京公网安备 11010802034615号
经营许可证编号:京B2-20210330
有了爱情大数据,你再不会选错人
那爱情跟大数据是什么关系?我今天要讲的是从另外一个视角来看爱情。我的观念是爱情如同其他的一些感情上的行为一样,可以被数字化、数据化、数学化。
爱情和大数据走到一起了,意味着我们能以更多的智能,通过数学的方法,用现在所能得到的数据,以及大量使用的数字媒体来真正得到对爱情的洞察。
这里面的关键词是选择、匹配、预测。
就像我们很多行为可以在线上进行,约会也可以,这就叫在线约会。在线,意味着约会这个体验不再是不被记录的行为,而是被数字化了。
只要上了网,你每个点击、每个浏览、每一次打开网站,你就被记录了,数字化很自然地成为事实。
在数字化的过程中产生了数据,数据是有目的的数字组合,使得我们知道发生了什么事、有什么统计上的行为或者规律可以遵循。
美国差不多有四千多万人在线约会、找朋友、找情人、找今后长期的伴侣。
每一次他们做在线约会浏览时,大约耗时22分钟,一个星期内耗时12个小时,这是平均数。美国每十个人当中有一个人,曾经使用过类似的网站或者移动APP做在线约会规划。
66%的人通过在线软件的应用以后,他们又往前走了一步——确实去约会了,这个约会是真正现实中的行为,不是一个数字行为。
其中又有23%是真正地通过这些应用,找到了自己的配偶或者是长期的伴侣。
但另一方面,它也出现了一些以前没有的问题——信息的可靠性。56%的用户感觉到在网上的个人介绍往往是被夸大的,很大程度上误导了事实,造成了很大的麻烦。
81%的用户说自己曾经在某一项的描述当中撒了谎,其中包括谎报自己的体重,女性尤其爱往低评估;48%谎报了身高,男性在这方面尤其突出;19%谎报年纪,可能男性女性大约相同。
这些问题引起我的深思,这样一个平台上,好像数字、数据都很方便了,但是不是真正为我们服务了呢?如果没有这么多假的信息,利用拥有几千万的网络用户的软件,我们的恋爱、约会是不是能够效率更高一点?
有一个女记者Amy Webb,她也是一个未来学家,她喜欢想象未来是怎么回事。她做了一个尝试,在一个专门给犹太族裔的人群找配偶的网站上试验在线约会。
她在上面反复试验了很多次,但发布常规的信息比如说很懂日文、自己做了几年的记者等,却在找对象方面遇到很多挫折。
Amy就想,既然网站上有这么多数据,我为什么不能做一个数据分析呢?所以她做了两件事。
第一,她重点考虑了她所关心的男性对象的属性。每一次网站说,你可以跟这些人去约会,她就看一下这些人的属性是不是符合她的要求。
符合的她加一分,不符合的减一分。通过这种比较初级的方式,筛掉了很多本来网站推荐她去见一面的人。
第二,她意识到能找到心目中理想的人,并不是意味着那个理想的人也会看中她,这里面有很多竞争——她看中的这个男性,也可能会被很多的女生看中,她们会怎么接近他?
所以她用自己的模型,建立了一个分数,通过这个分数产生了十个假设的男性。
这些男性会留意到什么样的女性,会怎样和她联系约会。通过这些假设,她开始知道在介绍自己的时候,应当注重哪些方面,用什么样的语言能够成功引起注意。
这十个男性可能实际上不存在,但她至少用计分的方法算出,如果能找到类似男性的话,对她相当合适。
果然按照上述方法尝试几次后,她找到了自己最爱的一个男人,然后马上就组成了家庭,有了孩子。
这说明了什么问题?
从恋爱没有经过数字媒体,到有了数字媒体产生了数据,再到通过Amy的尝试,大家可以看到:数据可以帮助你把感情的事情理性化,从数字里看到一些自己可努力的方向,大量减少自己要搜寻的工作,使得爱情在有限时间、有限资源的情况下得到最好实现。
说到资源、选择、匹配,它能让一般的爱情有更多更广泛的内涵。
第一、 爱情可以被数字化、数据化,今天我们还可以把它数学化。
第二、 爱情大数据的作用已经被意识到了,大家都在开展这方面的应用。
应用到什么程度了呢?因为今天有很好的传感器、很多的摄影机、造像、信息处理、图象处理技术,一个男性说,我要找有范冰冰脸的女性,那他就可以发现很多有类似容貌的女性,而不是像以前那样,只能用模糊的数据描述这是女的、现在多大年纪。
第三、 爱情本身是一个选择匹配和预测的人类行为。
这种行为不止于谈情说爱,还能用在比如招聘、求学等选择领域,公司在找你,你也在找公司;你要选一个适合自己的最好大学,大学也在选你……
双向选择的过程几乎到处都有,我们对爱情大数据的研究,也不会仅限于对爱情的研究,对所有这些双向现象都要研究。
我的创业公司正在把基本的数字、数据和数学能力糅合,形成有力的产品,帮助大家对爱情产生更多深刻的认识,也是从数据能力上解答一个几千年、几万年的人类婚恋难题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15