A chinesa Liangpei cobra $275 por um match de IA e devolve o valor se nao houver casamento em 3 anos

Os aplicativos de encontros tradicionais ha muito tempo operam segundo uma logica estranha: quanto mais tempo o usuario procura, mais ele paga. Feed infinito, Super Likes pagos e assinatura pela assinatura. Um bom resultado nao e vantajoso para o produto, pois casais felizes vao embora e deixam de gerar receita. A Liangpei ("bom par"), startup chinesa de Shenzhen, decidiu inverter esse modelo.

Como funciona

O onboarding e estruturado em torno de uma conversa por voz. O usuario passa cerca de 20 minutos conversando com uma casamenteira de IA e responde a 25 perguntas: historico de relacionamentos, planos de casamento, renda, se possui moradia e, caso nao possua, quando espera ter uma. A outra pessoa passa pelo mesmo processo. A rede neural monta os perfis, calcula uma pontuacao de compatibilidade e recomenda um par.

Em seguida surgem restricoes raramente encontradas em aplicativos ocidentais. So pode haver um match ativo. Ate que uma das duas pessoas o encerre de forma definitiva, nenhuma delas pode conversar com outras. Isso elimina deliberadamente a mecanica dopaminergica de deslizar: nao ha motivo para continuar navegando quando voce ja tem uma pessoa especifica diante de si.

Para efeito de comparacao, uma mudanca parecida tambem esta acontecendo no Ocidente. Depois de um match, o Breeze nao abre um chat: ele reserva imediatamente uma mesa em um bar. O Known conduz o usuario por uma entrevista de voz de meia hora com uma rede neural e cobra apenas por um encontro confirmado.

Um modelo de precos que alinha incentivos

No plano pago, o usuario desembolsa uma unica vez 2.000 yuans (cerca de $275). Se nao se casar em 3 anos, recebe o dinheiro de volta. Se houver casamento, nao ha reembolso. O prazo nao foi escolhido ao acaso: o servico entrevistou jovens em um cartorio de registro de casamentos de Shenzhen, e cerca de 70% deles haviam se casado dentro dos 3 anos seguintes ao momento em que conheceram seus parceiros.

O importante aqui nao e o exotismo, mas a mudanca de metrica. Os servicos de encontros convencionais ganham dinheiro com retencao e LTV. A Liangpei ganha com resultados rapidos e, na pratica, paga pela propria ineficiencia por meio do reembolso. A empresa precisa que o usuario saia feliz o mais rapido possivel. E um caso raro em que o modelo de negocios e o objetivo do cliente coincidem.

Match como problema de busca

O fundador Zeng Xinxun veio da area de busca, nao da de encontros. Ele desenvolveu mecanismos de busca e sistemas de recomendacao no WeChat e no TikTok e, recentemente, foi tech lead na Kimi. Sua tese e que encontrar um parceiro e um problema de busca, com a diferenca de que o objetivo e encontrar pessoas, nao documentos. Agora, a equipe esta treinando um modelo que usa dois perfis para estimar a probabilidade de um relacionamento dar certo.

Cabe uma ressalva: por enquanto, trata-se de um produto em estagio inicial, lancado em julho, e nao ha dados publicos sobre a taxa real de casamentos. A alegacao de 70% se baseia em uma pesquisa realizada em um cartorio de registro de casamentos, e nao em um estudo controlado; portanto, a amostra esta enviesada em favor de pessoas que ja iriam se casar. As perguntas sobre renda e moradia tambem refletem um contexto cultural especifico e nao podem ser transferidas de forma direta para outros mercados.

O que isso significa na pratica

Para equipes de produto, a principal licao e que restricoes podem se transformar em funcionalidades. Um unico match ativo, onboarding por voz e pagamento por resultado funcionam como filtros para intencoes serias. Para desenvolvedores, e interessante observar que uma entrevista por voz com um LLM substitui os questionarios: ela gera um sinal mais rico do que caixas de selecao e, ao mesmo tempo, estabelece uma estrutura de 25 perguntas conveniente para a pontuacao.

Para fundadores, a conclusao e ainda mais direta: se sua receita cresce porque o cliente nao consegue resolver o proprio problema, cedo ou tarde o mercado apresentara um produto que ganha dinheiro com o resultado oposto. Um modelo com devolucao do dinheiro exige confianca na qualidade do matching, e e justamente a IA que torna essa confianca, ao menos em alguma medida, justificavel.