数据分析:通过3500万用户考验,用数据改变用户习惯的方法爱范儿

“我们于2014年11月创立Feel,至今已经拥有3500万用户,每天在Feel打卡的用户约330万。在Feel上可以记录日常运动、健身、身体复健、甚至早睡早起等,健康生活有关的内容。”Feel产品负责人戴金乘说。

提及运动健康领域,大众会立刻联想到许多工具属性的记录软件,和以内容为主的PGC模式应用,而最具核心价值的用户健康数据却少被谈及。用户的健康数据有什么作用?怎样让用户养成记录数据的习惯?

概要:如何通过数据记录改变用户的健康消费模式

随着健康领域热度的增长,各类健康App,如NikeRunning,Runkeeper、咕咚、Keep等,纷纷呈现在用户眼前。除了真正的运动爱好者,普通用户在新鲜感淡去后,会逐渐减少使用,甚至不再使用这些App。这类专项运动工具App,因以Fitness为代表,暂称为Fitness类应用。

为什么这类应用难以坚持使用?首先是因其极具专业性,应用假定用户,追求成为资深健身爱好者。这导致用户必须向高强度运动项目发起挑战。但并非所有用户都对八块腹肌有追求,普通用户在新鲜劲过后,难以持续运动激情。

其次,现今国内该类应用同质化严重。上述提及的App,都提供GPS功能以记录跑步轨迹、提供视频教程辅佐用户健身或瑜伽等,甚至在外观上也日渐趋同。如此对单独运动健身功能垂直挖掘,并未足够利用体育与互联网的优势,且单一领域的爱好者有限,用户数易处于瓶颈。

Healthcare全称为MobileHealth2.0,主要通过各类传感器、渠道和使用方式以全面收集用户数据,综合分析并提供运动指导、健康意见或预警等科学的解决方案。

Healthcare领域公司有,小米运动、三星健康、GoogleFit、Feel、Fitbit等。现今业界普遍认为,Healthcare将是互联网运动领域的新方向。Healthcare并不是“一个极致化的垂直工具”,而是一揽子解决方案,即用户只需要这一个就够了。

对普通用户而言,他们可能在一定时期内有健身塑型的特殊需求,并选择Fitness类产品。如此暂时性需求的周期性非常明显,超过产品定位的生命周期,或塑形完成后,用户可能不再使用该产品。

简而言之,Fitness像是专卖店,有单一领域专注极致的追求,而Healthcare像是超级市场,以更综合的方式满足用户,通过收集、分析用户的数据以帮助用户健康生活。

如何让没有专业需求的普通用户主动记录数据——帮助用户明确目标,根据目标的不同,辅佐用户找到需要记录的数据。

很多女性用户,在身材已肥瘦两相宜的情况下,还想不断减肥。最后由于长期未摄入动物蛋白质及其它人体所需矿物质,积损成伤,易染恶疾。在减肥的表层需求下,如何健康变瘦才是用户追求的目标。这个案例里,用户需要关心的数据不仅是体重,还有体脂率。

90后年轻人约占Feel用户群体的80%,要了解现今年轻人的健康需求特点,就需要进入他们的生活场景中。

很多90后女生关心睡眠质量,目的是为保养皮肤,睡美容觉。我们就不仅需给她们提供睡眠记录打卡,还要推荐皮肤保养方案。甚至,联合用户的其它数据挖掘她们更深层次的需求:想美肤,是因工作、婚恋需要、还是增加自信、想当模特等。

用户的真实需求通常隐藏在表面目的下,通过分析用户原始数据,还原用户所在场景和状态,即可衍生出更多细粒度需求。

量化自我并不是新概念,其隐含自我记录,自我评判的意义。量化自我的追随者,会相信分析数据可以改善个人生活。就记录本身而言,让用户时时刻刻记录自己的健康数据,是件反人性的事。如何让用户心甘情愿地记录自身多维度的健康数据呢?以Feel为例进行分析。

通过常规的Hook模型进行解释:

