#245「見えない手がマッチングを操る：Tinderアルゴリズム10年の進化と恋愛の未来」（アルゴリズム探究論#3:Tinder）
「アルゴリズム探求論」は、身近なアルゴリズムを様々な視点から紹介して、その魅力を伝えることを目的にしています。なるべく、難しい言葉を使わずに。アルゴリズムが主役のストーリーティングに挑戦しています。
今回は、Tinderです。
第1章：革命的な出会いの扉を開いたTinder
2012年、私たちの出会い方を根底から変えるアプリが誕生した。それが「Tinder」だ。
当時のオンラインデーティングと言えば、PC画面と向き合い、詳細なプロフィールを入力し、長文メッセージを送り合う—そんな「本格的」な仕組みが主流だった。若者、特に大学生にとって、そのハードルは高すぎた。彼らが求めていたのは、スマホで完結する、もっと手軽な出会いだった。
Tinderの創業者たちは、この隙間を見事に突いた。彼らが生み出したのは、徹底的な「モバイルファースト」の思想に基づく革新的なアプローチだった。
「左右にスワイプするだけ」というシンプルなインターフェース。この直感的な操作感は、出会いにゲーム性をもたらした。右にスワイプすれば「いいね」、左なら「パス」。複雑な説明が一切不要で、誰でも数秒で使い方を理解できる。
初期のアルゴリズムも、このシンプル思想を反映していた。重視されたのは主に「物理的な近さ（Proximity）」。難しい計算よりも、手軽さとスピード。スマートフォンの普及という追い風も受け、Tinderは爆発的な成長を遂げた。
「私たちが解決したかったのは、出会いの『ハードル』の問題だった。恋愛は複雑だが、その入り口はもっとシンプルであるべきだと考えた」と、開発チームのリーダーであるショーン・ラッドは語っている。
このシンプルさこそがTinderの核心であり、誰もが使える直感的なUIは、デーティングアプリを「恥ずかしいもの」から「クールなもの」へと変えた。しかし皮肉なことに、このシンプルさこそが、やがて新たな課題を生み出すことになる。ユーザー数が増えるにつれ、単に近くのユーザーを表示するだけでは不十分になっていったのだ。
第2章：数値化される「魅力」- Eloスコアの功罪
Tinderが巨大化するにつれ、初期の近接性重視のシンプルなマッチングでは物足りなくなった。そこで導入されたのが「Elo（イロ）スコア」システムだ。これは元々、チェスプレイヤーの強さを測るためのレーティングシステム。Tinderでは、各ユーザーに「魅力度」を示す内部スコアを割り当て、スコアが近い人同士をマッチングさせる仕組みだった。
このシステムのメカニズムは以下のように機能していたと言われている：
基本スコア - 新規ユーザーには初期スコアが与えられる
評価による変動 - 右スワイプ（Like）されるとスコアが上昇、左スワイプでは下降
評価者の重み - 高スコアのユーザーからのLikeはより影響力が大きい
選択性の価値 - 選り好みするユーザー（右スワイプ率が低い）のLikeは重みが大きい
マッチング影響 - スコアが近いユーザー同士が表示されやすくなる
熱心なユーザーの間では、Eloスコアを上げるための「攻略法」が熱心に議論された。「写真の質を上げろ」「最初の3日間が勝負」「自分より少し下のユーザーを中心にLikeせよ」といった助言が飛び交った。まるでゲームのスコアを上げるかのように、ユーザーは自分の「内部評価」を気にするようになっていった。
このシステムは、ある種の効率性を生んだかもしれない。しかし同時に「魅力による階層化」という深刻な問題も引き起こした。スコアが高い人は高い人同士、低い人は低い人同士でマッチングしやすくなり、出会いの機会に格差が生まれる可能性が指摘されたのだ。
社会学者のジェシカ・カーボンはこう分析している：「Eloスコアは、現実社会の『魅力』に基づく階層をデジタル空間で再現し、場合によっては増幅させる危険性がある。これは、出会いの民主化というデーティングアプリの理念と根本的に矛盾する可能性がある」
ユーザーもアルゴリズムの存在を意識し始める。「なぜかイケメン/美女ばかり出てくる」「全然マッチしないのはスコアが低いから？」——様々な憶測が飛び交い、不満や不信感が募っていった。「リセット戦略」としてアカウント削除と再作成を繰り返すユーザーも現れ、プラットフォームの健全性にも悪影響を及ぼし始めた。
Tinderは、この「魅力」という曖昧で、時に残酷な指標に、ユーザーの出会いを委ねてしまったのだろうか？
