当前位置:主页 > 查看内容

大数据时代如何使用数据分析来找女朋友?

发布时间:2021-08-09 00:00| 位朋友查看

简介:最近新闻报道中国进入了第四次单身潮,单身人数达两亿,相当于俄罗斯和英国全部人口的总和,作为两亿分之一的你,是否压力山大?从前的日色变得慢,车,马,邮件都慢,一生只够爱一个人,但那是以前,如果你还习惯用车马邮件追求喜欢的人,恐怕早就人走茶凉了……

最近新闻报道中国进入了第四次单身潮,单身人数达两亿,相当于俄罗斯和英国全部人口的总和,作为两亿分之一的你,是否压力山大?从前的日色变得慢,车,马,邮件都慢,一生只够爱一个人,但那是以前,如果你还习惯用车马邮件追求喜欢的人,恐怕早就人走茶凉了。大数据时代的我们,一切都要与时俱进,找对象也是如此。本文的小柯今年25岁,单身男,热衷大数据,并决定认真钻研,用数据分析来实现自己的“脱单计划”。

一、找女友***步:整理思路

二、找女友第二步:界定问题

1、为什么要找女朋友(Why)?

小柯用马洛斯需求层次理论思考了一晚上,发现自己目前在每个层次都需要女朋友。特别是去参加同学聚会自己总是孤身一人,已经被嘲笑了好多次了。

2、找什么样的女朋友(What)?

又是一个通宵,小柯整理出两张图。


(图一:择偶标准)

(图二:SWOT分析)

3、用多少预算找女朋友(How much)?

对于这个问题,小柯实在没概念,只能定个大原则,就是不超支。

三、找女友第三步:收集数据

根据前期思考,小柯制定了两套方案

主动出击

根据自己事先设定的条件,小柯觉得自己的女朋友不会在大学校园及周边,也不会在各种奢侈品消费场所。出现几率***的地方应该是公司商务谈判室,公共场所的咖啡厅,百货商场的化妆品、鞋服专区,***写字楼及周边的公共场所等地方。

所以,一有空小柯就往这些地方跑,按他的说法是提高认识未来女朋友的机率。

耐心等待

一是等待父母及亲戚介绍,二是每天在社交媒体上更新状态,将自己最精神、专注的一面有意识的展示给身边人。

经过一个月的努力,小柯认识了5位女孩,其中一位(姑且叫小A)是在吃饭时认识的,当时小A坐在小柯对面,当小A起身离开时,将手机遗落在沙发上。但小柯却没有叫住她,而是拿起手机火速离开。小A急匆匆回来没找到手机,只好狂拨自己手机,小柯这才“急匆匆”出现,说“我刚才追你去了!”(ps:懂大数据的,果然都是心机男啊……)

这还不算什么,接下来的数据分析更让你吃惊。以下是小柯收集的目标对象的数据。

目标女生数据

  • 基本数据:年龄、身高…户口所在地、毕业学校、工作单位、家庭状况。微博ID,微信号……
  • 规律数据:微博、微信等社交媒体的内容及更新频率,QQ登录及在线时间,更新发型频率,作息时间规律,经常出现的场所及频率……
  • 喜好数据:喜欢的颜色,食物,运动,偶像,喜欢看的书类型(小柯坚持认为喜欢看书的女孩子是最有魅力的)……

目标女生闺蜜的数据

  • 基础数据:有几个闺蜜、分别是谁、联系方式是?闺蜜们的喜好?、微信账号?……
  • 关联数据:闺蜜和目标女友的关系,一起活动的频率,是否可以影响目标女生的行为?……

竞争对手数据

  • 基础数据:曾经的男友?目前的竞争对手?和目标女友关系?……
  • 关系数据:每周和目标约会频率,约会时间长度,进展程度……
  • 财力数据:是否有车,有房?经济状况……
  1. 公共渠道:微博、微信等社交网络…在微博、百度等网上搜索对方名字等关键信息。
  2. 市场调查:找专业的调查公司(不是高帅富一般不推荐此方法,太耗钱)。
  3. 内部渠道:目标女友的朋友圈+柯北自己的圈子。

四、找女友第四步分析数据

收集这些数据几乎花费了小柯一个月的工资,这么多数据如果不做分析,简直就是浪费,不过这难不倒小柯。

1、挖掘数据之间的关联性

例如对方的微博最近更新频率快,内容多为悲伤失意,评论中没有男友的出现,而情敌的微博却欢声笑语一片,这些数据传递的很可能是她失恋了,你有机会了。

2、掌握数据规律

即她什么时间会在什么地方出现,这个主要为小柯找机会接近对方做准备,制造一次邂逅场景能增加不少好感。

3、成功机会分析

小柯整理出目标女生的社交关系图,运用“波特五力分析模型”对五位女生进行了量化分析,得分越低说明该女生越容易被追到手。



(ps:五位女生的综合评分)

综合以上分析后,小柯决定将女生L列为追求目标。

为增加好感,小柯日常会主动创造各种机会,除此之外,还每天盯着女生L的微博和微信内容等等。据说有一天,女生L在朋友圈更新一条消息:“受伤了,连陪我去医院的人都没有”,小柯看到后,以神速出现在她面前,感动了对方。后来,又不断制造惊喜,并在女生过生日时,趁热打铁,成功将普通朋友关系推进到男女朋友关系。

看来,找女朋友不仅需要好眼力,还需要一些技术含量。


本文转载自网络,原文链接:http://m.elecfans.com/article/731636.html
本站部分内容转载于网络,版权归原作者所有,转载之目的在于传播更多优秀技术内容,如有侵权请联系QQ/微信:153890879删除,谢谢!
上一篇:一文读懂数据架构的进化史 下一篇:没有了

推荐图文


随机推荐