าชมหกสัปดาห์ จงอ่านนั่นเป็นคำตัดสิน: ความแตกต่างที่คุณกำลังล่านั้นเล็กเกินไปที่จะตรวจจับได้ที่ปริมาณของคุณ ให้ทดสอบการเปลี่ยนแปลงที่ใหญ่กว่าแทน — hook หรือ angle ที่ต่างกัน โครงสร้างฟันเนลที่ต่างกัน — ที่ซึ่งความแตกต่างที่ตรวจจับได้มีขนาดใหญ่และตัวอย่างมีราคาไม่แพง

อย่าแอบดู — หรืออย่างน้อยอย่าทำตามสิ่งที่แอบดู#

รูปแบบความล้มเหลวคลาสสิก: ตรวจสอบแดชบอร์ดทุกวันและประกาศชัยชนะในวันแรกที่ตัวเลขดูมีนัยสำคัญ การมองข้อมูลที่สะสมซ้ำ ๆ เพิ่มผลบวกลวงอย่างมาก — ด้วยการแอบดูรายวัน กฎหยุด "มันมีนัยสำคัญในบางจุด" จะเกิดขึ้นบ่อยกว่าอัตราความผิดพลาด 5% ที่โฆษณา การถดถอยสู่ค่าเฉลี่ยจากนั้นอธิบายข้อร้องเรียน "ผู้ชนะของฉันหยุดชนะ" ส่วนใหญ่: ตัวแปรที่กระโดดนำในวันที่สองกำลังขี่สัญญาณรบกวน และมันจะลอยกลับมา วินัยนั้นง่าย: กำหนดขนาดตัวอย่างล่วงหน้า ตรวจสอบรายวันเฉพาะสำหรับเงื่อนไขหยุดขาดทุน — การติดตามพัง การใช้จ่ายเกินควบคุม ตัวแปรที่ทำผลงานย่ำแย่ — และประเมินผู้ชนะเพียงครั้งเดียว เมื่อสิ้นสุด

กฎหยุดทดสอบสำหรับเมื่อคุณจ่ายค่าความมีนัยสำคัญไม่ไหว#

ผู้ซื้อเนทีฟและแอฟฟิลิเอทส่วนใหญ่ไม่สามารถจัดหาเงิน 12,500 คลิกต่อตัวแปรได้ และการแสร้งทำเป็นว่าทำได้ทำให้เกิดความเข้มงวดปลอม ทางเลือกที่ซื่อสัตย์คือการคัดกรองเป็นขั้นตอน — หยาบกว่าการทดสอบความมีนัยสำคัญ และเป็นวิธีปฏิบัติมาตรฐานในหมู่ผู้ซื้อที่ทดสอบครีเอทีฟหลายสิบชิ้นต่อเดือน:

คัดกรองด้วย CTR (วัน 1–3) ให้ครีเอทีฟแต่ละชิ้นได้อิมเพรสชันสองสามพันครั้ง จากนั้นฆ่าทุกชิ้นที่ต่ำกว่ากลุ่มอย่างชัดเจน คุณไม่ได้พิสูจน์อะไร — คุณกำลังคัดกรองเพื่อให้งบประมาณรวมศูนย์กับผู้ชนะที่น่าจะเป็นไปได้
ราคาคุ้มครองการใช้จ่าย (ต่อเนื่อง) กฎปฏิบัติทั่วไปทั่วไป: หยุดตัวแปรใด ๆ ที่ใช้จ่ายไป 2–3× CPA เป้าหมายของคุณโดยไม่มีการแปลงเลย นั่นไม่ใช่สถิติ; มันคือการเอาชีวิตรอด
ความมีนัยสำคัญสำหรับผู้เข้ารอบสุดท้าย เมื่อผู้รอดชีวิตสองหรือสามคนแบกรับการใช้จ่ายส่วนใหญ่แล้ว ให้ทำการทดสอบระดับการแปลงที่เหมาะสมระหว่างพวกเขาโดยใช้คณิตศาสตร์ข้างต้น คุณจัดหาเงินให้กับการทดสอบจริงหนึ่งครั้งแทนที่จะเป็นสิบครั้งปลอม

