الگوریتم اپ‌های دیتینگ — چطور کار می‌کند و چطور از آن به نفعت استفاده کنی

یه چیزی که خیلی‌ها نمی‌دانند: وقتی اپ دیتینگ باز می‌کنی، یک اتاق شلوغ نمی‌بینی — یک الگوریتم می‌بینی که تصمیم گرفته تو را به چه کسی نشان بدهد. و آن الگوریتم، برخلاف تصور، نه به دنبال عشق است نه دلسوزی. به دنبال یک چیز است: engagement. یعنی تو را تا جایی که ممکن است در اپ نگه دارد. وقتی این را بدانی، خیلی چیزها معنی پیدا می‌کنند — هم ناامیدی‌هایت، هم راه‌حل‌هایت.

قبل از هر چیز — یک حقیقت که اپ‌ها دوست ندارند بگویند

بیشتر کاربران با این فرض وارد اپ‌های دیتینگ می‌شوند تا یک رابطه موفق در آن پیدا کنند. اما واقعیت این برنامه‌ها کمی متفاوت است. اپ‌ها قبل از هرچیزی، یک کسب‌وکار زنده هستند که مهم‌ترین چیزی که اندازه‌گیری می‌کنند، نه تعداد رابطه‌های موفق، بلکه مدت زمان نگه داشتن فرد در برنامه است.

در دنیای تکنولوژی به این مفهوم retention می‌گویند؛ اینکه کاربر چقدر در برنامه می‌ماند، از آن استفاده می‌کند و هر چند وقت یک‌بار برمی‌گردد. یعنی در برنامه‌هایی مثل Hinge هم درآمد از طریق اشتراک و حضور مداوم کاربران تأمین می‌شود. 

ساختار بازار اپ‌های دیتینگ هم تا حدی همین منطق را تایید می‌کند. طبق گزارش‌هایی درباره سهم بازار جهانی این اپ‌ها، شرکت Match Group ــ که مالک پلتفرم‌هایی مثل Tinder و Hinge است ــ چیزی حدود ۴۰ تا ۵۶ درصد از درآمد جهانی این صنعت را در اختیار دارد. این شرکت با بیش از ۴۰ برند مختلف، بخش بزرگی از بازار را پوشش می‌دهد.

این تمرکز بازار یک نکته مهم را نشان می‌دهد: رقابت فقط بر سر این نیست که کاربران یک رابطه موفق پیدا کنند؛ بخش بزرگی از رقابت بر سر این است که کاربران بیشتر و طولانی‌تر در اکوسیستم همین پلتفرم‌ها بمانند. به‌همین دلیل شاخص‌هایی مثل بازگشت دوباره کاربران، مدت زمانی که در اپ می‌گذرانند و میزان تعاملشان برای این شرکت‌ها ارزش اقتصادی زیادی دارد.

این لزوما به آن معنا نیست که برنامه‌های دیتینگ، نمی‌خواهند کاربرانشان رابطه‌ی خوبی پیدا کنند؛ چون اگر نتیجه‌ای از کارشان نگیرند، اعتبارشان از بین می‌رود؛ بلکه به این معناست که اهداف تو و اهداف پلتفرم تماما در یک راستا قرار ندارند. 

پس اگر می‌بینی که match کم می‌آوری و یا مکالمه‌هایت به جایی نمی‌رسند، مشکل از تو نیست. تو فقط در حال تعامل در سیستمی هستی که قوانین مخصوص به خودش را دارد. حالا که این را دانستی، لازم نیست از فردا دنبال ترفندهای خاص برای فریب دادن الگوریتم بگردی، فقط نیاز است متوجه شوی این سیستم چطور کار می‌کند. زمانی که قوانین بازی را یاد بگیری، می‌توانی از اپ‌های دیتینگ استفاده بهینه‌تری داشته باشی. 

