AB实验常面临一个现实问题：流量小、周期短，指标噪声大，难以检测出真实效应。方差缩减技术通过降低指标估计的方差，在不增加样本量的前提下提升检测灵敏度。
CUPED是最常用的方法，利用实验前的协变量（如用户历史点击率）对指标做调整。核心思想是减去与实验无关但能解释指标波动的部分，使调整后的估计方差更小，置信区间更窄。
使用CUPED的关键是协变量必须与实验分组独立，且与实验指标相关。实验前的用户行为是理想选择，因为它不受实验处理影响。相关性越强，方差缩减效果越明显。
其他方法包括分层抽样、配对设计、回归调整和序贯检验。分层要求实验前已知分层变量并按层分流，配对则让相似用户在组间匹配，二者都能有效降低组间差异带来的噪声。
方差缩减不能凭空创造信息，它只是更充分地利用了已有数据。若效应确实不存在，任何技术都无法让它显著。使用时要注意方法假设，避免因调整引入新的偏差。
