Сколько посещений нужно для достоверного сравнения конверсии сайта в 2026

Обновлено: сентябрь 2026

Фиксированного числа посещений «на все случаи» не существует. Нужный объём выборки зависит от текущей конверсии страницы, минимального эффекта, который вы хотите зафиксировать, и статистической мощности теста. При конверсии 2% и желании поймать рост на 10% потребуется около 15 000–20 000 посетителей на каждый вариант при стандартных параметрах значимости 95% и мощности 80%. Если конверсия выше или целевой эффект больше — выборка может быть меньше. Если трафика мало, тест растянется на месяцы или вообще не даст достоверного результата.

Сколько целевых посещений нужно для сравнения конверсии после изменений на сайте?

Размер выборки зависит от четырёх параметров: базовая конверсия, минимальный детектируемый эффект (MDE), уровень статистической значимости и мощность теста. Чем ниже конверсия и чем меньше ожидаемый прирост, тем больше посетителей нужно для достоверного вывода.

Базовая конверсия — это текущий процент посетителей, которые совершают целевое действие. При конверсии 1% каждое событие редкое, поэтому нужна большая выборка. При конверсии 10% событий больше, и выборка может быть меньше.

Минимальный детектируемый эффект (MDE) — это наименьший прирост конверсии, который вы хотите заметить. Если меняете заголовок и ожидаете рост с 2% до 2,4% (20% относительного прироста), выборка будет одна. Если хотите поймать рост с 2% до 2,1% (5% относительного прироста), выборка вырастет в несколько раз.

Уровень статистической значимости обычно 95%. Это означает 5% вероятность ошибки первого рода (p-value < 0,05). На практике в 5 случаях из 100 вы можете объявить победителя, когда разницы нет.

Мощность теста обычно 80% — это вероятность обнаружить реальный эффект, если он есть. При мощности 80% в 20% случаев вы можете не заметить реальное улучшение. Повышение мощности до 90% увеличивает нужную выборку примерно на 30%.

На практике мы видим, что большинство B2B-компаний не учитывают эти параметры и принимают решения по первым 200–300 визитам. Результат — ложные выводы: страница кажется лучше, но через месяц конверсия возвращается к исходной или падает.

Получить бесплатный аудит сайта

Почему «видимый рост» может быть статистически пустым?

Если после изменений конверсия выросла с 2% до 2,5% на 500 визитах, это может быть случайным колебанием. Доверительный интервал для конверсии 2% при 500 визитах составляет примерно ±1,2 процентных пункта. Реальная конверсия может быть от 0,8% до 3,2%, и наблюдаемые 2,5% остаются в границах случайности.

Чтобы зафиксировать прирост с 2% до 2,5% как статистически значимый, нужно около 12 000–15 000 визитов на каждый вариант при стандартных параметрах. Если трафика меньше, лучше тестировать более сильные изменения: не цвет кнопки, а новый оффер или структуру страницы.

Разница между визитами, пользователями и конверсиями

В A/B-тестах обычно считают уникальных пользователей, а не визиты. Один пользователь может зайти на страницу несколько раз, но в выборку он входит один раз. Это важно для корректного расчёта конверсии.

Некоторые материалы рекомендуют ориентироваться на число конверсий, а не визитов. Например, если нужно 3 000–4 000 конверсий на каждый вариант, при конверсии 2% потребуется 150 000–200 000 визитов на вариант. Такой подход подходит для высоконагруженных сайтов, но для B2B малого бизнеса с трафиком 1 000–5 000 визитов в месяц это нереально.

Для практики удобнее считать размер выборки в уникальных пользователях через калькуляторы A/B-тестов, задавая базовую конверсию и целевой MDE. Подробнее о метриках — в статье Микроконверсии на сайте.

Как рассчитать нужное количество посещений на практике?

Практический алгоритм состоит из пяти шагов: зафиксировать текущую конверсию, определить минимальный эффект, задать параметры теста, посчитать выборку через калькулятор и проверить срок по дневному трафику.

Шаг 1. Зафиксируйте базовую конверсию. Возьмите данные за последние 2–4 недели. Если конверсия колеблется (например, в понедельник 3%, в пятницу 1%), используйте среднее значение. При сильной сезонности учитывайте её при планировании теста.

Шаг 2. Определите минимальный детектируемый эффект. Решите, какой прирост конверсии для вас значим. Если текущая конверсия 2%, а вы хотите зафиксировать рост до 2,4% (относительный прирост 20%), это ваш MDE. Чем меньше MDE, тем больше нужна выборка.

Шаг 3. Задайте параметры теста. Стандартные значения: уровень значимости 95% (p-value < 0,05) и мощность 80%. Хотите быть увереннее? Поднимите мощность до 90%, но выборка вырастет.

Шаг 4. Посчитайте выборку через калькулятор. Используйте онлайн-калькуляторы A/B-тестов (например, Optimizely, VWO, Evan Miller). Введите базовую конверсию, целевую конверсию (базовая + MDE), уровень значимости и мощность. Калькулятор выдаст нужное число пользователей на каждый вариант.

