你的颜值并不重要 —— 这些因素加起来才重要
Looksmaxxing 论坛在吵下颌角是不是决定一切、眼区是不是决定一切。约会行为数据说都不是——感知吸引力是一个叠加 stack：脸 + 身材 + 穿搭 + 信号 + 场景。把 stack 跑赢的男生稳定碾压脸更强但 stack 更弱的男生。下面是模型 + 实际证据。
一个 185 cm、PSL 评分能跑到 7 分的男生，和一个 178 cm、PSL 大约 5 分的男生，同一时间走进同一家咖啡店。按任何一个静态打分工具的逻辑，前者应该赢。他没赢。她频繁回头看的是后者。
这不是为了讲故事编出来的。这是约会平台公开过的所有行为数据呈现的同一个 pattern——包括 Hinge 自己产品团队不张扬地发过的几组数字。也是每一个对"陌生人初次见面感知"做眼动追踪的可信研究都证实的事：感知吸引力不是单一数字，脸也不是主导维度。
Looksmaxxing 社区一直在打错误的战争。PSL 评分文化把男性吸引力当成一道纯静态的面部几何问题——下颌角度、内眦角、人中长度、中面比例。它给出一个有趣的数字。这个数字几乎预测不了她在现实里对你的真实感知。
真正预测她感知的是一个 stack（叠加组合）。把 stack 跑赢的男生——在身材 / 呈现 / 信号 / 场景这几条线上——稳定地超过脸更强但 stack 更弱的男生。下面这篇就是讲清楚这个模型 + 实际证据。
单轴谬误
一个 PSL 7 分脸的男生发邮件问我们他 Hinge 匹配率为什么低于平均——诊断结论几乎从来不是脸。几千份这样的报告我们看下来：脸是在强档没问题，但另外三到四个维度悄悄把感知分压到了阈值之下，结果就是她根本"没注意到他"。
这跟主流 looksmaxxing 教的恰好相反。社区的核心叙事是脸的几何决定一切：改下颌、改眼区、改颅骨，转化跟着来。证据干脆地反驳了这套：脸几何决定上限。Stack 决定你在上限附近运行，还是在上限以下 30 分。
你可以自己验证这件事：随便挑一个全网都知道的男模——任何一个 PSL 工具都会打 8+ 的脸——然后看同一个人在 (a) 精心修过的杂志大片 和 (b) 浴室灯下面随手的自拍 里。脸是同一张脸。第一印象读数不在一个层级。浴室自拍版本的他，在 dating app 上读起来比一个 6 分脸 + 拍得好的男生还差一档。
跨报告也可以验证：脸分相同、但身材 / 穿搭 / 拍照质量不同的男性样本，在约会平台数据上稳定产生 1.5-2 倍的转化差距。脸是常数。变量是 stack 的其他部分。完整的论证版本见PSL 评分 vs 感知吸引力那篇。
五因素模型
把我们的测试数据 + 学术文献交叉来看，感知吸引力可靠地分解为 5 个贡献维度。它们的权重看 context 浮动（约会软件 vs 线下偶遇 vs 工作场合 vs 夜店），但在约会软件照片场景下的粗略均值大概是：
- 脸 —— 约 30%。骨相 + 皮肤状态 + 修饰整洁度
- 身材 —— 约 25%。约 70% 的穿衣场景里身材是能透出来的；为什么 20% 体脂以下身材还反过来影响脸的感知，见体脂率对男性下颌线的具体机制
- 穿搭 + 呈现 —— 约 20%。剪裁 + 合身度 + 有没有一个明显的视觉锚点。不是"贵衣服"，是"协调的衣服"
- 非语言信号 —— 约 15%。眼神方向、笑容的真实度、姿态、头部角度。这部分在第一眼 1.2 秒的窗口里做大部分扣分工作
- 场景 / 上下文 —— 约 10%。照片在哪拍的、背景在透露什么样的生活方式、光是杂志级还是天花板荧光灯
这些数字不是定值——它们随 context、人群、你在建模的是哪个 dating 平台的筛选函数而浮动。重点是 没有任何一个维度主导其他维度。一个脸 9 分但身材 4 分的男生综合分大约 5.7。一个所有 5 个维度都是 6 分的男生综合分是 6。第二个人在平台上赢。
是阈值，不是滑块
更底层的机制——也是 stacking 之所以能 work 的原因——是每个维度都被阈值函数控制，不是线性滑块。
具体什么意思：
- 在某个维度的感知阈值之下，这个维度对转化读数的贡献是零。8 分身材 vs 7 分身材的优势其实极小；5 分 vs 4 分基本没有区别——两个都在"她注意不到"的段位
- 一旦跨过阈值，这个维度对感知吸引力的贡献会非线性跳变。身材的阈值通常在 14-16% 体脂——往上她基本读不到你身材；往下 V 形廓形显形，她看见了
- 在多个维度上跨过阈值，stacking 产生复合跳变。两个维度都"刚刚跨过阈值"通常压制一个维度跑到 elite 段位——在我们测试过的跨文化吸引力研究里，这个 pattern 在 80% 的样本里成立
