利用大数据成功实现脱单,想不到吧!!!

我是新上线的数据君,性别男,23岁,有对象(想不到了吧),But今年的七夕依然一个人过,本人深受打击,不由得回想起自己的脱单历程,顺便也让大家伙也感受下数据的神奇魔力。

利用大数据成功实现脱单,想不到吧!!!

我是新上线的数据君,性别男,23岁,有对象(想不到了吧),But今年的七夕依然一个人过,本人深受打击,不由得回想起自己的脱单历程,顺便也让大家伙也感受下数据的神奇魔力。

数据君的“脱单计划”

脱单计划Step1:拟定思路

How to do :如何找到目标?如何接近目标?如何确定关系?如何打败竞争对手?如何推销自己?

How much :我的预算是多少?

Where :目标经常出现的地点?该地点的特征规律?

Why :为什么要找女朋友?

What :找什么样的女朋友?我的优势or劣势?

Who :谁是我的竞争对手?

When :她的时间规律?我的时间安排?

脱单计划Step2:界定问题

1、我的预算是多少(How much)?

工资不够、花呗、借呗、京东白条一起凑。

2、为什么要找女朋友(Why)?

实在是忍受不了情人节、七夕节、5.20等节日对单身狗的无情暴击。

3、找什么样的女朋友以及我的优势or劣势(What)?

脱单计划Step3:收集数据

首先根据事先设置的条件,数据君认为未来女友不会出现在大学校园及周边,也不会在奢侈品消费场所。出现几率最大的可能是公司内部及周边商场,因此,数据君一闲下来就往这些地方跑,理论上来说可以提升认识未来女友的几率。

然后数据君会积极更新自己在社交媒体上的动态,包括但不限于QQ空间、朋友圈、微博、抖音甚至全民K歌,其目的是将自己健康阳光的一面展示给更多的人。

功夫不负有心人,不到2个星期,数据君成功邂逅了如今的女票小F,当时她在XX办公室学习如何使用Excle,但主管临时有事便让她自学熟悉刚教的操作流程,数据君碰巧撞见,见她愁容满面就顺便帮忙解答她的疑惑。

就在我们认识当天,数据君就收获了大量有效的信息:

获取数据:目标女生数据1、基本数据:年龄、身高、户口所在地、毕业学校、工作单位、家庭状况、微博、微信……

2、规律数据:微博、微信等社交媒体的内容以及更新频率,作息时间规律、经常出入场所及频率

3、喜好数据:喜欢的颜色、食物、运动、偶像,喜欢看的书的类型

获取数据:竞争对手数据

1、基本数据:有几个前男友?目前的追求者?

2、关系数据:每周和目标女生聊天或约会的频率,每次约会的时长,进展程度

3、财力数据:有车?有房?有矿?等各类经济状况……

数据来源一、公共渠道:微博、微信等社交网络

二、市场调查:花钱找专业的调查公司(吃土少年忽略此条)

三、内部渠道:目标女生的朋友圈、数据君自己的朋友圈打听消息

脱单计划Step4:分析数据

分析数据自然难不倒平时热衷于侦探推理小说的数据君。

1、挖掘数据之间的关联性例如最近目标女生的微博、微信更新频率较高,且内容多为悲伤失意,评论中并没有男友的出现,而前男友以及目标情敌的社交平台上毫无反应甚至欢声笑语,不难推断她很可能是失恋了,So机会来了。

2、掌握数据传递出来的规律例如了解目标女生在什么时间点最常出现在某个地方,这样为数据君制造数次巧遇打下基础。综合以上数据分析后,数据君为增加好感,会经常主动创造接近目标女生的机会,除此之外,还会时常关注对方的微博、微信内容,比如某天对方更新一条信息:“不小心把手割伤了,没人疼的孩子真可怜”,数据君见状秒级评论表示心疼,并在次日送上爱心小礼品以及药膏。之后又根据目标女生的喜好,不断制造惊喜,最后在七夕那天,双方确认男女朋友关系,数据君终于完成了“脱单计划”。

自古深情留不住,只是套路得人心虽说这句话不完全对,但是运用好这些数据,成功的几率往往能有很大的提升。

仍旧单身的你学会了吗?如果没有也没关系,2018年9月15日让我们数聚申城,探索和发现来自数据的神奇魅力。

本文由 CPDA数据分析师 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/60087.html 。

(8)
上一篇 2018-08-30 05:01
下一篇 2018-08-31 05:00

相关文章

  • 如何做一名懂得拒绝的数据分析师

    不懂得拒绝的数据分析师,最后都累死了。。。

    2019-11-05
    2
  • 大数据营销的SMART准则:现已加入营销必备技能包

    摘要:SMART原则即目标管理,由管理学大师Peter Drucker提出,根据Drucker的说法,管理人员一定要避免“活动陷阱”(Activity Trap),不能只顾低头拉车,而不抬头看路,最终忘了自己的主要目标。 作为营销人员,经常穿梭于数据的海洋之中,企图通过数据找到目标用户,找出他们的行为,发现他们需要的信息,最终有效率的实施企业的营销活动。以下…

    2015-12-07
    0
  • 构建企业大数据体系的六个层级

    本文将企业大数据体系的构建分为六个层级,但并非是线性过程,每个层级之间或有基础关系,但并不是说一定要逐层构建。

    2016-05-22
    0
  • BI的囚徒困境

    在传统BI时代,企业的数据意识并不强,BI更多应在工具层面去提升效率,比如人工取个数很慢,就搞个自助取数工具,其效果好过搞高大上的模型或专题分析。

    2017-03-06
    0
  • 沈艳:大数据分析的光荣与陷阱

    【摘要】本文从谷歌流感趋势2009年前后表现差异谈起,讨论了大数据分析容易面临的大数据自大、算法演化、看不见的动机导致数据生成机制变化等陷阱,以及对我国大数据产业发展的借鉴。本文认为,为健康发展大数据产业,我国需要防范大数据自大风险、推动大数据产业和小数据产业齐头并进,并强化提高大数据透明度、审慎评估大数据质量等方面的努力。 一、谷歌流感趋势:未卜先知 “谷…

    2015-10-29
    0
关注我们
关注我们
分享本页
返回顶部