Experimentos normalmente medir o efeito da média, mas o efeito pode ser diferente para pessoas diferentes.
A segunda ideia-chave para ir além de experiências simples é a heterogeneidade dos efeitos do tratamento. O experimento de Schultz et al. (2007) poderosamente ilustra como o mesmo tratamento pode ter efeitos diferentes em diferentes tipos de pessoas (Figura 4.4), mas esta análise da heterogeneidade é bastante incomum para um experimento era analógica. A maioria dos experimentos era analógica envolvem um pequeno número de participantes que são tratados como "widgets" intercambiáveis porque pouco sobre eles é conhecido pré-tratamento. Em experiências digitais, no entanto, essas restrições de dados são menos comuns porque os pesquisadores tendem a ter mais participantes e saber mais sobre eles. Neste ambiente de dados diferente, podemos estimar a heterogeneidade dos efeitos do tratamento, a fim de fornecer pistas sobre como o tratamento funciona, como ela pode ser melhorada, e como ele pode ser direcionados para aqueles mais provável para se beneficiar.
Dois exemplos de heterogeneidade dos efeitos do tratamento no contexto das normas sociais e uso de energia vêm de pesquisas adicionais sobre a Home Energy Reports. Em primeiro lugar, Allcott (2011) usou o tamanho da amostra grande (600.000 domicílios) para dividir ainda mais a amostra e estimar o efeito do Relatório de Energia Home por decil de uso de energia pré-tratamento. Enquanto Schultz et al. (2007) encontraram diferenças entre os usuários pesados e leves, Allcott (2011) descobriram que havia também diferenças dentro do grupo de usuários pesados e leves. Por exemplo, os usuários mais pesados (aqueles no decil superior) reduziu seu consumo de energia duas vezes mais que alguém no meio do grupo de usuários pesada (Figura 4.7). Além disso, a estimativa do efeito pelo comportamento de pré-tratamento também revelou que não havia um efeito boomerang mesmo para os utilizadores mais leves (Figura 4.7).
Em um estudo relacionado, Costa and Kahn (2013) especularam que a eficácia do Relatório de Energia Início poderia variar de acordo com a ideologia política de um participante e que o tratamento pode realmente causar pessoas com certas ideologias a aumentar o uso de energia elétrica. Em outras palavras, eles especularam que a casa Relatórios de energia pode estar criando um efeito bumerangue para alguns tipos de pessoas. Para avaliar esta possibilidade, Costa e Kahn fundiu os dados Opower com dados adquiridos a partir de um agregador de terceiros que incluiu informações como o registo dos partidos políticos, as doações para organizações de ambiente, e participação das famílias em programas de energia renovável. Com este conjunto de dados resultante da fusão, Costa e Kahn descobriu que as Inicio Relatos de Energia produziu efeitos muito semelhantes para os participantes com diferentes ideologias; não havia nenhuma evidência que qualquer grupo exibiu efeitos bumerangue (Figura 4.8).
Como estes dois exemplos ilustram, na era digital, podemos passar de estimar efeitos médios de tratamento para estimar a heterogeneidade dos efeitos do tratamento porque podemos ter muitos mais participantes e sabemos mais sobre esses participantes. Aprender sobre a heterogeneidade dos efeitos do tratamento pode permitir a segmentação de um tratamento onde é mais eficaz, fornecer fatos que estimulam o desenvolvimento de novos teoria, e fornecer pistas sobre um possível mecanismo, o tema para o qual eu voltar agora.