Профиль в дейтинге как RPG-персонаж: почему умножение статов честнее их сложения

Сегодня в 18:02 Прокомментировать Просмотры: 0

Представьте, что создаёте героя для RPG. Сила — 15, интеллект — 18, харизма — 16: характеристики что надо. Вы заходите в первую комнату, где вас ждёт проверка ловкости. А с ней беда: всего 2 очка. Бросок провален. Отдельный привет поклонникам Disco Elysium! В общем, персонаж погиб.

Примерно по такому же принципу устроен онлайн-дейтинг.

При этом многие уверены, что действуют другие правила: будто высокая зарплата способна компенсировать неудачные снимки, а чувство юмора — жизнь далеко за МКАДом. Мы привыкли складывать достоинства и недостатки человека, тогда как система скорее перемножает их. Об этом и поговорим.

Рассчитать свою дейтинг-ликвидность в моём калькуляторе: https://gcodegspot.github.io/dating-calculator-2.0/

Онлайн-знакомства как рогалик с бесконечными смертями

В классическом roguelike каждое прохождение складывается по-новому. Вы движетесь из комнаты в комнату, и на каждом шаге вас ждёт очередная проверка. Достаточно одной неудачи, чтобы персонаж погиб.

Похожим образом принимают решение и о вашей анкете: выбрать её или пролистать. За долю секунды человек вряд ли успевает взвесить все достоинства и недостатки — скорее, он ищет повод отказаться. В психологии такой подход называют эвристикой отсечения по порогу; термин предложил Амос Тверски.

В описании сквозит агрессия? → Влево.

На снимках не разобрать лицо? → Влево.

Слишком далеко живёт? → Влево.

Всего один стоп-фактор способен свести на нет остальные преимущества. Поэтому Dating Liquidity Index (DLI) рассчитывается не сложением, а как произведение коэффициентов:

Если хотя бы один коэффициент k_i приближается к нулю, за ним стремится к нулю и весь индекс — независимо от того, насколько хороши остальные показатели.

Почему нельзя просто сложить достоинства?

В D&D высокий Интеллект не поможет пройти спасбросок на Силу. Это отдельные характеристики, и проверяются они независимо друг от друга.

Аддитивная, или суммарная, модель могла бы выглядеть так:

Привлекательность = рост(+2) + зарплата(+3) + спортзал(+2) + плохие фото(-1)

В сумме: +6. Вроде бы неплохо!

Но на практике получается иначе:

DLI = k_face(1.0) × k_photo(0.35) × k_bio(1.0) × …

Один неудачный снимок с плохим освещением (k_photo = 0.35) снижает весь индекс на 65% уже на входе: человек просто не станет смотреть анкету дальше. Ни рост, ни зарплата, ни чувство юмора не успеют проявить себя, если дело не дойдёт даже до второй фотографии. Вот такая арифметика любви!

Параметры персонажа

Полный список характеристик, участвующих в расчёте DLI, выглядит так:

Общие параметры (для всех)

Face (лицо 1–10) | Базовый параметр, определяющий условные ветки для других характеристик | 0.10 – 1.70 |
Photo Type | Формат и контекст снимков | 0.35 – 1.25 |
Photo Markers | Неявные сигналы на фотографиях (подробнее ниже) | ×0.40 – ×1.0 |
BIO | Тип текстовой части анкеты | 0.30 – 1.00 |
Housing | Жилищные условия | 0.10 – 1.00 |
Location | Удобство расположения и транспортная доступность | 0.40 – 1.00 |
Opener | Манера первого сообщения | 0.40 – 1.15 |
Hobbies | Наличие нишевых увлечений | 0.60 – 1.20 |

Для мужчин дополнительно учитываются рост, возраст, телосложение, профессия и доход, наличие детей и типаж. Для женщин — возраст, телосложение, рост, наличие детей и типаж. Женская профессия в расчёт не входит: по моим наблюдениям, рынок относится к ней нейтрально (k = 1.0 при любом выборе).

Эффект ореола: одинаковые увлечения, разные впечатления

Коэффициент k_hobbies, отвечающий за нишевые интересы вроде настольных игр, Warhammer и ретро-техники, зависит от базовой привлекательности:

// Упрощённо из calculator.js

if (face >= 7 && height > 180) {
   k_hobbies = 1.20;  // Редкое сочетание — воспринимается как шарм
} else if (face >= 7) {
    k_hobbies = 1.20;  // Интересный человек
} else {
    k_hobbies = 0.60;  // Воспринимается как замкнутость
}

Одно и то же увлечение — например, настольные игры — может восприниматься совершенно по-разному в зависимости от базовой привлекательности человека. Речь не просто о субъективных предпочтениях, а об эффекте ореола, или Halo Effect, — хорошо изученном явлении когнитивной психологии.

Для женщин действует похожий принцип: девушка-разработчик или геймер с выразительными фотографиями получает заметный положительный коэффициент. Если визуальная часть слабее, оценка остаётся нейтральной, но штраф не применяется.