الگوریتم چطور کار می‌کند — ساده‌ترین توضیح ممکن

«الگوریتم مچ‌یابی» تمام تلاشش را می‌کند تا بفهمد کدام دو نفر بیشترین احتمال را دارند که همدیگر را لایک کرده، match شوند و مکالمه‌ تازه‌ای شروع کنند. به‌همین خاطر، هر like، pass, match و هر پیامی که جواب می‌دهی یک ورودی داده‌ جدید به سیستم می‌‌دهد.

پنج چیزی که الگوریتم «می‌بیند»:

اول — چقدر فعال هستی:

الگوریتم، دنبال پیدا کردن افراد فعال است. اگر که امروز آنلاین باشی، احتمال اینکه دوباره به یک match جدبد پاسخ بدهی بیشتر از کسی‌ست که دو هفته به اپ سر نزده است. پس هرچقدر پروفایل فعال‌تری داشته باشی، بیشتر دیده می‌شوند. اگر یک هفته وارد اپ نشدی و تعجب کردی که چرا ناگهان match هایت کاهش پیدا کرده‌اند، دلیلش این است.  

دوم — چه کسانی را like می‌کنی: 

هربار روی پروفایل کسی swipe می‌کنی، داری الگوریتم را آموزش می‌دهی. وقتی به افراد با ویژگی‌های مشابهت لایک می‌دهی، سیستم الگوی رفتاری تو را استخراج کرده و برای پیشنهاد کردن افراد مشابه دیگر استفاده می‌کند. پس سیستم فقط کار تو را ارزیابی نمی‌کند، در حال یادگیری سلیقه تو هم است. 

سوم — چقدر پروفایلت کامل است:

وقتی پروفایلت فقط چند عکس دارد و بقیه بخش‌ها خالی‌ست، الگوریتم عملا چیزی برای تحلیل ندارد. در نتیجه، مجبور می‌شود تو را به طیف وسیع‌تری از افراد نشان بدهد بدون اینکه دقیق بداند چه کسی واقعا برایت مناسب است. این یعنی هم کیفیت پیشنهادها پایین‌تر می‌آید و  هم احتمال match شدن کمتر می‌شود. 

چهارم — نرخ پاسخ به پیام‌هایت:

اگر که فکر می‌کنی حالا که مچ شدی کار الگوریتم تمام می‌شود، سخت در اشتباهی. اگر که مرتبا مچ شوی اما پیامی نفرستی یا به پیام‌های دیگران پاسخ ندهی، سیگنال منفی برای سیستم محسوب می‌شود. چون اثبات می‌کند نشان دادن پروفایل تو به افراد، به تعامل با افراد دیگر منجر نخواهد شد. 

پنجم — نرخ match متقابل:

تصور کن پنجاه نفر را لایک کردی و تقریبا هیچ‌کدام از آن‌ها تو را متقابلا انتخاب نمی‌کند. الگوریتم برداشت متفاوتی از این رفتار خواهد داشت تا زمانی که تعداد قابل توجهی از لایک‌هایت، تبدیل به مچ شوند. در واقع، الگوریتم دنبال این است که تعامل افراد با یکدیگر را بالا ببرد. او این موضوع را نه فقط براساس ظاهر، بلکه کیفیت تعامل‌هایی که ایجاد می‌کنی هم قضاوت می‌کند. 

پس اگر که تعداد مچ‌هایت کم شده‌اند، می‌توانی از خودت بپرسی «من در دو هفته گذشته چقدر فعال بوده‌ام؟ آیا به مچ‌هایم پاسخ داده‌ام؟ پروفایل‌م کامل است؟». ممکن است مشکل نه در مچ شدن، بلکه قبل از آن شروع شده باشد. 

Elo Score — مرده یا زنده؟

اگر که درباره الگوریتم تیندر سرچ کرده باشی، احتمالا به این اصطلاح برخورده‌ای. Elo Score در واقع یک سیستم رتبه‌بندی بود که در شطرنج استفاده می‌شد و سال‌ها این باور وجود داشت که تیندر هم به هر کاربر، نوعی امتیاز جذابیت می‌دهد و سپس افراد با امتیازهای مشابه را بهم معرفی می‌کند.

