Inside OKCupid: The math of online dating - Christian Rudder

Translator: Andrea McDonough Reviewer: Bedirhan Cinar

תרגום: Ido Dekkers עריכה: Sigal Tifferet

Hello, my name is Christian Rudder,

שלום, שמי כריסטיאן רודר,

and I was one of the founders of OkCupid.

ואני הייתי אחד המקימים של OK קופידון.

It's now one of the biggest dating sites in the United States.

כרגע זה אחד מאתרי ההכרויות הגדולים ביותר בארצות הברית.

Like most everyone at the site, I was a math major,

כמו כמעט כולם באתר,

הייתי בוגר מתמטיקה, וכמו שאתם יכולים לצפות,

As you may expect, we're known for the analytic approach we take to love.

אנחנו ידועים בגישה האנליטית

שיש לנו לאהבה.

אנחנו קוראים לה אלגוריתם ההתאמה שלנו.

We call it our matching algorithm.

בעיקרון אלגוריתם ההתאמה של OK קופידון

Basically, OkCupid's matching algorithm helps us decide

עוזר לנו להחליט אם שני אנשים צריכים לצאת לפגישה.

whether two people should go on a date.

We built our entire business around it.

בנינו את כל העסק סביב זה.

Now, algorithm is a fancy word,

עכשיו אלגוריתם זו מילה מפוארת,

and people like to drop it like it's this big thing.

ואנשים אוהבים להגיד אותה כאילו זה דבר גדול כזה,

But really, an algorithm is just a systematic,

אבל, למעשה, אלגוריתם הוא דרך,

step-by-step way to solve a problem.

שיטתית של שלב אחר שלב לפתור בעיה.

It doesn't have to be fancy at all.

זה לא חייב להיות מפואר בכלל.

כאן, בשיעור הזה, אני עומד להסביר

Here in this lesson,

I'm going to explain how we arrived at our particular algorithm,

איך הגענו לאלגוריתם היחודי שלנו

כך שתראו איך זה נעשה.

so you can see how it's done.

Now, why are algorithms even important?

עכשיו, למה אלגוריתמים בכלל חשובים?

Why does this lesson even exist?

למה השיעור הזה בכלל קיים?

Well, notice one very significant phrase I used above:

ובכן, שימו לב לביטוי אחד חשוב למעלה שהשתמשתי בו:

they are a step-by-step way to solve a problem,

יש דרך של שלב אחר שלב לפתור את הבעיה,

and as you probably know, computers excel at step-by-step processes.

וכמו שאתם בוודאי יודעים,

מחשבים מצטיינים בתהליכים של שלב אחר שלב.

A computer without an algorithm

מחשב בלי אלגוריתם

הוא בעיקרון משקולת נייר יקרה.

is basically an expensive paperweight.

And since computers are such a pervasive part of everyday life,

ומאחר ומחשבים הם דבר כה נפוץ בחיים היום יומיים,

algorithms are everywhere.

אלגוריתמים הם בכל מקום.

The math behind OkCupid's matching algorithm is surprisingly simple.

המתמטיקה מאחורי אלגוריתם ההתאמה של OK קופידון

היא פשוטה להפליא.

It's just some addition, multiplication, a little bit of square roots.

זה פשוט קצת חיבור,

כפל,

ומעט שורשים מרובעים.

The tricky part in designing it

החלק הקשה בלתכנן את זה, עם זאת,

was figuring out how to take something mysterious,

היה להבין איך לקחת משהו מסתורי,

human attraction,

משיכה אנושית,

and break it into components that a computer can work with.

ולפרק את זה לחלקים שמחשב יכול לעבוד איתם.

ובכן, הדבר הראשון שהיינו צריכים כדי לשדך אנשים היה מידע,

The first thing we needed to match people up was data,

something for the algorithm to work with.

משהו לאלגוריתם לעבוד עליו.

The best way to get data quickly from people is to just ask for it.

הדרך הטובה ביותר כדי להשיג מידע מאנשים במהירות

הוא פשוט לבקש אותו.

So we decided that OkCupid should ask users questions,

אז, החלטנו שOK קופידון ישאל אנשים שאלות,

stuff like, "Do you want to have kids one day?"

דברים כמו, "אתה רוצה ילדים יום אחד?"

ו "באיזו תכיפות אתה מצחצח את השיניים?",

"How often do you brush your teeth?"

"Do you like scary movies?"

"אתה אוהב סרטים מפחידים?"

