AI帮你找对象:Tinder+ AI=最佳红娘?

全文共4183字,预计学习时长11分钟

图源:unsplash

2012年,孵化器公司Hatch Labs首次推出了定位式约会软件——Tinder,由IAC和XtremeLabs共同经营。现在,Tinder已经成为美国最受欢迎的约会软件之一,每天的点击量约为17亿次。Tinder采用了免费增值的商业模式来赚取收入。

Tinder可以帮你找到当地的单身人士。“如果喜欢这个女孩,就向右滑动;如果不喜欢,就向左滑动”是该公司成功的关键,这种模式已经被无数同行复制。

它是如何影响人们约会的?

在不到8年的时间里,它从一个“定位式”约会软件发展成为一个全球式约会软件,覆盖190多个国家。与其他竞争者相比,Tinder的目的不是娱乐,而是帮助你获得爱情。

Tinder用户区分 | 来自SimpleTexting

Tinder有5700万用户,这并不意味着它是使用量最高的约会软件之一,但毫无疑问是在线约会时代的典型应用。至少在西方,不管你走到哪里,它都不停地嗡嗡作响。其游戏化的风格、完美的易访问性以及合理的坦诚是其迅速成功的最佳注解。

· Tinder的用户平均每周约会100万次,而且自推出以来配对次数已经超过200亿次。

· 活跃的Tinder用户平均一天登录四次。

· 95%的Tinder用户都是在一周内找到心仪对象的,谁能想到约会能这么容易?

· 2017年,线上认识的情侣比线下认识的情侣更多。

Tinder是2020年2月的热销应用 | 来自SensorTower

在数字方面,Tinder的估值为100亿美元,2019年的收入为11.5亿美元;占Match集团(总公司)20.5亿美元收入的56%。Tinder的收入在2015年至2019年间以123%的复合年增长率大幅增长。

Tinder已经超过Netflix,成为2019年全球收益最高的非游戏类应用。据Sensor Tower调查显示,截止到2020年2月,它一直保持着这一记录。其收益达到7740万美元,其中42%来自美国,7%来自英国,5%来自德国。截至2020年3月底,Match集团的市值为186亿美元

用户对Tinder的期望是什么?

你想要什么?来自SimpleTexting

根据SimpleTexting的调查,寻找一段认真的、长久的恋爱关系是目前得票率最高的选项。一小部分用户表示他们是在寻找朋友,还有些用户则用这款应用来提升自尊。

合理的Tinder推荐系统

Tinder的算法没有明确的工作流程,支持这些平台的算法都是公司专有的,而公司不愿意透露这些算法执行的隐私细节,但是技术迷们还是从公司发布的数据上发现了蛛丝马迹。

你在Tinder上的匹配很大程度上依赖于你的数据,根据你的个人资料计算出的“ELO”分数或多或少决定了你匹配对象的质量和数量,它决定你是匹配到一个大款还是一个身有残疾的男人。你的排名是否上升取决于你获得的右滑次数和为你右滑的人。这个人获得右滑次数越多,那么他的右滑对你的得分就越有意义。

Tinder会推荐得分相同的用户,假设观点相似的用户也会有大致相同的等级。你的合意值,即“ELO”分数很大程度上取决于以下这些条件。

个人资料的质量

这是决定ELO分数最重要的一点。有时它是难以改变的,可能会影响你的匹配,这取决于你的个人资料、照片和所选择的设置。当你发布一些照片时,这些图片会通过他们的机器学习服务器传递,可以轻松定义你的偏好和选择。

运行中的计算机视觉

使用几种目标检测技术,它可以观察你的兴趣,举例来说,如果你把骑自行车享受大自然的照片展示出来,算法就会输入你喜欢自行车和自然,现在,你的个人资料就会推送到和你有共同爱好的女孩面前。

同样地,当你发表一份个人经历时,这些表达会传递到NLP系统中,它可以检测出你的第一印象,也可以发现你的性格特征。

运行中的NLP

除此之外,调整的设置也有助于提升个人资料。你选择的距离越远,你处于探索状态的时间就越长,你选择的距离越短,你想要的关系就越严肃和安全。Tinder还会记录你获得的左/右滑屏的比例,如果你的个人资料比率很高,那么就会推送到更多的异性面前。

影响个人资料的因素

应用程序使用

Tinder知道它很快就会被人们淘汰,所以他们试图尽快地从中获利。

使用频率 | 来自We are Flint

算法会推广那些活跃度高的用户的个人资料,毕竟,用户数量越多,他们的资本增长就越快。

Tinder热爱它的用户,不想失去它的粉丝群。它的活跃用户数量经常会激增,个人资料越醒目就意味着匹配率越高,而当用户的软件使用频率较低时,他们获得匹配的可能性就会降低,因为频率较低意味着他们很有可能不会回复匹配。

相比之下,这个应用上的男性用户很多。Tinder优先考虑那些活跃的女性用户以及可能为女性用户服务的男性用户。

匹配次数:男性vs女性

滑动活跃度

另一个影响“ELO”得分的因素是滑动活跃度,Tinder会追踪你向左或向右滑动的频率。

如果你总是向右滑动,你可能太随意了,或许向别人发送垃圾邮件,tinder会降低你获得匹配的可能性,用技术术语来说就是——它会屏蔽你。滑屏越多,意味着信息越少,也意味着信任越少。