اما تیندر در سال‌های اخیر اعلام کرد که دیگر از سیستم Elo برای رتبه‌بندی به کاربران استفاده نمی‌کند. اما ممکن است این موضوع باعث یک سوءتفاهم رایج شود؛ چون با وجود اینکه «نمره جذابیت» دیگر کاربردی ندارد، اما «ارزیابی رفتار فرد» همچنان انجام می‌شود. پس هنوز الگوریتم به طریقی نه فقط ظاهرت، بلکه سیگنال‌های دیگری که به سیستم می‌دهی را هنوز ارزیابی می‌کند. 

هر اپ یک الگوریتم متفاوت دارد — راهنمای سه اپ اصلی

حالا که با نحوه کار این اپ‌ها آشنا شدی، روشن است که هر پلتفرم از الگوریتم متفاوتی برای بهینه‌سازی عملکرد خودش استفاده می‌کند. این موضوع باعث می‌شود که شاید در یک اپ تعداد مچ بالایی بگیری و با عملکرد مشابه در یک اپ دیگر، هیچ نتیجه‌ای نبینی. در ادامه، درمورد الگوریتم‌های سه تا از پراستفاده‌ترین پلتفرم‌ها صحبت می‌کنیم.

• تیندر — الگوریتم «engagement»: 

تیندر بیشتر از هر چیزی روی رفتار کاربران تمرکز می‌کند. یعنی هر swipe, هر like و هر match داده جدیدی به الگوریتم این اپ می‌دهد. با این حساب، فعالیت مداوم در تیندر اهمیت بیشتری پیدا می‌کند. هرچقدر که بیشتر از این برنامه استفاده کنی، اطلاعات جدیدی در اختیار الگوریتم قرار داده و تصویر واضح‌تری از خواسته‌ها و نیازهای خودت ارائه می‌دهی.

نکته مهمی که وجود دارد این است که تمام سیگنال‌هایی که برای سیستم می‌فرستی، لزوما ارزش یکسانی ندارند. برای مثال، اگر که از superlike استفاده کنی به الگوریتم نشان می‌دهی که علاقه تو به آن پروفایل بیشتر از حالت عادی بوده است. 

• هینج — الگوریتم «سازگاری»:

در این برنامه فقط مهم نیست چه کسی را لایک می‌کنی؛ اینکه به کدام بخش از پروفایل واکنش نشان می‌دهی هم اهمیت دارد. مثلا وقتی به یک عکس خاص یا یکی از پرامپت‌های پروفایل فرد واکنش می‌دهی، اطلاعات دقیق‌تری درباره سلیقه‌ات به سیستم می‌دهی. به‌همین دلیل، هینج نسبت به تیندر داده‌های عمیق‌تری از علایق و ترجیحات کاربران جمع‌آوری می‌کند. 

تصور کن دو نفر را لایک می‌کنی. در تیندر، تقریبا هیچ فرقی بین این دو عملکرد وجود ندارد. اما در هینج، الگوریتم دقت می‌کند تا متوجه شود دقیقا جذب چه چیزی شده‌ای: شوخ‌طبعی، سبک زندگی خاص و یا یک علاقه مشترک در زندگی. به‌همین دلیل، تعامل‌ها معمولاً هدفمندتر می‌شوند و گفت‌وگوها شانس بیشتری دارند که از چند پیام ساده فراتر بروند و به شناخت واقعی‌تری برسند.

• بامبل — الگوریتم «زن‌محور»:

در بامبل دوباره با یک قانون متفاوت برخورد می‌کنی. مچ‌های این برنامه به شکلی‌ست که مکالمه باید از سمت زن شروع شود. اگر که این مکالمه در بازه زمانی تعیین شده (24 ساعت) رخ ندهد، مچ منقضی می‌شود. بامبل این سیستم را طراحی کرد تا از تعداد پیام‌های ناخواسته کم کند و زنان، کنترل بیشتری روی شروع گفت‌وگو دارند.

