Tìm kiếm

Mọi Người Đều Nói Dối PDF & Review

Mọi Người Đều Nói Dối PDF

“Mọi người đều nói dối” (2017) đề cập đến rất nhiều vấn đề khác nhau liên quan đến dữ liệu lớn. Loại dữ liệu này có thể tiết lộ những thông tin thú vị về tâm lý, hành vi và những điều kỳ quặc của con người, bởi lẽ không phải ai cũng sẵn sàng nói cho người khác nghe về mình, nhưng dữ liệu thì không biết nói dối. 

Cuốn sách Mọi Người Đều Nói Dối dành cho ai?

  • Những người quan tâm đến bản chất phức tạp của hành vi con người. 
  • Các chuyên gia nghiên cứu truyền thông và những nhà xã hội học. 
  • Những người lo ngại về sức mạnh của Internet và quyền riêng tư trực tuyến. 

Giới thiệu tác giả sách Mọi Người Đều Nói Dối

Tác giả Seth Stephens-Davidowitz
Tác giả Seth Stephens-Davidowitz

Seth Stephens-Davidowitz là chuyên gia về dữ liệu internet và dữ liệu lớn. Ông tốt nghiệp ở Đại học Stanford và Harvard. Trước đây ông đã từng là kĩ sư khoa học dữ liệu tại Google. 

Tải sách Mọi Người Đều Nói Dối PDF

Để tải sách Mọi Người Đều Nói Dối PDF hoặc đọc Ebook online free bạn ấn nút phía trên. Nếu có điều kiện hãy mua sách để ủng độ tác giả.

Nội dung chính của sách Mọi Người Đều Nói Dối

1. Tìm hiểu điều gì đang ẩn sau dữ liệu lớn

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Có lẽ con người nên đối mặt với sự thật này: dù chúng ta cho rằng bản thân đang chân thật với những người xung quanh đến mức nào đi nữa, bằng cách này hay cách khác, chúng ta vẫn đang nói dối. Đó có thể là lúc chúng ta thổi phồng những đặc điểm cá nhân của mình trong một cuộc khảo sát về lối sống hoặc chúng ta né tránh việc kể những thói quen kì lạ mà mình thường làm hàng ngày. Mọi người dù nhiều hay ít đều có một chút gian dối trong cuộc sống thường nhật. 

Nhưng ngày nay, với lượng dữ liệu ngày càng lớn được thu thập từ các công cụ tìm kiếm như Google, chúng ta có thể đào sâu, phân tích lượng dữ liệu này và tìm thấy được sự thật. Với sự tích lũy dữ liệu không thể tưởng tượng được về vô số khía cạnh của con người, một kho thông tin được gọi chung là dữ liệu lớn có thể được sử dụng để phân tích các mô hình hành vi của chúng ta và xác định những sở thích mà bản thân chúng ta chưa từng biết đến trước đây. 

Trong cuốn sách này, chúng ta sẽ tìm hiểu về những vai trò của dữ liệu lớn, từ việc nó có thể tiết lộ về tình trạng sức khỏe của chúng ta, đến việc khám phá những điều kỳ lạ của con người, hỗ trợ các nhà khoa học thực hiện những thí nghiệm ngẫu nhiên, có kiểm soát. 

2. Khoa học dữ liệu trực quan hơn chúng ta nghĩ

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Có lẽ ai cũng đã nghe đến thuật ngữ dữ liệu lớn, nhưng chính xác thì dữ liệu lớn là gì? 

Giống như tên gọi của nó, dữ liệu lớn mô tả một khối lượng lớn dữ liệu. Trên thực tế, khối lượng dữ liệu này lớn đến nỗi trí óc con người khó có thể hiểu hết được. Nói cách khác, dữ liệu lớn là dữ liệu cần sức mạnh tính toán để tìm ra các mô hình. Tuy nhiên, mặc dù với quy mô đáng kể, khoa học dữ liệu đem đến cho con người khía cạnh trực quan. Và theo một cách nào đó, chúng ta đều là những nhà khoa học dữ liệu. 

