数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法

“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。

“Feel 就像是用户的“移动健康助手”,关注并提出方案改善着用户各类健康疑问。”

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

健康领域的模式

真正值得被记录的数据

如何培养用户量化自我的习惯

用户形成量化自我的习惯后,数据的作用

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第1张图片

健康领域 App 的模式

Fitness 类应用

随着健康领域热度的增长,各类健康 App,如 Nike Running,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。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第2张图片

Healthcare 类应用

Healthcare 全称为 Mobile Health 2.0,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。

而 Heathcare 模式具有广泛的人群基础,且没有明显使用周期特性,更轻量化与生活化。就如迪士尼动画《超能陆战队》中的健康机器人——大白。用户可能不知道自己需要它,但它一直在那儿陪伴用户,时刻关注着用户的需求。

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。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第3张图片

健康领域内,真正值得被记录的数据

数据不需要被记录?对用户而言,数据是不需要被记录的。

用户要的不只是数据。大部分用户对数据是无概念的,各种复杂的数据,对用户少有作用。只有部分特殊需求,如骑行与跑步,专业用户才会关注里程等细粒度的数据,即习惯运动用户的记录需求,才是强需求。因此,经过分析得出的结果与解决方案,更重要。

找到用户需要记录的数据

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。

我们首先应帮助用户了解该关注什么数据,再帮助用户达成目标。告知用户的数据指标是否在正常范围内,提出相应的目标,并提供解决方案辅以达成目标。根据用户目标挖掘定向数据,整理许多复杂的、用户无需了解的数据,综合理解用户的身体状态。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第4张图片

90 后的数据需求

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。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第5张图片

如何培养用户量化自我的习惯

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。

激励

健身教练能有自己的健身成果,并可将经验分享给他人。表面上是靠自身驱动力去完成的,实际上并不仅仅如此。在运动过程中,教练会记录并量化自己的目标和成果,通过改变不断给自己正向反馈,持续坚持并达到理想效果,即“激励”。

(图片来源于嘉宾分享)

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第6张图片

通过常规的 Hook 模型进行解释:

通过内外部出发机制,引导用户采取行动

让用户按照预期行动

对用户进行奖励

让用户持续进行投入

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。

游戏化交互方式

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。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第7张图片
(图片来源于嘉宾分享)

我们从俄罗斯方块上找到灵感,用不同颜色模块拼凑出用户的健康简历,完成每个任务,白色的模块就能被点亮,让用户的界面同样规整但却都不一样。该设计得到用户认可,很多用户看到这个表格就很想都把它们点亮,让宫格展现得更完整。每个按钮点击完成后,会进入分享界面,让用户记录所处场景和互动。

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。

社群

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。

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第8张图片

培养用户的自我量化习惯后,我们还能帮助用户做什么?

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?

数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法_第9张图片

量化自我的行为,让用户有健康意识

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。

根据持续反馈的身体状况,可以进一步提出更科学的方案

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;感谢爱趴词转录整理。

你可能感兴趣的:(数据分析:通过 3500 万用户考验,用数据改变用户习惯的方法)