Деление трафика по умолчанию 50/50 не является стоимо-оптимальным, когда у отделов обработки и контроля разные стоимости на пользователя. Например, если стоимость обработки в два раза выше стоимости контроля, то распределение половины трафика по обработке не минимизирует стоимость для данной точности. Стоимо-оптимальное распределение балансирует точность, полученную на одного испытуемого, против стоимости испытуемого, которая варьируется в зависимости от отдела. Этот подход может сэкономить 5% до 15% бюджета экспериментов — от тысяч до миллионов при больших тестах — корректируя размеры выборки на основе стоимости и дисперсии. Метод особенно актуален в отраслях, использующих LLM, скидки, купоны или кэшбэк, где обработка накладывает реальные финансовые издержки. Хотя техSector часто предполагает, что экспериментирование бесплатно, интеграция платных функций вроде агентного ИИ меняет это, делая стоимо-ориентированные дизайны необходимыми. Однако бизнес-интересы, favoring скорость и конвенцию, часто перевешивают статистическую оптимальность, создавая напряжение между скоростью и эффективностью. Статья исследует, когда стоимо-оптимальное распределение становится ценным, и почему оно остается незадействованным несмотря на очевидные математическую и финансовую выгоду.