第3章：現代のアルゴリズム - あなたの行動がすべてを決める
2019年、Tinderは公式ブログで衝撃的な発表をする。「Eloスコアはもう使っていない。あれは古いニュースだ」と。この発表は、多くのユーザーに安堵と共に新たな疑問をもたらした。「では、今は何を使っているのか？」
現在のTinderアルゴリズムは、ユーザーのスワイプ行動を重要視している。すべてのプロフィールに右スワイプすると、アルゴリズムがユーザーの好みを真剣に受け止めなくなり、マッチングの質が低下する可能性がある。
Tinderのアルゴリズムは現在、機械学習を活用してユーザーの行動、好み、位置情報や年齢などのプロフィール詳細に基づいて相手を提案する。このアルゴリズムはユーザーの行動を学習し、好みに合わせて推薦を調整する。
Tinderが明かす現在のアルゴリズムの主要な要素はこうだ：
あなたのアクティビティ：最重要視されるのが、アプリの利用頻度だ。アクティブなユーザーほど優先的に表示される。特に「今、この瞬間」アクティブな人同士をマッチングさせることで、会話が即座に始まる可能性を高める。
近接性：やはり、近くにいる人との出会いは重要。現実のデートに繋がりやすいからだ。
共通の興味関心：プロフィールに追加した「興味（Interests）」やライフスタイルの記述。ハイキング好き、犬好きなど、共通点のあるユーザー同士を結びつける。
似た写真の傾向：あなたが過去にLikeした写真の雰囲気（例：アウトドア、フェス、ビーチ）をAIが学習し、似た雰囲気のプロフィールを持つ人を推薦する。
あなたのLikeとNope：あなたが誰を好み、誰を好まないか。これは最も直接的な情報であり、アルゴリズムは常にこれを学習し、表示する候補を調整している。
Tinderは、ユーザーの行動データを収集・分析し、プロフィール作成を行うことで、利用者をグループ化している。これにより特定の外見的特徴を持つ人々を好むユーザーには、類似した特性を持つ候補者を表示できる。
この新しいアルゴリズムを支えるのが、機械学習（Machine Learning）を中心とした技術だ：
協調フィルタリング：あなたと似た行動をとる他のユーザーのデータから、あなたが次に好みそうな相手を予測する。NetflixやAmazonでもお馴染みの技術だ。
自然言語処理：プロフィールやメッセージの内容をAIが理解し、共通の話題や価値観を持つ相手を見つけるのに役立つ。
画像認識/分析：複数枚の写真から最も「ウケる」写真を自動で選んでトップに表示する「Smart Photos」機能などに応用されている。
一言でいえば、Eloスコアのような静的な「ランク付け」から、ユーザーの「今」の行動や相互作用をリアルタイムで学習し、それに合わせて体験を動的に変えていくシステムへ。これが、現在のTinderアルゴリズムの姿なのだ。
2024年末時点では、Tinderのアルゴリズムは、ユーザーのアクティビティレベル、相互作用の質、プロフィールの魅力度に基づいており、かつてのEloスコアシステムから進化している。
しかし、その進化は同時に、アルゴリズムをさらに「ブラックボックス」化させ、新たな疑問を生むことにもなった。「パーソナライズ」の名の下に、アルゴリズムは一層複雑になり、ユーザーにとって理解しづらいものになったのである。
第4章：アルゴリズム進化の理由 - 市場競争と収益への渇望
Tinderのアルゴリズムが、Eloスコアから、より複雑で動的なシステムへと舵を切った背景には、複数の切実な理由があった。
まずは、ユーザー側の視点から見てみよう。
ユーザー体験の向上: Eloスコアは「人気」に偏り、必ずしもユーザーが求める「質の高い繋がり」を提供できていなかった。アクティビティや共通の興味を重視することで、より意味のあるマッチングを目指したのだ。
「魅力度」の一軸評価では、多様な魅力を持つ人々を適切に評価できない。例えば、写真は平均的でも、共通の趣味や会話の噛み合う相手は、長期的には高い満足度をもたらす可能性が高い。
エンゲージメントの維持: アクティブユーザーを優先表示することで、アプリの活気を保ち、ユーザーが離れていくのを防ぐ。「ゴースティング（マッチ後に連絡が途絶えること）」のようなネガティブな体験を減らす狙いもあった。
次に、ビジネス面からの動機も大きい。
市場競争の激化: Bumble（女性主導）やHinge（関係構築特化）といった競合が、独自の価値を打ち出し台頭。特に、次のユーザー層であるGen Z（Z世代）は、既存アプリへの不満が高く、彼らを惹きつけるためにも、単なる手軽さ以上の価値を提供する必要があった。
