Inside OKCupid: The math of online dating - Christian Rudder

เจาะลึกโอเคคิวปิด (OKCupid): คณิตศาสตร์ของการหาคู่ออนไลน์ - คริสเตียน รัดเดอร์ (Christian Rudder)

Translator: Andrea McDonough Reviewer: Bedirhan Cinar

Translator: Pongsakorn Puavaranukroh Reviewer: Kelwalin Dhanasarnsombut

Hello, my name is Christian Rudder,

สวัสดีครับ ผมชื่อ คริสเตียน รัดเดอร์ (Christian Rudder)

and I was one of the founders of OkCupid.

และผมก็เป็นหนึ่งในผู้ก่อตั้ง โอเคคิวปิด (OKCupid)

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

ตอนนี้มันเป็นหนึ่งในเว็บหาคู่ ที่ใหญ่ที่สุดในอเมริกา

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

ก็เหมือน ๆ กับพนักงานส่วนใหญ่ที่นั่น

ผมจบเอกคณิตศาสตร์ และอย่างที่คุณคาด

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

พวกเราขึ้นชื่อในเรื่องการวิเคราะห์ข้อมูล

พวกเราได้นำมันมาใช้ในการหาคู่

พวกเราเรียกมันว่า อัลกอริทึมการจับคู่ (matching algorithm)

We call it our matching algorithm.

อัลกอริทึมที่ว่าของ โอเค คิวปิด

Basically, OkCupid's matching algorithm helps us decide

ช่วยเราในการตัดสินว่า คนสองคนนี้ควรไปเดทกันหรือไม่

whether two people should go on a date.

We built our entire business around it.

มันเป็นหัวใจของบริษัทเราเลยล่ะ

Now, algorithm is a fancy word,

อัลกอริทึม ฟังดูเป็นคำหรูหรา

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

ผู้คนชอบพูดถึงมันเหมือนว่ามันเป็นอะไรใหญ่โต

But really, an algorithm is just a systematic,

แต่จริง ๆ แล้ว อัลกอริทึม ก็เป็นแค่วิธีในการแก้ปัญหา

step-by-step way to solve a problem.

อย่างเป็นระบบและเป็นขั้นตอน

It doesn't have to be fancy at all.

มันไม่จำเป็นต้องมีอะไรหรูหราเลยสักนิด

ในบทเรียนนี้ ผมจะอธิบายว่า

Here in this lesson,

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

เราคิดอัลกอริทึมของเราขึ้นมาได้อย่างไร

คุณจะได้เห็นที่มาของมัน

so you can see how it's done.

Now, why are algorithms even important?

แล้วทำไมอัลกอริทึมทั้งหลายจึงสำคัญ

Why does this lesson even exist?

ทำไมต้องมีบทเรียนอันนี้

Well, notice one very significant phrase I used above:

สังเกตเห็นคำคำหนึ่งที่ผมได้พูดไปไหม

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

พวกมันเป็นวิธีแก้ปัญหาอย่างเป็นขั้นเป็นตอน

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

บางทีคุณอาจจะรู้อยู่แล้วว่า

คอมพิวเตอร์เก่งในเรื่องการทำงานเป็นขั้นตอน

A computer without an algorithm

คอมพิวเตอร์ที่ปราศจากอัลกอริทึม

ก็เป็นแค่ที่ทับกระดาษแพง ๆ

is basically an expensive paperweight.

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

และเนื่องจากคอมพิวเตอร์นั้น พบได้ทั่วไปในชีวิตประจำวัน

algorithms are everywhere.

อัลกอริทึมจึงมีอยู่ทุกหนทุกแห่ง

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

คณิตศาสตร์เบื้องหลังอัลกอริทึมการจับคู่ ของโอเค คิวปิด นั้น

เรียบง่ายจนน่าตกใจ

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

มันใช้แค่ การบวก

การคูณ

และการถอดราก นิดหน่อย

The tricky part in designing it

แต่จุดที่ยากในการออกแบบมัน

was figuring out how to take something mysterious,

ก็คือว่า จะทำอย่างไรกับข้อมูลที่ดูลึกลับ

human attraction,

อย่างแรงดึงดูดระหว่างคนสองคน

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

และย่อยมันเป็นองค์ประกอบ ที่คอมพิวเตอร์สามารถนำไปวิเคราะห์ได้

เอาล่ะ สิ่งแรกที่จำเป็น สำหรับการจับคู่ก็คือ ข้อมูล

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

something for the algorithm to work with.

