行为决策偏见、助推与数据追踪机制课堂笔记
本讲整体脉络：先接上一课，讲完几种常见的决策偏见（易得性偏见、代表性偏见、过于乐观）；然后进入《助推》一书的核心，讲好的选择架构怎么设计（NUDGE 六项策略）；接着讲行为决策的研究方法，重点是实验法，通过四个实验案例说明实验法如何找到因果；最后进入新章节，讲数据作为时代的新石油，以及行为追踪、Cookie 等数据机制。
第一部分常见的决策偏见（接续上一课）
线索
易得性偏见
代表性偏见
过于乐观
高知受骗
三天完成计划
一、易得性偏见
我们容易把发生在眼前、影响非常大、印象非常深刻的事情，想象成发生的可能性非常大。
典型例子是飞机失事。飞机失事太可怕了，媒体报道又集中，所以我们长期会被它发生的概率困扰，总觉得这种事情发生的概率非常高。
其实概率很低，只是这类信息对我们来说太容易获得、太容易被提取了，所以叫易得性偏见。
二、代表性偏见
我们经常错误地认为日常中本不存在的模式（pattern）是存在的。
例一（上节课讲过的案例）：运动员总是错误地认为他们随身携带的某种物品会影响赛事的成功或失败。这本来就是一种迷信、一种迷思，但他们会非常坚定地去相信。
例二：选美比赛。我们总觉得美女是没脑子的、不聪明的，只能靠外表获取资源。
外表和聪明与否根本没有实际的相关性，但我们就是这样认为的。
日常生活中很多偏见、固定思维，都属于这种代表性偏见。
三、过于乐观（自我感觉良好）
课上小实验：一个班在课程开始之前做预测，有百分之九十的人认为自己会进入全班前十（Top ten），甚至是前百分之二（top two percent）。课还没开始学，每个人就已经过于乐观，把自己放在一种非常优越的地位上，而这个地位其实是不真切的、不真实的。
生活例子：开车不要玩手机。但大家总觉得自己开车已经很熟练了，刚好又需要用手机查看路线，于是一手拿手机、一手握方向盘。这个时候恰恰是最容易发生车祸的时候，这就是过于乐观。
老师自己的例子：夏威夷冲浪。
在夏威夷玩，经过很多海滩，看到海里的冲浪选手玩得特别自在，大浪翻过来，人在浪里冲，身姿矫健，让人非常向往。
又走到另一个海滩，看到玩极限运动的：脚踩固定冲浪板，肩背降落伞包，风大的时候被吹上天，降落到海面上就开始冲浪（后来查了才知道那叫sky diving 一类的项目）。看了心向往之，连住的民宿房间里都有这样一幅画。
当时产生一种很强的冲动：我要是学一学，应该立马也可以。因为看到海滩上、海面上的人冲浪非常轻松自在，好像毫不费力，觉得这无非是一个掌控平衡的问题，能有多大的事呢。
结果：找了教练，教练专门带她到一处海面非常平静的海滩（她问为什么不去浪大的那边，教练看了她一眼说那是高手去的，你是新手，不行）。远远望去那片海滩连浪都没有，心想应该很容易。
按教练在地上教的口诀做：先四足跪地，再单膝跪地，觉得可以了人就站起来。最接近成功的一次是单膝跪地，两条腿要起来的时候，人直接栽进海里，一次又一次往海里栽。
浪在平稳的时候还可以，但当你要站起来的时候，它就像弹簧一样弹，根本没有办法控制。新手用的板又大又厚，简直跟一艘船一样，双手环抱都太宽，根本做不出图中单手抱板那种很酷的姿态，即便如此还是站不起来、站不住。
练了几个小时，实在没力气了，教练说不行了，就上岸了。上岸站在岸边，一个小浪打过来，还是差点摔了一跤。
体会：去之前真的觉得自己下场就会，那种乐观的感觉不知道是从哪里升起的。
没试过的女生真的可以去尝试一下，从室内冲浪到海边，比如海南万宁。
结论：过于乐观会造成我们在日常生活的选择或判断上，过高地估计自己的能力。
电信诈骗的例子：近期电信诈骗越来越瞄准高知群体，很多案例是高知群体被诈骗而且被诈骗成功。
是他们智商不够高吗？是缺乏判断力吗？其实从这方面可以看出，高智商人群有时恰恰过高地估计了自己对现实问题的判断。
2023 年，清华的一位刑法学教授也被电信诈骗骗成功了，腾讯新闻对此做了非常详细的报道。
落到实处的建议：你在市场生活中新接了一个项目，或者新开启一个学习的 project，当你分析自己说可能三天之内要完成的时候，要先想一想三天之内到底能不能完成，想想自己的能力和过去的经验，不要盲目乐观。
第二部分助推与选择架构
线索
how to achieve a good choice architecture
决策架构师
NUDGE
电表映射
新泽西驾照
欧洲火车选座
望右标语
大中央车站
提出的问题：作为公共政策、公共问题的管理者，我们要怎样设计一个决策场景？
作为一个决策架构师，怎样帮助大家找到更好的选项？
作者选了几种路径和方式，就像我们写文章讲究排比、要有气势一样，这几种方式的首字母连起来刚好组成一个词，就是助推Nudge：
一是激励，创造很好的激励措施；
二是理解映射关系；
三是设置默认选项；
四是给予反馈；
