스와이프 기반 데이팅 앱에 피로를 느낀 Gen Z를 겨냥해, Ditto는 사람을 더 많이 보여주는 대신 실제 만남까지 과정을 줄이는 방식을 택했습니다. 미국 대학생은 앱에서 카드를 넘기는 대신 iMessage 번호와 코드를 통해 가입합니다. 이름·성별·생년월일 같은 기본 정보로 시작해 성격, 관심사, 연애 선호를 답하고, 일부 이용자는 셀럽 크러시 사진을 올려 자신이 끌리는 유형을 설명합니다.
Ditto의 매칭 가설은 단순한 취미 유사도와 다릅니다. 암벽등반·스카이다이빙·야외 스포츠를 즐기는 사람과 힙합·스트리트웨어·스케이트보딩을 좋아하는 사람은 표면적인 관심사가 겹치지 않을 수 있습니다. 그러나 서비스는 이 조합에서 모험심이나 독립성처럼 더 깊은 성향의 공통점을 읽으려 합니다. 창업자들이 말하는 핵심 주장은 적절한 신호가 있다면 케미도 어느 정도 예측할 수 있다는 것입니다.
제품 경험은 매주 수요일 오후 7시에 완성됩니다. Ditto는 상대방의 이름만 보내는 것이 아니라 만날 시간과 장소까지 함께 제시합니다. 이용자는 매칭 상대를 고르고 일정을 조율하는 대신 약속 장소에 나가면 됩니다. 데이트가 끝난 뒤에는 피드백을 받아 이용자 이해를 업데이트하고, 다음 매칭을 개선합니다. 추천 알고리즘과 일정 조율, 학습 루프가 하나의 짧은 오프라인 행동으로 이어지는 구조입니다.
초기 지표는 이 접근이 적어도 관심을 끌고 있음을 보여줍니다. Ditto는 15만 명의 가입자를 확보했고, 연결된 매칭 가운데 약 20%가 실제 데이트로 이어진다고 밝혔습니다. 현재는 수십 개 대학에서만 이용할 수 있으며 .edu 이메일을 활용해 같은 대학의 학생인지 확인합니다. 920만 달러의 시드 투자를 바탕으로 더 많은 학교와 대학 밖으로 확장하려는 단계입니다.
긴장 지점은 명확합니다. 만남까지 걸리는 시간을 줄이면 앱 안의 대화 피로는 줄어들지만, 상대가 실제로 누구인지 확인하고 안전한 상황인지 판단할 시간도 짧아집니다. 규모가 커질수록 .edu 이메일만으로는 충분하지 않을 수 있고, 대학 밖에서는 신원 검증과 위험 대응의 책임이 더 복잡해집니다. AI가 케미를 잘 추정하는지와 별개로, 잘못된 매칭이 현실에서 어떤 비용을 만들 수 있는지까지 제품이 다뤄야 합니다.
Ditto가 보여주는 방향은 데이팅 앱의 경쟁이 ‘추천 후보 수’에서 ‘오프라인 행동을 얼마나 자연스럽게 만들어주는가’로 이동할 수 있다는 점입니다. 바이럴한 로봇 스턴트는 사용자를 데려오지만, 창업자들이 말하듯 남게 만드는 것은 좋은 첫 데이트입니다. AI가 선택의 부담을 덜어줄수록 신뢰와 안전을 어떻게 함께 설계할지가 다음 성장 단계의 핵심 시험대가 될 것입니다.