อะไรบางอย่างที่อัลกอริทึมเอาไปใช้

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

วิธีที่ดีที่สุดที่จะได้ข้อมูลจากผู้คน

ก็คือ การถามจากพวกเขานั่นเอง

So we decided that OkCupid should ask users questions,

เราจึงตัดสินใจว่า โอเค คิวปิด ควรถามคำถามกับผู้ใช้งาน

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

อย่างเช่น "ในอนาคต คุณต้องการมีลูกหรือไม่"

และ "คุณแปรงฟันบ่อยแค่ไหน"

"How often do you brush your teeth?"

"Do you like scary movies?"

"คุณชอบหนังสยองขวัญหรือไม่"

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

หรือคำถามหนัก ๆ อย่าง "คุณเชื่อในพระเจ้าหรือไม่"

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

ทีนี้ หลาย ๆ คำถามนั้นเป็นประโยชน์

สำหรับการจับคู่คนที่ชอบอะไรเหมือน ๆ กัน

that is, when both people answer the same way.

นั่นเกิดขึ้นเมื่อคู่ตอบคำถาม ไปในทางเดียวกัน

For example, two people who are both into scary movies

เช่น คนสองคนที่เป็นแฟนหนังสยองขวัญ

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

ก็น่าจะเข้ากันได้ดี

มากกว่า กรณีที่คนนึงชอบ

แต่อีกคนไม่ชอบ

But what about a question like,

แล้วถ้าเกิดเป็นคำถามอย่างเช่น

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

"คุณชอบที่จะตกเป็นจุดสนใจหรือไม่" ล่ะ

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

ถ้าเกิดคู่รักทั้งสอง ตอบใช่ทั้งคู่

นั่นคงจะทำให้เกิดปัญหาใหญ่ตามมา

they're going to have massive problems.

We realized this early on,

พวกเราตะหนักดีถึงเรื่องเหล่านี้

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

เราจึงคิดว่าเราต้องการ

ข้อมูลที่ลึกลงไปอีกสำหรับแต่ละคำถาม

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

เราต้องการให้พวกเขา ไม่เพียงแค่ระบุคำตอบของพวกเขาเอง

but the answer they wanted from someone else.

แต่ยังต้องระบุคำตอบที่อยากได้จากอีกคนด้วย

That worked really well.

ซึ่งมันให้ผลลัพธ์ที่ดีมาก

But we needed one more dimension.

แต่เรายังต้องการอะไรเพิ่มอีกสักอย่าง

Some questions tell you more about a person than others.

บางคำถามนั้นบอกคุณเกี่ยวคนคนหนึ่ง ได้ดีกว่าคำถามอื่น

For example, a question about politics, something like,

เช่น คำถามเกี่ยวกับการเมือง อย่างเช่น

"อย่างไหนแย่กว่าระหว่าง เผาหนังสือ กับ เผาธง"

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

might reveal more about someone than their taste in movies.

อาจเผยให้เห็นตัวตนของคนคนหนึ่ง ได้ดีกว่าคำถามเกี่ยวกับหนัง

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

มันดูไม่มีเหตุผล ที่จะให้ทุกคำถามมีน้ำหนักเท่ากันหมด

ดังนั้นเราจึงเพิ่มตัวแปรสุดท้ายเข้าไปอีกอันนึง

so we added one final data point.

For everything that OkCupid asks you,

สำหรับทุก ๆ คำถามที่ โอเค คิวปิด ถามคุณ

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

คุณมีโอกาสที่จะบอกเรา

ว่าคุณซีเรียสกับมันแค่ไหน

And this ranges from irrelevant to mandatory.