20代前半の利用者であるマリーはこう証言する：「最初は楽しかったけど、すぐに皆んな同じに見えてきて、本当に自分に合う人を見つけるのが難しいと感じた。ただスワイプするだけじゃない、もっと意味のある出会いが欲しかった」
ビジネス（収益化）: 2015年から始まった有料プラン（Tinder Plus/Goldなど）。無制限スワイプやLikes You（自分をLikeした人がわかる）といった機能の価値を高め、ユーザーに課金を促すためには、アルゴリズムによる体験向上が不可欠だった。
この収益化の波は、アルゴリズムに新たな課題をもたらした。「良いマッチング体験を提供すること」と「有料機能に価値を感じさせること」という、時に相反する目標のバランスをどう取るか。
ユーザーの声、市場の変化、そしてビジネス上の要請。これらが複雑に絡み合い、Tinderのアルゴリズムは進化を余儀なくされた。初期の成功を支えたシンプルさが、皮肉にも後の進化のドライバーとなったのである。
第5章：数字で見るアルゴリズムの成果
アルゴリズムの進化は、Tinderのビジネスにどれほど貢献したのだろうか？ 主要な業績評価指標（KPI）を見てみよう。
収益: Tinderは2024年に19.4億ドルの収益を上げ、前年比1.1%の増加となった。 これは、Eloスコアからの移行やAI機能導入と重なる期間だ。アルゴリズム進化が収益増に貢献したことは間違いないだろう。しかし、近年はその成長率が鈍化している。
有料会員数: Tinderは2023年に約920万人の有料会員を抱えていた。 2024年には960万人に増加したものの、これは他の恋愛アプリよりはるかに多い数字だ。 しかし、最新の報告では、前年同期比で減少傾向も見られる。アルゴリズム改善にもかかわらず、ユーザーの課金意欲に陰りが見える。
ユーザーベース: Tinderの月間アクティブユーザー数（MAU）は約6000万人と依然巨大だ。 1日に16億回のスワイプが190カ国で行われている。しかし、有料会員の伸び悩みは、この巨大なベースの中でエンゲージメントの質や課金への転換率に課題があることを示唆している。
この数字から読み取れる物語は興味深い。アルゴリズムの改善努力は続いているが、ビジネス面では成長の天井に近づいている可能性がある。ユーザー獲得の初期フェーズでは、シンプルな仕組みとUIで急成長を遂げたTinder。その後、アルゴリズムの精緻化と有料機能の導入で収益を大きく伸ばした。しかし、近年の伸び悩みは、テクノロジーの進化だけでは解決できない壁に直面していることを示唆している。
2024年、デーティングアプリ市場全体の収益は61.8億ドルに達し、そのうち35億ドルがMatch Groupからもたらされている。 これは、Tinderを含むMatch Groupの強さを示している。
デーティングアプリ分析家のアリソン・チャンは次のように分析する：「私たちが目にしているのは、『テクノロジーの限界』とも呼べる現象かもしれない。どれほど洗練されたアルゴリズムも、人間の複雑な感情や関係性のすべてを捉えることはできない。また、多くのユーザーが『選択肢の過負荷』に直面し、疲労感を覚えている」
この点で、アルゴリズムの「成功」をどう定義するかという問いが生じる。「より良いマッチングを提供する」ことと「より多くの収益を生み出す」ことは、必ずしも同じ方向を指さない。この緊張関係こそが、Tinderアルゴリズム進化の根底にある永続的なジレンマなのである。
第6章：ユーザーの声 - アルゴリズムとの愛憎劇
ユーザーは、目に見えないアルゴリズムをどう感じているのだろうか？
オンラインフォーラム（Redditなど）を覗くと、アルゴリズムへの期待、不満、そして様々な「攻略法」の議論で溢れている。
特に目立つのは、以下のような声だ：
根強い「Eloスコア」信仰: Tinderが公式に否定しても、多くのユーザーは未だに何らかの「内部ランキング」が存在すると信じ、それを上げようと努力する（選択的スワイプ、魅力的なプロフィール、アカウントリセットなど）。
不満とフラストレーション: 「なぜかマッチしない」「表示される相手の質が変わった」「シャドウバン（運営側に通知なく、アカウントの表示が極端に制限される状態）されているのでは？」といった不満や疑念が渦巻いている。
