利用Splitertester我们可以把AB测试的数据直接对比获得一个结果，如果数据过于接近，工具会提示你这个对比还不足以产生让人放心的结 果。很方便吧？但要注意，这个工具主要测试的是两组数据之间的接近度，数据确实拉开距离的时候，它才能帮我们做出判断。但它并不衡量数据的充足性。看这个 图：
A的点击1个，点击率50%， B的点击2个，点击率100%。Splittester说我们有90%的信心B的表现会比A好。你有这个信心么？我没有……个位数的数据几乎总是不可靠 的。多几个点击或者转化就会完全改变点击率或者转化率，这么大的随机因素，我不可能对太过稀疏的数据产生90%的信心。
所以首先，AB测试的数据必须有足够的量，多少是足够？ 不知道，也许要加入一些主观判断，毕竟这些数据量很可能就是白花花的银子，但肯定不是个位数。其次，AB测试的数据结果差异必须有统计意义。数据量很足，但十分接近，我们就无法判定AB到底哪一则更好。
陷阱3：漏斗之外
第三个陷阱在我看来，是大部分AB测试实施者都忽略了的。说忽略也许不一定合适，因为我也想不出更好的办法，但这里的确有值得注意的因素。
当我们测试AB两则广告语的时候，也许会发现AB各拿1000个展现，A的点击率为2%，B的点击率为1%。A的表现比B好，则我们淘汰B，只使用 A。原来的测试中，A获得1000×2%=20个点击，B获得1000×1%=10个，总点击量为30。剔除B以后，我们期望A获得 （1000+1000）×2%=40个点击。但在实战中，我们经常会发现，剔除B以后，A的点击率也下降了，（1000+1000）×1.6%=32个点 击，比期望值低了一截。
为什么会产生这种测试后效果下降的现象，网上讨论不少，但是没有统一的意见。我比较倾向于以下这种看法。我们习惯于把用户转化的过程用漏斗来表现。
AB测试中，我们会涉及一层或者几层，目的都是让这个漏斗变的宽些。A的漏斗比B宽，就用A取代B，但要注意，AB原来是并列的两个漏斗。B被剔除以后，原来B漏斗中的一些用户，不一定掉入A漏斗。因为AB所传达的用户体验不同，可能有一部分B用户从A漏斗中掉出去了。
通过AB测试获得更好的结果本来就是我们的目的，在不断循环的AB测试中，我们会不断改善某一条要素的效果，但同时会付出代价，就是不断有用户从这个漏斗中掉出去。尽管从结果上来说，应该是得到了改进，但若不注意这些掉出去的用户流量，我们也浪费了很多潜在的机会。
多样性和专精，在相当程度上是矛盾的，如何把握两者的平衡，恐怕是个主观判断。AB测试仍然是改善效果最简洁有效的手段，但越是简洁的测试，所忽略 的要素也就越多，所有成功都是有代价的。所以，充分关注B们的多样性，注意网罗回收那些从A里掉出去的资源，我想也是长期优化所应该关注的一个环节吧？