Пример: базовая конверсия 2%, целевая 2,4%, значимость 95%, мощность 80%. Калькулятор покажет около 15 000–17 000 пользователей на вариант. Итого нужно 30 000–34 000 пользователей на оба варианта.

Шаг 5. Проверьте срок по дневному трафику. Если на страницу приходит 500 уникальных пользователей в день, тест займёт 30 000 / 500 = 60 дней. При трафике 100 в день тест растянется на 300 дней — это нереально.

По нашей практике из 53 реализованных сайтов видно: B2B-компании с трафиком менее 3 000 визитов в месяц не могут позволить себе классические A/B-тесты на мелкие изменения. Им выгоднее тестировать крупные гипотезы: новый оффер, структуру страницы, принципиально другой подход к подаче услуги.

Подобрать формат для задачи

Таблица: примеры размера выборки для разных сценариев

Видно, что при низкой конверсии и небольшом целевом эффекте выборка становится огромной. Если ваш трафик не позволяет набрать такую выборку за разумный срок, лучше укрупнить гипотезу или использовать качественные методы анализа.

Почему тесты на малом трафике дают ложные победы?

Если запустить A/B-тест на 200 визитах и увидеть, что вариант B показал конверсию 4% против 2% у варианта A, это не значит, что B лучше. При малой выборке случайные колебания огромны. Доверительный интервал для конверсии 4% на 100 визитах — от 1% до 10%. Реальная конверсия может быть хуже, чем у A.

Если принять решение по такому тесту, через месяц конверсия может вернуться к исходной или упасть. Это называется regression to the mean — возврат к среднему. Ранние победы часто оказываются случайными выбросами.

По опыту Григория Блаера, основателя Zveno: «Большинство B2B-компаний не могут позволить себе классические A/B-тесты из-за малого трафика. Вместо того чтобы тестировать цвет кнопки, лучше сделать глубокое исследование бизнеса через реестр смыслов и сразу заложить в структуру страницы сильный оффер и триггеры доверия. Это даёт больший эффект, чем десятки мелких тестов».

Что делать, если трафика недостаточно для статистически значимого теста?

Если дневной трафик не позволяет набрать нужную выборку за разумный срок, есть несколько стратегий.

Укрупняйте гипотезы. Вместо теста «изменить цвет кнопки» тестируйте «новый оффер против старого» или «структура с кейсами против структуры без кейсов». Сильные изменения дают больший эффект, который легче зафиксировать на меньшей выборке.

Тестируйте на более широкой аудитории. Если трафика на одну страницу мало, запустите изменения на нескольких похожих страницах (например, все страницы услуг) и считайте общую конверсию. Это увеличит выборку.

Копите трафик дольше. Если тест требует 60–90 дней, это нормально. Главное — не останавливать тест раньше времени и не принимать решения по промежуточным результатам. Зафиксируйте правила остановки заранее: тест идёт до набора нужной выборки или до истечения срока.

Используйте квазиэксперименты. Если A/B-тест невозможен, запустите изменения на всю аудиторию и сравните конверсию «до» и «после» с учётом сезонности и внешних факторов. Это менее надёжно, чем A/B-тест, но лучше, чем решения «на глаз».

Оценивайте промежуточные метрики. Мало конверсий? Посмотрите на микроконверсии: клики по кнопке, скроллы до оффера, время на странице. Если они улучшились, это хороший знак того, что изменения работают.

Делайте глубокое исследование до изменений. Вместо десятков мелких тестов проведите качественное исследование: интервью с клиентами, анализ записей сессий, опросы. Так вы сразу заложите в структуру страницы сильные гипотезы, которые не требуют долгой проверки.

В Zveno мы используем реестр смыслов — исследование бизнеса из 100–200 вопросов до проектирования сайта. Это позволяет сразу закладывать в структуру страницы оффер, триггеры доверия и возражения, которые работают на конверсию без необходимости долгих тестов.

Когда можно принимать решение без полной выборки?

Есть ситуации, когда имеет смысл остановить тест раньше:

• Эффект намного больше ожидаемого. Если планировали зафиксировать рост на 20%, а видите рост на 100% при достаточной выборке (хотя бы 1 000–2 000 визитов на вариант), можно остановить тест. Но это редкость.
• Критическая ошибка на странице. Один из вариантов содержит техническую ошибку? Форма не работает, контент не грузится? Останавливайте немедленно.
• Внешние факторы изменились. Во время теста изменилась рекламная кампания, цена, сезонность или конкуренты запустили акцию? Результаты теста могут быть искажены. Лучше остановить и перезапустить позже.

Во всех остальных случаях дождитесь полной выборки. Ранние остановки часто приводят к ложным выводам.

Записаться на разбор ситуации

Практический кейс: сколько времени занял тест для B2B-сервиса

Один из клиентов Zveno — B2B-сервис с трафиком около 1 500 уникальных пользователей в месяц на главную страницу. Базовая конверсия в заявку — 1,8%. Клиент хотел протестировать новый оффер и ожидал рост конверсии до 2,5% (относительный прирост ~39%).

