讀後感：

1）統計迴歸相比經驗會更有說服力與穩定性；

2）拋硬幣，驗證迴歸預測當中所包含的某個因果關係；拋硬幣代表隨機，比如：隨機分發5000份客戶邀約有笑臉圖片和沒笑臉圖片的郵件，看其反饋率；這裡隨機並不是指5000個客戶都一模一樣，而是這樣理解的：如果考慮有圖片邀約的客戶身高的話，可能會看到鐘形曲線分佈。而對於收到沒有圖片邀約的客戶來說，我們也可以觀察到同樣的鐘形曲線。由於隨著樣本數的增加，兩組客戶的分佈會越來越相近，那麼我們可以把不同客戶組的平均反饋率的差異歸因於干預（即有笑臉和沒笑臉的）差異；

總結：即隨機克服了那些只根據歷史資料來進行推斷預測結論的多因素不確定性，並不是說是因為隨機後物件就是一模一樣的，而是由於隨機後物件的分佈會趨於一致；

在現實世界中，要利用足夠大樣本的隨機試驗並得到統計上顯著的結果，有時成本很高，這就限制了可進行隨機試驗的數量。但是網際網路改變了這一切。“由於讓一組人體驗某項服務的成本幾乎為零，因此，我們提供的體驗服務種類可以趨於無限多。”

角色：把歷史資料當做護身符/神奇地覺得自己知道如何使品牌壯大/總覺得自己知道的最多的老闆

傾聽消費者的需求！！！！！！！！！！！

在實驗室裡檢驗及再檢驗不同備選方案的成本太低了，因此我們沒有理由盲目地接收學術公理。

《直覺的終結》

隨機試驗並不是直覺的終結，而是把直覺融入到檢驗當中；因為前面提到的隨機試驗都必須有假設與備選假設：例如：邀約郵件帶笑臉與不帶笑臉的直覺假設；

CapOne ,Jo-Ann大資料公司

花錢是為了省錢；

沃德弗格：資料分析界出了名的滑稽有趣；腦子裡充滿了奇思怪想；能常常給社會上被遺落的角落帶去光明；

貧窮行動實驗室——把科研變成行動！