就在刚刚，我的女朋友说要和我分手，理由是在刚过去的“黑五”我没给她买对礼物。

真巧，我也听说，你今天刚被你的第10个女朋友甩了，原因是你特意给他安排的生日supriese她不喜欢。

在一段男女关系中，我们总是有太多的点get不到，总是会一次次遭埋怨，或是你毫无情趣，或是你不懂她的心。“我要什么难道你不知道吗？”对啊，我确实不知道啊，你不说我怎么知道。但是，男女关系就是这么奇怪，有时候它的乐趣也恰巧在于“我不说”，有些话说得太透，可能就没什么意思了，没有惊喜，哪有情趣。

在一段感情中，绝大多数情况下，我们是处于“你的心思好难猜”的情境之下。那么，难道我们就只能坐以待毙吗？再一次因为不能get不到她的需求，而第11次被弃之如履吗？

当然不是，如果你不够聪明不够敏感，不能一次就找到她的G点，那就多试几次。在她的忍耐达到极点之前，你还能通过一次次试错，来找到正确的对敌之道，但是请记住试错一定要快。

既然运营可以用来追女生，当然他也可以教你如何快速精准的找到女生的G点。在我们以往与女生相处，发展两者关系的过程中，依靠的往往是经验和直觉，这种方法的优势是快。但是不是任何情况下，快都是好的。如果一开始方向就错了，你出手越迅速，反而越早的game over，即使是老司机也不能幸免。这时候我们就需要数据的支持，因为数据的最大优势就是准！可以说 ，精准的数据帮你找准方向，经验和直觉让你少走弯路，直捣黄龙。

这时候，你也许会有疑问。数据？我追女生的过程哪来的的数据？你说追女生有技巧我认可，但你说追女生还需要数据支持我就不信了。那么我们就来聊聊，如何用数据驱动技巧，摆脱被抛弃的厄运。

1.数据来源

正如运营的数据来自用户日志，活动情况。你女朋友的数据，也是源于你之前对她的认知，以及以往的一次次试错，一次次血的教训。既然你已经是被你的第10个女朋友甩了，那显而易见你的数据库应该已经相当丰富了。回顾下（如果有记录的话，直接翻看你的撩妹大全，数据将更为准确），你为之前10任前女友安排的百来个约会，赠送的各种类型价格的礼物，以及N个前任的用户画像（年龄、生日、星座、地域、性格、职业、兴趣爱好等等）这些就是专属于你的数据库了。

2.数据的应用

这里我们要明确一个概念，数据是用来干嘛的。数据是用来提问的，让你提出正确的问题，找到正确的答案。

之所以我要强调这个概念，是因为有些人会执拗于我能从我现有的这些数据中能得出什么结论，这是数据分析师的工作，但不是你的。你现在是一个运营从业的撩妹人士，你所面对的问题是，妹纸的生日又要到了，我应该安排什么类型的活动比较合适。记住，以目标为导向的运营，你得先知道自己要做什么，再去好好利用你的数据库。

3.这么多数据，我们如何着手

现在目标有了：我想安排一次约会。那么我该如何提取我们的数据呢？

3.1 针对目标用户，有目的性的提取数据。明确约会对象的属性：年龄、生日、星座、地域、性格、职业等。

3.2 从数据库中提取相应的数据，已做横向和纵向分析。

3.2.1 横向：提取与妹子属性相类似的前任约会记录。（约会目的、时间、活动类型、场地、成本、结果等）

3.2.2 纵向：提取和这个妹子以往的活动记录。

3.2.3在提取数据时我们一定要注意几点：

part.1  弄清含义

数据一定要清晰完整。所谓的清晰完整包括：数据定义清晰，计算规则准确，数据来源明确、单位量级清楚

part.2 排除错误

意外总是不能避免，可能有时候你的失败与你无关，可能那天妹纸来大姨妈了心情不好，你只是不幸被殃及池鱼而已，或者那次约会表面上的失败只是因为妹纸比较害羞内敛不想表现的太主动，事实上那是一次成功的约会。诸如此类的错误数据一定要进行排除，避免影响你的准确判断。

4.对数据进行分析，找出解决之道

既然我们已经有了相关的数据，也排除了错误的数据，那么接下来我们就要分析异常数据了，明确我们之前为什么会失败 ，或者这次活动怎么安排才能保证成功。这个过程，是一套经验+数据的组合拳。

我们一般从四个方面入手。

step.1拉长

拉长的意思其实就是加宽数据的范围，比如说你本来只提取了和这个妹纸一个月的活动数据，你发现你们月中那次的约会怎么搞得一塌糊涂，你觉得是你的问题。但是当你提取近三个月的数据的时候，你发现每次只要安排在月中的活动，妹纸总是不满意。然后你进行进一步调研发现，原来那是妹纸的姨妈期，心情不好，没闲情逸致跟你干劈情操。那么我们将数据拉长后就发现了活动本身可能是不错的，主要你换个时间可能就会有意想不到的收获。

step.2 拆分

拆分就是说，我们对那次失败活动的各个环节进行分析。一个完整的活动可能包括：吃饭+看电影+逛街+不可描述。可能只是某个环节的问题，导致了最终不理想的结果。当然也可以对妹纸类型进行拆分，比如说这种常规的活动流程，你肯定和10个前任都经历过，你可以按妹纸的属性进行拆分，比如说按星座划分，你可能发现和某个星座的女生一起看科幻片的成功率比较高这种。

step.3 典型

其实典型这一步，也就是有的放矢。比如说，你不甘心你已经是被第10个女朋友甩了。你想知道自己为什么这么失败。那你就以这个妹纸为典型，明确她的个人属性。然后去你的数据库里面找同一属性的前任。然后分析造成你这次又被甩的活动，与这类属性女性的相关性。是不是这种活动，对该类女性就是见光死？当然吃一堑肯定要长一智，再看看你新的约会对象的属性是不是与前任一致，如果一致，请务必避免见光死的活动，选择对这类典型成功率较高的活动进行安排。

step.4 亲测

之前说了，数据分析是经验+数据的组合拳。亲测，顾名思义就是你经验的养成了。就像作为运营人员，有时候搞不清为什么这个活动的转化注册率这么低的时候，肯定是自己要先去体验下一个这个活动流程的，才更容易有切身体会，发现问题出在哪。