寫在前面：本文不討論前提問題魂挂，比如你壓根不想找老婆杏瞻、比如你天天宅在家里等然后抱怨認(rèn)識的妹子太少癌压，那么這篇文章不適合你，請在看個樂子并打賞后離開~
我們是不是可以像找合伙人撰洗、找高管一樣篮愉，找老婆？來了赵，今天聽師太給你們強(qiáng)行講道理潜支。
找老婆的方法論無非從3個要點(diǎn)出發(fā)：
1 大邏輯
2 候選人數(shù)量
3 評估內(nèi)容
沒耐心看全文的，可以直接拖到最后看終極大招柿汛。
1 大邏輯
“我叫開普勒冗酿，我喜歡仰望星空，看球球們?nèi)绾稳鰵g络断。每研究出一個定律裁替，我就會多吃一碗飯。我也喜歡妹子貌笨，而我的老婆必須是我最喜歡的那個弱判！”
偉大的開普勒，第一段婚姻是包辦的產(chǎn)物锥惋， 在第一任夫人不幸因病去世后昌腰，他決定自己挑選老婆！
于是膀跌，開普勒先圈出11名自己感興趣的女子遭商，經(jīng)過長達(dá)2年的觀測，終于鎖定一名自己最喜歡的捅伤。
旋即求婚劫流，一舉成功，從此以后二人過上了幸福快樂的生活祠汇。
200年后的達(dá)爾文仍秤，則完全是另一個邏輯。
“我叫達(dá)爾文可很，我喜歡觀察生物诗力，請不要把我和達(dá)芬奇和維特魯威人混為一談，老子不喜歡畫雞蛋我抠！我喜歡溫婉賢淑姜骡、家教嚴(yán)謹(jǐn)、話不多屿良、見識廣博、和我有共同語言的賢妻良母型妹子惫周。”
達(dá)爾文在挑選伴侶這件事情上尘惧，體現(xiàn)出了超乎常人的理性和執(zhí)行力。經(jīng)過仔細(xì)思量递递、反復(fù)斟酌喷橙，他寫下了成為自己伴侶所必須具備的N個條件。
驀然回首登舞，發(fā)現(xiàn)有個表姐完美契合所有標(biāo)準(zhǔn)贰逾，旋即，不像你們這些磨磨唧唧列了標(biāo)準(zhǔn)又不按標(biāo)準(zhǔn)執(zhí)行的人菠秒，達(dá)爾文向表姐求婚疙剑，一舉成功，從此以后二人過上了幸讣快樂的生活言缤。
統(tǒng)計學(xué)專家們提出了第3種邏輯：在拒掉了K個人之后，從K+1個人開始禁灼，一旦遇到比前面K個人都要好的人管挟，毫不猶豫地選擇“她”，那么弄捕，當(dāng)K是多少的時候僻孝，“她”是最佳老婆的概率最高？
于是這就演變成了一個純數(shù)學(xué)問題：
看不懂過程的小伙伴關(guān)注結(jié)論即可：無理由拒掉前1/3的人穿铆，之后，只要遇到比這前1/3個人都要好的分飞，選她就對了悴务！別像掰玉米棒子的狗熊一樣！
研究動物的生物學(xué)家提出第4種邏輯：
自然界中，動物向異性求偶讯檐，可能被接受羡疗、可能被拒絕，每一次被接受都會提高對自我的評價别洪、被拒絕都會降低對自我的評價叨恨，在這個反反復(fù)復(fù)的過程中，心里對自己處于什么水平就有點(diǎn)兒B數(shù)了挖垛，同時也能更準(zhǔn)確地評估對方是不是處于與自己匹配的水平痒钝。
這個“反反復(fù)復(fù)的過程”，大約是20次痢毒。
當(dāng)然了送矩，還有那么一大群人提供了第5種邏輯：
小結(jié)一下，前述5種邏輯哪替，分別是：
你覺得哪種最靠譜栋荸？？
記住你的選擇凭舶！
2 候選人數(shù)量
決定了大邏輯之后晌块，接下來需考慮的是，要留下多少人作為最終候選人呢帅霜？
當(dāng)最終候選人只有一個匆背，即只能在
“是”與“否”之間進(jìn)行選擇的時候，有52%的決定導(dǎo)致了糟糕的后果身冀。當(dāng)最終候選人增加了一個钝尸，即可以在
“甲”、“乙”搂根、“都不要”之間進(jìn)行選擇的時候蝶怔，導(dǎo)致糟糕后果的比例銳減到32%。(以上數(shù)據(jù)均出自非本人的調(diào)研兄墅，有興趣進(jìn)一步確認(rèn)的可以私信我踢星，下同)
那么問題來了，候選人是不是越多越好呢隙咸？
有一項經(jīng)典研究觀察了顧客分別面對6種果醬和24種果醬的表現(xiàn)沐悦，震驚！面對6種果醬時五督，顧客最終購買的可能性是面對24種果醬時的10倍之多藏否！
一方面，候選人太少時充包，缺乏比較會導(dǎo)致評價偏差副签，另一方面遥椿，候選人太多時，過多比較同樣會導(dǎo)致評價偏差淆储。
不禁想到一個物理課本里的圖：
那么冠场，這個“焦距”究竟是幾人呢？
調(diào)研數(shù)據(jù)顯示本砰，候選人越多留存率越高碴裙，然而，當(dāng)超過一定值之后点额，留存率急劇下降舔株。
這個“一定值”是3~4人，即最終候選人以3~4人為佳还棱。
話說回來载慈，為何開普勒有11個候選人，同樣能選中最佳老婆珍手？