Tác giả kể về người bà của mình như một ví dụ cho ý kiến trên. Vào dịp Lễ Tạ Ơn, bà gọi tác giả đến bên và nói cho ông nghe về hình mẫu bạn đời lý tưởng của ông nên như thế nào! Theo bà, cô gái đó cần phải thông minh, tốt bụng, hài hước, hòa đồng và xinh xắn. 

Ở tuổi 88, bà của tác giả đã chứng kiến rất nhiều mối quan hệ đến rồi đi. Bà đã sử dụng nhiều năm để thu thập thông tin và dữ liệu từ đó tổng hợp và phân tích những đặc điểm mà bà xem là cần thiết trong các mối quan hệ thành công. Công việc này cũng giống như cách các nhà khoa học dữ liệu đang làm, sử dụng thông tin để phát hiện các mô hình và dự đoán các biến số nhất định sẽ tác động đến nhau như thế nào. 

Mặc dù khoa học dữ liệu là một quá trình trực quan, bản thân trực giác cũng không thực sự là khoa học. Đó là lý do tại sao việc sử dụng dữ liệu được thu thập một cách chính xác là điều cần thiết để tinh chỉnh thế giới quan của một người. Dữ liệu cung cấp cho chúng ta tài liệu để xác nhận hoặc bác bỏ cảm xúc ban đầu. Nó giúp chúng ta xác định những mô hình và dự đoán chính xác hơn so với kinh nghiệm cá nhân. 

Hãy trở về với người bà của tác giả. Bà tin rằng những mối quan hệ sẽ tồn tại lâu hơn nếu hai bên có nhiều bạn chung. Ý tưởng này dựa trên kinh nghiệm của chính bà, vì bà và chồng của mình đã quen nhau thông qua những buổi tối với bạn bè chung của họ ở Queens, New York. 

Nhưng trên thực tế, số lượng mẫu của bà quá nhỏ và dữ liệu khó cho kết quả chính xác. Một nghiên cứu năm 2014 của Lars Backstrom và Jon Kleinberg, dựa trên dữ liệu của Facebook cho thấy những cặp đôi có nhiều bạn chung có xu hướng chia tay nhanh nhất. 

Điều này cho thấy rằng mặc dù cảm giác có thể khiến chúng ta đi đến những kết luận tưởng chừng đúng, nhưng dữ liệu vẫn là công cụ có thể thay đổi quan điểm của một người theo cách trực quan nhất. 

3. Google là một ví dụ điển hình về cách dữ liệu lớn có thể mang đến cho chúng ta nguồn thông tin mới liên tục

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Khoa học dữ liệu là một công cụ hữu ích. Nhưng điều khiến nó trở nên đặc biệt không phải là lượng lớn dữ liệu nó thu thập được, mà đó là những dữ liệu hữu ích. Nói cách khác, đó là loại dữ liệu có thể đưa ra các mô hình dự đoán. 

Google là một trường hợp điển hình. Công cụ tìm kiếm nổi tiếng của Larry Page và Sergey Brin ra đời vào năm 1998 và nhanh chóng trở thành một gã khổng lồ. Nhưng điều đó không đơn giản chỉ vì họ có thể thu thập nhiều dữ liệu. Thay vào đó, điều khiến Google trở nên khác biệt là những dữ liệu mà họ thu thập đã được sử dụng một cách hiệu quả. 

Trước Google, khi bạn nhập “Bill Clinton” vào công cụ tìm kiếm, chúng ta sẽ nhìn thấy các trang web có lặp lại cụm từ này nhiều nhất. Và trong số những kết quả này, chúng ta thường nhận được một loạt các trang web không liên quan. 

Thuật toán của Brin và Page hoạt động theo một cách khác. Họ phát hiện ra rằng một trang web có thể phù hợp với một từ khoá nếu nó có nhiều liên kết từ các trang web khác điều hướng người dùng đến. Vì vậy, trang web chính thức của Nhà Trắng viết về Clinton, vốn là mục tiêu của hàng nghìn liên kết, sẽ hữu ích hơn, so với một trang web chỉ có một trăm liên kết, mặc dù nó có thể nhắc đến tên ông thường xuyên hơn. 

