Для разбиения магазинов на две группы при A/B-тестировании используйте стратифицированную рандомизацию по ключевым метрикам (площадь, локация, трафик). Это минимизирует различия между группами.

Пример на Python:

from sklearn.model_selection import train_test_split

df содержит данные о магазинах (площадь, выручка, регион и т.д.)

X = df[['area', 'revenue', 'region_code']]
y = df['store_id'] # фиктивная переменная для стратификации

Разбиваем с сохранением распределения ключевых параметров

group_a, group_b = train_test_split(
df,
test_size=0.5,
stratify=X[['region_code']] # стратифицируем по региону
)

**Критерии стратификации:**  
- География (чтобы в обеих группах были магазины из всех регионов)  
- Размер/формат магазина  
- Исторические метрики (выручка, трафик)  

Избегайте временных смещений — разбивайте данные за один период.