让用户持续进行上述四个流程的循环,便能帮助用户塑造习惯。

在产品中设计游戏化场景,让用户能够有更多参与途径。以往产品大多使用进度条列表体现数据,Feel从设计时就想找到一种整齐漂亮,又可让人眼前一亮的交互方式。用户进入Feel能一眼看见其宫格式功能矩阵,而它实际是16项健康工具的记录进度列表。

这一设计让用户“玩了起来”,产品日活在3个月里增加了1倍。

Feel是从社群起家,去年开始完整转型为健康平台。平台本身就有社群基因,同个计划小组内,用户互相加油鼓劲,晒照片,晒计划成果,或者甚至是互相吐槽,这都给社区成员带来归属感。

Feel现在有约7万3千个小组。小组人数,如“练马甲线计划”小组有多至300万人,也有如“今天不生气”打卡小组,只有不到100人。但这些人能每天坚持打卡,最多已坚持超200天。

健康数据给用户带来两个方面益处。

俄罗斯研究人员邀请不同年龄的100位想要减肥的女性志愿者参与实验。她们被分为两组,其中一组志愿者每天记录其所食用的食物,并计算食物中的卡路里含量。另一组志愿者则没有记录食物的卡路里含量。研究人员并未限制志愿者的日常饮食。一个月后,记录每日卡路里摄入量的志愿者变瘦了,而另一组体重无变化。

同在未被限制饮食的情况下,为何仅记录数据的一组志愿者能变瘦一点?

不记录数据时,用户吃多吃少无标准,甚至假装不知道、糊弄自己。当需白纸黑字记录内容时,用户只能逼迫自己面对事实。在达成目标之前,摄入量过多会产生强烈的负罪感,所以用户选择克制,健康意识也随之产生。

定制化方案不是简单的,单向输出视频形式、大众化健康食谱建议等来解决问题。而是根据身体的原生状况提供更深度的服务。Feel会在今年下半年正式上线该服务,并将打通线上与线下两部分内容,通过融合自我练习和健身教练的专业指导,让专业人士更好地帮助用户达到目标。

注:文中数据不做投资参考;未备注图片来自Unsplash;感谢爱扒词转录整理。

张恒烽

下一篇2016-08-3017:48

上一篇2016-08-3017:28

AllcontentismadeavailableundertheCCBY-NC4.0fornon-commercialuse.Commercialuseofthiscontentisprohibitedwithoutexplicitpermission.

