前言

用户行为一直都在吸引无数研究者投身于中，最近看到一本比较好玩经典的书《思考，快与慢》，作者是曾经获得过诺贝尔经济学奖的丹尼尔·卡尼曼，他的方法与思想强调心理学与经济学相结合，简称行为经济学，书中很多的观点都富有智慧与洞见。此外推荐2015年诺贝尔经济学奖得主安格斯·迪顿的《经济学与消费者行为》和理查德·H·泰勒的《助推》，后者可谓是丹尼尔·卡尼曼的指路人。

书摘

将书中的主要概念摘录于此。
两个自我：记忆自我与经验自，过程忽视，峰终定理。记忆自我是系统2的一部分。系统2评估生活中某些情节及生活本身的方法有着显著的特点。由系统一产生的过程忽视和峰终定律并不一定与系统2的评判标准相符合。我们相信过程是重要的，但记忆却告诉我们，过程并不一定重要。规定评估过去事件的原则对决策制定不能起到很好的导向作用，因为时间在其中也起了重要作用。人类的存在有一个核心的事实，即时间最终还是有限的资源，但人类的记忆自我缺忽略了这个事实。比起细水长流的幸福，人们更偏好享受短暂且强烈的快乐。这种偏见是由结合了峰终定律的过程忽视造成的，过程忽视还使我们容易接受长期但轻微的不愉快，因为其结局会更好；若某事的结局不好，及时其过程是长期且快乐的，我们也会忽略掉。
过程权重的逻辑具有强迫性，但我们并不能将其视为关于幸福的完整理论，因为人们只认同于记忆自我，而且只关心自己的故事。

经纪人和人类：判断某个人是否理性的唯一标准并非是看这个人的信念或偏好是否合理，而是看它们是否一致。经济人不会受启发式、眼见为实、窄框架、内部意见或偏好逆转的影响，但人类缺无法避免这些影响。

系统2会进行判断和选择，但它会认可系统1形成的观点和感觉，或将这些观点和感觉合理化。系统2不仅是系统1的辩护者，它也能避免许多愚蠢的想法和不当表达而引起的冲动。然而系统2并不是理性的模范，我们犯错也不全是因为突然想到的不恰当的直觉。通常，我们犯错是因为系统2无法再了解更多的信息。
系统1是我们许多错误的原因，但也是我们许多正确做法的原因，而且我们也常做正确的事。我们的想法和行动通常由系统1指导，是当机力断的。系统1的优点就是存储在我们联想记忆中丰富而详细的世界；在这个世界里，人们能在不到一秒的时间内，从普通事件中分出令人惊奇的事件；立即对自己所期望的事生成想法，并对令人惊奇之事和正在发生的事自动搜寻有因果关系的解释。

系统1在处理信息时，可能会产生认知放松。当信息不可信时，系统1也不会生成警告信号。人们会快速且自信地进行直觉性回答，不管这些回答是否源于技能或启发式。系统2没有简单的方式来区分有技能的和启发式的回答。唯一的方式是放慢速度，自身构建出一个答案，这个答案可能不会被轻易接受，因为系统2比较懒惰。

系统1的运行特征，包括眼见为实、强度匹配和联想一致性等，会产生可预测的偏见和认知错误，比如锚定效应、回归平均值的预测、过度自信、以及许多其他错觉。

避免系统1出错的方法从原则上讲是很简单的：认识到你正在处于的认知领域，放缓并要求系统2加以强化。机构要比个人更容易理解规避错误，因为机构的人多，自然就会思考得更慢，也更有能力按规则行事。在办公室饮水机旁的闲谈与决策者有直接的联系：闲谈越多，所做的决策可能更好。有时，决策的制定者能听到大家当时传的闲言碎语和批评，这比听自己内心疑虑更容易。当他们相信批评自己决策的人经验丰富且公平正直，或当他们希望自己的决策能通过制定的方式而不是结果来评判的话，就会做出更好的决策。