Họ tổng hợp tất cả dữ liệu về các liên kết và bắt đầu phát hiện ra những mô hình và những dự đoán thông tin nào được xem là phù hợp nhất với người dùng. Trong phần tiếp theo, chúng ta sẽ giải thích 4 lý do tại sao dữ liệu lớn lại có sức mạnh như vậy. Cách tiếp cận của Google là một ví dụ điển hình về lý do đầu tiên: dữ liệu lớn cung cấp cho chúng ta một luồng thông tin mới liên tục. 

Trước đây khi chưa có dữ liệu lớn, chúng ta phải đợi Cục Thống kê Lao động thu thập và tính toán tỷ lệ thất nghiệp hiện tại bằng cách điều tra qua điện thoại, hoặc chờ báo cáo từ Trung tâm Kiểm soát và Phòng ngừa Dịch bệnh để tìm hiểu về tỷ lệ lây nhiễm ở một số loại bệnh tật. 

Nhưng bây giờ, chúng ta có thể sử dụng dữ liệu lớn của Google để theo dõi cả hai điều này – và đó chính xác là những gì kỹ sư Google Jeremy Ginsberg đã làm. Ông cho thấy rằng những tìm kiếm trên Google liên quan đến bệnh cúm, chẳng hạn như “các triệu chứng cúm” sẽ chỉ ra sự lây lan của loại bệnh này và có thể được sử dụng để theo dõi sự lây lan của dịch bệnh qua các khu vực địa lý theo thời gian thực. 

4. Dữ liệu lớn không biết nói dối

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Gần đây, các sinh viên tốt nghiệp tại Đại học Maryland đã được khảo sát về điểm trung bình của họ, hay còn gọi là GPA. Trong số những người được hỏi, 2% thừa nhận rằng họ đã tốt nghiệp với điểm số trung bình thấp hơn 2,5 trên thang điểm 4. Tuy nhiên, theo hồ sơ chính thức, con số này cao hơn nhiều, ở mức 11%. Đây chỉ là một ví dụ chứng tỏ một sự thật phổ quát về kết quả của các khảo sát: mọi người đều nói dối. 

Nhưng tại sao lại như vậy? Bản năng con người luôn muốn khoác lên mình một vẻ ngoài đẹp đẽ, vì vậy mọi người đều có xu hướng điều chỉnh câu trả lời của họ để có cái nhìn tích cực hơn về bản thân. Hành vi đưa ra câu trả lời khiến chúng ta trông đẹp hơn trong mắt người khác được gọi là thiên kiến mong muốn xã hội. 

Ngoài ra, những người trả lời thường muốn gây ấn tượng với người thực hiện cuộc khảo sát. Chúng ta muốn tạo ấn tượng tốt, cho dù đó là cuộc khảo sát ẩn danh hay không. Ví dụ, nếu bạn được một người khá giống bố của mình phỏng vấn, bạn có thể không muốn kể chi tiết về những trải nghiệm liên quan đến việc lạm dụng thuốc ở trường đại học. Con người có xu hướng nói những điều không trung thực, điều này làm cho các cuộc khảo sát không đáng tin cậy khi chúng cố gắng tìm hiểu hành vi, suy nghĩ, mong muốn và niềm tin của người được khảo sát. 

Và vấn đề trên đưa chúng ta đến lý do thứ hai tại sao dữ liệu lớn lại có vai trò mạnh mẽ đến vậy: nó không biết nói dối. Bởi vì dữ liệu lớn được thu thập thông qua hành vi trực tuyến. Những hành vi này sẽ luôn tiết lộ sự thật, bởi lẽ mọi người ít có khả năng nói dối hoặc làm lệch kết quả khi nhập các cụm từ vào công cụ tìm kiếm, họ không thực hiện cuộc khảo sát nào cả, họ chỉ đơn giản là thực hiện những hành vi bình thường của mình trên internet. 

Hãy xem xét một cuộc khảo sát về tình dục do tác giả khởi sướng. Kết quả của cuộc khảo sát đưa ra xu hướng tình dục khác hoàn toàn so với khi tác giả phân tích dữ liệu từ một trang web khiêu dâm nổi tiếng. Điều này chỉ ra rằng dữ liệu lớn có thể tiết lộ một số điều đáng ngạc nhiên về những hành vi mà con người có thể không muốn chia sẻ trực tiếp với một người khác. 