五是预期错误；
六是给复杂选择以结构，也就是把复杂的选择环境结构化、清晰化、逻辑化，让人们更能关注决策当中更应该关注的重要问题。
一、理解映射
当我们要提倡一种低碳的生活方式时，普通人对千瓦这个东西的价值和意义是不太明白的。我们需要把面临的方案及其结果，翻译成一种非常直观的、显性的信息摆在人们面前。
例子：家用电表。这是一个非常好的方式，不知道为什么没有普及。但凡想省电的家庭都应该装一个这样的映射电表：显示的不是千瓦，而是你用了多少电、对应多少钱。
当人走了，空调开着、电灯开着、电脑开着的时候，你会看到钱一直在往上跳。千瓦对我们来说很模糊，没有映射关系；一旦转成金钱，我们就会更加重视节约用电。
二、默认选项
例子：美国新泽西州的驾照。每个州的驾照都不一样，背景可以自己选择。重点在驾照最上面一行的机制：器官捐赠选项。
背景知识一：器官捐赠的意义。不管是哪个国家、哪个社会，如果一个人真的脑死亡，或者出现了某种意外，但其他器官还非常好，这种情况下我们是非常推荐做器官移植的，因为它会救很多生命。
背景知识二：美国的证件制度。美国没有像我们这样带照片的身份证。美国有的叫 social security number（社会保障号），实际上是一张纸质的卡，那才是真正的身份证，但卡上没有照片，只有一串数字。
这个号码不像我们的身份证号，它是完全被当作隐私的，不能随随便便告诉别人。这就造成不方便：去银行、去超市买东西，没有一个带照片的认证很麻烦。
所以驾照成了身份证很好的补充：美国16 岁就可以考驾照，当你进入社会工作、生活、有社会经历的时候就可以考；而且美国是车轮上的国家，带照片的驾照用处非常广泛。
中国学生、学者去了美国还特别沾沾自喜：买酒的时候不管你是三十岁还是四十岁，别人都要看你的身份证，确认是否超过十八岁，大家会觉得被人当作年轻人很开心，说明自己面相年轻。
机制：考驾照的时候，你必须勾选一个选项，就是愿不愿意一旦出了意外，把你的器官捐献出去，也就是会有一个默认的同意。
当你同意了之后，假设出现非常意外的场景，出了车祸、处于脑死亡状态，医院、警察局看到你的证件上有这个标志，就可以简化所有流程，可能不需要告知亲人，直接就可以摘取器官。
当然也不是那么吓人，不是说还没被认定脑死亡就直接送掉，还是要经过医学上的认定，再加上你证件上提前同意的捐献者标志，后续流程就会非常顺利地进行。
对比案例：上海东方卫视的医疗纪录片《人间世》，讲生老病死，看完心情都不会太好。其中一集印象非常深刻：一个十几岁的年轻小伙子出了意外，已经脑死亡，父母决定捐献器官，认为让儿子以某种形式还存在于这个世界上，也是一种安慰。
但要站在父母的角度想，做这个同意捐献的决定本身就很需要勇气。纪录片完整跟踪了父母的全过程：从开始协商、父母双方同意、填表、走流程，到最后。那个表非常残酷，上面有几行大字：我自愿认同放弃某某的生命。
哪怕前期父母已经做了很强的心理斗争、已经思索了千万遍，看到那句话还要再做一次选择，那个打击和冲击是非常大的。就在那个环节，母亲又绷不住了，非常痛苦。整个流程是非常折磨人的。
老师的看法：两方对比来说，不如提前把这件事情想好，很决绝地做出选择，可以省去后续很多的麻烦。
补充说明：后来老A 对这个事情有一些不同的解释，讲美国一些非常吃人的现象。
有严肃媒体报道过，美国老兵的遗体被大卸八块、被卖掉等等，做的不是公益的事情，而是医疗机构做的非法盈利的勾当买卖。所以这里有两个说法。该严肃的时候还是得严肃。
但是既然整个社会认同器官捐献总体上是一个比较好的策略，那我们就应该帮助这个策略、这个政策更好地实施，在执行过程中尽量避免很多问题。
什么叫默认值：就是一开始就替你选定、设定好的选项。当然默认值是可以更改的。换驾照的时候，或者过了几年你有不同的看法、不同的想法，可以去DMV（车管所）换一个驾照，把它去掉，那也是你的自
由。但默认选项设定在这里，就有它的作用。
轻松一点的案例：欧洲火车票调价政策。网上购票系统里，购票时有两种选项：第一种是买票但不固定分配座位；另一种是多花一到两欧元，一点点钱，把座位固定选定下来。
当火车运营公司把默认选项固定在分配座位这一项上之后，超过47% 的消费者会勾选、继续停留在这个默认选项上；而在这之前只有9%。可见默认选项可以引导人的最终选择。因此铁路集团每年多收入约4000 欧元。
三、反馈
反馈跟前面讲的映射有一点接近。
例子：比如你今天省了多少电、省了多少钱；今天读英语打卡了多少个单词；今天减肥做了什么尝试，体重维持或降低了多少。把这些信息发布到飞书、推特这些社交媒体上。
作用机制：信息发布出去之后，会对你造成一种社会压力。亲友、大众给你点赞，一方面增强一种信念，我们收到了赞扬；同时也是一种压力，因为大家都在监督。
在这种反馈机制之下，我们的行为会朝着我们预期的更好的方向进行。
