A/B-testen zijn de gouden standaard bij het experimenteren. Het is bedoeld om bedrijven te helpen snellere, betere en datagestuurde beslissingen te nemen. Maar vaak gebeurt precies het tegenovergestelde. De bijeenkomst begint met optimisme: nieuwe prijsideeën, advertentie-indelingen of aanmeldingsschermen worden in A/B-tests gezet. Na weken wachten kwamen de analisten terug met p-waarden, betrouwbaarheidsdrempels van 95% en een algemene conclusie: “We moeten wachten op meer gegevens. We hebben nog niet genoeg bewijsmateriaal en het is statistisch niet significant.”