شاید برای بسیاری از مردان استفاده کردن از این پلتفرم کمی گیج‌کننده باشد مچ می‌شوی، منتظر می‌مانی و هیچ اتفاقی نمی‌افتد. پس اگر در بامبل مچ شدی و پیامی دریافت نکردی، لزوما از روی بی‌علاقگی نیست، بلکه گاهی طرف مقابل وارد اپ نشده و یا فراموش کرده که پاسخی بدهد. اگر که به محیطی ساختارمند با پیام‌های اولیه کمتر را ترجیح می‌دهی، این محیط می‌تواند مناسب تو باشد. 

اپ	فلسفه الگوریتم	مناسب برای
تیندر	Engagement و فعالیت	افرادی که می‌خواهند در زمان کوتاه تعداد بیشتری از آدم‌ها را ببینند و سریع‌تر match بگیرند
هینج	سازگاری و کیفیت تعامل	افرادی که دنبال روابط جدی‌تر می‌گردند
بامبل	کنترل بیشتر روی شروع گفتگو	زنانی که محیط ساختاریافته‌تر و پیام‌های ناخواسته کمتر را ترجیح می‌دهند

پنج چیزی که الگوریتم را به نفعت می‌کند

نکته اول — هر روز کوتاه استفاده کن، نه هر هفته زیاد:

الگوریتم‌ها معمولا استفاده مداوم کاربر از از اپ را به فعالیت‌های انفجاری یک‌روزه ترجیح می‌دهند. فرض کن هر شنبه در پلتفرم می‌چرخی و ناگهان، تا هفته بعد ناپدید می‌شی. از دید سیستم تو یک کاربر نامنظم هستی که بهتر است روی او سرمایه‌گذاری نکند.

اما وقتی هر روز حدود 10 تا 15 دقیقه داخل اپ وقت بگذاری، سیگنال می‌دهی که «من اینجا هستم و قراره به مچ‌های احتمالی هم پاسخ خواهم داد». لازم نیست ساعت‌ها وقت برای swipe کردن بگذاری و وقتت را تلف کنی، همین‌که روزی دو بار وارد اپ شوی و چند دقیقه فعالیت کنی کافی‌ست. 

نکته دوم — پروفایلت را کامل کن: 

اگر که اطلاعاتی در اختیار الگوریتم قرار نمی‌دهی، واضح است که آن هم نمی‌تواند از داده نداشته استفاده کند. هر علاقه‌مندی، پاسخ به Prompt یا جزئیاتی که به پروفایل خود اضافه می‌کنی، به سیستم کمک می‌کند افراد مناسب‌تری را به تو پیشنهاد دهد.

در هینج با پر کردن همه Promptها می‌توانی سریع‌تر کیفیت مچ‌های پیدا شده را افزایش دهی. در برنامه تیندر هم می‌تواند با اضافه کردن علاقه‌مندی‌ها و اطلاعات پروفایل به الگوریتم کمک کنی در درک سلایقت بهتر عمل کند. بسیاری از افراد فقط روی کیفیت زاویه دوربین در عکس‌ها توجه می‌کنند، درحالی‌که وقتی پروفایل ناقص باشد، به همان اندازه روی مچ شدنت تاثیر دارد. برنامه امروزت می‌تواند این باشد که به‌جای عکس گذاشتن، بروی و بخشی از پروفایل را پر کنی. 

نکته سوم — selectively swipe کن:

اگر همه را swipe right کنی و به هر پروفایلی لایک بدهی، شانس بیشتری پیدا نمی‌کنی؛ چون الگوریتم تصور می‌کند که روی انتخاب‌هایت دقت نمی‌کنی. از طرف دیگر، اگر همه را هم رد کنی، به سیستم این سیگنال را می‌دهی که بیش از حد سخت‌گیر هستی. 