ลัดขนาดตัวอย่าง: เริ่มจากโฆษณาที่รอดมาแล้ว#

ทุกตัวแปรที่คุณไม่จำเป็นต้องทดสอบคือเงินที่ประหยัดได้ และข้อมูลที่ถูกที่สุดเกี่ยวกับสิ่งที่ได้ผลคือสิ่งที่คู่แข่งยังคงจ่ายเงินเพื่อดำเนินการต่อไป โฆษณาที่วิ่งมา 30+ วันได้ผ่านการตรวจสอบความสามารถในการทำกำไรของเจ้าของทุกวันของการรันนั้น ดัชนีของ OpenAdLibrary ที่มีครีเอทีฟเนทีฟสดมากกว่า 725,000 รายการทั่ว 49 เครือข่าย (มิถุนายน 2026) บันทึกวันที่พบครั้งแรกและครั้งล่าสุดสำหรับทุกครีเอทีฟ ซึ่งเปลี่ยน ad longevity ให้เป็นสัญญาณที่กรองได้แทนที่จะเป็นความรู้สึก — โฆษณาเนทีฟที่วิ่งยาวนานที่สุด ในอุตสาหกรรมของคุณคือจุดเริ่มต้นที่ผ่านการทดสอบล่วงหน้าแล้ว สร้างการทดสอบของคุณรอบสองหรือสาม angle ที่พิสูจน์แล้วในสนามจริง และคุณกำลังทดสอบรูปแบบต่าง ๆ ของผู้ชนะแทนที่จะเป็นการเดาแบบสุ่ม คุณสามารถเรียกดูครีเอทีฟสดของคู่แข่งได้ฟรีด้วย เครื่องมือวิจัยโฆษณาเนทีฟ ตัวแปรที่น้อยลงและดีขึ้นหมายถึงตัวอย่างที่เล็กลง การทดสอบที่สั้นลง และงบประมาณที่เผาไปกับการค้นพบน้อยลง

ตัวอย่างการทำงานตั้งแต่ต้นจนจบ#

สมมติว่าคุณรันข้อเสนอ lead-gen ที่จ่าย $60 โดยมีแคมเปญหนึ่งทำคลิกราว 1,500 ครั้งต่อวันทั่วเซลล์ทดสอบของคุณ

ขั้นครีเอทีฟ: ครีเอทีฟสี่ชิ้นแข่งขันในระดับ CTR อิมเพรสชันสองสามพันครั้งต่อชิ้นตัดสินได้ใน 2–3 วัน; คัดเหลือสองอันดับแรก
ขั้นหน้าแลนดิ้ง: หน้าแลนดิ้งสองหน้าในระดับการแปลง อัตรา CVR พื้นฐานประมาณ 3% ตรวจจับการเพิ่มขึ้นสัมพัทธ์ 30% (0.9 จุดสัมบูรณ์): n ≈ 16 × 0.03 × 0.97 ÷ 0.009² ≈ 5,700 คลิกต่อตัวแปร รวมประมาณ 11,400 คลิก ที่ 1,500 คลิกต่อวัน นั่นคือแปดวัน — เรียกได้ว่าหนึ่งสัปดาห์เต็มบวกครอบคลุมวันหยุด
คำตัดสิน: หนึ่งรอบการทดสอบใช้เวลา 10–12 วันจากการเปิดตัวไปจนถึงผู้ชนะที่สามารถปกป้องได้ โดยมีการใช้จ่ายที่แพ้ถูกจำกัดด้วยกฎราคาคุ้มครองแทนที่จะปล่อยให้รันต่อไปด้วยความหวัง

นั่นคือรูปร่างที่สมจริงของ "นานแค่ไหน": ไม่กี่วันของการคัดกรองราคาถูก หนึ่งสัปดาห์บวกของการวัดผลแบบเน้น และความยาวตามปฏิทินที่กำหนดโดยปริมาณคลิกของคุณ — ไม่ใช่ด้วยจำนวนวันวิเศษของใคร

คำถามที่พบบ่อย

ในการทดสอบโฆษณา A/B ฉันต้องการการแปลงกี่ครั้งต่อตัวแปร?

ตามหลักปฏิบัติทั่วไป 50–100 การแปลงต่อตัวแปรสามารถตรวจจับความแตกต่างที่ใหญ่ (30%+ เทียบแบบสัมพัทธ์) ด้วยความมั่นใจที่สมเหตุสมผล ในขณะที่การเพิ่มขึ้นเล็กน้อย 10–15% อาจต้องการหลายพันครั้ง สูตร n ≈ 16 × p(1−p) ÷ d² ให้ตัวเลขที่แม่นยำสำหรับอัตราพื้นฐานและความแตกต่างที่คุณต้องการตรวจจับ หากปริมาณของคุณไม่สามารถไปถึงตัวเลขนั้นภายในประมาณสี่สัปดาห์ ให้ทดสอบการเปลี่ยนแปลงครีเอทีฟที่ใหญ่กว่าแทน

3 วันนานพอสำหรับการทดสอบโฆษณา A/B หรือไม่?