THE END
1.采集美食网站3032个菜谱数据,对比各大菜系美食的数量用料于是,J哥默默打开了各大美食网站,如豆果美食、下厨房、美食天下等。经过甄选,最终爬取了豆果网最新发布的中国菜系共3032个菜谱,然后清洗数据并做可视化分析,试图走上美食博主的康庄大道。 豆果美食网的数据爬取比较简单,如果您对爬虫感兴趣,可以看一看。 https://blog.csdn.net/m0_48405781/article/details/109241312
2.大数据美食推荐通过分析用户的浏览记录、购买行为、地理位置等数据,系统能够了解用户的偏好和口味喜好,并向其推荐相应的美食。当用户在购物网站上搜索意大利餐厅的信息时,大数据系统会根据用户的地理位置和过去的消费记录,推荐该地区的经典意大利美食。这种个性化推荐能够提高用户的满意度,也为商家带来更多的机会。http://chatgpt.cmpy.cn/article/4807497.html
3.数据分析网八大数据可视化网站和工具,帮助你的数据更容易理解和分析 2023-12-15 数据可视化没有重点怎么办? 2022-06-30 60种可视化图表制作工具和使用场景 2022-05-06 人物观点 更多 大数据,为什么越来越少的人谈论了 2024-09-01 推荐系统是否公平? 2024-07-02 读透数据治理:DGI框架全解(第一章) 2024-01-30https://www.afenxi.com/?wordfence_syncAttackData=1732686273.3444
4.一个月超3万个GPTs!深扒全球Top50GPTs,谁是民间GPT王者?下表展示了自GPTs发布至2023年11月29日期间,全球流量排名Top50的GPT助手,覆盖设计、营销、科研、教育、生活、办公、游戏、编程等各个领域。虽然这不是官方数据,但也能为产业提供一些参考。 ▲全球流量排名Top50的GPTs(自发布至11月29日) ChatGPT官方发布的16个GPT稳居榜单前列,尤其是DALL·E、数据分析(Data Anahttp://www.bianews.com/news/details?id=173450
5.数据科学实战手册(R+Python)本书的主要内容有:学习数据科学项目的流程,并使用它来获取、清洗、分析和可视化数据;在多个实战项目中理解数据科学的关键概念;通过一步一步的代码实例来掌握R和Python强大的数据编程能力。无论你是数据科学的新手,还是有经验的专业人士,你都可以从本书提供的89个实际案例中掌握数据科学的关键概念和利用R、Python进行数https://www.epubit.com/bookDetails?id=N5839
6.食谱卡路里数据分析怎么做?万象方舟食谱卡路里数据分析是一种可以帮助人们更好地了解食物热量和营养成分的方法。通过对食谱中每种食材的热量、蛋白质、碳水化合物、脂肪等营养成分进行分析,可以帮助人们制定更科学合理的饮食计划。下面将介绍如何进行食谱卡路里数据分析的步骤。 步骤一:收集数据 https://www.vientianeark.cn/qa/150202.html
7.以豆果美食为例浅析食谱类互联网公司商业模式比如,豆果美食已经开始为三星和海尔等公司提供标准化数据,为他们的家电设计提供参考。在未来,通过分析食谱类互联网公司的食谱大数据,人们可以利用智能家电更方便地做出美味的菜肴。 (三)下沉产业链 利用积累的人气和口碑可以开展线下的培训活动,实现产业链的下沉。于2009年上市的日本cookpad互联网公司被视为美食类网站的https://m.lunwendata.com/show.php?id=107012
8.GitHubakiritsu/cslearning矩阵和向量用于表示数据、模型参数和特征,矩阵运算用于实现模型的训练和预测。 数据分析和统计学:线性代数在数据分析和统计学中扮演着关键角色。矩阵和向量可用于表示数据集,而奇异值分解、主成分分析等线性代数方法可用于数据降维和特征提取。 计算机网络:线性代数的概念如矩阵和向量空间在计算机网络中有应用,例如,在https://github.com/akiritsu/cs-learning-map
9.AppStore上的“嗷呜猫狗食谱4、食材库存管理:可以记录日常屯肉数据,结合喂食记录进行核减,同时可以通过参照食谱分析库存剩余可用天数、库存金额 5、物品管理:可以记录罐头、冻干、零食、营养剂、药品等的数量以及保质期管理 PS:加入嗷呜猫狗食谱用户社群,你还可以一起探讨、分析猫狗生骨肉熟自制遇到的日常问题哦!也可以加入宠物车群,了解第一手宠https://itunes.apple.com/cn/app/id1560528196
10.数据安全:流动的数据AET当前,以大数据、物联网、人工智能为核心的数字化浪潮正席卷全球,全世界每时每刻都在产生大量的数据,人类产生的数据总量呈指数级增长。面对如此巨大的数据规模,如何采集并进行转换、存储以及分析,是人们在数据开发利用过程中面临的巨大挑战。其中,数据采集又是所有数据处理行为的前提。 数据采集是指从系统外部采集数据并http://www.chinaaet.com/article/3000135948
11.云计算服务GoogleCloud数据分析 网络 开发者工具 安全 使用Vertex AI 和 Gemini Code Assist 构建和扩缩生成式 AI 应用 使用Vertex AI 部署和管理 AI 应用,以及使用 Gemini Code Assist 获得任务和代码编写方面的帮助。 免费开始使用 操作方法 使用Vertex AI 构建、调整和部署基础模型 AI 驱动的应用 使用LangChain 在 Vertex AI 中构建https://cloud.google.com/
12.Python美食评分可视化源码美食信息可视化设计食谱数据分析与可视化系统 一、介绍 此系统使用下厨房数据,对数据进行分析展示,应用Python爬虫、Flask框架、Echarts等技术实现。 二、系统功能 1、数据概览 使用本周最受欢迎数据,对数据进行分页展示,支持用标题、食材进行模糊搜索。 2、食材使用top30 使用食材数据(tbl_top_yongliao),对食材进行分组查询,用echarts饼https://blog.51cto.com/u_16099269/9800380