Artikeln kritiserar A/B-testning som ineffektivt och defekt i sin design, då det offrar potentiella vinster för att samla data, liknande problem i läkemedelsstudier. En överlägsen metod föreslås, baserad på 'multi-armed bandit'-problemet och 'epsilon-greedy'-strategin, vilken kan implementeras med cirka 20 rader kod. Denna metod balanserar utforskning (pröva nya alternativ) med exploatering (använda det hittills bästa alternativet) för att dynamiskt hitta den mest effektiva lösningen, till exempel för att optimera klickfrekvensen på en webbplats. Fördelarna inkluderar hantering av flera alternativ samtidigt, anpassning över tid och minimalt behov av manuell övervakning, vilket gör den mer tidseffektiv än traditionell A/B-testning. Trots dess fördelar är metoden inte allmänt spridd på grund av bristande förståelse för statistik och maskininlärning, samt avsaknad av stöd i vanliga verktyg som Google Analytics.