Appearance
文档 搜索⌘``K入门数据分析Amplitude AI会话回放指南与调查实验管理 开发者 SDK API合作伙伴常见问题分析 / 图表 / 漏斗分析（Funnel Analysis） / 漏斗分析图中的 A/B 测试
漏斗分析（Funnel Analysis）图中的 A/B 测试
本文将帮助你：
- 以相对基线的改进或统计显著性的视角查看你的漏斗分析图表
通过漏斗与路径分析诊断转化问题 分析用户在产品中的行为路径，并了解如何提升转化率。 学习漏斗分析
注意
有关最佳实践（包括埋点建议），请参阅如何在 Amplitude 中分析 A/B 测试结果。 在 Amplitude 中，A/B 测试让你可以比较两个或更多用户分群在漏斗转化表现上的差异。你可以将结果视为改进，用于描述某分群相对于基线的表现；也可以视为统计显著性，它显示在对照组与实验组均值相同的前提下，观察到与当前差异同等或更极端差异的概率。
注意
对连续指标进行统计显著性计算时，请使用实验结果图表或Experiment 端到端产品。 Amplitude 默认将漏斗分析中第一个添加的分群作为基线，但你可以在 Baseline segment 下拉菜单中进行更改。 
A/B 测试 - 改进
该图表显示每个分群在漏斗各步骤中的转化率。A/B 测试可以包含多个变体，但只能有一个基线。
A/B 测试 - 显著性
在该图表中，某变体的值越高，表示其转化优于基线；值越低，表示其转化劣于基线。 当结果满足以下条件时，Amplitude 会认为统计显著：
- 两个变体的样本量都大于 30
- 两个变体均满足
样本量 * 转化率 >= 5且样本量 * (1-转化率) >= 5 - 显著性达到 95% 或更高
了解更多请参阅Amplitude 如何计算统计显著性。
了解明细表
图表下方的数据表提供了数据明细。与 Amplitude 中的所有数据表一样，你可以将数据导出为 CSV 文件。表中包含以下列：
- 计数： 进入漏斗的用户或群组数量。
- 完成转化： 在满足所有条件的情况下完成漏斗全部步骤的用户或群组数量。
- 转化率（%）： 完成转化的用户或群组数量 ÷ 进入漏斗的用户或群组数量。
- 相对基线的改进（%）： Amplitude 按公式
（该变体的转化率 - 基线的转化率）/ 基线的转化率进行计算。数据表中为正值时会显示为绿色。 - 显著性： 每个测试变体的表现确实不同于零、而非随机波动导致的可能性。该值越高，你对结果的信心越强。更正式的定义是
1 - p-value。
此页面是否有帮助？ 需要帮助？联系支持 访问 Amplitude.com 查看 Amplitude 博客 在 Amplitude Academy 了解更多 服务条款 隐私声明 可接受使用政策 法律 © 2026 Amplitude, Inc. 保留所有权利。Amplitude 是 Amplitude, Inc. 的注册商标。