В ситуациях когда из-за большого объема данных наблюдаются крайние значения P2BB на фоне относительно небольшой разницы в средних KPI, бывает полезно провести более детальный анализ, чтобы обозначить уровень влияния сравнения на бизнес-результаты. Как вариант, можно определить минимальную критическую разницу в KPI, которая будет весома для бизнеса. К примеру, вы можете договориться, что если разница в KPI двух вариантов менее 0,5%, смысла в изменении нет. В таком случае, можно применить байесовский анализ, чтобы разбить результаты A/B тестирования на три четких сценария: (1) вариант B лучше, (2) вариант B хуже и (3) В такой же, как и A (или разница ниже критической границы). При проведении A/A тестов, вероятность выпадения последнего сценария выше, чем первых двух, что как раз означает, что значимой разницы между тестируемыми вариантами нет.