Без разлика дали се тоа го правам себе или работа со партнер, јас би сакал да им понуди две парчиња на совети дека сум го нашол особено корисно во мојата работа. Прво, мислам колку што е можно, пред било кој податоците се собрани. Овој совет најверојатно се чини очигледно за истражувачите навикнати на трчање експерименти, но тоа е многу важно за истражувачите навикнати да работат со големи извори на податоци (види Глава 2). Со големи извори на податоци, најголемиот дел од работата се случува откако ќе имаат податоци, но експерименти се спротивни; најголемиот дел од работата треба да се случи пред да се соберат податоци. Еден од најдобрите начини да се принуди да размислат за вашиот дизајн и анализа е да се создаде и да се регистрирате на план за анализа за експериментот. За среќа, многу од најдобрите практики за анализа на експериментални податоци се формализираат во насоките за известување, и овие упатства се одлично место за почеток, кога создавање на вашиот план за анализа (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .
Вториот дел од совет е дека никој не експеримент се случува да биде совршен, и поради тоа, треба да се обидете да се дизајнира серија на експерименти, кои се зајакне едни со други. Јас дури и слушнав ова се опишува како стратегија армада; наместо да се обидува да се изгради еден голем борбен брод, можеби ќе биде подобро градежни парцели на помали бродови со комплементарни предности. Овие видови на студии мулти-експеримент се рутински во психологија, но тие се ретки на друго место. За среќа, ниската цена на некои дигитални експерименти прави овие вид на мулти-експеримент проучува полесно.
Исто така, би сакал да им понуди две парчиња на совети кои се поретки, но сега се особено важни за изработка на дигитални експерименти возраст: се создаде нулта маргинална цена на податоци и да се изгради етика во вашиот дизајн.