Você provavelmente já usou o Tinder ou algum outro app de encontros e viu que, depois de um determinado tempo movendo seu polegar para direita e para a esquerda, um sentimento toma conta do seu ser: o tédio.
O estudante de economia Murillo Neri, de 24 anos, se sentia desse jeito quando resolveu mudar o esquema do jogo de aplicativo de encontros. “Ficar jogado no sofá depois do trabalho passando o dedo pro lado em busca de companhia era extremamente burocrático”, diz. “Quando você é meio feio você precisa deslizar pro lado umas 100 vezes pra achar um interesse mútuo.”
Videos by VICE
Dois anos atrás, Neri trabalhava com otimização de processos em um banco e boa parte do seu dia envolvia trabalhar com planilhas eletrônicas, sacar de números e automação de tarefas.
Munido desse conhecimento e de algum tempo disponível, ele criou, no ano passado, o arquivo “MATCHine_Gun.xlsm”. Como o próprio definiu, trata-se de um sistema que interage com a interface do Tinder com um único objetivo: apertar o coração verde um número de vezes determinado por uma variável que determinasse na célula ‘C3’.
O programa foi escrito em VBA (Visual Basic Application, linguagem de programação utilizada para escrever macros no excel) para rodar a cada três segundos. Nesse meio tempo fazia uma verificação simples de tela, dava o like e repetia o processo. Com isso, Neri afirma ter conseguido números bastante expressivos. “Vinte minutos de banho enquanto o aplicativo rodava, gerava 400 likes. Já 12 horas de trabalho, 14.400 likes”, diz.
Para não ter problemas com o número de likes que poderia dar em um dia, ele contratou uma conta premium da plataforma. Com tantos dados em mãos, ele afirma ter conseguido fazer testes mais analíticos como verificar a eficiência de match por curtidas, avaliando região, cidade, horário de execução, descrição e fotos. “Era tão divertido quanto os dates observar as nuances e similaridades entre pessoas que correspondiam os likes alterando uma coisa ou outra”, afirma.
Com isso começou a observar que alguns dias e horários davam mais certo na hora de gerar combinações. “Tardes e noites de domingo e dias de meio de semana, como terça e quarta bem cedo ou no fim do dia eram os melhores”, conta.
Além disso, fotos temáticas também geravam mais resultado. “Foto fantasiado de Neymar com uma catuaba no carnaval ou uma metralhadora de brinquedo chamavam mais matches do que selfies bem editadas”, comentou.
Murillo não se limitou a olhar São Paulo, mas percebeu que para ele a cidade funcionava melhor. “Nos bairros de Vila Mariana e Moema eram os que mais davam certo, enquanto picos badalados como Augusta e Pinheiros, tinham uma efetividade baixíssima durante a noite. Durante a semana rendia mais com quem trabalhava na região.”
Em janeiro deste ano, depois de três meses de execução do código, cerca de 65 mil curtidas e 3500 combinações — e análises dos dados coletados no processo —, Neri conheceu sua atual namorada.
Perguntado se ela sabe sobre seu a automação que levaram os dois a se conhecer, ele responde que sim. “Ela não curtiu muito de imediato, pois ninguém gosta de saber que não foi escolhida a dedo. Mas dei um sambarilove bom e hoje em dia a gente da risada disso”, diz. Com isso, a MATCHine_Gun foi aposentada e as interações, segundo afirma, estão “um pouco menos ´robóticas´ que antes”.
Leia mais matérias de ciência e tecnologia no canal MOTHERBOARD .
Siga o Motherboard Brasil no Facebook e no Twitter .
Siga a VICE Brasil no Facebook , Twitter , Instagram e YouTube .