约会 App 真实数据

🔗 原文链接

凌晨 1 点，27 岁的程序员李明第 38 次划走屏幕上的女性照片。他的 Tinder 个人资料里，三张模糊的自拍照和一句 “喜欢旅行” 的简介，在过去三个月里只换来两次匹配 —— 其中一位是卖理财产品的机器人。这种挫败感并非个例。

约会 App 究竟如何运作？我们来葱硅谷约会 App 的产品经理公开的数据一见端倪。

用户排名

1. 喜欢通过率（Like-to-Pass Ratio）

• 数据：男性中位数 5%，女性中位数 38%。
• 解释：
  • 通过用户被展示时被喜欢的比例计算，作者认为无需复杂算法（如ELO），简单比率即可有效排名。
  • 该比率与实际线下吸引力不完全相关（如女性展示更多皮肤可能提高比率，但高排名者未必如此）。

2. 主动喜欢率（Openness）

• 数据：男性中位数 26%，女性中位数 4%。
• 解释：
  • 女性喜欢率几乎独立于所浏览的男性资料，即使移除不喜欢的对象的个人资料，不喜欢还是不喜欢。
  • 男性比率更不稳定，受展示对象影响大。

用户行为

1. 匹配到聊天

• 数据：匹配后发起聊天的比例为 35%，但易通过产品调整改变。
• 解释：用户通常仅短暂聊天，更多出于娱乐而非认真交友。

2. 资料填写影响

• 数据：填写资料会降低喜欢率。
• 解释：男性不看资料，女性会通过资料筛选。

3. 年龄与行为差异

• 数据：
  • 年轻女性更关注外貌，年长女性更常查看资料（筛选）。
  • 年轻男性（<25岁）喜欢率可达 70% 以上，25岁以上男性无此现象。
• 说明：年轻女性倾向于追求社会认可的吸引力标准。

推荐算法与注意力分配

1. 女性首页展示策略

• 分配：
  • 20% 给可能喜欢的男性。
  • 10% 给社会定义的“热门男性”。
  • 70% 用于其他类型（如新用户、付费用户、随机推送等）。
• 目标：最大化女性发送喜欢的数量。

2. 男性首页展示策略

• 分配：
  • 优先展示新注册女性以确保新注册女性快速获得喜欢。
  • 确保男性尽早看到已喜欢自己的女性。
• 目标：提升男性留存需偶尔展示其真正喜欢的女性。

留存率（Retention）

1. 行业基准

• 数据：
  • D1留存 50-60%。
  • D7留存 30-35%。
  • D30留存 15-25%。
• 解释：留存率与用户是否在多平台同时活跃相关，各应用间差异不大。

2. 留存率的性别差异

• 对于女性来说：
  • 发送点赞数量与留存率高度相关：
    • 100 次浏览中若 0 次点赞，d30 留存率约为 12%
    • 点赞 5 次时，d30 留存率约为 16%
    • 点赞 10 次时，d30 留存率约为 19%
  • 首 24 小时内至少发送 5 次点赞对 d1 留存几乎具有决定性作用
• 对于男性来说：
  • 点赞或收到的点赞对留存只有轻微正面影响
  • 与对话互动（消息交流）相比，其他因素对男性留存提升效果不明显

用户构成

1. 性别比例

• 数据：最终用户男女比例 66%:34%（女性留存更低）。
• 解释：50:50比例反而不利于应用运作。

2. 目标差异

• 初始注册男女比例均衡，但由于女性留存较低，最终用户构成约为 66% 男性、34% 女性。
• 约 30% 的新用户是曾经注册过后重返的旧用户。
• 感情态度：
  • 女性中约 65% 寻求认真交往
  • 男性中约 50% 寻求认真交往
• 年龄与约会目的：
  • 数据显示年轻用户普遍较不认真；不同年龄段（如 30–35 岁与 25 岁以下）的用户在“认真”与“不认真”的比例上存在差异，总体趋势是年轻用户不那么注重严肃交往。
• 性取向数据：
  • 女性：约 10% 女同性恋，84% 异性恋，12% 对双性均有兴趣
  • 男性：约 7% 男同性恋，92% 异性恋，几乎没有双性倾向

付费与影响

1. 付费影响

• 数据：付费对女性留存无影响（女性不付费），男性付费后留存下降轻微。
• 解释：用户已习惯付费模式（如Tinder），iOS用户付费意愿更高。男性愿意为获得更多点赞而付费。

2. 竞品对比

• 数据：
  • Hinge（非付费模式）年增长 40%。
  • Tinder（付费模式）用户基数更大。
• 观点：主流应用核心功能趋同，差异仅在营销定位（如Bumble“女性主导”）。

假用户与审核

• 明显的假用户（如广告 OnlyFans 的账号或诈骗账号）需尽快过滤，以免影响真实用户体验。
• 较隐蔽的假用户通常使用他人照片，表现上与正常用户相似，但往往点赞率偏高。
• 检测方法：
  • IP 和 VPN 检测
  • 设备 ID 比对
  • 图片相似度搜索
  • 用户行为、年龄偏好与 GPS 定位监测
  • 电话号码验证和面部识别技术
• 解释：通过自动和人工审核相结合，能够有效减少假用户，提升平台整体质量。

新用户引导

• 除上传照片外，其它引导步骤不会显著导致用户流失；整体转换率约 90%，中位耗时 13 分钟（男性稍长于女性）。
• 用户愿意回答多种问题，但实际上除了照片之外，其它信息对匹配效果帮助有限。

推送通知的作用

• 针对“有人喜欢你”、“匹配成功”、“收到消息”等通知能为用户带来约 4 个百分点的留存提升。
• 通知打开率：
  • 情境相关通知约 80%
  • 非情境相关通知约 30%
• 解释：即使部分用户（约 30%）未授权通知，整体活跃度仅略有下降。

其他有趣数据

• 吸引力与照片：男性照片质量决定成功率（专业摄影可提升比率 0.03→0.2），女性吸引力线上高于线下。
• 皮肤裸露比例原则：皮肤裸露占比和被喜欢几率正相关，即时女性声称反感男性裸露照片却仍喜欢此类资料。
• 非二元性别：注册比例极低，仅约 0.1%。
• 生育意愿：女性中 20% 不想要孩子，男性中为 16%。
• 账户删除后重新注册：约 10% 的用户在 3 天内，17% 在 1 个月内重新注册。
• 75% 的女性希望对方身高高于自己。
• 65% 的年轻人不愿意约会政治立场过于极端的人。
• 男性用户中：
  • 1% 的用户获得 10% 的所有点赞
  • 3% 的用户获得 20% 的点赞
  • 10% 的用户获得 40% 的点赞
  • 20% 的用户获得 55% 的点赞
  • 超过 50% 的男性用户几乎从未收到过点赞（或仅收到极少点赞）
• 活跃时间：周日用户注册及活动量最高，而周五、周六较低。
• 仅 50% 的女性用户在整个账号生命周期内累计发送超过 10 次点赞。