颜值测试为什么给谁都打高分？

颜值测试几乎给所有人都打高分，原因很简单：一个讨喜的数字能让你不停打开 app、截图、转发给朋友。**那是留存，不是反馈。**一个对几乎所有人都和善的分数，量的不是你——它在护着自己的活跃数据。而一句人人都能收到的恭维，关于任何一个具体的人，什么信息都不含。

这就是全部答案。这一页接下来要讲的，是这种通货膨胀为什么会发生、那些「狠 app」其实是从另一头玩同一个把戏，以及一份诚实的解读会拿什么来代替那个让你舒服的小数。

颜值测试为什么给谁都打高分？

因为那个数字是个产品功能，不是测量结果。一个叫你 8 分的 app 会被反复打开、被分享、被好评。一个说你 4 分的 app 会被卸载、被打一星。于是旋钮被往上拧——慷慨的分数、含糊的「高段位」标签、满屏的绿色——因为这才是让 app 活下去的东西。

看看一个讨喜的分数到底是为什么优化的：

• **重新打开。**好数字让人舒服，你会回来再舒服一次。
• **分享。**人们截图的是高分，不是当头一棒——这是免费营销。
• **评价。**开心的用户给五星；评分往上爬；更多人下载。
• 追加销售。「你是 8 分——解锁拆解，看看怎么冲 9 分」比「你是 4 分」好卖太多。

这些没有一条要求那个数字是真的。它只要求那个数字让人舒服。所以这套测试不是出于恶意骗你——它只是被造来留住你，而一个和善的数字，比一个诚实的数字更能留住你。

如果谁都高分，那高分到底意味着什么？

几乎什么都不意味着。这是看穿之后最扎心的一段。一个把 8 分当糖发的测试，已经让 8 分变得毫无意义——如果人人都过，过本身就不是信息。你的高分和隔壁那位的高分说的是同一件事：app 想把你俩都留下。

想象一个给每个学生都打 A 的老师。A 就不再是信号了。它不再能把用功的学生和混日子的学生区分开，因为它已经不在追踪「努力」——它在追踪老师想被喜欢的心情。一个讨喜的颜值分数干的是一模一样的事。它说不出任何关于你的具体东西，因为它对所有人说的都是同一句暖话。

所以那个讨喜的数字和那个残忍的数字，败在完全相同的地方：两者从来都没接到「真实的人究竟怎么回应你」这个锚上。一个把你留在舒服的幻觉里，一个把你留在难受的幻觉里。两者都改变不了任何真实的东西。为什么「一根绝对的轴」从根上就是错的模型，我们在PAS 与「客观美」里拆开讲过。

为什么有的 app 拼命夸，有的却往死里贬？

因为它们对接的是两条不同的销售漏斗。夸你的 app 变现的是你的参与——让你持续打开、分享、为「更多洞察」订阅。走 PSL 路线、往狠里打的 app 变现的是你的焦虑——一个低的、听起来很科学的数字，把你逼到足够慌，去买改造、买课、做手术。数字不同，把戏相同：它是冲着商业目标调的，不是冲着现实。

	夸你的 app	往狠里打的「PSL」app
那个分数干什么	让你感觉良好	让你觉得自己坏掉了
它卖什么	重新打开、分享、订阅	改造、课程、手术
它是冲着什么调的	留存	用恐惧促成转化
拿真实的人校准过吗？	没有	没有
它在现实里改变了什么	什么都没改	什么都没改——往往把焦虑搞得更糟

用户自己就把这话说了出来。翻 App Store 评价和 Reddit 帖子，一个又一个 app 上反复出现的是同样两条抱怨：「这玩意儿给谁都打 8 分，没用」，以及另一头，「它给了我 3 分，现在我没法不盯着自己的脸看」。两拨人都被耍了——一拨被恭维，一拨被残忍。谁都没拿到能真正用上的东西。如果你卡在「被打狠分」那一边，去读looksmaxxing 是不是伪科学。

AI 难道不是在客观地量我的脸吗，高就是高，低就是低？

不是。图像里并不存在一个等着被读出来的客观「颜值分」。每个模型都是从它被喂的那批照片里，学出了它自己的一套偏见，然后这套偏见再被往「什么能让 app 的生意健康」的方向挪。「AI」这层包装，让一个被调过的产品看起来像一支温度计。它不是温度计。

