Bloomberg Intelligence 约会调查发现 Z 世代更常约会，但仍对 AI 保持警惕

Bloomberg Intelligence 发现，尽管对应用内人工智能仍抱持怀疑态度，年轻约会应用用户的约会频率正在提高。Bloomberg Intelligence 约会调查传递出一种复杂信号：人们对恋爱关系日益浓厚的兴趣，并不会自动转化为对更多自动化功能的需求。

据 Bloomberg 10 月 28 日报道，这些发现令通过 AI 赢得年轻用户的努力变得更复杂。Tinder 和 Bumble 面临一个影响远不止下一次功能发布的产品问题：人们希望软件处理约会中的哪些环节，又希望将哪些环节保留为个人体验？

核心矛盾在于辅助与替代之间。帮助某人表达意图的工具，与代为呈现这种意图的工具，服务于不同目的。对于约会平台而言，将这两类体验视为可以互换，可能会混淆技术能力与用户使用产品的理由。

Bloomberg Intelligence 约会调查实际改变了什么

Bloomberg 对这项约会应用用户调查的报道介绍，这项研究涵盖了 1,000 名美国约会应用用户。在 16 至 28 岁的受访者中，34% 目前单身且正在约会，而一年前这一比例为 23%。

研究人员还发现，随着这一群体年龄增长，他们的付费意愿有所提高，不过年轻用户的价格敏感度仍高于千禧一代。与此同时，Bloomberg 报道称，用户对于融入 AI 的约会应用仍持谨慎态度。

商业机会与对自动化的接受程度，是两个独立的问题。

这一差别改变了这些发现应如何影响产品路线图。更多人在寻找恋爱关系，确实为帮助他们相识的服务创造了机会。但这并不能说明哪些功能会吸引他们、促使他们回归，或赢得他们的信任。

样本范围同样重要。这些发现针对的是已经在使用约会应用的人。它们不应被延伸为所有美国年轻人中有相同比例的人正处于单身和约会状态。未使用应用的人可能有不同的偏好、顾虑，或远离该市场的理由。

年龄范围也需要同样谨慎看待。调查分类并不能确定某一特定约会服务的适用资格。覆盖该分类的发现，也不能代表每一个通常被归类为 Z 世代的人。

与去年的比较提供了一个值得研究的方向。然而，单纯的百分比变化无法解释这种差异究竟反映了年龄增长、样本招募、环境变化还是其他因素。要确定这些原因，需要可比的方法和更详细的结果。

因此，对平台运营商而言，有价值的解读比“某一代人重返约会市场”的叙事更为有限。这些发现表明，受访的年轻用户群体中存在机会，但企业追求这一机会的方式也受到约束。

它们也挑战了一种关于技术采用的便利假设。熟悉数字工具并不意味着同意这些工具的每一种应用方式。一个人可以在某种情境下重视自动化帮助，却在另一种情境下认为同样的介入并不受欢迎。

约会让这条界限格外明显，因为沟通本身携带着关于沟通者的信息。一条回复除了字面含义外，也传达注意力、幽默感、兴趣和判断力。将其生成过程自动化，会改变接收者能够合理推断的内容。

这正是标题之下尚未解决的问题。平台需要识别，AI 究竟是在消除用户认可的障碍，还是在介入用户珍视的体验。这项调查提出了这一问题，却没有为每一项功能给出答案。

Tinder 和 Bumble 面临功能价值难题

对 Tinder 和 Bumble 而言，最直接的压力落在产品优先级上。每一项新功能都要争夺工程资源、应用内注意力，以及用户尝试陌生功能的意愿。

一项功能可能按设计正常运行，却仍然解决了错误的问题。如果用户难以找到兼容的人，改善个人资料文案或许只能带来有限帮助。如果用户不信任对话，生成更多消息反而可能加深原本的顾虑。

关键在于将每一项介入措施与用户真正想要的结果联系起来。

当企业将 AI 描述为广泛的复兴战略时，这一负担会加重。笼统的个性化承诺留下了多个未解问题：哪些信息改善了推荐？哪些决定仍由用户作出？什么证据能够证明这种改变确实有帮助？

Match Group 于 8 月 4 日发布的第二季度业绩提供了有用的商业背景。该公司表示，Tinder 的日活跃用户同比下降 4%，这是 10 个季度以来最好的同比表现。公司还报告称，Hinge 的营收增长了 22%。