And big stuff like, "Do you believe in God?"

ודברים גדולים כמו "אתה מאמין באלוהים?"

Now, a lot of the questions are good for matching like with like,

עכשיו, הרבה מהשאלות טובות

להתאמת תחומי עניין,

that is, when both people answer the same way.

זה כששני האנשים עונים אותו הדבר.

For example, two people who are both into scary movies

לדוגמה, שני אנשים שאוהבים סרטים מפחידים

are probably a better match than one person who is and one who isn't.

הם כנראה התאמה טובה יותר

מאדם אחד שאוהב

ואדם שני שלא.

But what about a question like,

אבל מה עם שאלות כמו,

"Do you like to be the center of attention?"

"אתה אוהב להיות במרכז העניינים?"

If both people in a relationship are saying yes to this,

אם שני האנשים ביחסים אומרים כן לזה,

אז הם יהיו בבעיה גדולה.

they're going to have massive problems.

We realized this early on,

הבנו את זה די בהתחלה,

and so we decided we needed a bit more data from each question.

ואז החלטנו שאנחנו צריכים

יותר מידע מכל שאלה.

We had to ask people to specify not only their own answer,

היינו צריכים לבקש מאנשים לפרט לא רק את התשובה שלהם,

but the answer they wanted from someone else.

אלא את התשובה שהם רצו מהאדם השני.

That worked really well.

זה עבד ממש טוב,

But we needed one more dimension.

אבל היינו צריכים עוד מימד.

Some questions tell you more about a person than others.

כמה מהשאלות מספרות לכם על האדם יותר מאחרות.

For example, a question about politics, something like,

לדוגמה, שאלה על פוליטיקה, משהו כמו,

"מה גרוע יותר: שריפת ספרים או שריפת דגלים?"

"Which is worse: book burning or flag burning?"

might reveal more about someone than their taste in movies.

אולי תגלה יותר על מישהו מהטעם שלהם בסרטים.

And it doesn't make sense to weigh all things equally,

וזה לא הגיוני לשקלל את כל הדברים במשקל זהה,

אז אנחנו צריכים להוסיף עוד נקודת מידע אחרונה.

so we added one final data point.

For everything that OkCupid asks you,

לכל דבר שOK קופידון שואל אתכם,

you have a chance to tell us the role it plays in your life.

יש לכם אפשרות להגיד לנו

את התפקיד שזה משחק בחייכם,

And this ranges from irrelevant to mandatory.

וזה נע מלא רלוונטי להכרחי.

So now, for every question, we have three things for our algorithm:

אז עכשיו, לכל שאלה,

יש לנו שלושה דברים לאלגוריתם שלנו:

first, your answer;

ראשית, את התשובה שלכם;

second, how you want someone else -- your potential match -- to answer;

שנית, איך הייתם רוצים שמישהו אחר,

ההתאמה הפוטנציאלית שלכם,

יענה;

and third, how important the question is to you at all.

ושלישית, כמה השאלה בכלל חשובה לכם.

With all this information,

עם כל המידע הזה,

OkCupid can figure out how well two people will get along.

OK קופידון יכול להבין כמה שני אנשים יכולים להתאים.

The algorithm crunches the numbers and gives us a result.

האלגוריתם מעבד את המספרים ונותן לנו תוצאה.

כדוגמה מעשית,

As a practical example,

let's look at how we'd match you with another person.

בואו נראה איך נתאים אתכם לאדם אחר,

Let's call him "B."

בואו נקרא לו, "ב".

התאמת האחוזים שלכם עם ב מבוססת על

Your match percentage with B is based on questions you've both answered.

שאלות ששניכם עניתם.

Let's call that set of common questions "s."

בואו נקרא לסט הזה של שאלות משותפות, "ס".

כדוגמה ממש פשוטה, נשתמש בסט קטן "ס"

As a very simple example, we use a small set "s"

with just two questions in common,

עם רק שתי שאלות משותפות

and compute a match from that.

ונחשב התאמה לפי זה.

Here are our two example questions.

הנה שתי שאלות הדוגמה שלנו.

The first one, let's say, is, "How messy are you?"

הראשונה, נגיד, היא," כמה מבולגן אתה?"

And the answer possibilities are:

והתשובות האפשריות הן

very messy, average and very organized.

מאוד מבולגן,

ממוצע,

ומאוד מסודר.