بهتر است جایی در وسط قرار بگیری که هم به خواسته‌های خودت برسی و هم الگوریتم درک بهتری از تو پیدا کند. قبل از هر swipe، می‌توانی از خودت بپرسی که «آیا اگر همین الان با این فرد مچ شدم، علاقه دارم که با او مکالمه کنم؟»

نکته چهارم — به match‌هایت پاسخ بده:

از دید بسیاری از افراد مچ شدن، یعنی اتمام خستگی و دنبال مورد مناسب گشتن، اما برای الگوریتم، این بخش فقط شروع ماجراست. اگر قرار باشد مرتب مچ بگیری اما به هیچ‌کدام از پیام‌ها پاسخ ندهی، سیگنال منفی برای پلتفرم محسوب می‌شود. پس اگر به کسی علاقه نداری، لزومی ندارد که مچ کنی. اگر هم مچ شدی، سعی کن حداقل یک گفت‌وگوی کوتاه را با فرد مقابل شروع کنی. 

نکته پنجم — پیام اول بفرست:

مشخص است که برای شروع یک رابطه فقط لایک کردن کافی نیست، باید گفت‌وگو کرد. حالا سوال اینجاست که چه کسی اول پیام می‌دهد؟ اگر که اول تو پیام بدهی، سریعا توجه طرف مقابل را به‌دست می‌آوری. دوم اینکه به الگوریتم برنامه نشان می‌دهی دنبال تعامل هدف‌مند هستی و فقط یک swipe ساده انجام نداده‌ای.حتی در گزارشی از Hinge درباره رفتار کاربران در شروع مکالمه‌ها آمده است که ۷۲ درصد از دیتینگ‌کننده‌ها احتمال بیشتری دارند یک match را وقتی یک پیام همراهش باشد در نظر بگیرند.

پیام اولت را به جای «سلام» می‌توانی به «دیدم که نوشتی سفر کردن دوست داری. کجاها رو بیشتر دوست داری ببینی؟» تغییر بدی. این سبک از جمله‌ها نشان می‌دهد که به جزئیات رفتاری فرد مقابل علاقه‌مندی و دوست داری که بیشتر درباره او بدانی. پس از این به بعد، هر زمان که کسی را در هینج لایک می‌کنی، یک سوال یا نظر کوتاهی هم می‌توانی بدهی.  

الگوریتم و آدم‌ها، هردو از تعامل کردن لذت می‌برند. همین یک پیام کوتاه می‌تواند شروع یک دوستی عمیق باشد که با لایک کردن به وجود نمی‌آید. پس اگر می‌خواهی این موضوع را عمیق‌تر یاد بگیری و بدانی چطور پروفایلی بسازی که هم برای الگوریتم جذاب باشد و هم برای آدم‌های واقعی،می‌توانی راهنمای «پروفایل دیتینگ ایرانی» را هم بخوانی.

چهار اشتباه رایج که الگوریتم را علیه‌ات می‌کند

اشتباهاتی که باعث می‌شوند الگوریتم علیه تو عمل کند، همیشه به این معنا نیست که کار اشتباهی انجام داده‌ای؛ گاهی هم مسئله این است که کاری را که می‌توانستی انجام بدهی، رها کرده‌ای. اگر تعداد مچ‌هایت کم است، بد نیست به چند نکته زیر نگاهی بیندازی: 

اشتباه اول — «بنگ» استفاده کردن:

بعضی از افراد تصمیم می‌گیرند که شنبه شب زندگی عاطفی خود را دگرگون کنند. سه ساعت کامل در پلتفرم‌ها swipe می‌کنند، ده‌ها پروفایل را چک می‌کنند و بعد تا شنبه هفته دیگه به برنامه سر نمی‌زنند. 

موضوع اینجاست که الگوریتم‌ها به‌دنبال فردی با داشتن یک الگوی پایدار برای چک کردن اپ می‌گردند و غیبت طولانی‌مدت، سیگنال ضعیفی نسبت به حضور مدام برایش ارسال می‌کند. اگر هر روز، حتی تیم‌های بسیار کوتاه، از برنامه استفاده کنی، نشان می‌دهی که فرد قابل‌پیش‌بینی‌تر از کسی هستی که هر ماه 3 ساعت آنلاین می‌شود. 