这些结果显示，同一产品组合内存在不同的发展轨迹。它们并不能单独证明 AI 的贡献。Match Group 将 Tinder 趋势改善归因于包括推荐系统及其他创新在内的产品变化，而不是对某一单项功能进行的受控测试。

在评估管理层解释时，这一区别至关重要。一家公司可以在引入 AI 的同时实现改善，却无法由此证明 AI 导致了改善。分发、市场扩张、产品定位，以及体验中其他部分的变化，同样会影响表现。

Hinge 的增长也提醒人们，不应将年轻用户视为一个同质化市场。不同服务可以吸引抱有不同目的的人。即使底层软件相似，符合一个品牌期待的功能，在另一个品牌中也可能显得不合适。

同样的逻辑也适用于付费意愿。对订阅的兴趣并不能揭示究竟是哪项收益推动了购买。用户可能看重访问权限、控制感、曝光度或更实用的体验，却未必会为生成式内容赋予价值。

对于面向 Z 世代的约会应用而言，这带来了定位挑战。企业需要清楚说明，使用服务的人究竟能获得什么改善。描述一次更新背后的技术，不能替代这种说明。

这里还存在一个衡量问题。更多消息可能意味着更高的参与度，但消息是否有用仍是另一个问题。一段对话即使变得更长，却没有变得更具信息量，也未必能推动参与者走向见面。

同样，更多完成的个人资料可以让应用显得更健康，却不一定改善匹配兼容性。一份精致的个人资料可能吸引注意，却未必帮助任何一方作出更好的决定。

分析层面的含义很直接：活动指标需要解读。寻求年轻用户的平台应证明，一项介入如何改善从发现对象到获得理想互动的路径。否则，AI 就会成为投资的解释，而非客户价值的证据。

当辅助取代表达时，它会变得更难销售

最有用的区分存在于体验本身。一些工具帮助用户决定该说什么；另一些工具则生成语言，而对方会将其视为用户人格的证据。

生成式 AI，即根据指令创作内容的软件，使第二类功能更容易构建。当发送者的便利给接收者带来不确定性时，产品挑战便开始了。

降低沟通所需的投入，也可能减少沟通所提供的信息。

设想一段假定对话：建议回复准确表达了某人原本就想说的话。用户审阅后修改措辞，再将其发送。此时，辅助支持的是该用户已经作出的决定。

再设想一个系统，它持续提供维系交流所需的机智、好奇心和情感回应。接收者便更难判断，自己预期会见到的那个人究竟具备哪些特质。

这些是说明性情境，而非关于某个特定应用用户行为的研究发现。它们解释了为什么接受程度可能取决于介入的范围，即使两种体验都被贴上同一个 AI 标签。

Match Group 自身于 6 月 18 日发布的AI 约会研究也承认了类似的边界。其调查涵盖约 1,000 名年龄在 18 至 39 岁之间的美国单身人士。

该公司报告称，47% 的人对 AI 在浪漫关系场景中的应用持负面看法，而 64% 的人认为它可以帮助自己的约会历程。这些发现针对的是不同样本，不应被视为可与 Bloomberg 结果直接比较。

尽管如此，它们支持一种比全面接受或全面拒绝更具体的讨论。Match Group 将其发现解读为：用户愿意接受辅助，但反对由 AI 取代人与人之间的连接。作为企业赞助的研究，该工作也反映了开发这些产品的企业视角。

这一视角具有参考价值，因为它表明，这种张力也存在于行业自身对需求的描述之中。分歧并不只是技术公司与反对技术的人之间的分歧，而是关于在以关系为导向的服务中，自动化应扮演何种恰当角色。

用户控制提供了一种区分这些角色的方法。审阅建议让用户有机会拒绝不准确的暗示。选择辅助何时出现，也让用户能够保留自己更愿意独立处理的体验部分。

不过，仅有一个审阅按钮并不能证明存在有意义的控制。如果生成文本成为每一次互动中最轻松的路径，产品仍会塑造用户行为。默认设置、出现时机和界面显著程度都会影响用户看到什么以及作何选择。

披露带来了另一个尚未解决的问题。知道曾获得辅助，可能有助于接收者理解一条消息。然而，披露也需要足够具体才有用。笼统地说明某个应用使用 AI，几乎无法揭示究竟是谁撰写了某一条具体回复。