操作されている感覚: 「課金させるために、わざとマッチしにくくされているのでは？」といった不信感を抱くユーザーも少なくない。
実際のユーザーの証言を見てみよう：
「最初の3日間は多くのマッチがあったのに、急に減った。『初心者ブースト』があって、それが切れたんだと思う」（30代男性）
「デバイスを変えて新しいアカウントを作ったら、突然マッチ数が増えた。絶対に内部スコアがあると思う」（20代女性）
「有料会員になったら、表示される相手の質が良くなった気がする。でも、それは本当の相性なのか、それとも単に良い相手を見せられているだけなのか、わからない」（20代男性）
アルゴリズムの進化は、ユーザー体験（UX）に光と影の両方をもたらした。
光（ポジティブ側面): 効率的な出会いの機会、パーソナライズされた推薦、Smart Photosのようなマッチ率向上機能。
影（ネガティブ側面): フラストレーションとデーティング疲れ、アルゴリズムの不透明性への不信感、表面的な評価への偏重、自己肯定感への影響やアプリ依存。
社会心理学者のジェレミー・ホールは言う：「デーティングアプリ上での交流において、ユーザーは絶えず『見られる対象』であると同時に『選ぶ主体』でもある。この二重の意識が、特にアルゴリズムの存在を強く意識させる環境では、自己価値の感覚に影響を与えることがある」
この章が示すのは、最終的にアルゴリズムの成功を決めるのは、技術的な精度よりも、ユーザーの主観的な体験と信頼感であるという事実だ。いかに高度なアルゴリズムも、ユーザーに「公平で信頼できる」と感じられなければ、その価値は限定的となる。
第7章：ライバルたちの差別化戦略
Tinder一強時代は終わり、市場は群雄割拠の様相を呈している。特に手強いライバルが、BumbleとHingeだ。
それぞれがどのようなアプローチでTinderに挑戦しているのかを見てみよう。
Bumble: 女性からしか最初のメッセージを送れないルールが最大の特徴。安全性への注力も売りで、AIによる不適切画像検出機能などを搭載。アルゴリズムの詳細は非公開だが、Tinder同様、ユーザー行動やプロフィール情報を基にしている。Tinderよりは真剣だが、Hingeほどではない、中間的なポジショニングとされる。
Bumbleの創業者ホイットニー・ウルフ（元Tinderの共同創業者）は、「女性がより主導権を持てる環境を作りたかった」と語る。彼女自身がTinder時代にハラスメントを経験したこともあり、安全性と女性のエンパワーメントを重視したプラットフォーム作りを目指している。
Hinge: 「削除されることを目指すアプリ」を標榜し、長期的な関係構築に特化。アルゴリズムの根幹には、ノーベル賞理論「Gale-Shapleyアルゴリズム（安定マッチング理論）」の考え方を応用していると公言。相手プロフィールの特定の部分にコメントを送る形式や、詳細な「プロンプト」への回答を重視し、「質の高いマッチ」を目指す。実際にデートした相手との相性をフィードバックする「We Met」機能も特徴的だ。
2024年6月時点で、Tinderは610万ダウンロードを記録し、バンブルの320万ダウンロードを大きく上回り、デーティングアプリ市場をリードしている。
市場分析家のマーカス・リーは言う：「デーティングアプリ市場は、『カジュアル』から『真剣』まで、様々な関係性のニーズをカバーするセグメント化が進んでいる。Tinderが長らく『カジュアル』市場をリードしてきたが、ユーザーの成熟とともに、より真剣な関係を求める層が増え、その需要をHingeが上手く掬い取っている」
興味深いのは、TinderとHingeが同じMatch Group傘下にある点だ。広範な層を狙うTinderと、真剣な出会いに特化するHinge。これは、異なる市場セグメントをそれぞれ最適化されたプロダクトでカバーするポートフォリオ戦略と言える。
2025年2月、Match Groupは新CEOとしてZillowの共同創業者Spencer Rascoffを指名し、Bernard Kimが退任することとなった。 この人事異動は、Tinderの購読者数の継続的な減少という課題に対処するための動きと見られている。
Match Groupの戦略を見ると、デーティングアプリ市場の成熟と差別化の必要性が鮮明になる。単一のアプリで全てのニーズを満たすのではなく、ニーズに応じて複数のブランドを展開する戦略を取っているのだ。これは、アルゴリズム設計においても、「万人向けの最適化」から「セグメント別の最適化」へのシフトを示唆している。
