如何在 statpx 中运行 A/B 测试：变体、转化和显著性

发布于 2026年7月1日 • statpx 团队 • 7 分钟阅读 • 产品指南

statpx 中的 A/B 测试无需单独的实验平台。您决定如何分配流量（在自己的代码中进行简单的随机分配就足够了），用一次 JS 调用记录访客看到的变体，用另一次调用记录转化，剩下的——包括统计工作——都由 statpx 完成。本指南涵盖这两次调用、实验如何自动出现，以及如何解读 A/B 测试页面上的结果表。

statpx 中 A/B 测试的工作原理

每个实验都由一个 exp_key 标识——一个您自己选择的字符串，例如 homepage_cta 或 pricing_layout。在一个实验中，每个访客会看到一个变体，同样由您选择的名称标识，例如 control、green 或 variant_b。一旦您为一个新的 exp_key 记录了第一次曝光，该实验就会自动出现在 A/B 测试页面上——不需要在仪表板中单独执行"创建"实验的步骤。

记录变体曝光

当您的代码决定向访客展示哪个变体时，调用：

_st('experiment', 'homepage_cta', 'green'); // 或 'control'

每个会话只调用一次，在变体渲染的那一刻调用——而不是每次页面浏览都调用。第二个参数是 exp_key，第三个参数是该访客的变体名称。statpx 使用此调用来计算每个变体转化率的访客数（分母）。

记录转化

当您正在优化的目标发生时——注册、购买、升级——调用：

_st('experiment_convert', 'homepage_cta');
// 可选的第四个参数 = 归因于此次转化的收入
_st('experiment_convert', 'homepage_cta', null, 49.99);

第二个参数同样与 exp_key 匹配。statpx 会将转化与该会话之前所曝光的变体进行匹配，因此您在转化时无需再次传递变体名称。每当转化具有美元价值时，将收入金额作为第四个参数传递——statpx 会自动按变体汇总。

解读结果表

A/B 测试页面上的结果表按变体显示：会话数、转化率、收入、相对于对照组的提升幅度，以及统计显著性判定。对照组（control）要么是字面上命名为 control 的那个变体，要么——如果您没有使用该名称——是会话数最多的那个变体。每个其他变体都会显示其提升幅度：与对照组相比转化率的百分比差异。

显著性判定运行两比例检验，只有当两组都至少有 100 个会话且各自至少有一次转化时，才会在 95% 置信水平宣布结果显著——小样本噪声会被过滤掉，而不是被报告为虚假的胜利。在此之前，表格会显示原始数字而不给出判定，因此您始终知道自己看到的是真实结果还是仍需要更多流量。

不要因为某个变体看起来领先就提前停止测试。在两组都达到 100 个会话的门槛之前，早期的领先经常会逆转。请等待显著性判定，再将获胜方推广到 100% 的流量。

关于为什么转化率首先是正确的优化指标的背景知识，请参阅我们的转化率分析指南，关于测试设计的更广泛内容，请阅读如何使用分析数据运行更智能的 A/B 测试。

免费运行您的第一个 A/B 测试

statpx 自动为每个变体计算转化率、提升幅度、收入和统计显著性——只需两次 JS 调用即可开始。

免费开始 →

总结

statpx 中的 A/B 测试刻意做到了代码优先、仪表板轻量：两次 _st() 调用处理追踪，仪表板处理那些手工容易算错的运算——提升幅度、收入归因，以及差异是真实的还是噪声。选择一个 exp_key，清晰地命名您的变体（用 control 作为基准），让显著性判定——而不是第一天的排行榜——来决定您何时拥有了赢家。