Big Dating. Возможен ли научно обоснованный онлайн-пикап?

Если анализ данных в наши дни делает настоящую революцию в целом ряде областей знания — от микробиологии до маркетинга — то способен ли он выявить некие закономерности человеческих отношений, знание которых может принести пользу жаждущим любви? Проще говоря, может ли Big Data помочь вам найти секс-партнёров или спутников жизни?

«Слушай, как мне вести себя с девушками (парнями)?» — раньше такие вопросы было принято задавать опытным друзьям и подругам. В 1990-х годах к историям «бывалых» добавился неисчерпаемый поток советов из глянцевых журналов, к началу 2000-х ими запестрели интернет-форумы, в конце десятилетия в моду вошли коммерческие курсы пикапа. Теперь, впрочем, у опытных друзей, журналов и пикап-тренеров может появиться сильнейший конкурент, способный низвергнуть их авторитет в интимных вопросах, — это Big Data.

Вплоть до последних лет интимная сфера действительно считалась последним бастионом нематериального, духовного мира, к которому, казалось, невозможно применить строгую математическую метрику. Для того чтобы выносить те или иные суждения, ранее попросту не хватало данных, глубоко скрытых где-то в пространстве прокуренных кафе, кухонь и спален, в телефонных разговорах и чатах.

Но вместе с широким распространением онлайн-знакомств данные появились. Много данных. Популярное онлайн-приложение для знакомств Tinder имеет ежедневную аудиторию 9,6 миллионов активных пользователей во всем мире. За день они перелистывают 1,6 миллиарда профилей и имеют 26 миллионов совпадений. С 2012 по 2015 год Tinder может похвастаться 8 миллиардами совпавших пар. И это лишь один из многочисленных подобных сервисов. В США около 11% граждан пытались искать любовь и секс на Match.com, OkCupid или на других подобных сервисах.

Гипотетически, проанализировав петабайты этих данных — лайков, содержания переписки — можно составить статистическую модель идеального профиля и оптимального поведения при онлайн-знакомствах. Ниже именно это мы и попытаемся сделать.

Но сначала несколько существенных оговорок.

Во-первых, в открытом доступе есть крайне мало статистических данных такого характера. Это понятно: данные являются драгоценным ресурсом, позволяющим собственникам приложений зарабатывать крупные деньги. Тот же Tinder лишь в единичных случаях публиковал крохотные частички своей статистики.

По этой причине в нашем исследовании мы опирались на данные сразу нескольких сервисов онлайн-знакомств. Сюда вошли и цифры Tinder’а, но основным источниками стали такие богатые данными сервисы как OkCupid и Zoosk, а также (в гораздо меньшей степени) Match.com. Отметим, что в нескольких пунктах мы отступили от принципа использования собственно данных сервисов, и прибегли к статистике мобильных операторов и к данным, собранным экспериментальным путём, но это было сделано лишь для составления более полной картины. В остальном же мы пытались следовать исключительно букве Больших Данных, не прибегая к другим количественным методам социологии.

Следует понимать, что обращение к статистике сразу нескольких приложений вносит некоторые неточности, поскольку у каждого сервиса есть своя аудитория, свои алгоритмы и т. д. В некоторых случаях данные разных приложений по одним и тем же параметрам (например привлекательность определённого типа фотографий) могут существенно отличаться. Поэтому при составлении инфографики были расставлены приоритеты. В первую очередь мы отдавали предпочтение данным популярного на постсоветском пространстве Tinder’а, в других случаях — данным того приложения, где они представлены наиболее полно.

Различные сервисы публикуют данные за разный период времени. Например, приложение OkCupid — за 10 лет существования, а Zoosk — за 2014 год. Это также вносит неточность, ведь из года в год тренды могут меняться.

Необходимо понимать, что большинство данных собраны дейтинг аппами по англосаксонским странам, и прежде всего по США. Контекст постсоветского общества несколько отличается, и не все поведенческие модели работают здесь таким же образом. Некоторые уж слишком экзотичные паттерны мы даже не включали в инфографику. К примеру, было бы странно, если бы для повышения популярности парни и девушки из Новосибирска или Алматы писали в своём профиле о том, что любят сёрфинг.

Использование англоязычной статистики — скажем, рейтингов слов, употребляемых в описании профиля или при переписке — также может вносить некоторые аберрации. Например, прилагательные в английском языке не склоняются по родам. Прибегая к таким источникам, мы пытались подобрать данные, наиболее чётко отражающие тенденции как для английского языка, так и для русского.

Приведённые ниже паттерны в достаточной степени могут воспроизводить те или иные гендерные стереотипы. Но такова статистика. В любом случае, данные «советы» не рассматриваются нами как императивные, а лишь отображают общие тенденции.

Мы сознательно сосредоточились на поведенческих моделях цисгендерных мужчин и женщин, и пренебрегли такой группой как ЛГБТ. Это было сделано лишь по причине того, что данные о трендах среди ЛГБТ-пользователей на сегодняшний день пока ещё крайне скудны.

Важно также отметить, что представленные ниже цифры касаются только опциональных параметров, которые пользователи способны варьировать, повышая или понижая свою привлекательность. Например, мужчины могут выбрать, бриться или нет, женщины — накладывать или не накладывать макияж и т. д. Но поменять возраст, оттенок кожи, рост, отношение к религии не так уж просто, поэтому данных по этим параметрам здесь вы не найдёте.

Учитывая эти оговорки, вы можете использовать схему на свой страх и риск. Но не забывайте при этом, что приведённые рекомендации не дают никаких гарантий в любви, и в конечном счёте всё зависит от вас.