And let's say you answered "very organized,"

ובואו נגיד שעניתם "מאוד מסודר,"

והייתם רוצים מישהו אחר שענה "מאוד מסודרים,"

and you'd like someone else to answer "very organized,"

and the question is very important to you.

והשאלה היא מאוד חשובה לכם.

Basically, you're a neat freak.

בעיקרון אתם משוגעים לסדר.

You're neat, you want someone else to be neat, and that's it.

אתם מסודרים,

אתם רוצים מישהו אחר שיהיה מסודר,

וזהו זה.

And let's say B is a little bit different.

ובואו נגיד ש"ב" הוא מעט שונה.

He answered "very organized" for himself,

הוא ענה מאוד מסודר על עצמו,

but "average" is OK with him as an answer from someone else,

אבל ממוצע בסדר לו

כתשובה של מישהו אחר,

and the question is only a little important to him.

והשאלה רק מעט חשובה לו.

בואו נביט בשאלה השניה,

Let's look at the second question, from our previous example:

היא זאת מהדוגמה הקודמת שלנו:

"האם אתם אוהבים להיות מרכז העניינים?"

"Do you like to be the center of attention?"

התשובות הן רק כן ולא.

The answers are "yes" and "no."

You've answered "no," you want someone else to answer "no,"

עכשיו אתם עניתם "לא,"

ורציתם שגם השני יענה "לא,"

and the question is only a little important to you.

והשאלה היא רק מעט חשובה לכם.

עכשיו "ב", ענה "כן,"

Now B, he's answered "yes."

He wants someone else to answer "no,"

והוא רוצה שהאחר יענה "לא,"

because he wants the spotlight on him,

מפני שהוא רוצה את אור הזרקורים עליו,

and the question is somewhat important to him.

והשאלה היא מעט חשובה לו.

So, let's try to compute all of this.

אז, בואו ננסה לחשב את כל זה.

Our first step is, since we use computers to do this,

השלב הראשון שלנו הוא,

מאחר ואנחנו משתמשים במחשבים כדי לעשות את זה,

we need to assign numerical values

אנחנו צריכים לשייך ערכים מספריים

to ideas like "somewhat important" and "very important,"

לרעיונות כמו "מעט חשוב" ומאוד חשוב"

because computers need everything in numbers.

מפני שמחשבים צריכים הכל במספרים.

We at OkCupid decided on the following scale:

אנחנו ב OK קופידון החלטנו על המדד הבא:

"Irrelevant" is worth 0.

לא רלוונטי שווה 0,

קצת חשוב זה 1,

"A little important" is worth 1.

"Somewhat important" is worth 10.

די חשוב שווה 10,

"Very important" is 50.

מאוד חשוב זה 50,

And "absolutely mandatory" is 250.

והכרחי לחלוטין זה 250.

Next, the algorithm makes two simple calculations.

אחרי זה, האלגוריתם עושה שני חישובים פשוטים.

The first is: How much did B's answers satisfy you?

הראשון הוא כמה התשובות של "ב" מספקות אתכם,

שזה אומר, כמה נקודות אפשריות "ב" קיבל במדד שלכם?

That is, how many possible points did B score on your scale?

Well, you indicated that B's answer to the first question,

ובכן, אמרתם שהתשובה של "ב"

לשאלה הראשונה על סדר

about messiness,

היא מאוד חשובה לכם.

was very important to you.

It's worth 50 points and B got that right.

היא שווה 50 נקודות ו"ב" קלע אליה.

The second question is worth only 1,

השאלה השניה שווה רק 1

מפני שאמרתם שזה רק קצת חשוב לכם,

because you said it was only a little important.

ו"ב" לא קלע לזה.

B got that wrong,

so B's answers were 50 out of 51 possible points.

אז התשובות של "ב" היו 50 מתוך 51 נקודות אפשריות.

That's 98% satisfactory. Pretty good.

זה סיפוק של 98%.

זה די טוב.

The second question the algorithm looks at is: How much did you satisfy B?

והשאלה השניה שהאלגורתם בודק

זה כמה אתם מספקים את "ב".

ובכן, "ב" נתן נקודה אחת לתשובה שלכם

Well, B placed 1 point on your answer to the messiness question

לשאלת הסדר

and 10 on your answer to the second.

ו 10 על התשובה שלכם לשניה.

Of those 11, that's 1 plus 10, you earned 10 --

מאלה, 11, זה 1 ועוד 10,

אתם הרווחתם 10,

you guys satisfied each other on the second question.