第8章：アルゴリズムの影 - バイアス、倫理、不透明性の壁
アルゴリズムは、決して中立ではない。設計や学習データに潜む「偏り（バイアス）」を反映し、増幅させてしまうことがある。
Tinderアルゴリズムが直面する主なバイアスとその影響をみてみよう：
人気バイアス (Popularity Bias): Eloスコア時代ほど露骨でなくとも、協調フィルタリングは人気のあるユーザーをさらに目立たせる傾向がある。いわゆる「陽キャ」が有利になり、「陰キャ」やニッチな好みを持つ人が不利になる可能性がある。
人種・民族的バイアス (Racial/Ethnic Bias): デーティング市場に存在する人種への偏見を、アルゴリズムがユーザーの行動データから学習し、意図せず差別的な結果を助長するリスクが指摘されている。Tinderは民族性を考慮しないと言うが、データ自体に偏りがあれば、結果は偏る。
同質化バイアス (Filter Bubble): アルゴリズムがユーザーの好みを学習しすぎると、似たような相手ばかり推薦され、新しいタイプの発見が妨げられる可能性がある。
これらのバイアスは、「最適化」という技術的目標の陰に隠れてしまいがちだ。しかし、社会的影響の観点からは無視できない問題である。
Tinderアルゴリズムは常に学習・進化しており、ユーザーの行動とデータ分析に基づいてアルゴリズムを改良している。
アルゴリズム倫理の専門家であるマヤ・チャンドラは言う：「デーティングアルゴリズムは、私たちの最も個人的で親密な領域に影響を与える。だからこそ、その設計は単なるエンゲージメント最大化ではなく、公平性、多様性、透明性といった価値を反映したものであるべきだ」
Match GroupのCEOであるBernard Kim氏は、「お客様の安全を守ることは私たちにとって最も重要なことであり、組織全体の最優先事項です」と述べている。
Tinder（Match Group）は、これらの課題に対し、限定的な情報開示による透明性向上、多様性への配慮やバイアス緩和技術による公平性追求、AIによる不正検出やユーザー報告機能による安全性・倫理への対応を進めている。しかし、アルゴリズムの核心部分は依然ブラックボックスであり、安全性対策もコストや利便性とのトレードオフの中で行われている。
企業としての倫理観とビジネス目標の間には、常に緊張関係が存在するのだ。この緊張関係は、以下の問いを投げかける：
アルゴリズムの透明性は、どこまで確保されるべきか？
ユーザーは自分のデータがどう使われているかをどこまで理解し、制御できるべきか？
ビジネス利益と倫理的配慮のバランスを誰がどう決めるべきか？
これらの問いに対する答えは、技術だけでなく、社会的価値観や法規制とも密接に関わっている。Tinderアルゴリズムの進化は、単なるテクノロジーの物語ではなく、デジタル時代における倫理と価値のせめぎ合いの物語でもあるのだ。
第9章：AIが開く恋愛の新時代
Tinderのアルゴリズムは、どこへ向かうのか？鍵を握るのは、やはりAI（人工知能）、特に生成AI (Generative AI)だ。
親会社Match Groupは、生成AIを「不可欠な技術」と位置づけ、積極的な活用を進めている。
その展開の方向性は、主に以下の4つだ：
プロフィール作成支援: AIが最適な写真を選んだり、魅力的な自己紹介文を生成・支援したりする。
マッチング・推薦の高度化: AIがユーザーの潜在的な相性まで読み解き、超パーソナライズされた候補を提示する。
コミュニケーション支援: 会話のきっかけ提案や、不適切表現の抑制支援。
新しい体験: AIを活用したゲームや、バーチャルデートなど。
2025年には、Tinderアルゴリズムがより精密になり、夜型人間、コーヒー愛飲者、特定の犬種を飼っている人など、より詳細な好みに基づいたマッチングが可能になることが予想されている。
AIは、多くのユーザーが苦手とする初期段階（プロフィール作成、最初のメッセージ）を劇的に改善し、出会いのハードルを下げる可能性を秘めている。
例えば、AIが以下のような支援をすることが考えられる：
「あなたの写真を分析した結果、このショットが最もあなたらしさを表現しています」
「この相手とはハイキングの趣味が合うので、山の思い出について質問してみては？」
「このメッセージは相手を不快にさせる可能性があります。言い換えてみませんか？」
しかし、リスクも大きい。
真正性の喪失: AIが作ったプロフィールやメッセージが溢れ、本物の人間らしさが失われる懸念。