اشتباه دوم — پروفایل ناقص:

داشتن یک عکس ساده، بدون پرامپت و بایو مشخصی در پروفایل، بیشتر از آنچه فکر می‌کنی رایج هستند. مشکل فقط این نیست که افراد کمتری به این سبک از پروفایل‌ها علاقه نشان می‌دهند، بلکه الگوریتم هم اطلاعات کافی برای شناخت تو ندارد. 

وقتی درباره سلایق، سبک زندگی و شخصیتت چیزی ننوشته‌ای، سیستم داده‌های محدودتری برای نشان دادن مچ‌های مناسب در اختیار دارد. پس سعی کن تمام بخش‌های مختلف پروفایل را تکمیل کنی، حتی اگر کوتاه باشند. 

اشتباه سوم — swipe کردن همه:

شاید در نگاه اول، با خودت فکر کنی که هر چقدر لایک بیشتری کنی شانس بیشتری هم خواهی داشت، اما الگوریتم این را تایید نمی‌کند. از دید آن، این رفتار اطلاعات مفیدی تولید نمی‌کند و اگر قرار باشد همه را بپسندیدی، سیستم نمی‌تواند بفهمد دقیقا به چه چیزی علاقه داری. از طرف دیگر، اگر همه را هم رد کنی الگوریتم داده‌های کمی برای تشخیص سلایق تو دریافت می‌کند. 

اشتباه چهارم — match کردن اما جواب ندادن:

برنامه را باز می‌کنی. نوتیفیکیشن پیام را می‌بینی  و کمی ذوق می‌کنی، اما گوشی را کنار گذاشته و به تلویزیون نگاه کردن ادامه می‌دهی. نه پیامی می‌فرستی و نه پاسخی به کسی می‌دهی. از دید تو، شاید فقط مشغول زندگی روزمره شده بودی اما از نگاه الگوریتم یعنی مکالمه تو با آن فرد به نتیجه‌ای نرسیده است.

به‌همین دلیل اگر مچ‌ها را همین‌طور به حال خود رها کنی، به مرور می‌توانند اثر منفی روی عملکرد اکانتت داشته باشند. پس وقتی مچ شدی، سعی کن ظرف یک یا دو روز آینده شروع به گفت‌وگو کنی و یا به پیام‌ها پاسخ بدهی. 

دقت کن که هیچ‌کدام از این کارها به تنهایی باعث نمی‌شوند که الگوریتم تو را «مجازات» کند، بلکه وقتی چند مورد به‌صورت همزمان و متعدد اتفاق می‌افتد، سیگنال منفی به سیستم می‌فرستد. اغلب اینجا همان نقطه‌ای که بسیاری از کاربران فکر می‌کنند که قرار نیست نتیجه بگیرند، درحالی‌که مشکل نحوه استفاده کردن از اپ بوده نه آن‌ها. 

«Boost» و ویژگی‌های پولی — ارزش خرید دارند؟

چند هفته هست که از اپ استفاده می‌کنی و متوجه شدی تعداد مچ‌ها کمتر از آن چیزی‌ست که انتظار می‌رفت. در این مرحله است که استفاده کردن از ویژگی‌های boost کننده وسوسه‌انگیز می‌شود. اینجا همان نقطه‌ایست که قبل از دست به جیب بردن، باید از خودت بپرسی آیا مشکل من کم دیده شدن است یا فقط پروفایلم جذابیتکافی ندارد؟

• Tinder Boost: 

قابلیت boost در تیندر، پروفایل تو را برای مدت محدودی به کاربران بیشتری نشان می‌دهد. اگر که در یک شهر بزرگ زندگی می‌کنی یا رقابت بالاست، می‌توانی با این ویژگی سریع‌تر دیده شوی. البته بهتر است حواست به این موضوع باشد که اگر پروفایل و بایو ضعیفی داشته باشی، لزوما نتیجه دل‌خواه را نمی‌گیری. Boost فقط تو را برای چند لحظه کوتاه در مرکز توجه می‌برد اما نمی‌تواند صحنه اصلی را تغییر دهد. 

