
我們進行了1億次婚戀配對實驗,然后……
“要求別太高,差不多就行了?!?
“找個有錢人嫁了吧!”
“感情不能將就,一定要找合適的?!?
……
這些說法有沒有道理呢?按照這些“標準”,是不是有更大的概率找到對象,或者找到更好的對象呢?
為了對這些“標準”進行檢驗,我們用計算機程序進行了模擬配對實驗。
首先,我們按照一定規則生成了1萬男性+1萬女性樣本(規則在下面會做解釋)。在配對實驗中,這2萬個樣本具有各自不同的個人屬性(財富、內涵、外貌),每項屬性都有一個得分(現實中,這些得分有一定的主觀性,為了簡化模型,我們假設每個人的各項得分都是客觀且唯一的)。
(說明:上圖為30個樣本的示例展示。每一列代表一個樣本,從上至下的三行分別是這個樣本的財富分、內涵分、外貌分,顏色越深代表分值越高。)
三項個人屬性得分在總體中的分布符合一定的規律,并隨機分配給2萬個樣本。其中,財富值符合指數分布,內涵和顏值符合正態分布。三項的平均值都為60分,標準差都為15分。分布情況如下圖所示:
生成樣本以后,我們開始模擬實驗?;诂F實世界的提煉及適度簡化,我們概括了三個最主流的擇偶策略,如下:
策略1:門當戶對,要求雙方三項指標加和的總分接近,差值不超過20分;
策略2:男財女貌,男性要求女性的外貌分比自己高出至少10分,或女性要求男性的財富分比自己高出至少10分;
策略3:志趣相投、適度引領,要求對方的內涵得分在比自己低5分~高10分的區間內,且外貌和財富兩項與自己的得分差值都在5分以內。
現在可以開始模擬配對實驗了。我們將三種策略隨機平分給所有樣本(即采用每種策略的男女各有3333個樣本)。每一輪實驗中,我們為每位單身男女隨機選擇一個對象,若雙方互相符合要求就算配對成功。配對失敗的男女則進入下一輪配對。每次實驗進行100輪配對,實驗共進行100次,總共進行了超過1億人次的配對實驗。(說明:每次實驗進行100輪配對,是基于對每個人具有潛在婚戀可能的異性數量一般不會超過100位而估算的。實驗共進行100次,是為了使實驗結果更加穩定。)
模擬過程示意圖如下:
說明:
實際實驗中使用了9999男+9999女的樣本,但為了使過程模擬的示意圖更加清晰易懂,上圖僅繪制了99男+99女的配對實驗。
橫縱軸的含義及圖形的顏色標示與之前的樣本示意圖一致。
每個樣本采取的策略以不同形狀表示,圓形代表“門當戶對”策略,三角形代表“男財女貌”策略,正方形代表“志趣相投”策略。
配對成功的男女以線條連接,不同顏色線條代表不同的組合,后文會詳細解釋各種組合模式。
100輪、100次、1億人次的實驗結束后,60%的樣本成功找到了對象。
但是,在不同策略下,找到對象的概率、以及對象的個人屬性是不同的。
總體而言,無論男女,采取“門當戶對”策略找到配偶的概率都是最高的。在其他兩種策略中,“男財女貌”更有利于男性,“志趣相投”則更有利于女性。
結合各種策略下找到的配偶的各項分值,我們可以總結出以下規律:
采取“門當戶對”策略,綜合評估對方,只要總分接近,容忍有缺點,差不多就行了,這樣往往更容易找到對象。
采取“男財女貌”策略,只對顏值或財富有強烈偏好,找到的不一定是白富美和高富帥,很可能只是花瓶和土豪(請大家仔細看看這類人的其他兩項得分,請自行理解)。
采取“志趣相投”策略,要求對象有內涵、無短板(相對于自己),最后找到的對象各項得分較為平均,但相對貧窮。
接下來,從男女雙方的策略組合上看,我們總結了七種成功配對的主要組合類型。
下面,我們將對每一種組合進行解釋。
男女都采取門當戶對策略且配對成功的組合。
該類組合中:
男性平均分:財富57、內涵61、外貌61
女性平均分:財富61、內涵61、外貌58
我們將這種組合稱為:門當戶對
解讀:該組合在全樣本中占比為 23%,特點是男女各項分值均衡。
吐槽:媽媽說的話還是有道理的。
男女都采取志趣相投策略且配對成功的組合。
該類組合中:
男性平均分:財富55、內涵60、外貌60
女性平均分:財富55、內涵60、外貌60
我們將這種組合稱為:志趣相投
解讀:該組合在全樣本中占比為12%,特點是男女各項分值相同,財富值偏低,內涵外貌適中。
吐槽:無關財富,只關風月——共同構筑的小確幸。
男女都采取男財女貌策略且配對成功的組合。
該類組合中:
男性平均分:財富75、內涵59、外貌53
女性平均分:財富53、內涵59、外貌73
我們將這種組合稱為:男財女貌
解讀:該組合在全樣本中占比為 7%,特點是男女財貌互補,內涵適中。
吐槽:奧利奧配牛奶,西紅柿配雞蛋——經典到無話可說。