但是,如果你很少向右滑动,这意味着你太挑剔了,由于男女比例太高,也不利于算法计算。

Tinder上每天向右滑动的次数限制为100次,以确保你真的在浏览别人的个人资料,而不是简单地向每个人发送垃圾邮件,任意匹配。为了不断提高得分,你需要找到一个平衡点来最大化利用这部分的等式。

信息传递

在数字化时代,隐私只是一个词语。Tinder也会追踪你的信息传递,追踪你发了多少条信息或发起了多少次对话,以及那次对话的情绪,对话的持续时间,甚至你们是否交换了自己的联系方式。

如果你的互动成功率很高,算法将通过推送你的个人资料来奖励你,并为你赢得更多的匹配。但如果你一直让女士们等待,它会通过降低你个人资料的“ELO”分数来惩罚你。

对于个性化推荐,算法会密切关注对话和对话中的情绪。依据你的情绪和性格特点,如果你和匹配对象的信息交流很好,它会向你推荐更多与前者有共同特征的个人资料。

Tinder的信息长度:男性vs女性

男性信息的能量似乎与他们的口才并不协调,用平庸的口吻以古板的12个字符打破沉默,女性的短信一般会有122个更具艺术性的字符。算法将跟踪情绪,并确保你的信息是积极的,同时它还会关注你回复的每条信息。

结合在一起

当你安装和注册该应用时,它会询问你的数据,比如民族、种族、教育程度、身高、公司等等。

对于首次使用者,这个应用程序并不了解你,只拥有你提供给它的数据。这款应用像“新手的好运”一样与你合作,因为它还没有把你划分为良性用户还是恶性用户,它会增加你的资料,查看你的活动,它会追踪你想要匹配什么样的人?

如果你选择的大部分是拥有硕士学历的亚裔,它会向你展示有同样条件的个人资料。渐渐地,当你继续使用这款应用时,它会更深入地了解你。现在,它不仅追踪你的滑动,还会追踪你相关的Spotify和Instagram的账户的活动,为你提供个性化的广告体验。

结合你过去的活动和社交媒体互动,它会计算你的“ELO”分数,它会检查用户是否积极使用这个应用,如果没有好好使用,它会屏蔽他。之后它将追踪滑动的频率,如果很高,下一步它将计算用户消息的频率。

如果满足所有标准,那么“ELO”的分数会高,用户的个人资料会与“ELO”得分相同的个人资料放在一起。如果用户信息对任何种族、民族或个人犯罪构成威胁,那么该用户将被禁止。

Tinder的工作流程图,由Daksh Trehan设计

其他约会软件如何计算“ELO”分数?

像OkCupid和eHarmony这样的热门约会软件声称会使用一种特殊的ML技术来预测你的品味,并呈现最适合你的对象。他们可能使用Gale-Shapley算法,该算法由两位经济学家于1962年开发,他们想要证明,任何一群人都可以通过筛选获得稳定的婚姻。

· 在第一轮中,每个未婚男子向他选择的女子求婚,然后让女子对她最喜欢的对象回答“有可能”,对其他对象回答“不”。然后她与她目前最喜欢的追求者订婚,而那个追求者同样也暂时与她订婚。

· 在接下来的一轮中,每个未订婚的男人都会向他尚未求婚且最适合他的女人求婚,如果她还没有订婚,或者更喜欢他而不是她已经订婚的伴侣,那么这个女人回答“可能吧”。

· 重复这个过程,直到每个人都参与进来。

Gale Shapley Algorithm:该算法保证了所有参与者都能够及时获得稳定的婚姻。

开发Tinder的ML模型

步骤1:数据标签和清理。浏览500到1000份资料,每一份都有4到5张照片,并将其分为“喜欢”、“不喜欢”或“一般”。

步骤2:神经网络。使用转移学习训练现有的神经网络,根据已经分类的图像向左或向右滑动。

步骤3:算法。编写一个函数,根据上述网络得到的每张图像的分数总和给一份个人资料打分。

Tinder是一个优秀的媒人吗?

图源:unsplash

你输入一些信息,Tinder就会收集更多关于你的信息,然后就会弹出多个匹配对象。但Tinder缺少结果,没有人透露他们见面后发生了什么吗?他们是结了婚,生了孩子,吵了架,还是过着完美的爱情生活?亦或是分道扬镳?

Tinder的推荐系统从来没有得到过奖励或惩罚,所以实际上它无法通过经验提高自身稳健性,它的算法可能会改变,使它更完善,但由于它无法得到真实的反馈,因此它无法使用相同的算法进行改进。

其次,我不认为Tinder是可信的,它渴求数据,它尽可能地追踪你,了解你。情人节可能来来去去,只是过客,但是你的数据将永远放在网上。

Tinder会帮你找到Mr.Right么?可能不是那么容易。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载,请后台留言,遵守转载规范