A/B 测试常被视为商业决策中最“科学”的工具之一。它通过对比不同版本的表现，帮助企业用数据验证判断、优化策略。
但 A/B 测试的结果，并不天然等于客观真相。算法推荐、样本选择与受众分布，都会影响实验结果的形成。
一次 A/B 测试表现亮眼，并不代表它得出的"最优解”可以直接应用到整个市场。如果管理者忽略了背后的样本偏差与算法机制，反而可能基于“看起来正确”的数据，做出并不正确的判断。
4月9日，UBC Sauder商学院明星教授Dr. David Hardisty将带来以“The Power and Lies of A/B Testing”为主题的公开课，带大家重新审视那些看似“客观”的实验结果背后，可能被忽略的偏差与误区。
David教授将基于对133项在线A/B测试研究的系统分析，揭示许多商业实验背后的常见误区，并讨论管理者在解读数据和实验结果时需要注意的关键问题。
