女性视角的可感知吸引力读数——不是客观颜值分

输入是两张照片（脸、全身）和几道快选题：身高、体重、体型、在陌生人面前怎么举止。输出是 70–155 感知轴上的一个位置，加上他可改的杠杆能到的天然上限，以及两者之间的差距。

读数照着第一印象真实形成的方式建模。看脸 100 毫秒后做出的特质判断，与不限时判断高度一致（Willis & Todorov 2006）；吸引力是整体加工而非逐个部位——同一个上半脸配上更好看的下半脸会被评得更高，错位后效应消失（Abbas & Duchaine 2008）。所以我们从不单独拎出下颌线或眼距：看你的人也不会。

这是刻意为之的「反应强度」读数，不是解剖测量。两个长得完全不同的男人可以落在轴上同一点，因为看他们的女性反应强度相同。

评价者确实在「谁有吸引力」上高度一致：Langlois 等（2000）综述了 11 项元分析，发现文化内与跨文化都有可靠的一致性。但一致的是反应，不是比例。几何能解释反应的一部分，漏掉其余——表情、打理、姿态、体型和衣服在一定距离外怎么读，以及第一印象的三维结构（可接近性、支配感、年轻-吸引力；Sutherland 等 2013），这些对称度分数都看不见。

客观分也没有视角，说不出它预测的是谁的反应。我们的视角是明说的：读数按女性第一眼如何回应男性来校准，因为来这里的男人问的就是这个问题。我们把主观性当成重点，而不是藏在一个小数点后面。

这也是为什么我们不允许这个数字变成对一个人的判决。108 的读数说的是「她现在、对这个呈现，大概会有这么强的反应」——而呈现是可以变的。

下表把两者并排。我们只泛指另一种方法，因为差别在方法本身，不在某个具体产品。

形状是阈值而不是阶梯，因为人真实的选择就是这样。从 Simon（1956）到 Todd 等（2007）的决策研究，再到 Bruch & Newman（2018）的线上约会数据，都显示人用的是期望水平——一道过或不过的门——而不是加总打分。门下，改进几乎不被注册；门上，一点变化就翻面；越过之后收益递减，类型和气场开始接管。

满分 100 会把「最大值」和「完美的百分比」偷偷带回来。女性的反应不是这样运作的，所以我们的输出也不是。

如果你告诉我们你觉得自己落在哪，报告还会把你的猜测和读数放在一起。这个差距是报告里最有用的数字之一：自评吸引力和他人评价只有微弱相关（Greitemeyer 2020），大多数男人对自己第一眼的判断方向是错的。

每一条拒绝都在保护读数唯一的用途。客观分邀请男人之间互相比较；tier 把一种反应变成一种种姓；给女性打分则把我们建模其反应的人变成目标。我们宁愿在论坛上少被引用，也不做一把男人用来量自己的新尺子。

我们仍然用大白话定义几何词汇——眼角倾斜、中面部比例、黄金比例——让你看懂每个词量的是什么、预测不了什么，然后走出来。

一屏一题，约 1 分钟；提交后约 40 秒出分析。你先看到它已经跑完，再决定要不要打开报告。站内任何地方都不把测试或报告说成免费，因为它们不是：分析是工作本身，报告是你为之付费的东西。

Real World Appeal 没有做过原创大样本研究，也不假装做过。模型依据的 28 篇研究附 DOI 列在方法论页；它们校准读数，不验证产品。

读数读的是一次呈现——这几张照片、这套衣服、这个姿态——不是一个人。换了呈现读数就会动，这正是重点；但也意味着一张差照片会读成一次差的第一眼。

第一眼吸引力只是一道门。门后发生的——交谈、温度、幽默、某个具体的人是否喜欢你——才是决定一段关系的大部分，而这些都不在读数里。