ตั้งแต่เป็นเรื่องขี้ปะติ๋ว ไปจนถึงเป็นเรื่องคอขาดบาดตาย

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

ทีนี้ สำหรับทุก ๆ คำถาม

เราก็ได้ 3 สิ่งสำหรับอัลกอริทึมของเรา

first, your answer;

หนึ่ง คำตอบของคุณเอง

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

สอง คำตอบที่คุณอยากให้คนอื่น

คนที่เป็นว่าที่คู่ของคุณ

ให้คำตอบ

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

และสาม คำถามนี้สำคัญกับคุณแค่ไหน

With all this information,

ด้วยข้อมูลทั้งหมดนี้

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

โอเคคิวปิด สามารถบอกได้ว่าคนสองคนนี้ จะไปกันได้ดีแค่ไหน

The algorithm crunches the numbers and gives us a result.

อัลกอริทึมจะวิเคราะห์ตัวเลขและให้ผลลัพธ์ออกมา

ลองมาดูตัวอย่างกัน

As a practical example,

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

ดูซิว่า เราทำการจับคู่คุณเข้ากับคนอื่นได้อย่างไร

Let's call him "B."

สมมติให้เขาชื่อ นายบี

เปอร์เซ็นต์ที่คุณจะคู่กับ นายบี ขึ้นอยู่กับ

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

คำถามที่คุณทั้งคู่ตอบ

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

เราตั้งชื่อมันว่า ชุดคำถามทั่วไป "เอส"

ในตัวอย่างนี้ เราใช้คำถามจากชุดคำถาม "เอส"

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

with just two questions in common,

เพียงแค่ 2 คำถาม

and compute a match from that.

นำมาคำนวนหาความเข้าคู่กัน

Here are our two example questions.

และนี่เป็นตัวอย่างคำถาม 2 ข้อนั้น

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

ข้อที่หนึ่ง "คุณเป็นคนซกมกแค่ไหน"

And the answer possibilities are:

คำตอบก็เป็นได้ตั้งแต่

very messy, average and very organized.

ซกมกสุด ๆ

ระดับปกติ

และเรียบร้อยสุด ๆ

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

สมมติว่าคำตอบของคุณคือ "เรียบร้อยสุด ๆ"

คุณก็คงจะอยากให้คู่ของคุณตอบ "เรียบร้อยสุด ๆ" เช่นกัน

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

and the question is very important to you.

และคำถามนี้ถือว่ามีความสำคัญกับคุณมาก

Basically, you're a neat freak.

สำหรับคุณแล้วทุกอย่างต้องหมดจดเรียบร้อย

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

คุณเป็นคนเรียบร้อย

คุณต้องการให้อีกคนเป็นระเบียบเรียบร้อย

ก็แค่นั้นเอง

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

ส่วนนาย บี นั้นต่างออกไปเล็กน้อย

He answered "very organized" for himself,

เขาตอบว่า "เรียบร้อยสุด ๆ" สำหรับตัวเขา

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

แต่ตอบว่า "ระดับปกติ" ก็โอเคสำหรับเขา

สำหรับคำตอบของอีกคน

and the question is only a little important to him.

และเขาก็ไม่ค่อยซีเรียสกับคำถามนี้สักเท่าไร

ทีนี้ลองมาดูคำถามที่สองกัน

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

มันมาจากหนึ่งในตัวอย่างก่อนโน้น

"คุณชอบที่จะตกเป็นจุดสนใจใช่หรือไม่"

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

คำตอบเป็นได้แค่ ใช่ กับ ไม่ใช่

The answers are "yes" and "no."

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

ทีนี้คุณตอบว่า "ไม่ใช่"

คำตอบที่คุณอยากให้อีกคนตอบ คือ "ไม่ใช่"

and the question is only a little important to you.

และคำถามนี้ก็ไม่ค่อยสำคัญกับคุณสักเท่าไร

ส่วน นาย บี คำตอบของเขาคือ "ใช่"

Now B, he's answered "yes."

He wants someone else to answer "no,"

คำตอบที่เขาอยากให้อีกคนตอบ คือ "ไม่ใช่"

because he wants the spotlight on him,

เพราะเขาต้องการเป็นจุดเด่น

and the question is somewhat important to him.