这就是为什么 stack 上 6 分的男生稳定打败脸 8 分但其他都 4 分的男生。脸 8 分跨过阈值，贡献做满。但 4 个 4 分都没跨过阈值，贡献全是 0。综合读数：大约 5。Stack 6 分的男生在 5 个维度里有 4 个跨过阈值——每个都贡献了量。综合读数：大约 6.5。
要看正式版本：Asendorpf et al. (2011) 的闪电约会数据集（n=382）和 OkCupid 研究 blog 公开的行为数据都跟阈值模型在高置信区间内拟合。"stack 打败只有脸"这个 pattern 在我们看过的每一组数据里都存在。
报告数据里的三个真实案例
把模型具象化，这是我们在测试数据里看到的三个匿名样本：
案例 1 · 185 cm 工程师。 脸分上档——明确 7+。身材 23% 体脂。穿搭长期是中性色 + 宽松剪裁。照片里眼神方向：6 张里 4 张没看镜头。光：天花板荧光灯。自述 Hinge 匹配率：远低于他脸分应有的水平。原因：5 个维度里只有 1 个跨过阈值。Stack 综合分：大约 5.5。
案例 2 · 178 cm 交易员。 脸分中档——大约 5.5。身材 13% 体脂。穿搭合身、有一个明显高级感的单品（一只比整套衣服贵很多的手表——传递的是品味不是消费力）。照片里 6 张有 4 张直视镜头。其中 3 张是窗边自然光。自述匹配率：明显超过他脸分应有的水平。原因：5 个维度里 4 个跨过阈值。Stack 综合分：大约 7。
案例 3 · 183 cm 律师做了 recomp。 脸分：6.5。起点 20% 体脂。14 周内降到 14%。其他什么都没改。匹配率在这 14 周里呈可测量的台阶式跳升。原因：单一维度跨过阈值，因为他脸已经在阈值之上，叠加了第二个跨阈值维度后，复合 stack 效应触发。
这三个不是科学证明。它们是机制能预测"face is everything"模型解释不了的结果的例子。
这是好消息，也是坏消息
好消息是：你能动的维度恰好就是真正起作用的维度。脸几何——你改不了的那部分——只是 5 个输入之一，而且绝大部分成年男性在这一项上已经在阈值或之上。坏消息是：你不能靠 max 单一维度赢。"Looksmaxxing = 死磕下颌"这套是单维博弈，在多维系统里跑不通。
对任何一个看自己 stack 的男生，策略含义很明确：先找出最弱的、还在阈值之下的那一项，不是你已经最强的那一项。一个 7 分脸 + 4 分身材的男生，做 recomp 比做任何能想象到的面部干预都更值。最弱的、还在阈值之下的维度的边际回报，几乎永远是整个 stack 里最高的。
这就是为什么我们的感知吸引力测试引擎把每个维度的贡献单独拆出来。一个单一总分告诉不了你该改什么。拆解才告诉你。
怎么知道你自己的 stack
如果你看到这里，从来没有真正把自己的 stack 拆出来过——测试 1 分钟，结果给到逐维度分数：脸贡献、身材贡献、穿搭贡献、信号贡献，加每一项的预测上限。顶端那一个数字是 stack 综合输出。下面的拆解才是可执行的部分。
从测试里拿到最多价值的人，从来不是来求验证的。是那些已经隐约觉得自己 stack 有一个弱链、想知道是哪个的人。一旦你知道哪个维度正在把感知分压到阈值之下，接下来 12-24 周的努力就有方向了。
Real World Appeal 校准的是一个跑在跨文化吸引力研究和真实行为数据之上的感知引擎，不是抽象审美。引用：Asendorpf, J. B., Penke, L., & Back, M. D. (2011). From dating to mating and relating: Predictors of initial and long-term outcomes of speed-dating in a community sample. European Journal of Personality, 25(1), 16-30. Langlois, J. H., Kalakanis, L., Rubenstein, A. J., Larson, A., Hallam, M., & Smoot, M. (2000). Maxims or myths of beauty? A meta-analytic and theoretical review. Psychological Bulletin, 126(3), 390-423. Singh, D. (1993). Adaptive significance of female physical attractiveness: Role of waist-to-hip ratio. Journal of Personality and Social Psychology, 65(2), 293-307.