适用场景：需要长期坚持的事情、任务，适合用这种社交媒体的信息发送来获得反馈。
四、预期错误
逻辑：既然我们已经知道人的偏见是朝哪个方向走的，已经预期到了，那我们就需要提前做一种设计来容纳、防备这种错误。
正面例子：英国是靠左行驶的，行人靠左、车辆靠左，跟世界上其他大多数国家相反，英联邦国家如澳大利亚也都是反的，去那边旅游要尽量注意。
香港预期到了从世界各地来的、习惯不同的游客或工作者过马路时还不太习惯、容易看错方向，就提前在地面上写了标语：望右，提醒过马路要往右边看。
我们在国内过马路，刚下马路牙子要往左看，因为车从右边来；那边是相反的，所以提前设计这样的提示标语，防止大家马上走错。
反面例子：老师上课多年的教学楼。每次进这个楼上课，她都要默念两个口诀：第一个，N 是north 的N，不是南方的南（拼音里n 和nan 容易搞混，楼里一个南一个北）；第二个，玉山是北，那边是南
。
每次进来都要默练这两个口诀，才能找到方向。而且这门课特别搞笑，一个星期一边转北一边转南，每次进来都很纠结，二十年过去了都是这个样子。这就是大楼设计的时候，没有想象到使用者的这种预期，设计得非常不人性化。换手机的事都没法吐槽了。
还有东西方向：南北确定了，还有东西，三分走到底是往左边走还是右手边？到现在这个大楼都没有做出一个很好的提示。其实直接在墙上用很大的数字标出来，进门就会看到1 到7 在哪边、8 到12 在哪边，指示不就很好了吗？但没有做。
每学期最早的那两次课，都要走进楼里，走到楼梯那边，找那个小小的标志，上面有房间号，必须做这个事情才能找到教室。多上两次熟了就好了，但这就是决策架构师完全缺位的思路。
好的例子：美国纽约市的Grand Central Station，大中央火车站，有几百年的历史，好多电影里都有它上面场景的展示。当时去参观，讲解员介绍说：从线路下车的人走向大厅要经过过道，在每一个过道关键的卡位，上面墙的吊顶都做得非常低，这是有意图的。
人流最大的时候，不希望人们在关键的路上停留不动，比如站在那里整理行李箱、整理衣服。低矮的廊檐或吊顶会让你有压迫感，走到底下就会加快脚步，赶紧离开；离开之后走到大厅，大厅面积更大、非常开阔，这时候大家就可以很轻松地在那边整理，该怎么怎么。
这是很有设计理念的：预估到了大家活动的规律和习惯。老师当时就想，跟我们这个教学楼做了一个对比。这就叫提前预期错误。
补充：《助推》这本书薄薄的一本，可读性非常强，推荐大家拿过来读一读。书里的大致内容到这里介绍得差不多了。
第三部分行为决策的研究方法：实验法
线索
实验法experimental
定量问卷
相关不代表因果
骰子实验
婴儿木偶实验
猴子公平实验
数据共享实验
引入：前面讲的这些偏见、行为的结论是怎么被发现的？采取的是实验法（experimental method）。
回顾研究方法课：定量研究方法（王老师教的）基本上就是发放问卷、看变量之间有没有相关性。比如用Stata 去测变量之间的相关，宏观统计数据的例子：夏天冰淇淋销售量与溺水（蜜水）数量的相关，是正相关关系，用的是年度分析。
问卷法的局限：这种研究方式很难把握人的行为。当你想问一个人的行为背后产生的原因时，问卷很难做到。假定现在要调查什么影响了人的腐败行为，光做问卷去问你有没有曾经有过腐败行为，你可能获取不到真实的数据，人们会有隐藏性。
相关分析的局限：相关不代表因果。相关只是说同时发生，谁是原因谁是结果说不清，甚至两个可能都不互为因果，只是同时发生。
所以你想测量因果关系，就要用实验法。实验法可以在实验场景的设计中，调整人们某一个行为方面的变量，直接通过某一个要素的变化，看到人的行为的直接变化，从而直接找到因果。
实验一：测腐败行为（骰子实验）
出处：一篇发在经济学顶刊上的文章，研究腐败行为、不诚实与选择（dishonesty and selection）。
为什么巧妙：腐败、不诚实这种敏感行为没法直接问，问卷问不出真实数据。
做法：告知受访者，现在你一个人进到一个小黑屋子里面做一个小任务：丢骰子，丢五十几次，把每一次骰子的点数记下来，出来的时候告诉实验室的人员。房间里面没有任何摄像头，你自己一个人在里面丢、自己记，我们不做任何干扰干预。他完全知道自己是在一个很安全的环境下做这件事的。
激励设计：根据你记下的骰子点数给你相应的报酬。假设你五十次都丢了6，就给你五十乘以六块钱；如果你真实地每次都丢了1，就只给你五十乘以一块钱，相当于有六倍的差异。大家想想，心术不正的人自己做记录的时候，会突出爆发，把骰子点数往大了去报。
测量原理：丢骰子是一个概率事件，不可能每次都丢出比较大的点数，真实的记录应该是一个正态分
布。如果有人报出250 这么高的总数，而比较真实记录的人集中在正态分布的另一侧，那么与正态分布的差异越大，说明这个人越有谎报、误报的可能性。