大多数人没注意到的破绽在这儿。把同一张自拍丢进好几个 app，你会拿到天差地别的判决——这边自信地给 8 分，那边一个「高段位普通人」，换个地方又是 4 分（见颜值打分软件为什么给的分不一样）。如果它们里有哪个真在量一个客观事实，它们就该彼此一致。它们不一致，因为根本没有共用的那把尺——只有各自不同的偏见，每一个都朝着各自不同的销售目标弯。

而且不管那个数字是多少，它评的都是一张定格的自拍，这接近你最差的样子。真实的人遇到的不是 app 灯光下的一张静止图像。他们是在动态里、约 100 毫秒内读你的（Willis & Todorov, 2006），表情、眼神、动作同时发力——这些东西，单独一帧一个都装不下。

关键数字

• 第一印象在大约 100 毫秒内成形（Willis & Todorov, 2006）——读的是一张会动、有表情的脸，不是一张静止照片、也不是一个加载条吐出的小数。
• 一项涵盖 919 项研究的元分析发现，人们在「谁有吸引力」上的共识，比「这都是主观的」那句老话所说的要高得多（Langlois et al., 2000）——真实存在的共识，而没有哪个 app 的讨喜分数是拿它来校准的。
• 同一脉络的工作确立了光环效应（「美即是好」，Dion, Berscheid & Walster, 1972）：一张温暖、敞开的脸，会被记上它从未挣得的品质——而那份温暖活在表情里，不在分数里。
• 行为的薄片——你怎么动、怎么反应的几秒无声片段——惊人地能预测真实的社交结果（Ambady & Rosenthal, 1992）。一帧定格里，这些一个都没有。
• 翻 App Store 评价和 Reddit 帖子，关于这类 app 反复出现两条相反的抱怨：「它给谁都打高分，所以没用」，以及「那个狠分把我毁了」——这两条用户都在说，一个 app 接一个 app。

那么，一份诚实的解读会拿什么来代替？

它会拒绝那个魔法数字，转而告诉你真正能改变你给人观感的那几件可控的事。不是一座讨喜的奖杯，也不是一句残忍的判决——而是一份用真人语言写的、感知层面的第一印象解读：温度、表情、打理、照片、状态。都是你这周五之前就能改的东西。

我们做 Real World Appeal 就是要它同时站在「夸你的 app」和「贬你的 app」的对面：

• 根本没有「满分 100」这回事。感知到的吸引力不是排行榜——它是按阈值移动的，过了某个区间，再多「骨相」几乎买不到任何东西。重点是把你推过下一个阈值的那几根杠杆，这在女人真正觉得有吸引力的是什么里讲过。
• **上传之后没有付费墙。**你在做任何决定之前就看到解读——和用户抱怨的那种颜值打分付费墙套路正好相反。
• **刻意用一个和善的框架。**这是个敏感的领域，把一个脱离语境、还锁在付费墙后的数字甩给一个本就焦虑的人，是件有风险的事。用户和临床工作者都广泛指出过，给脸打分的 app 可能会喂大容貌焦虑。如果有个分数把你击垮了，先从一个颜值打分 app 说我丑读起。

一个高分让你舒服了一下午。一份关于「什么是真能动的」的解读，会改变你接下来一个月怎么过。这就是那笔交易——也是为什么一个讨喜 app 给的高分不该被信，正如一个残忍 app 给的低分也不该被信。

写在最后

颜值测试给谁都打高分，是因为一个讨喜的数字能让你不停打开、分享、订阅——它是留存手段，不是反馈。而一句人人都能收到的恭维，作为信息一文不值：如果谁都高分，你的高分就什么都不意味着。那些狠的 PSL app 是从另一头玩同一个局，把恭维换成恐惧，好把改造卖给你。两者最后留给你的，都是一个数字，和零真实改变。

你的脸没有一个分数——既没有真分，也没有慷慨的分。它对人有一种效应：更快、更暖，也远比任何小数所能装下的更可改变。来做这个免费测试：没有排行榜，上传之后没有付费墙，只有一份诚实的解读，告诉你什么在起作用、什么是你真能改变的。

---

文中引用的研究：Willis, J., & Todorov, A. (2006). First impressions: Making up your mind after a 100-ms exposure to a face. Psychological Science, 17(7), 592-598. 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. Dion, K., Berscheid, E., & Walster, E. (1972). What is beautiful is good. Journal of Personality and Social Psychology, 24(3), 285-290. Ambady, N., & Rosenthal, R. (1992). Thin slices of expressive behavior as predictors of interpersonal consequences. Psychological Bulletin, 111(2), 256-274.