Kokeet yleensä mittaavat keskimääräistä vaikutusta, mutta vaikutus ei todennäköisesti ole sama kaikille.
Toinen keskeinen ajatus siirtyä yksinkertaisten kokeiden ulkopuolelle on hoidon vaikutusten heterogeenisuus . Schultz et al. (2007) osoittaa voimakkaasti, miten sama hoito voi vaikuttaa erilaisiin ihmisiin (kuva 4.4). Useimmissa analogisissa kokeissa tutkijat kuitenkin keskittyivät keskimääräisiin hoitovaikutuksiin, koska osallistujien määrä oli pieni ja heistä vähän tiedettiin. Digitaalisissa kokeissa on kuitenkin usein paljon enemmän osallistujia ja niistä tiedetään enemmän. Tässä erilaisessa tietojenkäsittelyympäristössä tutkijat, jotka arvioivat edelleen vain keskimääräisiä hoitovaikutuksia, menettävät keinoja, joilla arviot hoidon vaikutusten heterogeenisuudesta voivat antaa vihjeitä siitä, miten hoito toimii, miten sitä voidaan parantaa ja miten sitä voidaan kohdentaa niille, jotka todennäköisimmin hyötyvät.
Kaksi esimerkkiä hoidon vaikutusten heterogeenisuudesta on peräisin kotitalousraporttien lisätutkimuksesta. Ensinnäkin Allcott (2011) käytti suurta otoskokoa (600 000 kotitaloutta) Allcott (2011) näytteen edelleen ja arvioimaan kotitalouksien energiatehokkuuden vaikutusta kymmenkertaisella esikäsittelyenergian käytöstä. Vaikka Schultz et al. (2007) havaitsivat eroja raskaiden ja kevyiden käyttäjien välillä, Allcott (2011) totesi, että raskaiden ja kevyiden käyttäjäryhmien välillä oli myös eroja. Esimerkiksi raskaimmat käyttäjät (kymmenen suurimman käyttäjän) pienensivät energiankulutustaan kaksi kertaa enemmän kuin raskas käyttäjäryhmän keskellä (kuva 4.8). Lisäksi esikäsittelykäyttäytymisen vaikutusten arvioiminen paljasti myös, että bumerangivaikutusta ei ollut, vaikka kevyimmille käyttäjille (kuva 4.8).
Aiheeseen liittyvässä tutkimuksessa Costa and Kahn (2013) arvioivat, että kotiryhmän raportin tehokkuus voi vaihdella osallistujan poliittisen ideologian perusteella ja että hoito saattaisi itse asiassa aiheuttaa tiettyjen ideologisten ihmisten lisäävän sähkönkäyttöään. Toisin sanoen he spekuloivat, että kotitalousraportit saattavat luoda boomerangin vaikutuksen joillekin ihmisille. Tämän mahdollisuuden arvioimiseksi Costa ja Kahn yhdistivät Opower-tiedot kolmansien osapuolten yhteenlaskettuun tietoon, joka sisälsi tietoja, kuten poliittisen puolueen rekisteröintiä, lahjoituksia ympäristöjärjestöille ja kotitalouden osallistumista uusiutuviin energiamuotoihin. Tämän sulautetun aineiston avulla Costa ja Kahn totesivat, että Home Energy Reports -ohjelmassa tuotettiin lähes samanlaisia vaikutuksia eri ideologioiden osallistujille. ei ole näyttöä siitä, että jollakin ryhmällä oli boomerangin vaikutuksia (kuvio 4.9).
Kuten nämä kaksi esimerkkiä havainnollistavat, digitaalisessa iässä voimme siirtyä arvioimasta keskimääräisiä hoitovaikutuksia hoidon vaikutusten heterogeenisuuden arvioimiseksi, koska meillä voi olla paljon enemmän osallistujia ja tiedämme enemmän näistä osallistujista. Hoidon vaikutusten heterogeenisyyden oppiminen voi mahdollistaa hoidon kohdistamisen, kun se on tehokkainta, antavat faktoja, jotka stimuloivat uutta teoriankehitystä ja antavat vihjeitä mahdollisista mekanismeista, aiheista, johon nyt kääntyä.