Нелинейная возрастная кривая

Мужчины: 18–24 (k=0.60) → 25–28 (0.85) → 29–33 (1.00 — пик) → 34–38 (0.75) → …
Женщины: 18–22 (k=1.15) → 23–29 (1.30 — пик) → 30–37 (0.80) → …

Здесь нет равномерного снижения с возрастом. Получается кривая с пиком, который у мужчин и женщин приходится на разные периоды. В игровой терминологии это power curve: у каждого класса есть своё оптимальное время.

Неочевидные штрафы

В играх встречаются скрытые негативные эффекты: на экране их может быть не видно, но характеристики они снижают. В модели DLI их аналог — getPhotoMarkersK, который учитывает три конкретных визуальных сигнала:

Ни одной улыбки с видимыми зубами (×0.75): без осознанного анализа это может считываться как попытка скрыть недостаток.
Показной статус (×0.40): у мужчин — снимки возле арендованных машин, в заведениях с неоновой подсветкой или с пачками купюр; у женщин — огромные букеты и чрезмерная ретушь кожи. Такой образ может восприниматься как попытка что-то компенсировать и отталкивать именно тех, на кого рассчитан.
Исключительно спорт и тренировки (×0.75): если вся анкета состоит из кадров с соревнований и из спортзала, может сложиться впечатление, что в такой жизни нет места для другого человека.

Как определить свой сегмент рынка?

Итоговое значение DLI относит анкету к одному из сегментов — подобно рейтингу в онлайн-игре:

≥ 110% | [AAA] | Любимчик алгоритмов | Платформа самостоятельно продвигает анкету, обеспечивая высокий органический охват |
75–109% | [ A ] | Стабильный профиль | Воронка работает без заметных затруднений |
45–74% | [ B ] | Рабочий, но затратный | Результат есть, однако приходится прикладывать больше усилий |
25–44% | [ C ] | Высокое сопротивление | Алгоритм чаще отдаёт приоритет другим анкетам |
10–24% | [ D ] | Узкая ниша | На организацию одного свидания уходит очень много времени |
< 10% | [!!!] | Коллапс воронки | Критический сегмент, предусмотренный только для мужчин |

Любопытная деталь: для женщин уровень [!!!] недостижим. Почему — разберём далее.

Почему модели для мужчин и женщин различаются?

Дело не в личных вкусах, а в существующей асимметрии спроса.

Средний мужчина лайкает 40–60% анкет. В результате женщины получают большой поток внимания → среди лайков оказывается много нерелевантных → женщины становятся гораздо избирательнее → лайкают лишь 5–10% профилей.

Мужская воронка изначально узкая. Один критический параметр с k = 0 способен обнулить весь индекс. Поэтому в модели предусмотрено состояние Hard Drop — полный коллапс охвата.

Женская воронка широка на входе. И давайте без шуток о размере и ширине воронки. Даже пустая анкета получает входящий трафик благодаря массовым лайкам мужской аудитории. Поэтому нижняя граница DLI для женщин составляет 1%, а не 0%.

Если продолжить игровую аналогию, мужчины и женщины словно играют в разные жанры, где для победы нужны разные условия. Одна стратегия не будет одинаково эффективна в обоих случаях.

Сколько это стоит на практике?

Процент DLI сам по себе довольно абстрактен. Чтобы им было проще пользоваться, я привязала показатель к конкретным величинам.

За отправную точку взята анкета уровня A (DLI = 100%):

200 оценок анкет ≈ 1 реальное свидание
Доля взаимных совпадений ≈ 15%
≈ 6 часов экранного времени до первой встречи

Для остальных значений DLI формулы масштабируются.

Владельцу анкеты уровня C (DLI = 35%) одно свидание обходится примерно в 2.9 раза дороже по времени и усилиям, чем владельцу профиля уровня A. Подчеркну: это не только отвлечённые расчёты, но и выводы из моего опыта работы дейтинг-аутстаффом, она же кибер-сваха.

Немного о технической реализации

Калькулятор создан на чистом JavaScript, без сборщиков и сторонних зависимостей.

index.html — разметка и пользовательский интерфейс
css/style.css — тёмное оформление, анимации и собственные элементы управления
js/calculator.js — математическая основа: коэффициенты, уровни и воронка
js/app.js — управление интерфейсом, состоянием и динамическими полями
js/share.js — создание карточек через Canvas, отправка и копирование

Карточка с результатом для публикации создаётся средствами HTML5 Canvas в размере 1080px, без дополнительных библиотек. Для отправки используется нативный Web Share API, а в качестве запасных вариантов предусмотрены Telegram Desktop и копирование в буфер обмена. В конце можно поделиться результатом с другом и сообщить ему, что ты — нишевый артхаус…

Ещё раз оставлю ссылку на калькулятор: https://gcodegspot.github.io/dating-calculator-2.0/

Всем удачи! Калькулятор создан исключительно для развлечения. А вот реальный дейтинг беспощаден.

Когда я не разбираю анкеты, то проектирую электронику и 3D-прототипы, исследую собственный геном и пишу об инженерии. Недавно даже создала симулятор психиатрической экспертизы. Все мои находки и забавные проекты — в тг-канале!

Источник