5. Dữ liệu lớn cũng cho phép chúng ta hiểu được các tập dữ liệu con

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Thật khó để biết được dữ liệu sẽ có thể đạt được độ lớn như thế nào. Mỗi ngày, một lượng dữ liệu đáng kinh ngạc sẽ được Google thu thập, chưa kể đến các trang mạng xã hội và các trang web khác. Khối lượng dữ liệu này có thể giúp chúng ta làm được những việc mà trước đây con người không thể làm được. 

Đây là sức mạnh tuyệt vời thứ ba của dữ liệu lớn: kích thước của tập dữ liệu giúp chúng ta có thể phóng to một tập hợp con và trích xuất thông tin từ nó một cách đáng tin cậy. 

Hãy xem xét một ví dụ thực tế này: Giáo sư Raj Chetty của Đại học Harvard muốn điều tra xem liệu giấc mơ Mỹ có thể thực hiện được ở bất cứ nơi nào trên nước Mỹ hay không. Ông quyết định sử dụng dữ liệu lớn để giúp mình hình thành câu trả lời cho một câu hỏi chính xác hơn: những người có cha mẹ nghèo khó có thể tự mình lớn lên và trở nên giàu có tại nước Mỹ hay không? 

Nhóm của Chetty đã sử dụng hồ sơ thuế do Sở Thuế vụ Hoa Kỳ thu thập. Tổng cộng, họ đã có hơn một tỷ dữ liệu giám sát về thuế. Dữ liệu cho thấy rằng khi so sánh với các nước phát triển khác như Đan Mạch và Canada, Hoa Kỳ không phải là nơi tuyệt vời đối với người nghèo. Một người Mỹ nghèo chỉ có 7,5% cơ hội đạt được thành công trong lĩnh vực mà họ đã chọn. Nhưng đối với người Đan Mạch và người Canada, cơ hội lần lượt là 11,7% và 13,5%. 

Đó là bức tranh toàn cảnh, nhưng vẻ đẹp của dữ liệu lớn là Chetty có thể đọc được dữ liệu của các tiểu bang, thành phố, thị trấn và các vùng lân cận. Khi làm như vậy, ông nhận thấy rằng giấc mơ Mỹ vẫn có thể trở thành hiện thực nhưng chỉ ở một vài nơi. Ở San Jose, California, một người Mỹ nghèo có 12,9% cơ hội làm giàu, cao hơn ở Đan Mạch. Nhưng đối với một người Mỹ nghèo lớn lên ở Charlotte, Bắc Carolina, cơ hội chỉ là 4,4%. Chính khả năng phóng to này chứng tỏ dữ liệu lớn có thể mang lại cho chúng ta sự hiểu biết về thế giới, ở bất cứ đâu và bất kỳ quy mô nào mà chúng ta chọn. 

6. Dữ liệu lớn giúp những thử nghiệm A/B (A/B testing) trở nên dễ dàng thực hiện với chi phí rẻ hơn

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Mỗi ngày, chúng ta đều có những câu chuyện về các mối tương quan. Thực phẩm liên quan đến bệnh tật. Thói quen liên kết với thành công. Những mối tương quan này thoạt đầu có vẻ đáng tin cậy, nhưng mối tương quan không nhất thiết bao hàm mối quan hệ nguyên nhân và kết quả. 

Trên thực tế, để tìm hiểu về tác động nhân quả của một điều gì đó, chúng ta cần thiết lập quan hệ nhân quả bằng cách sử dụng các thử nghiệm ngẫu nhiên, có kiểm soát, thường được gọi là thử nghiệm A/B. Ví dụ, một nghiên cứu có thể cho thấy rằng những người uống rượu điều độ thường khỏe mạnh hơn. Nhưng liệu điều đó có đồng nghĩa với việc uống rượu điều độ khiến sức khỏe của chúng ta được cải thiện? Dĩ nhiên là không. 

Để kiểm tra xem việc uống rượu vừa phải có cải thiện sức khỏe hay không, chúng ta cần có một nhóm các cá nhân được chọn ngẫu nhiên chia thành hai nhóm. Một nhóm sẽ uống mỗi ngày một ly rượu vang đỏ, trong khi nhóm khác không uống chút nào. Sau một năm, sức khoẻ của hai nhóm sẽ được so sánh với nhau. Nếu nhóm đầu tiên khỏe mạnh hơn nhóm thứ hai, điều đó có nghĩa là uống rượu điều độ là một tác nhân giúp cải thiện sức khỏe. 