更广泛的产品启示在于价值单位。目标不只是产出更好的句子，而是帮助人们充分理解彼此，从而决定是否希望进一步接触。这些目标有时可以一致，但平台在作出这一主张时需要证据。

现实中的产品选择已经给出了相互竞争的答案

当前的产品公告显示，约会公司正通过多种方式减少摩擦。有些聚焦于自我呈现，有些则改变人们相识的社交环境。

Bumble 于 2 月 26 日宣布推出AI 个人资料指导。该公司介绍了针对个人简介和提示语的个性化反馈，以及面向美国会员提供的照片反馈。

同一公告还介绍了正在加拿大测试的 Suggest a Date。该功能让用户能够表达自己已准备好见面。它解决的瓶颈不同于撰写个人资料。

最有力的比较应聚焦于所解决的问题，而不是包含了多少 AI。

Bumble 的组合让这种比较变得具体。个人资料指导针对的是用户如何呈现自己；“准备就绪”信号则针对下一步该怎么做的不确定性。单独来看，这两项功能都无法证明由此产生的互动是否会更令人满意。

这种区别很重要，因为公司可以通过不同机制追求真实性。它可以帮助用户更清晰地描述自己，也可以让用户更简便地表达已有意图。

Tinder 于 9 月 30 日推出的群组约会功能提供了另一种思路。Group Hangouts 让朋友围绕活动组建群组、发现其他群组，并在双方产生兴趣后进入共享对话。

Tinder 表示，该功能将首先在美国及部分市场推出。该公司还称，推荐可以优先展示有活跃计划和相关活动的群组，而参与者可以自行控制邀请和后续对话。

这一功能体现了另一种责任分配方式。软件负责支持发现与协调，朋友则提供社交情境。这种做法仍然使用推荐技术，因此不应被描述为脱离算法。

它的意义在于自动化被置于何处。对潜在群组相遇进行排序，与代替某人发言并不相同。两者都可能影响互动，但它们要求用户委托的是不同类型的判断。

群组形式也带来权衡。协调朋友可能比安排一对一对话需要更多精力。旨在降低社交压力的方式，反而可能带来物流层面的摩擦。

这种可能性并不会否定该功能。它说明成功需要明确的结果定义。更多被接受的邀请回答的是一个问题；更令人满意的见面回答的则是另一个问题。两者都不应自动替代对方。

Bumble 的指导工具也面临类似检验。当反馈能澄清用户想表达的内容时，它可能很有帮助；当系统鼓励个人资料趋同于同一种偏好的风格时，其效果就更难评估。

这些公告说明了公司正在构建什么，以及它们如何描述自身意图。但它们并未提供独立比较，以证明某一种方式能带来更好的关系。

对于评估 AI 约会功能的读者而言，有意义的比较涉及自主权与信息。更新是否帮助人们更清晰地做出自己的选择？它是否让个人资料背后的人更容易被理解？这些问题将产品设计与新报道中描述的怀疑态度直接联系起来。

怀疑态度并不能证明 AI 约会功能一定会失败

Bloomberg Intelligence 的约会调查值得让人谨慎看待产品假设，但它并不能为每一种 AI 应用、每个约会品牌或每位年轻用户下定论。

态度和行为衡量的是不同的事情。有人可能表达担忧，却仍继续使用某项功能；另一个人可能正面评价某个工具，却从未真正采用。

调查中的怀疑态度指出了一个需要测试的问题；它并未提供该测试的结果。

独立研究提供了有用的背景。Boston University 在 2 月进行的约会技术调查发现，40% 的受访者不同意“支持 AI 的约会应用会带来更成功的关系”这一说法。另有 20% 表示同意，40% 选择了中立。

