ಪ್ರಯೋಗಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸರಾಸರಿ ಪರಿಣಾಮವನ್ನು ಅಳೆಯುತ್ತವೆ, ಆದರೆ ಪರಿಣಾಮ ಬಹುಶಃ ಎಲ್ಲರಿಗೂ ಒಂದೇ ಆಗಿರುವುದಿಲ್ಲ.
ಸರಳ ಪ್ರಯೋಗಗಳನ್ನು ಮೀರಿರುವುದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಎರಡನೇ ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಯು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ಭಿನ್ನತೆಯಾಗಿದೆ . Schultz et al. (2007) ಪ್ರಯೋಗ Schultz et al. (2007) ವಿವಿಧ ಚಿಕಿತ್ಸಾ ವಿಧಾನಗಳ ಮೇಲೆ ಇದೇ ರೀತಿಯ ಚಿಕಿತ್ಸೆಯು ವಿಭಿನ್ನ ಪರಿಣಾಮವನ್ನು ಹೇಗೆ ಉಂಟುಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಶಕ್ತಿಯನ್ನು ವಿವರಿಸುತ್ತದೆ (ಫಿಗರ್ 4.4). ಹೆಚ್ಚಿನ ಸಾದೃಶ್ಯದ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ಆದಾಗ್ಯೂ, ಸಂಶೋಧಕರು ಸರಾಸರಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದರು, ಏಕೆಂದರೆ ಒಂದು ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಪಾಲ್ಗೊಳ್ಳುವವರು ಇದ್ದರು ಮತ್ತು ಅವುಗಳ ಬಗ್ಗೆ ಸ್ವಲ್ಪವೇ ತಿಳಿದಿತ್ತು. ಡಿಜಿಟಲ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ಆದಾಗ್ಯೂ, ಅನೇಕ ಹೆಚ್ಚು ಭಾಗವಹಿಸುವವರು ಇದ್ದಾರೆ ಮತ್ತು ಅದರ ಬಗ್ಗೆ ಹೆಚ್ಚು ತಿಳಿದಿದೆ. ಈ ವಿಭಿನ್ನ ದತ್ತಾಂಶ ಪರಿಸರದಲ್ಲಿ, ಕೇವಲ ಸರಾಸರಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ಮಾಡುವ ಸಂಶೋಧಕರು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ವೈವಿಧ್ಯತೆಯ ಬಗ್ಗೆ ಅಂದಾಜು ಮಾಡುವ ವಿಧಾನಗಳು ಹೇಗೆ ಚಿಕಿತ್ಸೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಬಗ್ಗೆ ಸುಳಿವುಗಳನ್ನು ನೀಡುತ್ತದೆ, ಇದು ಹೇಗೆ ಸುಧಾರಿಸಬಹುದು ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ಗುರಿಗೊಳಿಸಬಹುದು ಹೆಚ್ಚು ಪ್ರಯೋಜನ ಪಡೆಯುವವರಿಗೆ.
ಹೋಮ್ ಎನರ್ಜಿ ರಿಪೋರ್ಟ್ಸ್ನಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಸಂಶೋಧನೆಯಿಂದ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ವೈವಿಧ್ಯತೆಯ ಎರಡು ಉದಾಹರಣೆಗಳು ಬರುತ್ತದೆ. ಮೊದಲಿಗೆ, Allcott (2011) ಮಾದರಿ ಮಾದರಿಯನ್ನು Allcott (2011) ದೊಡ್ಡ ಪ್ರಮಾಣದ ಗಾತ್ರವನ್ನು (600,000 ಮನೆಗಳು Allcott (2011) ಬಳಸಿತು ಮತ್ತು ಪೂರ್ವ ಶಕ್ತಿ ಸಂಸ್ಕರಣದ ಬಳಕೆಯಿಂದಾಗಿ ಹೋಮ್ ಎನರ್ಜಿ ರಿಪೋರ್ಟ್ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜಿಸುತ್ತದೆ. Schultz et al. (2007) ಭಾರೀ ಮತ್ತು ಪ್ರಕಾಶಮಾನ ಬಳಕೆದಾರರ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಕೊಂಡರು, Allcott (2011) ಭಾರೀ ಮತ್ತು ಕಡಿಮೆ-ಬಳಕೆದಾರ ಸಮೂಹದಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳಿವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ. ಉದಾಹರಣೆಗೆ, ಭಾರವಾದ ಬಳಕೆದಾರರ ಗುಂಪಿನ (ಅಂಕಿ 4.8) ಮಧ್ಯದಲ್ಲಿ ಯಾರಿಗಾದರೂ ಹೆಚ್ಚು ಶಕ್ತಿಶಾಲಿ ಬಳಕೆದಾರರನ್ನು (ಅಗ್ರ ಕುಸಿತದಲ್ಲಿರುವವರು) ತಮ್ಮ ಶಕ್ತಿಯ ಬಳಕೆಯನ್ನು ಎರಡು ಬಾರಿ ಕಡಿಮೆ ಮಾಡಿದ್ದಾರೆ. ಇದಲ್ಲದೆ, ಪ್ರೀ-ಟ್ರೀಟ್ ನಡವಳಿಕೆಯಿಂದಾಗಿ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜು ಮಾಡಲಾಗಿದ್ದು, ಹಗುರವಾದ ಬಳಕೆದಾರರಿಗೆ (ಅಂಕಿ 4.8) ಸಹ ಬೂಮರಾಂಗ್ ಪರಿಣಾಮವಿಲ್ಲ ಎಂದು ಬಹಿರಂಗಪಡಿಸಿತು.
