Adaptiver A/B-Test — Adaptives A/B-Testing

Ein adaptiver A/B-Test ist ein experimentelles Design, das den Traffic oder die Teilnehmer während des Experiments dynamisch auf besser performende Varianten umleitet, anstatt die Allokationen bis zum Ende festzuhalten. Basierend auf Multi-Armed-Bandit-Algorithmen wie Thompson Sampling oder Upper Confidence Bound (UCB) balanciert er die Exploration unsicherer Varianten mit der Exploitation bereits überlegene Leistung zeigender Varianten, was typischerweise zu höheren aggregierten Ergebnissen führt und dennoch gültige inferentielle Schlussfolgerungen ermöglicht.