และคำถามนี้ก็ค่อนข้างสำคัญกับเขามาก

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

เราลองมาวิเคราะห์ผลทั้งหมดนี้กัน

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

อันดับแรก คือ

เนื่องจากเราต้องอาศัยคอมพิวเตอร์

we need to assign numerical values

เราจึงต้องกำหนดค่าต่าง ๆ เป็นตัวเลข

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

สำหรับคำตอบเช่น "ค่อนข้างสำคัญ" หรือ "สำคัญมาก"

because computers need everything in numbers.

เพราะคอมพิวเตอร์เข้าใจแต่ตัวเลข

We at OkCupid decided on the following scale:

พวกเราที่ โอเคคิวปิด กำหนดค่าต่าง ๆ ตามนี้

"Irrelevant" is worth 0.

"ไม่สำคัญเลย" มีค่าเท่ากับ 0

"สำคัญเล็กน้อย" มีค่าเท่ากับ 1

"A little important" is worth 1.

"Somewhat important" is worth 10.

"ค่อนข้างสำคัญ" มีค่าเท่ากับ 10

"Very important" is 50.

"สำคัญมาก" มีค่าเท่ากับ 50

And "absolutely mandatory" is 250.

"เป็นเรื่องคอขาดบาดตาย" มีค่าเท่ากับ 250

Next, the algorithm makes two simple calculations.

อัลกอริทึมก็จะทำการคำนวนง่าย ๆ 2 อย่าง

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

อย่างแรก คุณพึงพอใจคำตอบของ นายบี แค่ไหน

หรือก็คือ ความเป็นไปได้ของคะแนนของนายบี ตามระดับของคุณเป็นเท่าไร

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

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

คุณบอกว่า คำตอบของนายบี

สำหรับคำถามแรกเกี่ยวกับความซกมก

about messiness,

สำคัญมากสำหรับคุณ

was very important to you.

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

มันจึงมีค่า 50 คะแนน และนายบีก็ตอบได้ถูกใจคุณ

The second question is worth only 1,

ส่วนคำถามที่สองมีค่าแค่ 1

เพราะคุณบอกว่ามันสำคัญแค่เล็กน้อยเท่านั้น

because you said it was only a little important.

และนายบีก็ตอบไม่เข้าเป้า

B got that wrong,

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

ดังนั้นคะแนนจากคำตอบของนายบี จึงเท่ากับ 50 เต็ม 51

That's 98% satisfactory. Pretty good.

หรือ คะแนนความพึงพอใจเท่ากับ 98%

ถือว่าดีทีเดียว

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

และ คำถามที่สองของที่อัลกอริทึมจะคำนวน

ก็คือนายบีจะพึงพอใจคุณแค่ไหน

สำหรับนายบี คำถามเรื่องระดับความซกมก

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

มีค่าแค่ 1 คะแนน

and 10 on your answer to the second.

ส่วนคำถามข้อที่สองมีค่า 10 คะแนน

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

ดังนั้นคะแนนเต็ม 11 ซึ่งคือ 1 บวก 10

คุณก็ทำได้ 10 คะแนน

you guys satisfied each other on the second question.

คุณทั้งคู่พึงพอใจกับคำถามที่สองของแต่ละฝ่าย

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

คุณได้คะแนน 10 เต็ม 11

เท่ากับสำหรับนายบีแล้ว คุณมีความพึงพอใจ 91%

That's not bad.

มันก็ไม่เลวนัก

The final step is to take these two match percentages

ขั้นตอนสุดท้ายก็คือ นำค่าเปอร์เซ็นต์ทั้งสองค่านั้น

and get one number for the both of you.

ทำให้เป็นค่าเดียวกันสำหรับคุณทั้งสอง

To do this, the algorithm multiplies your scores,

โดยอัลกอริทึมจะนำค่าทั้งสองมาคูณกัน

แล้วถอดรากที่ n

then takes the nth root,

where "n" is the number of questions.

โดย n คือจำนวนของคำถามทั้งหมด

แต่ s ซึ่งคือจำนวนคำถามในตัวอย่างนี้

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

มีแค่ 2 ข้อ

is only 2,

we have: match percentage equals the square root

เปอร์เซ็นต์การจับคู่จึงเท่ากับ

รากที่สองของ 98% คูณ 91%

of 98 percent times 91 percent.

