Die Zauberformel für Online-Dating-Erfolg?

Forscher an der Universität von Iowa sagen, dass sie möglicherweise das Geheimnis gefunden haben, um online den richtigen Partner zu finden: Koppeln Sie Menschen nach ihren früheren Interessen und nach denen, die sie in der Vergangenheit kontaktiert haben, und nicht nach denen, an denen sie interessiert sind.

Der von Kang Zhao, einem Assistenzprofessor für Managementwissenschaften am Tippie College of Business, und Doktorand Xi Wang entwickelte Algorithmus verwendet die Kontakthistorie einer Person, um Partner zu empfehlen. Laut den Forschern ähnelt es dem Modell, mit dem Netflix Benutzern Filme empfiehlt, indem sie ihren Betrachtungsverlauf verfolgen.

Unter Verwendung von Daten, die von einer beliebten Online-Dating-Website bereitgestellt wurden, untersuchten die Forscher über 196 Tage 475.000 Erstkontakte mit 47.000 Benutzern in zwei US-Städten. Ungefähr 28.000 der Benutzer waren Männer und 19.000 Frauen, stellten die Forscher fest und berichteten, dass Männer 80 Prozent der ersten Kontakte hergestellt hatten.

Die Daten zeigen, dass laut Zhao nur etwa 25 Prozent dieser ersten Kontakte erwidert wurden.

Um diese Rate zu verbessern, entwickelten die Forscher ein Modell, das zwei Faktoren kombiniert, um Kontakte zu empfehlen: den Geschmack eines Benutzers, der durch die Art der Personen bestimmt wird, mit denen er Kontakt aufgenommen hat; und Attraktivität / Unattraktivität, bestimmt dadurch, wie viele dieser Kontakte zurückgegeben werden und wie viele nicht.

Die Kombination aus Geschmack und Attraktivität kann erfolgreiche Verbindungen besser vorhersagen, als sich auf Informationen zu verlassen, die Benutzer laut Zhao in ihre Profile eingeben.

Das liegt daran, dass das, was die Leute in ihre Profile eintragen, möglicherweise nicht immer das ist, woran sie wirklich interessiert sind, sagte er. Sie könnten absichtlich irreführend sein, oder die Leute kennen sich möglicherweise nicht gut genug, um ihren eigenen Geschmack beim anderen Geschlecht zu kennen, vermutete er.

Zum Beispiel kann ein Mann, der in seinem Profil sagt, dass er große Frauen mag, tatsächlich hauptsächlich kleine Frauen ansprechen, obwohl die Dating-Website weiterhin große Frauen empfehlen wird.

"Ihre Handlungen spiegeln Ihren Geschmack und Ihre Attraktivität auf eine Weise wider, die genauer sein könnte als das, was Sie in Ihr Profil aufnehmen", sagte Zhao.

Der Algorithmus bemerkt schließlich, dass ein Kunde, obwohl er sagt, dass er große Frauen mag, weiterhin mit kleinen Frauen Kontakt aufnimmt und seine Empfehlungen entsprechend an ihn ändert, erklärte Zhao.

„In unserem Modell haben Benutzer mit ähnlichem Geschmack und ähnlicher Attraktivität höhere Ähnlichkeitswerte als Benutzer mit nur gemeinsamem Geschmack oder gemeinsamer Attraktivität“, sagt Zhao. „Das Modell berücksichtigt auch die Übereinstimmung von Geschmack und Attraktivität, wenn Dating-Partner empfohlen werden. Diejenigen, die sowohl dem Geschmack als auch der Attraktivität eines Dienstnutzers entsprechen, werden eher empfohlen als diejenigen, die möglicherweise nur einseitige Interessen wecken. “

Als die Forscher die Profilinformationen der Benutzer betrachteten, stellte Zhao fest, dass ihr Modell am besten für Männer mit „sportlichen“ Körpertypen geeignet ist, die sich mit Frauen mit „sportlichen“ oder „gesunden“ Körpertypen verbinden, und für Frauen, die angeben, dass sie „ will viele Kinder. "

Das Modell funktioniert auch am besten für Benutzer, die mehr Fotos von sich selbst hochladen, sagten die Forscher.

Während die Daten darauf hindeuten, dass das bestehende Modell zu einer Rücklaufquote von etwa 25 Prozent führt, behauptet Zhao, dass ein Empfehlungsmodell die Rendite um 44 Prozent verbessern könnte.

Zhao berichtet, dass er von zwei Dating-Diensten kontaktiert wurde, die mehr über das Modell erfahren möchten. Da es sich nicht um Profilinformationen handelt, kann es auch von anderen Onlinediensten verwendet werden, die mit Personen übereinstimmen, z. B. bei der Einstellung von Arbeitsplätzen oder bei der Zulassung zum College.

Quelle: Universität von Iowa

!-- GDPR -->