就用这种差异来模拟、来映射这个人不诚实的状态，也就是通过实验的方法测出这个人在多大可能上是一个很腐败的人、是为了用不同手段给自己谋取利益的人。
变量：自变量是这个人被测出的腐败（不诚实）程度；因变量是这个人有多大的意愿去进入公共部门工作。
印度的实验结论：越腐败的人越想进入公共部门，因为有越多的油水可以捞。
这篇文章的价值：用一种非常接近真实的测量手段，测出了人真正的腐败程度，然后论证了一个长期大家都想问的问题：你是否想去做公务员，是因为这里面有利可图，还是你真的想为人民服务？
就像在我们中国的语境下，你想做公务员，到底是因为觉得有权可以用，还是真的想为人民服务。这篇文章验证了这样一个观点。
多年之后的复现：应该是挪威的一位北欧学者把这个实验做了完整的复现，最后的结论比较一样：在挪威，越腐败的人越想去做公务员。但原因解释不同：北欧（挪威、丹麦这些国家）福利比较好，如果他们想有利可图，肯定会进入私企，那是奔着赚钱去的；但他们还是想去做公务员，说明是奔着为政府、为人民做一些好事的意图去做的。
实验二：婴儿从什么时候开始有善恶观念（婴儿道德实验）
问题：人是从什么时候开始产生善恶观念的？是从baby 开始吗？换句话说，小baby 有没有善恶观念？
难点：你不可能问一个三岁以下的小baby：你知道什么叫善、什么叫恶吗？你倾向于善的行为还是偏向恶的行为？问了也不懂，问卷式的实验做不了。有大学的两位教授（耶鲁）设计了巧妙的实验。
课上播放的英文视频要点（教授自述）：研究婴儿可以看到还没有被文化、电视、大量社会交往、性与浪漫所污染之前的人类，某种意义上是最纯粹状态的人类。
通过研究婴儿，可以追问：我们的本性是什么？我们是善良的还是残忍的？研究者和同事的发现是：在非常早期，人类就存在某种基本的道德感、道德本能（some fundamental moral sense, some moral instinct）。
怎样向婴儿提出道德问题呢？给婴儿看一场小小的木偶戏：一个木偶在试着打开一个盒子，它试了又
试，就是靠自己打不开；这时另一个木偶走过来，抓住盒盖的另一边，帮它把盒子打开了。
然后再演一遍：小木偶又在试着打开盒子，一个不同的木偶走过来，跳到盒盖上面，砰地把盖子压死，非常粗鲁地破坏了它打开盒子的尝试。
怎么问：问题就是，babies，你们对这两个角色有没有不同的感受？一个是好心地帮忙开盒子的，一个是粗鲁地把盖子压下去、破坏别人努力的。婴儿不会说话，就看他选哪一个：伸手去够助人为乐的木偶，还是捣蛋的木偶。
结果：即使只有五六个月大的婴儿，也会伸手去够那个助人的木偶。一岁左右的小孩子中，80% 到95% 的婴儿都选择了助人为乐的木偶。
这样压倒性的数量，其实都不需要做统计验证，你就已经知道是有差异的。这间接说明小孩其实有善恶观，他会亲近善的方向。
老师评价：这个实验设计得非常巧妙。
实验三：动物有没有平等与不平等的观念（猴子公平实验）
问题：你觉得动物会有平等跟不平等的观念、概念吗？它是会有的。
课上播放的英文视频要点（灵长类学者自述）：这是一个非常有名的研究，他们大约十年前做的。最初用的是卷尾猴（capuchin monkeys），后来在狗、鸟类和黑猩猩身上也发现了类似现象。
做法：把两只猴子并排放在一起，从群体中取出，放进测试间，让它们做一个非常简单的任务。如果给两只都喂黄瓜作为奖励，它们完全愿意连续做二十五次。黄瓜其实基本上就是水，但对猴子来说足够了。
关键操作：如果给其中一只喂葡萄（葡萄在猴子的食物偏好中远比黄瓜好，是更好的食物），你就在它们之间制造了不平等（inequity）。
新录的实验视频：左边这只猴子得到黄瓜，右边那只得到葡萄。得到黄瓜的猴子，第一块黄瓜完全没问题，吃了；然后它看到旁边那只得到葡萄，接下来就出状况了：它把作为任务的石头丢回给实验员，拿到黄瓜也不吃了，把黄瓜也扔出去。
老师的概括：对猴子来说，葡萄（桃子）更好吃。大家做同样的工作，同工不同酬，有一只就愤怒了。
视频学者的话：这基本上就是华尔街抗议（Wall Street protests）。老
师补充：华尔街抗议就是2008 年金融危机之后大家上街抗议的事情。遇到不公平的时候，人类就会反抗起来。
学术争议：这个研究变得非常有名，收到了很多评论，尤其是人类学家、经济学家、哲学家，他们完全不喜欢这个结论，因为他们心里认定公平是一个非常复杂的问题，动物不可能拥有。
一位哲学家甚至写信给他们说：猴子不可能有公平感，因为公平是法国大革命期间才被发明的。另一位学者写了一整章，说除非拿到葡萄的那只猴子也拒绝葡萄，否则他不会相信这跟公平有关。
后续发展：Sarah Brosnan 用黑猩猩做了这个实验，发现拿到葡萄的黑猩猩，在同伴只得到较差奖赏的时候，也会拒绝自己手中的葡萄。黑猩猩的认知表征已经非常接近人类的公平感了。这反而印证了猴子实验是真实的：当它看到同伴没有得到同等待遇的时候，它拒绝了。