Мы посчитали размер выборки через калькулятор: при конверсии 1,8%, целевой 2,5%, значимости 95% и мощности 80% требовалось около 7 500 пользователей на каждый вариант. Итого 15 000 пользователей на оба варианта.

При дневном трафике 50 пользователей получилось: 15 000 / 50 = 300 дней. Это нереально.

Мы предложили другой подход: запустить новый оффер на всю аудиторию и сравнить конверсию за 2 месяца «до» и «после» с учётом сезонности. Параллельно отслеживали промежуточные метрики: процент пользователей, доскролливших до блока с оффером, и процент кликов по кнопке заявки.

Через 2 месяца конверсия выросла с 1,8% до 2,3%. Промежуточные метрики тоже улучшились: доскроллы до оффера выросли с 45% до 62%, клики по кнопке — с 8% до 11%. Этого хватило, чтобы понять: изменения работают, хотя классический A/B-тест был невозможен.

Этот кейс показывает: для малого трафика важнее качественное исследование и укрупнённые гипотезы, чем попытки провести статистически чистый тест на мелких изменениях.

Как не слить время на ложные выводы?

Чтобы избежать ошибок при оценке изменений:

1. Зафиксируйте правила остановки теста заранее. Не останавливайте тест, когда «кажется, что уже достаточно». Дождитесь полной выборки или истечения срока.
2. Не смотрите на результаты каждый день. Ранние колебания вводят в заблуждение. Проверяйте результаты раз в неделю или реже.
3. Учитывайте сезонность. Если тест идёт через праздники, выходные или сезонные пики, результаты могут быть искажены. Тестируйте в стабильные периоды.
4. Не меняйте условия теста на ходу. Изменили рекламную кампанию, цену или аудиторию? Результаты будут ненадёжными.
5. Проверяйте сегменты. Иногда общий результат нейтральный, но в одном сегменте (например, мобильные пользователи) эффект сильный. Смотрите на разбивку по устройствам, источникам трафика, гео.

Если после изменений на сайте исчезли старые страницы из поиска или упал трафик, это может исказить результаты теста. Подробнее о восстановлении позиций — в статье После редизайна исчезли старые страницы из поиска.

Часто задаваемые вопросы

Сколько целевых посещений нужно для сравнения конверсии после изменений на сайте?

Универсального числа нет. Размер выборки зависит от базовой конверсии, минимального эффекта, который вы хотите поймать, и параметров теста. При конверсии 2% и желании зафиксировать рост на 20% нужно около 15 000–17 000 посетителей на каждый вариант при стандартных параметрах (95% значимость, 80% мощность). Используйте калькуляторы A/B-тестов для точного расчёта.

Как понять, что конверсия после редизайна стала лучше не случайно?

Дождитесь статистически значимой выборки. Если p-value меньше 0,05 (уровень значимости 95%), результат — не случайность. Это значит, что вероятность ошибки первого рода (ложное объявление победителя) меньше 5%. Не спешите с выводами по первым 200–300 визитам. Ранние колебания часто вводят в заблуждение.

Сколько нужно трафика для A/B-теста лендинга?

Зависит от конверсии и целевого эффекта. Для конверсии 1–5% и относительного прироста 20% обычно требуется 6 000–40 000 посетителей на каждый вариант. При дневном трафике в 100 посетителей тест может растянуться на несколько месяцев. Если трафика мало, тестируйте крупные изменения — новый оффер, структуру страницы. Мелкие правки в таких условиях неэффективны.

Как рассчитать размер выборки для теста конверсии?

Возьмите онлайн-калькулятор A/B-тестов. Введите базовую конверсию, целевую конверсию (базовая + желаемый прирост), уровень значимости (обычно 95%) и мощность теста (обычно 80%). Калькулятор покажет, сколько пользователей нужно на каждый вариант. Разделите это число на дневной трафик — узнаете срок теста.

Можно ли оценить результат, если на страницу пришло мало посетителей?

Можно, но выводы будут ненадёжными. При малой выборке доверительный интервал широкий, и случайные скачки выглядят как реальный эффект. Если трафика мало, лучше тестировать более сильные изменения, копить трафик дольше или использовать качественные методы — интервью, анализ сессий вместо A/B-тестов.

Сколько конверсий нужно, чтобы выводы по тесту были достоверными?

Некоторые эксперты говорят о минимуме 3 000–4 000 конверсий на каждый вариант, но это не универсальная формула. Для B2B малого бизнеса с конверсией 1–3% это означает сотни тысяч визитов — нереально. Ориентируйтесь на размер выборки в пользователях, рассчитанный через калькулятор, а не на фиксированное число конверсий.

Через сколько дней можно останавливать A/B-тест?

Ведите тест до набора полной выборки или до истечения заранее определённого срока (обычно 2–4 недели минимум). Не останавливайте раньше, даже если кажется, что результат уже ясен. Ранние остановки часто приводят к ложным выводам. Если тест требует 60–90 дней из-за малого трафика, лучше дождаться или укрупнить гипотезу.