Метрика «время до покупки» имеет сильный хвост и выбросы, в каждой группе n=25. Что наиболее разумно сделать, если вы всё же хотите сравнить средние?

Сильные выбросы и перекосы могут сделать среднее нестабильным и нарушить нормальность, на которой опирается t-test при малых n. Преобразование вроде log(x) иногда делает распределение ближе к нормальному и снижает влияние хвоста, после чего сравнение средних становится более интерпретируемым. В любом случае важно смотреть не только p-value, но и размер эффекта с доверительным интервалом, чтобы понимать практический смысл. Типичная ошибка — «дожимать» значимость изменением alpha вместо корректной работы с данными.