该大学表示，这项在线调查于 2 月 3 日和 4 日进行，结果已按美国人口特征加权。其受访者和问题与 Bloomberg 报道中描述的年轻约会应用用户并不相同。

中立群体对解读尤为重要。不确定性意味着，能够改变看法的体验在两个方向上都仍有空间。它不应被自动计为支持或反对。

问题的措辞同样决定了回答能证明什么。询问 AI 是否改善关系，比询问个人资料建议是否有用，设定了更宽泛的标准。受访者完全可能对这两个问题给出不同回答。

这一类别本身仍然很宽泛。推荐、内容生成、照片反馈和自动审核执行的是不同功能。将它们统归于单一的 AI 标签之下，可能掩盖人们实际不喜欢的是哪种干预。

因此，竞争性的调查百分比不应被拼凑成一个单一的采用评分。不同的人群、时间、定义和问题可能产生不同发现，而彼此并不矛盾。

解读公司结果还有进一步限制。公开公告说明预期效益，财务披露则描述业务表现。两者都未必揭示某一年龄群体如何回应某一特定 AI 工具。

有说服力的评估应当区分这些层面。它应考察自愿采用、持续使用、用户满意度和相关结果；还应询问，发送者获得的收益是否会给接收者带来成本。

例如，一项实验可能显示，建议消息能提高回复率。但这一假设性结果仍会留下后续对话、感知真实性以及参与者是否愿意见面等问题。最初的回复率会是有用证据，但其适用范围有限。

隐私也值得接受类似审视，但不应预设存在不当行为。更个性化的辅助可能需要更多个人背景信息。评估这种交换，意味着要了解一项功能请求哪些信息、如何使用这些信息，以及用户仍有哪些可选项。

这些限制都不会抹去商业层面的警示。它们只是让警示变得更精确。证据反对这样的假设：年轻用户仅仅因为想要建立关系或已经使用数字服务，就会欢迎自动化。

对开发者和产品经理而言，这是一个熟悉的研究挑战，只是发生在异常敏感的场景中。用户表达希望减少摩擦，需要经过解读，才能成为自动化的授权。必须区分用户希望消除的摩擦，与让互动具有意义的付出。

接下来的检验是采用率、留存率和真实见面

未来几个月，三个信号将有助于判断公司是在回应担忧，还是仅仅改变了措辞。这个顺序很重要，因为每个信号都在检验产品论证的不同部分。

第一个是对具体 AI 功能的自愿采用。有用的披露应区分尝试某项工具与再次使用它，也应区分被提示后的使用与主动选择。按年龄划分的结果，会让这些发现与当前争论更相关。

持续且自愿使用的证据，将加强某项功能满足了已被认可需求的论点。

相反，频繁关闭、重复使用有限，或依赖持续提示，都会削弱这一论点。这些结果并不能证明底层技术没有价值；它们表明，其当前的放置方式或用途需要重新考虑。

第二个信号是留存率与信任度。留存率衡量人们是否持续使用一项服务；同时还需要评估用户是否觉得自己理解并能控制这一体验。

一项功能如果吸引了初始关注，却伴随着用户对对话更大的不确定性，便呈现出复杂的结果。较低调的干预若能帮助人们更有信心地回归，可能带来更持久的价值。

公司的财报评论可以帮助确认方向，尤其是在其将整体平台表现与功能层面的证据区分开来时。读者应寻找清晰比较与明确定义的指标。笼统地说个性化有所改善，并不能解释是谁的体验发生了改变，也不能说明原因。

第三个信号是是否推动了人们期待的线下相遇。这包括协调工具是否帮助人们安排见面，以及参与者是否认为这些见面值得。仅凭消息量无法回答其中任何一个问题。

对于群组形式，证据应考虑到每段对话中有更多人参与这一事实。对于写作辅助，则应区分更多回复与更好的相互理解。这些调整会使比较更具信息价值。

更好的结果会削弱“当前 AI 投资错过了年轻用户优先事项”的论点。持续的怀疑加上疲弱的采用率，则会加强这一论点。混合结果会支持更狭窄的策略，即不同工具服务于不同需求。

因此，Bloomberg Intelligence 的约会调查为公司留下了一项具体任务：证明每项干预的价值，而不要把人们对约会的兴趣视为对各种形式自动化的许可。

对于读者而言，请将下一次产品公告与下一次结果披露放在一起看。问一问：这项功能委托了什么？用户控制什么？所报告的改善实际衡量了什么？寻找超越生成式个人资料和更长聊天记录的证据。一项有用的约会服务，应让人们更容易识别一段有希望的联系，并决定下一步该怎么做。当 Gen Z 约会应用引入更多辅助功能时，哪些变化帮助人们理解彼此，哪些只是让界面变得更繁忙？在将又一次 AI 发布视为进步之前，应先在这一层面追踪证据。