「Keep」

Keep 智能训练计划

Keep概况

主旨：以内容和服务为核心优势，用大数据、智能硬件及自身科技手段连接一切，建立科技互联的运动生态

发展：从最初以内容社区切入的健身APP，发展成为 APP、智能硬件和线下场景三者并驾齐驱

优势：拥有如此庞大而丰富的精准数据，内容、数据、算法、场景齐聚迸发

1）内容：Keep 拥有市场上最全的动作库，有足够科学的运动内容推荐给用户，以及拥有大量的个性化运动解决方案。通过这些，Keep 可以更好地指导不同类型的用户。其次，Keep 在数据上的积累形成了天然优势，活跃的社区行为也将源源不断的提供交互数据，保证了新鲜数据的补充

2）数据：2018 年，Keep 开始做数据仓库的建设，将所有的数据包括用户的 ID 及运动数据统一到一个平台。之后的数据分析、数据挖掘，算法搜索推荐，甚至是做用户画像的工作，都统一从该平台拿取数据。这使底层的架构更加清晰，不会出现每当业务有新情况时就要重新更新的问题等

3）算法：包含基于IMU 的传感器算法研究和 CV 领域两个方面。两者各司其职，前者应用于传感器采集数据，并利用其生成标准轨迹，最后进行用户轨迹和标准轨迹匹配；后者涉及从用户图片、视频中计算人体关键点，生成关键点的运动轨迹，再同标准轨迹匹配后，得出运动时的动作指导方案

4）场景：针对场景，包括智能硬件和线下空间。这两个场景可以更为直观的获取到信息，并可以及时的将分析处理过的反馈传达给用户，利用这一方向，Keep 可以将线下和线上资源更好地结合、打通

AI应用：

1）课程推荐：Keep 在应用内为用户建立了社交行为、运动习惯的标签。并根据用户的标签内容为用户推荐个性化的课程

2）打分：基于传感器，结合用户的运动轨迹来给用户的运动打分

3）线下整合方面：Keep 利用多种技术来加强用户的运动体验

4）监督指导：通过数据分析、深度算法帮助用户更了解自己。用户的运动数据能够传输到Keep APP 中并得到最真实有效的数据反馈。用户凭借数据反馈纠正自身不良的运动习惯，同时从中获得有价值的运动指导

运动效果测评的解决方案：

一方面借助“传感器”（ IMU 的传感器算法。用户在运动时戴上手环，便可以通过传感器采集来的数据绘制出运动轨迹，将用户的运动轨迹和标准库里面的运动轨迹进行比对和判断，如果动作有典型的错误或者动作不到位，Keep 就会通过 App 反馈给用户。另一方面，借助 Keep 的课程设计师，设计师设计课程时，会内部标注一些准确性比较高的数据。

Keep 智能训练计划

痛点①：

每个用户的身体状况不同

目标：

确定每个用户的锻炼需求

解决方案：

通过测试，准确预测用户的水平，提出阶段点评和运动建议

image.gif

痛点②：
训练计划不符合自身，不能很好的坚持
目标：
个性化、持续性：根据用户量身定制，进行有针对性的区分训练，且进行有效监督
解决方案：
定制服务+微信群讨论、监督、气氛带动

image.gif

痛点③：

新手容易犯错误，按照视频做类似教程时，都只是学起形，几乎没有锻炼到重点

目标：

强调注意事项与错误案例，列出新手容易犯的错误，有效避免踩坑

解决方案：

PLUS课程：两位教练一组，一位进行动作示范，另一位则进行动作精讲

image.gif

image.gif