老师的方法论点评：第一种诟病（公平是人类才有的概念，猴子没有这个概念，所以不能用猴子拒绝水果来说它产生了不公平的想法）有一点刻舟求剑。
第二种诟病其实指出了公平的多面性：一只猴子拒绝黄瓜，并不能完全代表公正；只有当受损害的一方和获得利益的一方都能从不同的面向感知到公正的存在，比如得到葡萄的那只也拒绝了，这才是从另外的面向反映的公正，而不是说得到利益的群体没有任何触动就代表公正。
对实验设计的启示：实验场景的设计一定要精准。不能只说巧妙，还要精确。你看这个实验里有对照：两只猴子同时完成任务得到同样的奖赏时，连续25 次都没有变化，说明猴子不是因为不喜欢吃黄瓜而把黄瓜丢出去；它放弃黄瓜是在看到旁边的猴子拿到葡萄之后。
所以厌恶黄瓜是行为对比的结果。你测的变量，你要明白该怎么去测。
实验四：老师自己做的实验（数据共享实验）
缘起：一次在武汉交管局的调研。当时学院承接了一个数字治理的研讨会，各地学者包括一些海外学者过来参会，就带他们去参观了交管局的大数据中心。
系统介绍：交警介绍这套系统的用法。系统通过对道路卡口点、监控以及车辆的实时信息采集，可以帮助整个交管局做非常精密的决策：可以看哪个地方有冲突、哪个地方有车祸，做预测、做调控。
触发事件：参观当中，交警为了活跃气氛，说在座哪位老师愿意把自己的身份证号报出来，可以马上调出你过去车子的实时视频。有位老师（陈涛老师）非常积极，把身份证号报了出来，没有几秒钟，系统直接把他过去三天在汉口被卡口摄像头拍到的场景、车里坐了几个人、车里的那些摆设等等，全部非常清晰地展示出来。
前提说明：所有跟敏感数据相关的数据库，必然都是用非常安全的防火墙技术管理的。整个服务器所处的大楼跟其他办公地点是隔绝的，进去要人掏钥匙才行；里面的数据完全不上网，所有设备都不能上Internet，所以大家不要怀疑这个安全性。
冲突：中国人看到那个小小的操作就都笑起来了，甚至开陈涛老师的玩笑。但老师旁边一位美国来的老师一脸严肃，问：你们在笑什么？难道大家不觉得这是一个非常严肃的事情吗？这是你的个人信息、个人隐私，为什么大家都这么开心？
时代背景：那个时间节点刚好是斯诺登事件爆发没多少年。斯诺登曾经是美国CIA 的雇员，他把美国政府在911 之后大规模监听平民和国际政要的事情披露了出来，之后外逃，逃跑路线非常惊险：先逃到香港，然后逃到俄罗斯，现在一直待在俄罗斯。
还有维基解密的那位创始人，更惨，没逃掉，可能是被安上了什么案件，被美国政府捉进去了，他也是因为披露美国政府大规模监控的相关信息。
老师当时的下意识反应：也许是因为中国人比较信任政府，中国人从来不觉得政府会拿着自己的个人数据做什么坏事，所以人们看到这个东西不会首先很敏感地去反对，大家就不觉得有什么。
由此提出研究问题：真实的事实是否是这样？真的是我们中国人大部分人都信任政府吗？
研究问题：当人们被请求把自己的数据跟公共部门或者私有部门做共享、分享的时候，他们的共享行为会有所变化吗？仅仅是因为你共享出去的那个对方单位的属性不一样，你的行为就会变化吗？
实验设计：问卷实验法。给别人发放问卷，然后做一个场景的描述。不同的场景区分为四种条件（四组）。
场景设计的注意点：不能直接问第三方假设的问题，比如Amy 怎么怎么样，然后问 if you were Amy（如果你是Amy）你会怎么选。场景描述是有严格策略的。
具体场景：当时共享自行车还比较流行（跟电动车其实都差不多）。告诉被试：如果你要用这个一体化的应用，下面有两种价格可以选择。一种是原始价格，十分钟两块钱（当时做了一点小调研，校园里基本上就是这个价）；另一种是你要把整个行程数据共享给某一个组织，这样使用价格完全减半，同样十分钟一块钱。
这个组织用数据干什么：做实时的交通数据分析，用来保障安全、减少交通事故的风险（这是利好的方面）；但是如果你有一些不当的骑行行为，比方说逆行、闯红灯，这个组织有可能会获取你这样的数据跟信息。
分组：参与实验的总共1000 多个人，互相看不到彼此的实验场景信息。每一组改变的只有一个信息：接收数据的组织是什么属性。四组分别是：公共部门（政府部门）、非营利组织、私营企业，以及一组不告诉组织属性、作为基准。
为什么要设非营利组织这一组：老师当时参加过一些国外的会议，国外非常主张 NGO 是公共部门强有力的一个构成。但NGO 在我们中国现在可能有点被污名化了，谈到NGO，可能就觉得背后有CIA 之类的控制、有一些勾当；其实它的历史贡献是特别好的。
另外像一些医疗方面的慈善机构、非营利机构，比如红十字会，名字也不太好，收到很多捐款，但捐款怎么用的说不清。
