В A/B тесте разница средних всего 0.1%, но p-value < 0.001 из-за очень большого n. Что корректнее всего сказать про результат?

При огромных выборках даже очень маленькие эффекты становятся статистически значимыми. Поэтому рядом с p-value нужно смотреть оценку эффекта и CI, чтобы понять масштаб и неопределённость. Типичная ошибка — принимать 'значимо' за 'важно для бизнеса' без оценки величины и стоимости изменений.