论如何选中最佳老婆 | 强行讲道理

写在前面:本文不讨论前提问题,比如你压根不想找老婆、比如你天天宅在家里等然后抱怨认识的妹子太少,那么这篇文章不适合你,请在看个乐子并打赏后离开~


我们是不是可以像找合伙人、找高管一样,找老婆?来,今天听师太给你们强行讲道理。


找老婆的方法论无非从3个要点出发:
1 大逻辑
2 候选人数量
3 评估内容

没耐心看全文的,可以直接拖到最后看终极大招。


1 大逻辑

“我叫开普勒,我喜欢仰望星空,看球球们如何撒欢。每研究出一个定律,我就会多吃一碗饭。我也喜欢妹子,而我的老婆必须是我最喜欢的那个!”

伟大的开普勒,第一段婚姻是包办的产物, 在第一任夫人不幸因病去世后,他决定自己挑选老婆!
于是,开普勒先圈出11名自己感兴趣的女子,经过长达2年的观测,终于锁定一名自己最喜欢的。

像观测星体一样挑老婆

旋即求婚,一举成功,从此以后二人过上了幸福快乐的生活。


200年后的达尔文,则完全是另一个逻辑。

我叫达尔文,我喜欢观察生物,请不要把我和达芬奇和维特鲁威人混为一谈,老子不喜欢画鸡蛋!我喜欢温婉贤淑、家教严谨、话不多、见识广博、和我有共同语言的贤妻良母型妹子。

达尔文在挑选伴侣这件事情上,体现出了超乎常人的理性和执行力。经过仔细思量、反复斟酌,他写下了成为自己伴侣所必须具备的N个条件。

蓦然回首,发现有个表姐完美契合所有标准,旋即,不像你们这些磨磨唧唧列了标准又不按标准执行的人,达尔文向表姐求婚,一举成功,从此以后二人过上了幸福快乐的生活。


统计学专家们提出了第3种逻辑:在拒掉了K个人之后,从K+1个人开始,一旦遇到比前面K个人都要好的人,毫不犹豫地选择“她”,那么,当K是多少的时候,“她”是最佳老婆的概率最高?

于是这就演变成了一个纯数学问题:

说实在的我看不懂,数学已经还给老师了……

看不懂过程的小伙伴关注结论即可:无理由拒掉前1/3的人,之后,只要遇到比这前1/3个人都要好的,选她就对了!别像掰玉米棒子的狗熊一样!


研究动物的生物学家提出第4种逻辑

自然界中,动物向异性求偶,可能被接受、可能被拒绝,每一次被接受都会提高对自我的评价、被拒绝都会降低对自我的评价,在这个反反复复的过程中,心里对自己处于什么水平就有点儿B数了,同时也能更准确地评估对方是不是处于与自己匹配的水平。
这个“反反复复的过程”,大约是20次。


当然了,还有那么一大群人提供了第5种逻辑

你就等着吧~



小结一下,前述5种逻辑,分别是:

你觉得哪种最靠谱??
记住你的选择!


2 候选人数量

决定了大逻辑之后,接下来需考虑的是,要留下多少人作为最终候选人呢?

当最终候选人只有一个,即只能在
“是”与“否”之间进行选择的时候,有52%的决定导致了糟糕的后果。

当最终候选人增加了一个,即可以在
“甲”、“乙”、“都不要”之间进行选择的时候,导致糟糕后果的比例锐减到32%。

(以上数据均出自非本人的调研,有兴趣进一步确认的可以私信我,下同)

那么问题来了,候选人是不是越多越好呢?

有一项经典研究观察了顾客分别面对6种果酱和24种果酱的表现,震惊!面对6种果酱时,顾客最终购买的可能性是面对24种果酱时的10倍之多!

一方面,候选人太少时,缺乏比较会导致评价偏差,另一方面,候选人太多时,过多比较同样会导致评价偏差。
不禁想到一个物理课本里的图:

那么,这个“焦距”究竟是几人呢?

调研数据显示,候选人越多留存率越高,然而,当超过一定值之后,留存率急剧下降。
这个“一定值”是3~4人,即最终候选人以3~4人为佳。

话说回来,为何开普勒有11个候选人,同样能选中最佳老婆?
为何达尔文的只有1个候选人,同样能选中最佳老婆?
——最终候选人的数量很关键,但充分准备、准确定位和科学评估的价值,是数量无法取代的。


3 评估内容

这里又要引入一篇论文:

决策中非标准线性模型的稳健之美
The Robust Beauty of Improper Linear Models in Decision Making

感兴趣的小伙伴可以去Google上找原文(百度我没找着,你们可以试试),不看原文的,记住“一个原则、三个要点”即可:

一个原则:稳健
三个要点:少于10个指标、等权指标、考核稳定指标

一个个说。

关于指标的数量,对于一般人而言,坚持要求的条件不会太多,就算你列举了非常多的择偶标准,在实际测评过程中必会发现,有部分指标无法考察,或有部分指标因为其它指标的优异程度而被放弃。
相信我,10个真的差不多了,如果你坚持的指标超过10个,请务必让我认识你。

关于等权,的确,加了权重的计算模型,理论上会更加精确,但对于必考指标、对于一般人而言,调研数据显示,加权模型的价值并不比等权模型高、或高但仅高一点点,从效率考虑,等权够用了,而且等权比加权更为平衡、精简。
当然啦,如果你对某些指标有极强的执念,大可以加权,也请留言告诉我,我非常好奇~

关于稳定指标,大家都是成年人,有些属性的成长空间已经很小了,比如三观、比如求知欲,这些在一起后难以改变的指标,强烈建议你在在一起之前务必考察。
举个例子:口腹欲、求知欲、懒惰程度,都是难以成长的指标。一个口腹欲强、求知欲强、喜欢动手的女孩,你是可以期待她在厨艺方面的成长的;而一个口腹欲强、求知欲强、但极懒的女孩,可能她会开发出很多好吃的外卖,但厨艺方面你就不要有太多期待了。

——可见,考察如“厨艺”这样成长型的指标,是会让你因噎废食,错过好妹子的。

最后再强调一下“稳健之美”,同时建议大家不要对自己期待太高,使用100分制什么的,你就告诉我“孝顺父母”这样的指标“87分”和“88分”有什么区别?分个3-5级就差不多了。


最后,祭个终极大招。

结合以上内容,强行讲道理,我们到底要怎么样才能找到最佳老婆??
总结个终极大招——

当然前提是你……(去复习“写在前面”)
当然最后你可能还是……

不要相信“感觉”。
一方面,经过分析之后,你会发现分析结果是你的“感觉”非常容易接受和决定的;
另一方面,看上去直接的感觉,其实也是大脑经过分析之后的结果,然而——

共勉。
港真,无论你找的是哪种“对象”,如果有人去实践了这个方式,请务必和我分享一下你的实践结果。




后记:

这几天看了一本书,《合伙人》(It's not the HOW or the WHAT but the WHO),直译过来就是“怎么做、做什么,都不如找对做的人”。
其中一章讲到对潜在候选人的挑选和评估问题,我真是笑着看完的,同时受益匪浅。本文中大量内容都是归纳于这个章节。

这本书中还有很多极富教益的章节 ,比如明星员工的移植、面试与履职的差异、评估准确率与选对人之间的概率计算等等,裂墙推荐,招聘相亲两相宜~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,324评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,356评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,328评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,147评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,160评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,115评论 1 296
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,025评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,867评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,307评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,528评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,688评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,409评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,001评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,657评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,811评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,685评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,573评论 2 353