Deneyler normalde ortalama etkiyi ölçer, ancak etki muhtemelen herkes için aynı değildir.
Basit deneylerin ötesine geçmek için ikinci anahtar fikir , tedavi etkilerinin heterojenliğidir . Schultz et al. (2007) aynı tedavinin farklı insan türleri üzerinde nasıl farklı bir etkiye sahip olabileceğini güçlü bir şekilde göstermektedir (Şekil 4.4). Bununla birlikte, çoğu analog deneyde, araştırmacılar ortalama tedavi etkilerine odaklanmışlardır, çünkü az sayıda katılımcı vardı ve bunlar hakkında az şey biliniyordu. Bununla birlikte, dijital deneylerde, çoğu kez daha çok katılımcı vardır ve bunlar hakkında daha çok şey bilinir. Bu farklı veri ortamında, yalnızca ortalama tedavi etkilerini tahmin etmeye devam eden araştırmacılar, tedavi etkilerinin heterojenliği hakkındaki tahminlerin, bir tedavinin nasıl işlediğine, nasıl geliştirilebileceğine ve nasıl hedef alınabileceğine dair ipuçları sağlayabileceğini gözden kaçırmayacaktır. yararlanma olasılığı en yüksek olanlara.
Tedavi etkilerinin heterojenliğinin iki örneği, Ev Enerji Raporları ile ilgili ek araştırmalardan gelmektedir. İlk olarak, Allcott (2011) , örneklemin daha fazla bölünmesi için büyük örneklem büyüklüğünü (600.000 hane Allcott (2011) kullanmış ve Ev Enerjisi Raporunun ön arıtma enerji kullanımı için Allcott (2011) tahmin etmiştir. Schultz et al. (2007) ağır ve hafif kullanıcılar arasındaki farklılıkları buldular, Allcott (2011) da ağır ve hafif kullanıcı grubunda farklılıklar olduğunu buldu. Örneğin, en ağır kullanıcılar (en yüksek decile'da olanlar), enerji kullanımlarını, ağır kullanıcı grubunun ortasında birinden iki kat daha fazla azalttılar (Şekil 4.8). Dahası, ön-muamele davranışı ile etkinin tahmin edilmesi, en hafif kullanıcılar için bile boomerang etkisinin olmadığını ortaya koymuştur (şekil 4.8).
İlgili bir çalışmada, Costa and Kahn (2013) , Ev Enerjisi Raporunun etkinliğinin bir katılımcının politik ideolojisine bağlı olarak değişebileceğini ve tedavinin aslında bazı ideolojilere sahip insanların elektrik kullanımını artırmasına neden olabileceğini öne sürmüşlerdir. Diğer bir deyişle, Ev Enerjisi Raporlarının bazı insan türleri için bir bumerang etkisi yarattığını tahmin etmişlerdir. Bu olasılığı değerlendirmek için Costa ve Kahn, Opower verilerini, siyasi parti tescil, çevre örgütlerine yapılan bağışlar ve yenilenebilir enerji programlarına hanehalkı katılımı gibi bilgileri içeren üçüncü taraf bir toplayıcıdan satın alınan verilerle birleştirdi. Bu birleştirilmiş veri kümesi ile Costa ve Kahn, Ev Enerjisi Raporlarının farklı ideolojileri olan katılımcılar için genel olarak benzer etkiler yarattığını; Herhangi bir grubun bumerang etkisi gösterdiğine dair bir kanıt yoktu (şekil 4.9).
Bu iki örnekte de görüldüğü gibi, dijital çağda, ortalama tedavi etkilerini tahmin etmekten tedavi etkilerinin heterojenitesini tahmin etmeye geçebiliriz çünkü daha çok katılımcıya sahip olabiliriz ve bu katılımcılar hakkında daha fazla bilgi sahibi olabiliriz. Tedavi etkilerinin heterojenliğini öğrenmek, en etkili olduğu bir tedavinin hedeflenmesini sağlayabilir, yeni teori gelişimini canlandıran gerçekler sağlayabilir ve şimdi benim açtığım konu olan olası mekanizmalar hakkında ipuçları sağlayabilir.