代表性：对结果的先验概率不敏感。对代表性没有任何影响而对概率有重要影响的其中一个因素是结果的先验概率，或基础比率。对样本大小的不敏感。在某个指定大小的样本中，评估获得某个特定结果的概率时，人们总会应用代表性启发法。
误解机会：人们期望由随机过程产生的事件能够代表这个过程的基本特征，即使这个序列很短。
对可预测性的不敏感：如果人们仅仅依靠描述的好坏来预测，那么他们的预测就会对证据的可靠性和预测的预测精确度不敏感。这种判断模式违反了标准的统计理论。在标准的统计理论中，出于对可预测性的考虑，极端和预测范围受到了控制。当某件事的可预测性为0时，该预测的结果在任何情况下都应该是相同的。
效度错觉：人们常会挑选输入信息中最具代表性的特定来进行预测。他们在预测时的自信程度主要取决于相关信息代表的高低，与限制预测准确性的因素关系不大。
误解回归性：未能理解回归效应会导致人们高估惩罚的有效性，低估奖赏的有效性。

可得性：有时候，人们会通过能想到例子或事件的容易程度来评估这类事的频率或概率。可得性对于评估频率或概率来说，是个很有用的线索，因为相比概率较低的类别的例子来说，我们可以更好、更快地得到概率较高的类别的例子。
因例子的可提取性导致的偏见。
因搜索集合的有限性导致的偏见。不同的任何会引发不同的搜索集合。
想象力的偏见。有时，你需要评估某类事件发生的概率，这类事件的实例没有存储在你的大脑中，但你可以通过一定的规则构建一些实例。但是构建的实例并不总能反映出真实的概率。
相关性错觉：根据两个事件相互关联的强度，可以判断出它们同时发生的概率。当两个事件关联性强的时候，你可能会认为它们经常同时发生。

判断与锚定：人们会通过初始值来确定最后的答案。初始值或起始点，可能会从问题形成之时得到的提示，也可能是在稍微计算之后得到结果。
不充分的判断
评估连续事件与非连续事件的偏差：人们易于高估连续事件的概率，低估非连续事件的概率。连续事件的链式结构会导致高估，非连续事件的漏斗式结构会导致低估。
评估主观概率分布时的锚定。

风险性决策：
人们在获利大时选择规避风险，在损失概率大时选择冒险。

理性决策的原则：主导型和不变形
主导性要求如果前景A在各方面和前景B都一样好，但至少A在一方面强于B，那A就应比B更受青睐。
不变形要求在众多前景中的偏向不应依从于描述的方式。特别是，如果两种表达方式不同的问题同时出现，能被界定为实质是相同的，那么这两种表达方式不在同一时间出现时，人们也应该对它们持有同样的偏向。
保证不变性的两种方式：1.采取可将任何问题、实质等同的表达方式转化成完全一样的常规表述。2.通过保险保险精算的结果来评估某项选择，而非通过心理学的结果来评估。

概率的心理物理学：即从不可能到可能，或从可能到确定的变化为变化范围内的变化有更大的影响力。

公式化效应：由于价值函数的非线性，以及人们有从问题的陈述所给出或隐含的参考点去评估某种选择的倾向，因此，对结果的评估易受公式化效应的影响。

心理账户：为了评估多属性选择，人们会建立一个心理账户，并用此说明某个选项的优点和缺点。某项选择的总体价值是通过相对于其参考状态的优缺点的平衡状态得以实现的。
局部账户使得人们从相关而不是单独的角度来评估收益和损失，导致金钱交换率有很大变动。

禀赋效应：许多决策问题都以在维持现状和选择一个替代选项的形式出现。这些替代选项在某些方面是有利的，而在其他方面又是不利的。人们不愿意分隔属于自己的资产。

人性不是玄学，是可以定性和定量研究的。
人工智能可能不应该尝试超过人类的长处，而是努力为人类补短。