That equals 94 percent.

ซึ่งเท่ากับ 94%

That 94 percent is your match percentage with B.

94% ก็คือโอกาสที่คุณจะเข้ากันได้กับนายบี

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

มันเป็นค่าตัวเลขที่แสดงว่า

คุณน่าจะมีความสุขด้วยกันแค่ไหน

based on what we know.

โดยอาศัยจากข้อมูลที่เรามี

แล้วทำไมอัลกอริทึมนี้ถึงต้องเอาค่ามาคูณกัน

Now, why does the algorithm multiply,

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

แทนที่จะแค่หาค่าเฉลี่ยก็พอ

and do the square-root business?

แถมยังมีการถอดรากอีกทำไมกัน

In general, this formula is called the geometric mean.

ทั่วไปแล้ว สูตรคณิตนี้มีชื่อว่า ค่าเฉลี่ยเรขาคณิต (Geometric Mean)

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

ซึ่งเป็นวิธีที่ดีที่ใช้ในการหาค่าเฉลี่ยของข้อมูล

ที่มีพิสัยของข้อมูลกว้าง

and represent very different properties.

และมีที่มาของข้อมูลหลากหลาย

อีกนัยก็คือ มันเหมาะที่จะใช้กับการหาคู่มาก

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

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

คุณมีข้อมูลที่มีพิสัยกว้าง

คุณมีการให้คะแนนที่หลากหลายมาตรฐาน

อย่างที่เคยพูดถึงข้อมูลที่เกี่ยวกับภาพยนตร์

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

เกี่ยวกับการเมือง

เกี่ยวกับศาสนา

หรือในทุก ๆ เรื่อง

Intuitively, too, this makes sense.

ลึก ๆ แล้ว มันดูเข้าท่า

Two people satisfying each other 50 percent

คนสองคนที่มีระดับความพึงพอใจต่อกันที่ 50%

ควรจะเข้ากันได้ดีกว่า

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

กรณีระดับความพอใจ ที่คนนึงได้ 0 แต่อีกคนได้ 100

because affection needs to be mutual.

เพราะความรักเป็นเรื่องระหว่างคนสองคน

หลังจากที่เราปรับแก้เล็กน้อย สำหรับค่าความคลาดเคลื่อน

After adding a little correction for margin of error,

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

ในกรณีที่ชุดคำถามมีคำถามน้อยมาก ๆ

เหมือนที่ทำในตัวอย่าง

like we do in this example,

we're good to go.

มันก็พร้อมใช้งานได้จริง

Any time OkCupid matches two people,

เมื่อใดก็ตามที่ โอเคคิวปิด จับคู่ระหว่างคนสองคน

it goes through the steps we just outlined.

มันก็จะทำไปตามขั้นตอนอย่างที่ได้กล่าวไป

First it collects data about your answers,

เริ่มจาก รวบรวมคำตอบของคุณ

ต่อมา เปรียบเทียบคำตอบและความชอบของคุณ

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

กับคนอื่น ด้วยคณิตศาสตร์ง่าย ๆ

in simple, mathematical ways.

การที่เราสามารถ นำปรากฎการณ์ต่าง ๆ ในชีวิตจริง

This, the ability to take real-world phenomena

and make them something a microchip can understand,

แล้วทำให้เป็นอะไรที่คอมพิวเตอร์เข้าใจได้

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

ผมคิดว่าสิ่งนี้

เป็นทักษะที่สำคัญที่สุด ที่ใครก็ควรมีในทุกวันนี้

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

เหมือนกับที่คุณใช้ประโยค ในการเล่าเรื่องราวแก่คนอื่น

คุณก็ใช้อัลกอริทึม ในการเล่าเรื่องราวแก่คอมพิวเตอร์

you use algorithms to tell a story to a computer.

ถ้าคุณได้เรียนรู้ภาษาของมัน

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

คุณก็จะสามารถออกไปบอกเล่าเรื่องราวของคุณได้

นี่เป็นสิ่งที่ผมอยากให้คุณทำดู

I hope this will help you do that.