With the increasing use of online matching markets, predicting the matching probability among users is crucial for better market design. Although previous studies have constructed visual features to predict the matching probability, facial features extracted by deep learning have not been widely used. In an online dating market, from the user attractiveness prediction analysis, we find that deep learning-enabled facial features can significantly enhance a user’s ideal partner preferences prediction accuracy. We also predict the attractiveness at various evaluator groups and explain their different preferences based on the evolutionary psychology theory. Our work contributes to IS researchers utilizing facial features with deep learning and interpreting them to investigate underlying mechanisms in online matching markets. From a practical perspective, matching platforms can predict matching probability more accurately for better market design and recommender systems for maximizing the matching outcome.
온라인 매칭 플랫폼 사용의 증가에 따라 유저들 간의 매칭 확률을 예측하는 것은 더 나은 플랫폼 디자인을 위해 필수적인 요소가 되었다. 선행 연구에서는 매칭 확률을 예측하기 위해 시각적 변수를 활용했지만, 딥러닝 기반 방법론을 통해 추출한 얼굴 변수는 아직 널리 사용되지 않았다. 우리는 온라인 데이팅 플랫폼 내 유저들의 매력도 예측 분석을 통해 딥러닝으로 추출한 얼굴 변수가 그들이 선호하는 이상적인 파트너를 예측하는 정확도를 크게 향상시킬 수 있음을 확인한다. 또한 다양한 평가자 그룹에서 매력도를 예측하고, 그들의 각기 다른 선호도를 진화심리학 이론을 바탕으로 설명한다. 우리의 연구는 정보 시스템 연구자들로 하여금 딥러닝 기반의 얼굴 변수를 활용하여 온라인 매칭 플랫폼의 작동 원리를 더욱 자세하게 분석할 수 있도록 기여한다. 실용적인 관점에서 매칭 플랫폼 운영사들은 유저들 간의 매칭 확률을 더 높은 정확도로 예측하여 매칭 결과를 극대화하는 플랫폼 디자인과 추천 시스템 설계에 활용할 수 있다.