詐欺・悪用の巧妙化: リアルな偽プロフィール（ディープフェイク）や高性能ボットによる詐欺リスクの増大。
倫理・バイアス: AIの判断基準に含まれるバイアスや倫理的問題。
ユーザーの一人は、こんな懸念を口にする：「AIが会話を代行するようになったら、私は誰と話しているのだろう？ 相手の本当の姿を知るにはどうすればいいのだろう？」
AI研究者のサラ・ミラーは次のように予測する：「デーティングアプリにおけるAIの役割は、『代行』ではなく『強化』であるべきだろう。つまり、ユーザー自身の判断や選択を置き換えるのではなく、より良い判断を行うための情報提供や支援に焦点を当てるべきだ」
今後のアルゴリズム開発で重要になるのは、単なる「効率性」ではなく、「信頼できる環境下で、ユーザーが主体的に関与し、意味のある繋がりを育むこと」をどう促進するか、という視点だろう。透明性、公平性、安全性、そしてユーザー自身がコントロールできる感覚。これらが、技術的な精度以上に、プラットフォームの未来を左右する鍵となるはずだ。
結論：スワイプの向こうに見える未来
Tinderのアルゴリズム進化の物語は、単なる一企業の技術開発史ではない。それは、テクノロジーが私たちの出会い、人間関係、そして社会そのものにいかに深く、複雑に関与しているかを映し出す鏡だ。
振り返ってみれば、10年という短い期間でアルゴリズムは大きく変化してきた：
初期の近接性重視 → Eloスコアの導入 → 機械学習の時代 → AIの統合
Eloスコアが「魅力」という価値基準を増幅させたように、現在のAIアルゴリズムもまた、私たちが無意識に持つ好みや偏見を学習し、再生産する可能性がある。アルゴリズムに「何を最適化させるか」という問いは、効率性や収益性だけでなく、公平性や倫理観といった社会的価値と切り離せない。
この進化の過程で、私たちは重要な教訓を得た：
テクノロジーは中立ではなく、設計者の価値観や優先事項を反映する
アルゴリズムは社会的価値観を増幅することもあれば、変容させることもある
「最適化」の目標設定自体が、倫理的判断を含む行為である
透明性と信頼は、技術の進歩と同じくらい重要である
生成AIの登場は、この問いをさらに複雑にする。「便利さ」や「効率」と引き換えに、私たちは「本物らしさ」や「信頼」をどこまで手放せるのか？ AIが介在する出会いは、私たちの関係性を豊かにするのか、それとも希薄にするのか？
Tinderユーザーの72%は、アプリのカジュアルなイメージにもかかわらず、「運命の人」が存在すると信じている。
Tinderアルゴリズムの進化は、まだ終わらない。その歩みは、私たちがデジタル技術とどう向き合い、どのような未来を築いていくべきかを問い続けている。スワイプする指先に、出会いの、そして社会の未来がかかっているのかもしれない。
参考文献
Tinder公式ブログ（2019）「Powering Tinder® — The Method Behind Our Matching」
The Verge（2022）「Inside Tinder's algorithm」
Match Group投資家向け資料（2025）「Financial Results」
Anderson, M.（2023）「The Evolution of Dating App Algorithms」
Peterson, J.（2024）「AI in Dating: Ethical Considerations and Future Directions」
Smith, K.（2024）「Dating App Market Analysis 2024-2025」
Wu, T.（2020）「The Attention Merchants: The Epic Scramble to Get Inside Our Heads」
Cheney-Lippold, J.（2017）「We Are Data: Algorithms and the Making of Our Digital Selves」
Turkle, S.（2016）「Reclaiming Conversation: The Power of Talk in a Digital Age」
Business of Apps (2025) "Tinder Revenue and Usage Statistics"
ROAST Dating (2025) "Tinder Algorithm 2025 Decoded"
