如果你指的是 A/B 測試／實驗設計中的常見錯誤與測試陷阱，主要可歸納為：忽略顯著水準、只看平均值、未分群分析、忽略時間變化、測試期過短，以及未考慮干擾變數與統計效力。
- 忽略顯著水準：結果看起來有差異，不代表差異真的存在；需要留意第一型錯誤，也就是把不存在的效果誤判為存在。
- 只看平均值：平均表現可能掩蓋不同顧客群之間的差異，導致你以為方案有效，但其實只對某些群體有效。
- 未觀察不同顧客群／分群效果：例如不同裝置、地區、瀏覽器或用戶類型，可能有完全不同的反應；只看整體結果會錯過關鍵洞察。
- 忽略顧客互動的影響：使用者之間的互動、曝光、或彼此影響，可能改變測試結果，使原本的對照關係不再純粹。
- 測試時間過短：短期結果未必代表長期效果，因為用戶行為會隨時間改變。
- 未注意迴歸至平均值：一開始表現特別好的變體，之後可能自然回落；反過來，一開始表現差也不代表它真的差。
- 忽略干擾變數：研究中未納入但會影響結果的因素，可能扭曲結論，令你誤以為變體造成了效果。
- 統計效力不足：如果樣本或設計太弱，可能偵測不到真實差異，增加偽陰性風險。
如果你想要，我可以把這些內容整理成：
- A/B 測試避坑清單
- 統計學考試筆記版
- 產品／UX 研究常見偏誤版
