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。
留言点赞发个朋友圈
我们一起分享AI学习与发展的干货
编译组：刘悦、王萌
相关链接：
https://medium.com/towards-artificial-intelligence/tinder-ai-a-perfect-matchmaking-b0a7b916e271
如转载，请后台留言，遵守转载规范推荐文章阅读
ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾长按识别二维码可添加关注
读芯君爱你