Dữ liệu lớn giúp cho việc thực hiện các thử nghiệm A/B trở nên dễ dàng hơn rất nhiều và đây là lý do thứ tư tại sao dữ liệu lớn lại đóng vai trò mạnh mẽ đến vậy. Trước khi dữ liệu lớn ra đời, việc chạy thử nghiệm A/B đòi hỏi chi phí rất cao. Ví dụ: để kiểm tra hiệu quả của một quảng cáo, chúng ta phải tuyển dụng những người tham gia, tiến hành khảo sát và phân tích kết quả. Nhưng giờ đây, các nhà khoa học Dữ liệu có thể viết một chương trình phân tích dữ liệu từ các thử nghiệm A/B. 

Phương pháp này đã trở nền nổi tiếng sau chiến dịch tranh cử tổng thống năm 2008 của Barack Obama. Các nhà quản lí chiến dịch tranh cử của Obama đã thiết kế một trang web thu hút mọi người vào đăng ký và quyên góp. Họ sử dụng những kết hợp khác nhau giữa hình ảnh và văn bản, sau đó phân tích dữ liệu liên quan đề suy ra bố hiệu quả nhất. 

7. Dữ liệu lớn không phát huy hiệu quả với quá nhiều biến số

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Mặc dù dữ liệu lớn có những lợi thế nhất định, nhưng nó không thực sự hoàn hảo. Hạn chế lớn nhất của nó trở nên rõ ràng trong một tập dữ liệu có nhiều biến số: rất khó để trích xuất câu trả lời đáng tin cậy vì số lượng biến số che khuất các kết quả. 

Ví dụ như công trình của nhà di truyền học hành vi Robert Plomin. Năm 1998, ông nghĩ rằng mình đã tìm thấy một loại gen, được đặt tên IGF2r, biểu thị chỉ số IQ của con người. Ông có một tập dữ liệu được tổng hợp từ hàng trăm sinh viên chứa thông tin về DNA và IQ. Plomin đã so sánh DNA của họ với điểm số IQ, và nhận thấy rằng IGF2r có tiềm năng xuất hiện ở những học sinh có IQ cao. 

Thật không may, mối tương quan này chỉ là ngẫu nhiên. Khi Plomin so sánh lại tập dữ liệu vài năm sau đó, mối tương quan giữa chỉ số IQ và sự xuất hiện của IGF2r đã không còn nữa. Thật dễ dàng để hiểu kết quả trên. Bộ gen của con người bao gồm hàng nghìn gen, nếu các mối tương quan xảy ra, thì có thể là chúng chỉ xảy ra một cách tình cờ. Có rất nhiều biến số mà các mẫu có thể xảy ra ngẫu nhiên. 

Có một vấn đề khác liên quan đến dữ liệu lớn. Dữ liệu lớn thường thiếu cái gọi là dữ liệu nhỏ, loại dữ liệu về trải nghiệm của con người. Dữ liệu lớn có thể đo lường nhiều thứ, nhưng đôi khi những câu trả lời có thể đo lường không phải là những gì mà con người đang theo đuổi. 

Ví dụ: Facebook có thể dễ dàng đo lường số lượt nhấp và lượt thích bằng cách sử dụng dữ liệu lớn. Nhưng chỉ số này không liên quan đến trải nghiệm của mọi người với trang web mà họ nhấp vào, hoặc trải nghiệm của họ với sản phẩm của một thương hiệu nào đó. 

Trong những trường hợp như thế này, dữ liệu nhỏ là rất cần thiết. Facebook thu thập loại dữ liệu này thông qua các phương pháp khác, cụ thể là bằng cách sử dụng những cuộc khảo sát quy mô nhỏ hơn để hỏi người dùng về ý kiến và trải nghiệm của họ trên trang web. Facebook cũng thuê các nhà tâm lý học và xã hội học để giúp khảo sát về trải nghiệm người dùng – Đây là một biến số không thể đo lường được. 