ไม่ แม้แคมเปญที่มีปริมาณสูงจะรวบรวมตัวอย่างขนาดใหญ่ในสามวัน คุณก็ได้สุ่มตัวอย่างเพียงส่วนหนึ่งของวงจรรายสัปดาห์ — ผู้ชมในวันธรรมดาและวันหยุดสุดสัปดาห์มีพฤติกรรมการแปลงต่างกัน และความล่าช้าในการแปลงหมายความว่าคลิกแรก ๆ ยังแปลงไม่เสร็จ ควรทดสอบอย่างน้อยเจ็ดวันเต็ม ข้อยกเว้นคือการคัดกรองเบื้องต้นด้วย CTR ซึ่งคุณกำลังคัดตัวเลือกที่แย่ชัดเจนออก ไม่ใช่ประกาศผู้ชนะที่ถูกต้องตามหลักสถิติ

ควรทดสอบโฆษณาด้วย CTR หรืออัตราการแปลง?

ทั้งคู่ ในขั้นตอนต่างกัน การทดสอบระดับ CTR ต้องการเพียงอิมเพรสชัน ซึ่งราคาถูกและเร็ว ดังนั้นใช้มันเพื่อคัดครีเอทีฟที่อ่อนแอออกตั้งแต่เนิ่น ๆ การทดสอบอัตราการแปลงวัดสิ่งที่คุณได้เงินจริง ๆ แต่ต้องการงบประมาณมากกว่า 10–100 เท่า ดังนั้นจงสงวนไว้สำหรับตัวเลือกสุดท้ายและสำหรับการเปลี่ยนแปลงหน้าแลนดิ้งหรือฟันเนล การทดสอบทุกอย่างในระดับการแปลงคือวิธีที่บัญชีเล็ก ๆ เผางบประมาณกับความเข้มงวดที่พวกเขาไม่สามารถจ่ายไหว

จะเกิดอะไรขึ้นถ้าฉันหยุดการทดสอบ A/B ทันทีที่มันมีนัยสำคัญ?

คุณจะเพิ่มอัตราผลบวกลวงอย่างมาก การตรวจสอบรายวันและหยุดที่การอ่านค่าที่มีนัยสำคัญครั้งแรกหมายความว่าผู้ชนะหลายรายเป็นสัญญาณรบกวนที่จะถดถอยไปหากมีข้อมูลมากขึ้น — ปัญหา classic peeking problem จงกำหนดขนาดตัวอย่างล่วงหน้า ใช้การตรวจสอบรายวันเฉพาะสำหรับเงื่อนไขหยุดขาดทุน เช่น การติดตามพังหรือการใช้จ่ายเกินควบคุม และประเมินผลเพียงครั้งเดียวเมื่อตัวอย่างครบถ้วน

ทำไมตัวแปรโฆษณาที่ชนะของฉันถึงหยุดชนะหลังการทดสอบ?

โดยปกติคือการถดถอยสู่ค่าเฉลี่ย: ความได้เปรียบในช่วงแรกของตัวแปรมีโชคประกอบ และประสิทธิภาพในระยะยาวของมันอยู่ใกล้ค่าเฉลี่ยมากขึ้น Creative fatigue ทำให้เรื่องนี้แย่ลง — ผู้ชนะที่สดใหม่จะเสื่อมลงเมื่อผู้ชมเห็นมันซ้ำ ๆ ทั้งสองอย่างเป็นเหตุผลที่จะทดสอบผู้ชนะใหม่เป็นระยะ และปฏิบัติต่อผลการทดสอบเดี่ยวใด ๆ ว่าเป็นค่าประมาณที่มีขอบเขตความคลาดเคลื่อน ไม่ใช่ข้อเท็จจริงถาวร

เขียนโดยทีม OpenAdLibrary

วิจัยข่าวกรองโฆษณาและโฆษณาเนทีฟ

เราสร้าง OpenAdLibrary แพลตฟอร์มเปิดเพื่อความโปร่งใสด้านโฆษณา ทุกวันระบบของเราจับโฆษณาเนทีฟสดจาก Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo และ MSN ระบุผู้โฆษณาจริงที่อยู่เบื้องหลังแต่ละรายการ และติดตามคลิกไปยังหน้า Landing Page คู่มือเหล่านี้สรุปสิ่งที่เราเห็นจากข้อมูลนั้น เพื่อให้คุณวิจัยตลาดได้เร็วขึ้น