為何達(dá)爾文的只有1個候選人娃肿，同樣能選中最佳老婆？
——最終候選人的數(shù)量很關(guān)鍵珠十，但充分準(zhǔn)備、準(zhǔn)確定位和科學(xué)評估的價值凭豪，是數(shù)量無法取代的焙蹭。
3 評估內(nèi)容
這里又要引入一篇論文：
決策中非標(biāo)準(zhǔn)線性模型的穩(wěn)健之美
The Robust Beauty of Improper Linear Models in Decision Making
感興趣的小伙伴可以去Google上找原文(百度我沒找著，你們可以試試)嫂伞，不看原文的孔厉，記住“一個原則、三個要點(diǎn)”即可：
一個原則：穩(wěn)健
三個要點(diǎn)：少于10個指標(biāo)帖努、等權(quán)指標(biāo)撰豺、考核穩(wěn)定指標(biāo)
一個個說。
關(guān)于指標(biāo)的數(shù)量拼余，對于一般人而言污桦，堅持要求的條件不會太多，就算你列舉了非常多的擇偶標(biāo)準(zhǔn)匙监，在實際測評過程中必會發(fā)現(xiàn)凡橱，有部分指標(biāo)無法考察，或有部分指標(biāo)因為其它指標(biāo)的優(yōu)異程度而被放棄亭姥。
相信我稼钩，10個真的差不多了，如果你堅持的指標(biāo)超過10個达罗，請務(wù)必讓我認(rèn)識你坝撑。
關(guān)于等權(quán)，的確，加了權(quán)重的計算模型巡李，理論上會更加精確抚笔，但對于必考指標(biāo)、對于一般人而言击儡，調(diào)研數(shù)據(jù)顯示塔沃，加權(quán)模型的價值并不比等權(quán)模型高、或高但僅高一點(diǎn)點(diǎn)阳谍，從效率考慮蛀柴，等權(quán)夠用了，而且等權(quán)比加權(quán)更為平衡矫夯、精簡鸽疾。
當(dāng)然啦，如果你對某些指標(biāo)有極強(qiáng)的執(zhí)念训貌，大可以加權(quán)制肮，也請留言告訴我，我非常好奇~
關(guān)于穩(wěn)定指標(biāo)递沪，大家都是成年人豺鼻，有些屬性的成長空間已經(jīng)很小了，比如三觀款慨、比如求知欲儒飒，這些在一起后難以改變的指標(biāo)，強(qiáng)烈建議你在在一起之前務(wù)必考察檩奠。
舉個例子：口腹欲桩了、求知欲、懶惰程度埠戳，都是難以成長的指標(biāo)井誉。一個口腹欲強(qiáng)、求知欲強(qiáng)整胃、喜歡動手的女孩颗圣，你是可以期待她在廚藝方面的成長的；而一個口腹欲強(qiáng)屁使、求知欲強(qiáng)欠啤、但極懶的女孩，可能她會開發(fā)出很多好吃的外賣屋灌，但廚藝方面你就不要有太多期待了洁段。
——可見，考察如“廚藝”這樣成長型的指標(biāo)共郭，是會讓你因噎廢食祠丝，錯過好妹子的疾呻。
最后再強(qiáng)調(diào)一下“穩(wěn)健之美”，同時建議大家不要對自己期待太高写半，使用100分制什么的岸蜗，你就告訴我“孝順父母”這樣的指標(biāo)“87分”和“88分”有什么區(qū)別？分個3-5級就差不多了叠蝇。
最后璃岳，祭個終極大招。
結(jié)合以上內(nèi)容悔捶，強(qiáng)行講道理铃慷，我們到底要怎么樣才能找到最佳老婆？蜕该？
總結(jié)個終極大招——
當(dāng)然前提是你……(去復(fù)習(xí)“寫在前面”)
當(dāng)然最后你可能還是……
不要相信“感覺”犁柜。
一方面，經(jīng)過分析之后堂淡，你會發(fā)現(xiàn)分析結(jié)果是你的“感覺”非常容易接受和決定的馋缅；
另一方面，看上去直接的感覺绢淀，其實也是大腦經(jīng)過分析之后的結(jié)果萤悴，然而——
共勉。
港真皆的，無論你找的是哪種“對象”覆履，如果有人去實踐了這個方式，請務(wù)必和我分享一下你的實踐結(jié)果祭务。
后記：
這幾天看了一本書，《合伙人》(It's not the HOW or the WHAT but the WHO)怪嫌，直譯過來就是“怎么做义锥、做什么，都不如找對做的人”岩灭。
其中一章講到對潛在候選人的挑選和評估問題拌倍，我真是笑著看完的，同時受益匪淺噪径。本文中大量內(nèi)容都是歸納于這個章節(jié)柱恤。
這本書中還有很多極富教益的章節(jié) ，比如明星員工的移植找爱、面試與履職的差異梗顺、評估準(zhǔn)確率與選對人之間的概率計算等等，裂墻推薦车摄，招聘相親兩相宜~