结果：有一点跟想象不太一致。原本认为当你听到政府的时候，共享意愿会非常强烈，但结果是：第三方机构（不告知属性的基准组）、政府机构跟非营利机构差不多，政府没有很突出。
非常突出的是：当告诉被试数据是给私营企业的时候，共享意愿急剧下降，而且有统计上的差异（共享的大概从270 降到240，反方向大概 150）。
不共享这一侧：政府仍然不突出，不共享的人数没有特别降低，117 跟 105，只差了一丁点；但看到私营企业的时候，大家都紧张了，都不愿意共享。
结论：这侧面反映了在我们国家，大众的一个总体特征：普遍不信任私有部门。
这个实验也正好引出下一部分关于数据的内容。行为决策学这部分，通过主要研究结论和研究方法，做了相对前沿的介绍；还有一些公共管理领域很先进的文章，之后会共享给大家，可以用在研究报告里的一小块文献阅读。
第四部分数据：时代的新石油
线索
every single action
市场定位与广告流量变现
AI 时代服务收费
行为追踪与定制化
美团酒店比价实验
行为碎片
cookie 第三方共享
广告联盟
糖果屋童话
GDPR
2013 年百度判例
一、数据是新的石油、新的生产资料
推特创始人的话：当前这个世界，每一个活动（every single action）都会触发产生一定的数据（data）。大多数的数据都是毫无意义的，直到有一些人加入了一点解释，或者说加入了一些叙事。
也就是说，大部分情况下，过去人们没有意识到数据是一种宝藏、一种资源，直到我们对它做了详尽的分析。（推特现在已经变成X 了，易主了，新主是马斯克。）
为什么数据从过去的互联网时代到社交媒体时代是新的石油、新的生产资料？最核心的变现路径（只说最核心的）：数据用来做市场定位，市场定位可以用来多卖广告，卖广告产生盈利。其他的边边角角先不管。
二、互联网时代企业怎么赚钱
答案表面是流量，但要想清楚：人多、用的人多，对平台来说负担反而更重，因为需要很多后台的技术维护人员。比如淘宝、京东，过去双十一人总是会崩，人一多就崩，这增加它的成本。
那流量靠什么变现？归根到底是卖广告。生产企业不管提供的是日用品还是科技类产品，都要卖货，卖货就要打广告，产品通过广告的方式销售出去。
有人会说，不是产品质量好才卖得掉吗？但广告是长久以来传统商业社会的一种固定服务。同样的一部手机，为什么你买OPPO、他买华为？是手机质量有很大差异吗？
可能就是当下某一个广告里代言人的形象突然击中了你的心底，你的行为决策、你的心态就变了，因为喜欢这个广告代言人就去买这个产品。还有很多其他的，不光是代言人，还有广告描述的那种氛围感等等。所以流量背后还是广告。
AI 时代的变化：互联网大公司、科技企业的盈利模式产生了变革，现在是服务收费的时代。AI 不靠广告了，所有的服务不再是免费的。这跟过去不一样：过去用 Facebook、Twitter、谷歌搜索、百度、微信、美团外卖，平台都是免费的。
老师的例子：我现在每个月固定199 块钱贡献给Kimi，觉得还挺值的，现在也不想关掉。
过去连腾讯视频、爱奇艺、芒果这三大视频网站我都不肯花一分钱，宁愿在网上找盗版资源，宁愿去看那种赌场的广告、很恶心的偏门广告，习惯了免费服务；但AI 我付钱了，不一样。
数据在社会重要活动两大块里的表现：一是商业领域的市场定位，二是政治领域的政治动员。在这两块它都能够做非常强的操纵。
三、市场定位的两大路径
路径一：行为追踪。对你的行为进行记录，把你种种的行为合到一起进行分析。
路径二：定制化（personalization / customization）。在充分了解一个个体的基础上，再针对你做决策的环境，做定制化。
例子：我知道你是什么样的人，知道你是一个经常大手大脚花钱的人，那我对你的定制产品价格就要高，因为我知道你花得起；如果你是一个精打细算的人，浏览记录里总是同一个产品浏览几百次，我就多给你推荐折扣信息，因为我知道打折这两个字，不管是真打折还是假打折，只要你看到，你就会产生心动的感觉，这对你来说是有效的。
结合这两个步骤，就可以让你心甘情愿地跟着推荐走。
概括：先是知道你的隐私，然后对你进行操控。操纵无处不在。
四、课堂小实验：大数据杀熟
背景：马上十一中秋了。问大家订酒店用什么，携程、美团？感觉大家都有美团。
操作：用同一个平台（因为不同平台价格本来就有差异，为了控制变量，都用美团），大家同时去搜10 月2 号的北京酒店，请周围附近的同学互相对比酒店的价格。
观察一：美团给你排序推荐的酒店，不同同学是不一样的。
观察二：找同一家酒店对比（连锁酒店可能有不同门店，要找同一家），比如如家精选酒店北京五棵松店，同一时间各自报出来的价钱：322 元、361 元、377 元、四百多的（443、444 元），还有524
元的。
中间还闹了个插曲：有藏族同学三百块起步，旁边同学九十几块，老师开玩笑说这加深了对藏族同胞有钱的刻板印象；还有江苏的同学价钱高，又开玩笑说江苏的人就是有钱。有的差价是因为选错了门店或日期，要同一个时间节点、同一个地点、同一家店再比。
