序贯检验

【背景】 做了三年数据分析与指标体系，我见过至少四家团队（包括自己前东家）在 A/B 实验的"判定节奏"上完全是靠手感： - 实验上线后，数据同学每天早上刷一次看板； - 某天看到 p 值 < 0.05，群里喊一声"显著了，可以推全量"；

B 端 SaaS 样本量跑不够 A/B：从"拍脑袋全量"到贝叶斯决策 + 序贯停止的 4 场景实战 «一句话结论：当你的用户基数小到一个 A/B 实验跑 3 个月都攒不够 2 个标准差时，"等显著"和"看 p 值"都是伪命题。正确的姿势不是

一、现象与背景 过去一年我接手了一个增长团队的数据分析，接手后发现一个反复上演的场景：实验开了第 3 天，数据同学跑了一下 p 值，0.03，「显著了！」，产品立刻全量上线，实验关停。一周后复盘，转化率其实回落到基线以下，但已经全量了，回不