ಸಂಬಂಧಿತ ಅಧ್ಯಯನದ ಪ್ರಕಾರ, Costa and Kahn (2013) ಎನರ್ಜಿ ರಿಪೋರ್ಟ್ನ ಪರಿಣಾಮಕಾರಿತ್ವವು ಪಾಲ್ಗೊಳ್ಳುವವರ ರಾಜಕೀಯ ಸಿದ್ಧಾಂತದ ಆಧಾರದ ಮೇಲೆ ಬದಲಾಗಬಹುದೆಂದು ಮತ್ತು ತಮ್ಮ ವಿದ್ಯುಚ್ಛಕ್ತಿ ಬಳಕೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಕೆಲವು ಸಿದ್ಧಾಂತಗಳೊಂದಿಗೆ ಜನರು ನಿಜವಾಗಿಯೂ ಕಾರಣವಾಗಬಹುದು ಎಂದು Costa and Kahn (2013) ಊಹಿಸಿದ್ದಾರೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಹೋಮ್ ಎನರ್ಜಿ ವರದಿಗಳು ಕೆಲವು ರೀತಿಯ ಜನರಿಗೆ ಬೂಮರಾಂಗ್ ಪರಿಣಾಮವನ್ನು ಉಂಟುಮಾಡಬಹುದು ಎಂದು ಅವರು ಊಹಿಸಿದ್ದಾರೆ. ಈ ಸಾಧ್ಯತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು, ಕೋಸ್ಟಾ ಮತ್ತು ಕಾಹ್ನ್ ಒಪವರ್ ಡೇಟಾವನ್ನು ವಿಲೀನಗೊಳಿಸಿದರು ಮೂರನೇ ಪಕ್ಷದ ಸಂಗ್ರಾಹಕರಿಂದ ಖರೀದಿಸಿದ ಡೇಟಾ, ಇದರಲ್ಲಿ ರಾಜಕೀಯ ಪಕ್ಷ ನೋಂದಣಿ, ಪರಿಸರ ಸಂಘಟನೆಗಳಿಗೆ ದೇಣಿಗೆ ನೀಡುವಿಕೆ, ಮತ್ತು ನವೀಕರಿಸಬಹುದಾದ ಇಂಧನ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ಮನೆಯ ಭಾಗವಹಿಸುವಿಕೆ. ವಿಲೀನಗೊಳಿಸಿದ ದತ್ತಾಂಶ ಸಂಗ್ರಹದೊಂದಿಗೆ ಕೋಸ್ಟಾ ಮತ್ತು ಕಾನ್ ಕಂಡುಕೊಂಡ ಪ್ರಕಾರ ಹೋಮ್ ಎನರ್ಜಿ ರಿಪೋರ್ಟ್ಸ್ ಭಾಗವಹಿಸುವವರಿಗೆ ವಿಭಿನ್ನ ಸಿದ್ಧಾಂತಗಳೊಂದಿಗೆ ವ್ಯಾಪಕ ರೀತಿಯ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡಿದೆ; ಯಾವುದೇ ಗುಂಪು ಬೂಮರಾಂಗ್ ಪರಿಣಾಮಗಳನ್ನು ಪ್ರದರ್ಶಿಸಿತು ಎಂಬುದಕ್ಕೆ ಯಾವುದೇ ಪುರಾವೆಗಳಿಲ್ಲ (ಅಂಕಿ 4.9).
ಈ ಎರಡು ಉದಾಹರಣೆಗಳು ವಿವರಿಸಿರುವಂತೆ, ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ, ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ವೈವಿಧ್ಯತೆಯನ್ನು ಅಂದಾಜು ಮಾಡಲು ಸರಾಸರಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ಮಾಡಲು ನಾವು ಚಲಿಸಬಹುದು ಏಕೆಂದರೆ ನಾವು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಪಾಲ್ಗೊಳ್ಳುವವರನ್ನು ಹೊಂದಬಹುದು ಮತ್ತು ಆ ಭಾಗವಹಿಸುವವರ ಬಗ್ಗೆ ನಮಗೆ ಹೆಚ್ಚು ತಿಳಿದಿದೆ. ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳ ವೈವಿಧ್ಯತೆ ಬಗ್ಗೆ ಕಲಿಕೆ ಇದು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ ಅಲ್ಲಿ ಒಂದು ಚಿಕಿತ್ಸೆಯ ಗುರಿ ಸಕ್ರಿಯಗೊಳಿಸಬಹುದು, ಹೊಸ ಸಿದ್ಧಾಂತ ಅಭಿವೃದ್ಧಿ ಉತ್ತೇಜಿಸುವ ಸತ್ಯ ಒದಗಿಸಲು, ಮತ್ತು ನಾನು ಈಗ ತಿರುಗಿ ವಿಷಯದ ಸಂಭವನೀಯ ಯಾಂತ್ರಿಕ ಬಗ್ಗೆ ಸುಳಿವುಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.