Вы тестируете ценовой баннер, но на неделе эксперимента прошла распродажа, сильно влияющая на конверсию. Что поможет корректнее оценить эффект с учётом seasonality и normalization?

AСравнить только абсолютные значения конверсии в варианте B без контроля
BУбрать дни распродажи только из экспериментальной группы, чтобы «очистить» эффект
CСравнивать вариант с контролем в те же даты, использовать нормализованные метрики (например, на пользователя) и проверять стабильность эффекта по дням
DИгнорировать распродажу, если primary metric значимо вырос
Правильный ответ. Контроль по тем же датам и normalization помогают отделить эффект фичи от внешних событий и seasonality.

Разбор

Распродажа меняет поведение пользователей и базовый уровень конверсии, поэтому важно сравнивать варианты синхронно, а не с разными периодами. Нормализованные метрики снижают влияние колебаний трафика и активности. Дополнительно полезно смотреть динамику по дням, чтобы понять, не «рисует» ли эффект один особый день.

Проверь себя · 1/3разбор после ответа
Вы меняете текст про доставку на чекауте; primary metric — конверсия в заказ. Какую метрику логичнее поставить как guardrail metrics, чтобы контролировать риск для бизнеса?
Тренировать A/B в Telegram

Ещё вопросы по теме «Метрики и guardrail-метрики»