结论：如果有100 块钱的差异都已经觉得很夸张了，但真实看到了接近200 块的差异。同一个班、同一个平台、同一个时间，搜出来的结果千差万别。价格杀熟、杀生这类现象，报道里还是有的，这就是无处不在的操纵。
五、行为碎片是怎样产生和记录的
操作：同样掏出手机，打开淘宝，随便点一个你最近想买的物品，当场搜一搜，比如衣服、鞋子、包包、玩具。对照PPT 里的路径自己想一想。
概念：你每一次输入、每一次搜索的点击、每一次上滑下拉、看的每一个评价、每一次click，都叫做你产生的行为碎片。你每点一下，这些数据都被记载下来了，注意，每一次都是有记载的。
例子路径：进到一个平台，打开就有推荐页面（根据你过去的想法推荐）。现在直接去搜索：比如选一条裤子，你选了一条女士的白裤子，看一看里面的介绍、简介；觉得颜色不太好，换成粉色的，又点击；点完之后挑一挑size 的大小，又点击；觉得差不多可以了，把它放到购物篮里面，放进去的这个动作也被记住了。
这些信息已经告诉了商家、告诉了淘宝平台：你感兴趣的物品是什么、感兴趣的颜色是什么。它已经对你了解了。
跨平台：你退出淘宝，去比较价格的购物平台，比如拼多多，国外的Temu，或者跳到京东再对比一下，这所有的种种click 都记录在你的手机终端上，这就是对你的信息的记录。
等你退出来，再打开小红书、拼多多、京东，你会发现它们推荐的信息跟你刚刚搜的很接近：你搜了一个鞋，小红书也推荐了这个鞋子品牌；你搜了一个书包或者一个包，京东也给你推荐同样的产品、类似的产品。
当你退出一个应用、再开启另外一个应用的时候，你看到的信息是被操控过的（manipulated）结果。课堂上当场试了一下，暂时还没看到明显的相关性，可能是搜索得太少了。
六、Cookie 机制
结构：图上黄色虚框框进来的是构成广告联盟的互联网企业平台。消费者对淘宝平台上的某一个商家发出请求、需求；淘宝为了给他提供服务，首先把刚刚这个用户所有的点击都记录在一个小程序上，这个小程序叫做cookie（可能是一段文字、一些功能、一些种类的数据）。
Cookie 存在哪：按平台设计的机制，cookie 记录在你的终端上（大家的手机跟电脑上都存在cookie 这样的小数据），平台的服务器上不保存关于你的这些隐私信息。
表面上这是一种保护消费者权益的方式。
调用：当你退出、下一次重新返回这个网站的时候，这个网站有权利去调用你终端上的这个程序。为什么这样设计：你刚刚已经搜索了粉红色的裙子，淘宝已经知道你对粉红色感兴趣，它不可能等你下一次进入淘宝的时候给你推一个男士的西装，那样淘宝平台对你来说是毫无价值的，没有便捷的服务。
它毕竟要记住你的相关喜好，给你推荐你所喜欢的产品跟服务。所以这个机制是非常必要的：既然用户习惯是在我平台上产生的，我就有权调用。
问题出在哪：问题出在你每次进一个平台，它都会让你勾选隐私声明，而那个隐私声明你们从来不会去阅读，直接就会勾了同意。
下一次注意，上完这个课有兴趣的可以把文字点开看：在隐私跟安全那一栏下面，大概都在同一个位置，有一个第三方cookie 条款，它说：为了给你提供更好的服务，我会把你的这个cookie 跟第三方的平台做一个共享。
那这样的话其他平台就会知道你的兴趣爱好、你的偏好（后面这句是老师自己的补充，条款里只是说为了提供更好的服务）。而且这个问题你是同意了的，你每次都勾选了的，所以你是同意了淘宝去做这样的信息共享。
看似很安全，你的个人隐私全存在你自己的终端上，但是所有其他联盟成员都有权利来调动、来查看。
自查方法：如果用Chrome 浏览器，可以随便打开一个网页，进设置，点开隐私与安全，这一栏有一个第三方cookie，点进去就会看到所有网站的数据跟权限。
老师课上用的是公用电脑，没有太多数据；在你们自己的电脑上，可以看到你们浏览的所有网站包含哪些cookie，cookie 当中已经告知了你：你的数据、你的cookie 会被共享给哪些不同的机构。
仔仔细细去看，会发现共享的不只是本网站，还有本网站之外的很多其他的不知名网站。这就是我们共享出去的信息。
典型现象：这是一个非常典型的例子。当你浏览两个不同的网页的时候，过去网页上会有一块广告区域，不同的网站会给你弹出同一个广告，这就是通过刚刚那个 cookie 机制导致的。
现在大家已经很少用电脑终端、很少用网页了，所以这个例子太out 了、快过时了，但机制在手机端同样存在。
七、Cookie 名字的由来
出自德国的一个黑暗童话（格林童话，糖果屋）：穷苦人家有两个小孩，哥哥跟妹妹，家里负担不起、养不起了，父母就把小孩带到森林里去遗弃掉。试了两次，哥哥非常聪明，提前做了准备，在兜里揣了石头：父母把他们引到森林深处的时候，他一路丢石头，父母走开之后，他就顺着石头回到了自己家里。