8. Chính phủ các nước không nên sử dụng dữ liệu lớn để nhắm mục tiêu đến các cá nhân

Sách Mọi Người Đều Nói Dối PDF & Review
Sách Mọi Người Đều Nói Dối PDF & Review

Mỗi khi nhập từ khoá tìm kiếm trên Google hoặc mua sản phẩm trực tuyến, chúng ta đang đóng góp thông tin vào dữ liệu lớn. Điều gì sẽ xảy ra nếu chính phủ có quyền truy cập vào dữ liệu này? Họ có thể làm gì với nó? Giả sử ai đó đã nhập “Tôi muốn tự sát” vào công cụ tìm kiếm. Chúng ta có nên thông báo cho cảnh sát địa phương không? 

Trong những trường hợp như thế này, các cơ quan có thẩm quyền đơn giản là không thể hành động ở cấp độ từng cá nhân dù đó là lý do chính đáng. Hàng tháng có 3,5 triệu lượt tìm kiếm trên Google liên quan đến tự tử ở Hoa Kỳ. Ngược lại, số vụ tự tử ở nước này rơi vào khoảng 4.000 vụ một tháng. Điều này có nghĩa là sẽ lãng phí rất lớn nguồn lực của cảnh sát nếu họ quyết định xác định vị trí của cá nhân bị nghi vấn mỗi khi ý định tự tử được nhập vào máy tính. 

Nhưng cũng có một khía cạnh đạo đức mà chúng ta không nên bỏ qua. Chính phủ có được phép sở hữu và sử dụng dữ liệu tìm kiếm liên quan đến cá nhân hay không? Bởi lẽ điều này sẽ dẫn đến sự xâm phạm quyền riêng tư. 

Thực tế là những cân nhắc về đạo đức này đã không ngăn được các chính phủ sử dụng dữ liệu lớn ở cấp khu vực, đặc biệt ngày càng có nhiều bằng chứng chỉ ra mối tương quan giữa những từ khoá tìm kiếm trực tuyến và hành động tiếp theo của chính phủ. 

Ví dụ, các nhà nghiên cứu Christine Ma-Kellams, Flora Or, Ji Hyun Baek và Ichiro Kawachi đã công bố trong một nghiên cứu năm 2016 cho rằng những tìm kiếm trên Google liên quan đến tự tử có tương quan đáng kể với tỷ lệ tự tử thực tế. Nhưng mối tương quan đó chỉ có giá trị ở cấp tiểu bang. 

Vì vậy, làm thế nào các cơ quan nhà nước và sở cảnh sát có thể sử dụng dữ liệu đó một cách hiệu quả? Họ có thể sử dụng nó trong các chương trình phòng chống tự tử ở các khu vực địa phương, chẳng hạn như cấp tiểu bang hoặc thành phố. Họ có thể phổ biến thông tin trên đài phát thanh và quảng cáo trên truyền hình, với những chỉ dẫn về nơi để đi hoặc gọi cho ai nếu mọi người cần giúp đỡ. Nó cho thấy rằng, dữ liệu lớn cũng có thể được sử dụng một cách hiệu quả trong những tình huống thực tế. 

Thông điệp chính trong cuốn sách

Mọi người hiếm khi điền vào các bản khảo sát một cách trung thực, điều này làm sai lệch hiểu biết của chúng ta về thế giới. Nhưng với sự gia tăng của dữ liệu lớn – tức là tập hợp lượng dữ liệu cực kỳ lớn, chẳng hạn như các từ khoá tìm kiếm của Google – chúng ta có thể phát hiện ra các mô hình trong hành vi của con người và xác định những sở thích mà chúng ta chưa từng biết tới trước đây. 

Lời kết

Hy vọng những chia sẻ của Trạm trong bài review sách Mọi Người Đều Nói Dối sẽ giúp bạn đọc hiểu được các giá trị của tác phẩm và nắm được nội dung cốt lõi của nó.

Hẹn gặp lại!

Cám ơn bạn đã đọc review sách Mọi Người Đều Nói Dối của tác giả Seth Stephens-Davidowitz tại Trạm Sách. Nếu có điều kiện hãy mua và đọc cả cuốn sách để ủng hộ tác giả, bạn sẽ cảm thấy hạnh phúc hơn rất nhiều.

ĐỪNG
BỎ LỠ