• Hinge Rose:

Swipe معمولی این امکان را به فرد می‌دهد که الگوریتم متوجه شود احساسات تو بیشتر از یک علاقه ساده است. اگر که پروفایل کاملی داشته باشی، استفاده از rose می‌تواند نرخ مچ‌های دریافتی و پاسخ آن‌ها را بالاتر ببرد.  

• Bumble Spotlight: 

این قابلیت در بامبل، همان ویژگی‌ها مشابه boost در تیندر را دارد. در ساعت‌های پرترافیک، تعداد بازدید را افزایش می‌دهد اما مشخصا زیاد دیده شدن، لزوما به معنای مچ شدن بیشتر نیست. 

آیا ارزش دارد؟ جواب صادقانه:

جواب این سوال بستگی به نیاز هر فرد دارد. اگر که پروفایل قوی داری، عکس‌های باکیفیت گذاشتی و به پیام‌ها پاسخ می‌دهی، آن زمان ویژگی‌های اضافه آن اپ می‌توانند کمک کنند که یک جهش کوتاه در تعداد مچ‌هایت ایجاد کنی. اما اگر که کیفیت عکس‌های پایینی داری و درمورد خودت در پروفایل زیاد صحبت نکردی، حتی اگر برای ویژگی‌های آن برنامه هم هزینه کنی تفاوت‌ چشم‌گیری در تعداد مچ‌هایت نخواهی دید. 

الگوریتم و ایرانیان — یک چالش خاص

وقتی در خارج از ایران زندگی می‌کنی و ترجیح می‌دهی بیشتر یا ایرانی‌های همان کشور ارتباط بگیری، اما برنامه‌ها بیشتر روی موقعیت جغرافیایی و علاقه‌های شخصی فرد تمرکز دارند. الگوریتم درک نمی‌کند که برای تو زبان فارسی و اشتراکات فرهنگی بیشتر اهمیت دارد و فقط فیلتر جغرافیایی جواب نمی‌دهد.

تصور کن در شهری مثل تورنتو زندگی می‌کنی و شعاع جست‌وجوی پلتفرم هم حدود 30 کیلومتر است. ممکن این در این محدوده هزاران کاربر وجود داشته باشد اما فقط تعداد محدودی از آن‌ها ایرانی باشند. به‌همین دلیل، اگر که بیشتر پروفایل‌ها ایرانی را لایک کرده و روی بایوهای فارسی مکث کنی، سیستم داده‌های مفیدتری در راستای علاقه‌ای دریافت می‌کند.

راه‌حل‌های عملی:

راه‌حل اول — bio را به کار بگیر:

بسیاری از افراد در بایو «Iranian»، «‌IR»یا «Persian girl» می‌نویسند. خوب است که بایو را خالی نگذاری اما هنوز هم می‌توانی این بخش را بهتر کنی. به‌جای اعلام هویت، می‌توانی ترجیحات و زمینه فرهنگی خودت را هم مشخص کنی:  «ایرانی ساکن لندن | عاشق عکاسی و کافه‌گردی | دنبال کسی هستم که هم دنیای ایرانی رو بشناسه هم آلمان رو». آدم‌هایی که تجربه مشابهی با تو داشته باشند، سریع‌تر پیدایت می‌کنند و می‌توانند به تو پیام می‌دهند.

الگوریتم عکس «نوروز» را تشخیص نمی‌دهد، اما آدم‌ها که می‌توانند، و واکنش آدم‌ها همان چیزی‌ست که آن دنبال می‌کند. لازم نیست تمام عکس‌هایت در ایران را آپلود کنی، فقط چندتا نشانه ظریف که بقیه متوجه محتوای عکس‌ها شوند: عکس سفر به شیراز، میز هفت‌سین یا شب یلدا، تصویر خورشت قیمه. نیازی نیست کل ویترین پروفایل را به پنج عکس با نمادهای ملی اختصاص دهی، نهایتا یک یا دو عکس کافی‌ست تا سیگنال‌های فرهنگی فرستاده شوند.

