用数据分析的方法教你如何获得一份美好的爱情

简介:

因为爱情

一为什么做爱情战略分析?


基于对爱情的三个重要假设

1、爱情是稀缺的情感资源:

由于是稀缺资源,因此爱情存在竞争和选择,只有理性决策,才能在有限的资源约束下对情感做有效配置。

2、爱情是理性选择

对于大样本而言,理性恋爱的失败率要小于感性恋爱。

3、爱情需要有效的价值管理与经营

赢得爱情是一场战争,守住爱情是一项事业。
二 如何做爱情战略分析


按照数据分析思路的4W模式,爱情战略分析需要回答4个问题:

爱情战略

1、选择谁?

回答这个问题既要考虑对方的吸引力,也要考虑自身的竞争实力。因此GE矩阵模型是不二的选择。下图是某人的GE矩阵分析结果,从中可以看出,Mary和Linda是需争取的主要对象。

爱情分析

注:以上人名为虚拟,圆圈大小表示投入成本(如时间成本和物质成本等)

2、为什么选择他/她?

换句话说,从哪些方面评价对方的吸引力和自身的竞争实力?可以考虑7S模型。

爱情模型

(1)shared value:共同的价值观

体现在对生活、金钱、后代、亲人等重要问题的看法上。例如享乐者和节约者如果结合,则常常会因为钱该花不该花的问题而争吵不休。

(2)structure:结构

也就是对方是如何平衡家庭、工作、生活、亲人、朋友等多种关系,是否能实现多种关系结构的和谐。

(3)satisfaction:满意

不同的人选择标准不同,比如外表、性格、家庭出身等等,当对方的条件达到甚至超过你的标准,你就会觉得是自己的菜,感到满意

(4)sense:感觉

也就是我们常说的“来电”

(5)style:风格

体现在饮食、兴趣、爱好、习性等方面

(6)sex:性

你懂的

(7)skill:技能

引起对方注意的独特能力,比如沟通的技能、生存的技能等

在利用GE矩阵模型进行选择时,可以从这7个维度考虑,根据自身偏好,为这7个维度设置权重,并对自己和对方打分,从而得到吸引力和竞争实力的具体得分。

3、爱情发展的轨迹是什么?

爱情轨迹


有些爱情走入结婚的殿堂;有些则以分手的痛苦而告终。常见的爱情往往以友情开始,发展轨迹见下图。

4、 如何赢得爱情?

爱情
(1) 自身资源:比如若你貌若西施,不用努力,自会有追求者踏平门槛

(2) 努力程度:需要反问自己

  • 是否了解自己的优势,扬长弊短
  • 是否了解对方的需求,对症下药
  • 是否勤于思考和创新,制造机缘
  • 是否细心敏感和关爱,打动人心

(3) 运气:就是我们常说的缘分

(4) 择偶标准:期望越高,失望越大,爱情成功值往往越低。


本文作者:佚名

来源:51CTO

相关文章
|
搜索推荐 数据挖掘 C++
数据分析方法-对比分析和用户画像
数据分析方法-对比分析和用户画像
441 1
数据分析方法-对比分析和用户画像
|
机器学习/深度学习 数据采集 存储
基于振弦采集仪的工程监测数据分析方法研究
基于振弦采集仪的工程监测数据分析方法研究主要涉及以下几个方面:
基于振弦采集仪的工程监测数据分析方法研究
|
数据可视化 数据挖掘 数据管理
问卷调查数据分析指南!掌握方法,精准把握用户需求!
本文介绍了如何利用自定义报表、交叉报表和过滤器进行问卷调查数据分析。文章首先区分了定量和定性数据,强调了定量数据在分析中的重要性,并列举了客户体验(CSAT、CES、NPS)和市场调研的关键指标。接着,提到了定性数据分析方法,如情感分析和词云图。文章还讨论了自定义报表、交叉报表和过滤器在数据筛选和相关性探索中的作用,以及收集器在多源数据收集上的应用。最后,强调了仪表板在数据可视化和比较中的优势,并推荐了Zoho Survey作为综合的数据管理平台。
813 0
问卷调查数据分析指南!掌握方法,精准把握用户需求!
|
机器学习/深度学习 数据采集 运维
重要的数据分析方法:时间序列分析
重要的数据分析方法:时间序列分析
521 1
重要的数据分析方法:时间序列分析
|
数据可视化 数据挖掘 Linux
Python数据分析(四)——plot方法
Python数据分析(四)——plot方法
|
供应链 搜索推荐 数据挖掘
数据分析方法与模型
数据分析方法与模型
|
数据挖掘 索引 Python
【Python】数据分析:numpy的常用方法
【Python】数据分析:numpy的常用方法
252 0
|
7月前
|
自然语言处理 数据挖掘 数据处理
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
本文将介绍 10 个在数据处理中至关重要的 Pandas 技术模式。这些模式能够显著减少调试时间,提升代码的可维护性,并构建更加清晰的数据处理流水线。
270 3
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
|
数据采集 SQL 数据挖掘
电商数据分析的方法
电商数据分析涵盖从业务需求理解到数据呈现的全流程。初学者应循序渐进,掌握数据清洗、转换等技能,Python是重要工具。社交媒体营销分析关注用户参与度和KOL影响。实战教程如《2019电商数据分析师实战项目》提供Excel、SQL及Tableau应用案例,帮助巩固理论知识。代码示例展示了如何使用Pandas和SQLAlchemy进行销售数据分析,计算转化率。 (注:联系方式和感谢语已省略以符合要求)
电商数据分析的方法