第三次的时候来不及做充足的准备了，身上只有小饼干，他就拿着小饼干一路丢饼干屑进森林，结果饼干屑被森林里的小动物、鸟儿吃掉了，找不到回家的路。
命名：美国的工程师（我们套用的很多应用和命名都来自他们），虽然是那种 nerd、傻傻乎乎的工程师形象，但起名字的时候也挺浪漫的：你在互联网上的所有活动，就像你一路丢下去的小小的饼干碎片，所以这个记录你信息的程序就叫做 cookie（饼干）。
八、围绕Cookie 的争议与法律法规
GDPR：史上最严格的数据保护法、安全管理法GDPR 出台之后，去上国外的一些网站是特别烦人的：它不停地要你同意这个、同意那个，弹出来的对话框非常频繁。
典型的文字是：We use cookies to give you the best online experience（我们用 cookie 给你最好的在线体验）。如果你接受，就要点击Accept，那你就会同意把所有这些数据共享给合适的机构。
面对这样烦人的弹窗你没有办法：你不同意的话，其实是没有办法获得这个网站的下一步服务的。
我国2013 年的判例：在这之前，我们国家的网络安全法和个人信息保护法都比较少。案情：原告在百度搜索丰胸、减肥，后来在别的地方（比如工作开会时打开的一个网站）又看到了丰胸、减肥的广告。
他觉得这是对他个人隐私的泄露，就举报、起诉。最后的判决是：cookie 不属于个人信息，因为它不对应到你的手机号码等具体的东西，网站不知道有这样的一个IP 地址搜索了这个内容，所以法院判决原告败诉。
这是2013 年的一个判法，很能够代表当时的看法。但是现在的看法已经变了。
总结栏（本讲复盘提要）
一、四种偏见的要点串联：易得性偏见是把印象深刻的事想象成大概率（飞机失事）；代表性偏见是相信不存在的模式与相关（运动员的幸运物、美女没脑子）；过于乐观是过高估计自己的能力（课前90% 的人自认进前十、开车玩手机、夏威夷冲浪的亲身教训、高知群体被电信诈骗、2023 年清华刑法教授被骗）。
对策：做计划时结合自己的能力与过去经验，不盲目乐观。
二、助推NUDGE 六项：
激励；理解映射（电表把千瓦翻译成钱）；默认选项（新泽西驾照的器官捐赠默认同意、DMV 可更改；欧洲火车选座默认项让选择率从9% 升到47% 以上；对比《人间世》里父母临场签署放弃生命表单的折磨）；反馈（社交媒体打卡，赞扬增强信念、监督形成压力）；
预期错误（香港路面望右标语、纽约大中央车站过道低吊顶催人快走、大厅开阔可停留，反例是二十年分不清南北、没有房间号大标识的教学楼）；给复杂选择以结构（把复杂选择环境结构化、清晰化、逻辑化）。
三、实验法的方法论主线：问卷与相关分析只能得到相关性，相关不代表因果；实验法通过控制场景中某一个要素的变化、观察行为的直接变化，能找到因果；实验设计不仅要巧妙，还要精准，要明白变量怎么测。
四个案例的结论：骰子实验用报告值偏离正态分布的程度映射不诚实程度，自变量是腐败程度、因变量是进入公共部门的意愿，印度发现越腐败越想进公共部门（捞油水），挪威复现结论相似但动机是福利好、奔着为人民服务去的；
婴儿木偶实验里五六个月大的婴儿就会伸手够助人的木偶，一岁左右80% 到95% 选择助人木偶，说明善恶感很早就存在；
猴子公平实验里做同样任务给黄瓜都能接受25 次，看到同伴拿葡萄就拒绝黄瓜并扔回石头，学界争议（公平是法国大革命发明的、除非拿葡萄者也拒绝才信）后来被黑猩猩实验部分回应，拿到葡萄的黑
猩猩在同伴待遇差时也拒绝葡萄，说明公平感有多面性；
老师的数据共享问卷实验，1000 多人分四组（政府、非营利、私企、不告知属性的基准），共享单车数据换半价场景，结果是政府、非营利、基准组差异不大，私企组共享意愿急剧下降且有统计显著性，反映大众普遍不信任私有部门。
四、数据部分的主线：每一个活动都产生数据，数据在被解释、被叙事之前毫无意义；互联网时代数据变现的核心路径是市场定位、卖广告、盈利，流量背后是广告，AI 时代转向服务收费（老师每月付199 元用Kimi 的对比）；市场定位靠行为追踪与定制化两条路径，先知道你的隐私再操控你；美团同一家酒店同一晚价格差近200 元的课堂实验证明杀熟无处不在；
每次搜索、点击、换颜色、选尺码、加购物车都是被记录的行为碎片，跨平台后小红书、京东会推荐相似产品，因为cookie 记录在终端、网站有权调用，隐私声明中的第三方cookie 条款使数据在广告联盟内共享（Chrome 设置、隐私与安全、第三方cookie 可自查）；
cookie 得名于格林童话糖果屋里一路丢弃的饼干屑；法律层面，GDPR 带来频繁的同意弹窗，我国2013 年百度cookie 案判原告败诉、认定cookie 不属于个人信息，但现在的看法已经变了。