אתם סיפקתם אחד את השני בשאלה השניה.

So your answers were 10 out of 11 equals 91 percent satisfactory to B.

אז התשובה שלכם היתה 10 מתוך 11

שזה שווה ל 91% סיפוק ל "ב".

That's not bad.

זה לא רע.

The final step is to take these two match percentages

השלב האחרון הוא לקחת את שתי התאמות האחוז האלו

and get one number for the both of you.

ולקבל מספר אחד לשניכם.

To do this, the algorithm multiplies your scores,

כדי לעשות את זה, האלגוריתם מכפיל את התוצאות שלכם,

אז הוא לוקח את השורש ה"n",

then takes the nth root,

where "n" is the number of questions.

כש "n" הוא מספר השאלות.

מפני ש"ס", שזה מספר השאלות,

Because s, which is the number of questions in this sample,

בדוגמה הזו, הוא רק 2,

is only 2,

we have: match percentage equals the square root

יש לנו אחוז התאמה ששווה

לשורש ריבועי של 98% כפול 91%.

of 98 percent times 91 percent.

That equals 94 percent.

זה שווה 94%.

That 94 percent is your match percentage with B.

ה94% האלה הם אחוז ההתאמה שלכם ל"ב".

It's a mathematical expression of how happy you'd be with each other,

זה ביטוי מתמטי

של כמה מאושרים אתם תהיו אחד עם השני

based on what we know.

בהתבסס על מה שאנחנו יודעים.

עכשיו, למה האלגוריתם מכפיל ולא

Now, why does the algorithm multiply,

as opposed to, say, average the two match scores together,

ממצע את שתי התוצאות יחד

and do the square-root business?

ומחשב שורש ריבועי?

In general, this formula is called the geometric mean.

בכללי, הנוסחה נקראת הממוצע הגאומטרי,

It's a great way to combine values that have wide ranges

שזו דרך מעולה לשלב ערכים

שיש להם טווח רחב

and represent very different properties.

ומייצגים תכונות שונות מאוד.

במילים אחרות, זה מושלם להתאמה רומנטית.

In other words, it's perfect for romantic matching.

You've got wide ranges and you've got tons of different data points,

יש לכם טווח רחב

ויש לכם המון נקודות מידע,

כמו שאמרתי, על סרטים,

like I said, about movies, politics, religion -- everything.

על פוליטיקה,

על דת,

על הכל.

Intuitively, too, this makes sense.

באופן אינטואיטיבי זה הגיוני.

Two people satisfying each other 50 percent

שני אנשים שמספקים אחד את השני 50%

צריכים להיות התאמה טובה יותר

should be a better match than two others who satisfy 0 and 100,

מאלה שמספקים אחד את השני 0 ו 100,

because affection needs to be mutual.

מפני שחיבה צריכה להיות הדדית.

אחרי הוספת תיקון קטן למרווח טעות,

After adding a little correction for margin of error,

in the case where we have a small number of questions,

במקרה שיש לנו מספר קטן של שאלות,

כמו שאנחנו עושים בדוגמה הזו,

like we do in this example,

we're good to go.

אנחנו מוכנים לצאת לדרך.

Any time OkCupid matches two people,

כל פעם שOK קופידון מתאים שני אנשים,

it goes through the steps we just outlined.

הוא עובר את השלבים שהראנו.

First it collects data about your answers,

ראשית הוא אוסף מידע על התשובות שלכם,

אז הוא משווה את הבחירות שלכם וההעדפות שלכם

then it compares your choices and preferences to other people's

לאנשים האחרים בדרכים מתמטיות פשוטות.

in simple, mathematical ways.

היכולת לקחת תופעה מהעולם האמיתי

This, the ability to take real-world phenomena

and make them something a microchip can understand,

ולהפוך אותה למשהו שמיקרומעבד יכול להבין,

is, I think, the most important skill anyone can have these days.

היא, אני חושב,

היכולת הכי חשובה שיכולה להיות למישהו היום.

Like you use sentences to tell a story to a person,

כמו שאתם משתמשים במשפטים כדי לספר סיפור לאדם,

אתם משתמשים באלגוריתמים לספר סיפור למחשב.

you use algorithms to tell a story to a computer.

אם תלמדו את השפה,

If you learn the language, you can go out and tell your stories.

אתם יכולים לצאת ולספר את הסיפורים שלכם.

אני מקווה שזה יעזור לכם לעשות את זה.

I hope this will help you do that.