男性采取男財女貌策略,女性采取門當戶對策略且配對成功的組合。
該類組合中:
男性平均分:財富60、內涵66、外貌51
女性平均分:財富56、內涵56、外貌69
我們將這種組合稱為:鳳凰男和孔雀女
解讀:該組合在全樣本中占比為 7%,特點是女性顏值較高,內涵較低;男性則具有較高的內涵,財富狀況一般。
吐槽:你負責貌美如花,我負責賺錢養家。
男性采取門當戶對策略,女性采取男財女貌策略且配對成功的組合。
該類組合中:
男性平均分:財富73、內涵57、外貌57
女性平均分:財富54、內涵66、外貌63
我們將這種組合稱為:土豪與灰姑娘
解讀:該組合在全樣本中占比為 6%,特點是男性財富值很高,其他兩項得分偏低;女性財富值偏低但才貌雙全。
吐槽:童話里都是騙人的,灰姑娘找到的不是王子,而是土豪。
男性采取門當戶對策略,女性采取志趣相投策略且配對成功的組合。
該類組合中:
男性平均分:財富53、內涵61、外貌60
女性平均分:財富53、內涵59、外貌60
我們將這種組合稱為:患難夫妻
解讀:該組合在全樣本中占比為 3%,特點是男女財富值都非常低,顏值和內涵適中。
吐槽:我很窮,但是我很溫柔。
男性采取志趣相投策略,女性采取門當戶對策略且配對成功的組合。
該類組合中:
男性平均分:財富56、內涵60、外貌57
女性平均分:財富56、內涵62、外貌57
我們將這種組合稱為:靈魂伴侶
解讀:該組合在全樣本中占比為 2%,該組合的特點是男女財富值偏低,且顏值也偏低,但是內涵偏高。
吐槽:別那么低俗,我們是柏拉圖式的戀愛。
基于實驗結果,我們挑選了幾條擇偶建議給大家。
精英和屌絲,出手要果斷。
總分在中間水平(180分左右)的樣本,找到對象的概率在60%以上。而總分很高的精英和總分很低的屌絲,找到對象的概率則不足30%。所以,如果你屬于精英或屌絲群體,一旦遇到心儀的對象,請不要猶豫,果斷地去追求TA吧!
志趣相投很難找,堅持不懈終有報。
對于大多數組合類型來說,在前20輪的配對成功率是比較高的;在20輪以后,就很難再找到對象了。如果你和潛在的配偶都奉行“志趣相投”的策略,雖然在早期很可能不太順利,但時間卻是這種組合的好朋友,只要堅持足夠的輪數,仍然很可能遇到彼此。
男人患貧不患丑,中庸長相更吃香。
如果你是一個囊中羞澀(財富值低于50分)且長相平庸(外貌值在50-70分之間)的男同胞,請不要自暴自棄。甚至你應該感謝自己平庸的長相,這會讓你比同樣窮的帥哥(外貌值高于70分)找到對象的概率提高10-20個百分點。在競爭真愛這件事情上,你應該比他更加自信。
有錢的男人,結婚別太早。
如果你是一個有錢的男人(財富值70以上),就算身邊美女如云,也不要太早做決定。模擬實驗結果表明,有錢男人在30輪配對之后找到的配偶總分要更高。
三低女性需努力,提升內涵煥新生。
如果你是一個“三低女性”(財富、內涵、外貌均在50分以下),并且想要通過提升自己來增大找到對象的概率。我們假設外貌的改變并不容易,并且只能致力于提高內涵和財富中的一項。顯然,提升內涵能將找到對象的概率提升至少10個百分點,而提升財富的效果并不明顯,甚至有反作用。
美女別太挑,挑到最后不如前。
如果你是一個美女(外貌值高于70分),也不要自視清高,過于挑剔。模擬實驗結果表明,美女在55次配對以后才找到的配偶,顏值往往不如更早時候找到的。
在文章的最后,我們為不同類型的男女準備了一份完整版的擇偶攻略。
你和什么樣的異性最般配?
請你給自己的財富、內涵、顏值分別評估一個檔次,對照表格尋找答案。
如果你有配偶,還可以一起解答心中的疑惑。
請注意,這可能是一道送命題。
說明:
本文作者為 團支書、kathur,由微信公眾號 城市數據團 原創并首發。
本文中的男女樣本及擇偶策略的設定基于簡化且客觀的原則,與現實世界有一定差距。同時文中所得結論為計算機程序運行結果,與現實情況可能存在差異,請大家謹慎參考。
數據達人培養計劃限時優惠~請戳閱讀原文,和數據團一起玩數據。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA數據分析師證書考試體系(更新于2025年05月22日)
2025-05-26解碼數據基因:從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化,你是否會聯想到背后的銷售數據波動?三年前在零售行 ...
2025-05-23在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25