راه‌حل دوم — تنظیم موقعیت:

بعضی کاربران یک‌بار موقعیت جست‌وجوی خود را تنظیم می‌کنند و دیگر به آن دست نمی‌زنند، اما این قابلیت خیلی در سیگنال‌دهی برای سیستم تاثیر می‌گذارد. اگر در شهری مثل تورنتو زندگی می‌کنی و شعاع جستجویت فقط 5 کیلومتر است، ممکن است بخش زیادی از جامعه ایرانی را از دست بدهی. این موضوع در خصوص شهرهای دیگر هم صدق می‌کند.

می‌توانی اول ببینی که ایرانی‌ها بیشتر در کدام منطقه زندگی می‌کنند و با معیار قرار دادن آن، شعاع جغرافیایی‌ات را تعیین کنی: برای مثال، بیشتر ایرانیان لندن در فینچلی، لس‌آنجلس در وست‌وود و ونکوور در نورث ونکوور قرار دارند. 

راه‌حل سوم — اپ‌های خاص ایرانی:

اگر که اولویت آشنایی با ایرانی‌ها در کشور میزبان است، ممکن است اپ‌های عمومی نقطه شروع مناسبی نباشند. جامعه‌های ایرانی در شبکه‌های اجتماعی، رویدادها، گروه‌های مهاجرتی و پلتفرم‌های تخصصی‌تر که از همان ابتدا فیلتر فرهنگی را اعمال کرده‌اند، راحت‌تر می‌شود پیدا کرد. گاهی اوقات مشکل این نیست که الگوریتم تو را درک نکرده، بلکه موضوع این است که در یک دریای بزرگی دنبال ماهی خاصی می‌گردی.

اینکه ترجیح داشته باشی با فردی ارتباط بگیری که پیش‌زمینه فرهنگی مشابه خودت دارد، طبیعی‌ست. وقتی سعی کنی صادقانه‌تر و واضح‌تر ترجیحاتت را در عکس، بایو، Promptها و swipe‌هایت نشان دهی، شانس بیشتری داری که در این اپ‌ها فرد مورد نظرت را پیدا کنی. 

آینده الگوریتم‌های دیتینگ — هوش مصنوعی

الگوریتم‌های دیتینگ در آینده دیگر دنبال این نخواهند که ببینند چه کسی را دوست داری، بلکه دقت می‌کنند با چه کسی تعامل واقعی و عمیقی داری. مدل‌های جدید قابلیت‌های تازه‌ای مثل «امتیازدهی سازگاری پویا» خواهند داشت که با هر پیام به‌روز می‌شوند. با این ویژگی، دیگر فقط عکس و سن هر فرد مطرح نیست، بلکه خود مکالمه مثل طول پیام، زمان پاسخ و حتی استفاده از ایموجی‌های مختلف بر روی سیستم تاثیر می‌گذارند.

در ادامه‌ی همین تحول، در گزارشی درباره معرفی دستیار هوش مصنوعی «Bee» در اپلیکیشن Bumble گفته شده که این شرکت قصد دارد رویکرد AI‑first را به معماری پلتفرم خود اضافه کند. چنین سیستمی می‌تواند تا حدی نقش یک تحلیل‌گر رابطه را داشته باشد و به کاربران کمک کند بفهمند یک ارتباط یا گفت‌وگو چقدر احتمال ادامه‌دار شدن دارد. 

در نهایت، فراموش نکن که الگوریتم دیتینگ اپ‌ها یک سیستم است — نه یک قضاوت شخصی درباره تو. وقتی قوانین بازی را بدانی، می‌توانی بهتر بازی کنی. اما بهترین «hack» همیشه یک چیز بوده: یک پروفایل واقعی، صادق و کامل.»