Statistisk signifikans är det som skiljer ett verkligt resultat från en tillfällighet i ett A/B-test. Utan att förstå begreppet är det lätt att fira en vinst som egentligen bara var slump, eller att förkasta en förändring som faktiskt fungerade. Den här guiden förklarar signifikans, p-värde och urvalsstorlek utan onödig matematik.
Vad statistisk signifikans betyder
När du jämför två versioner i ett A/B-test kommer deras konverteringsgrader nästan alltid att skilja sig något, även om versionerna är likvärdiga. Slumpen gör att den ena råkar få lite fler köpare. Statistisk signifikans är ett sätt att avgöra om skillnaden är så stor att den sannolikt beror på din förändring och inte på slumpen.
Ett resultat kallas statistiskt säkerställt när risken att skillnaden är en tillfällighet är tillräckligt liten. Den vanligaste tröskeln är 95 procents signifikansnivå, vilket motsvarar högst fem procents risk att du ser en skillnad som egentligen inte finns.
P-värdet, enkelt förklarat
P-värdet sätter en siffra på hur överraskande ditt resultat vore om versionerna i själva verket var likvärdiga. Ett lågt p-värde betyder att en så stor skillnad vore osannolik av ren slump, och alltså att förändringen troligen har en verklig effekt. Vid 95 procents signifikansnivå kräver du ett p-värde under 0,05. Notera att p-värdet inte säger hur stor effekten är, bara hur troligt det är att den är verklig. En liten men säkerställd förbättring kan vara mindre värd än en stor men osäker.
Varför urvalsstorlek avgör
Ju färre besökare testet bygger på, desto mer väger slumpen. Med hundra besökare per version kan konverteringsgraderna se väldigt olika ut utan att skillnaden betyder något, medan samma skillnad med tiotusen besökare per version kan vara solid. Därför bör du bestämma i förväg hur mycket trafik testet behöver, utifrån din baskonvertering och hur liten effekt du vill kunna upptäcka, och låta det köra klart.
Faran med att tjuvkika
En vanlig fälla är att titta på resultatet varje dag och stoppa testet så snart det ser signifikant ut. Problemet är att om du kikar tillräckligt ofta kommer slumpen förr eller senare att visa en tillfällig signifikans som sedan försvinner. Ju oftare du kikar och avbryter tidigt, desto större är risken för falska vinster. Bestäm testlängden i förväg och håll dig till den, eller använd en metod som är byggd för löpande avläsning.
Räkna ut det själv
Du behöver inte räkna för hand. Mata in antal besökare och konverteringar för dina två versioner i vår A/B-testkalkylator, så får du konverteringsgrad, uplift, p-värde och besked om skillnaden är säkerställd på 95 procents nivå. Kalkylatorn använder ett tvåsidigt z-test för två andelar, och allt räknas ut i din webbläsare utan att något sparas. Signifikans är dock bara halva bilden: väg den alltid mot hur stor effekten är och mot hur din konverteringsgrad utvecklas över tid.
Senast faktagranskad: 17 juli 2026