京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用数据和算法来设计个性化健身课程,“沸腾时刻”想成为线上专业“私教”
虽然帝都承办了 2008 年奥运会,天朝国民也为此盛事狂欢,但除了金牌数字让人血脉偾张以外,日常体育锻炼和健身还离大多数国人很远。而即使近几年有不少健身房在生活小区周边建立起来,也往往因为上班族时间资源的稀缺以及空间距离带来的不便而让人在办卡后无法形成持续的运动健身习惯。
不过好消息是,随着手机、平板等移动设备因其便携性而成为人体不可或缺的一部分,好的健身内容也可以被装进“口袋”、随身携带,降低了人们持续消费健身内容的门槛,从而有助于形成良好的运动习惯——而线上健身平台“沸腾时刻”想做的就是这样一件事。
简单来说,“沸腾时刻”想通过收集用户身体的数据,用算法为其设计个性化的视频健身课程,替代传统的线下“私教”。
初次使用沸腾时刻时,用户需要手动输入自己的身高、体重、腰围、臀围等信息,让系统对其身材有个基础的判断和了解。但仅有这些数据还不足够系统精准判断,所以采集了基础数据后,沸腾时刻还会要求用户跟着视频完成“体测”环节,以判断用户体能适合从何种强度的训练开始做起。
说到这里,有人可能会好奇:纯线上的视频播放方式,如何得知用户线下“体测”的成绩呢?这正是沸腾时刻很有意思的一点——它会为用户提供可交互的视频课程,让用户跟着视频中的教练完成一系列动作,比如“做 30 秒的高抬腿”,当高抬腿的教学视频播放完后,视频便会暂停并弹出一个表单,让用户填写他在 30 秒内可以完成的高抬腿动作的个数——通过这类数据的收集,系统便可以判断出用户的体能大概在什么样的水平。
当然,这类交互不仅仅限于体能测试的环节,在用户后续的健身过程中,为其配套的健身视频都会不断采取这种交互方式来收集用户的运动数据,以跟踪其锻炼效果,并优化后续为其推送的视频健身课程,让用户可以循序渐进地达到健身目标。这也就是之前所说的,用数据+算法去替代掉原来线下的私教所做的事。
不过,用纯粹的线上方式来做健身教学,除了数据收集这一弱点以外,还有对用户把控较弱的缺点——就像 Coursera 上的视频课程一样,用户辍学的门槛极低,也没有线下的同学和老师氛围来让用户对辍学形成负罪感,而类似的沸腾时刻也极可能面临同样问题。
针对这一点,沸腾时刻的创始人 Rocky 说,通常健身坚持不下去最大的问题就是线下去健身房的不方便性,而他们已经用线上可交互健身视频的方式去减少原来的不便捷性了。除此之外,还可能让人坚持不下去的因素就是视频内容不够丰富,每天练习的都是几乎一样内容,便很容易失去乐趣(曾经跟着视频跳过郑多燕的菇凉们应该深有感触)。
对此,沸腾时刻的做法是,他们在线下和有名的私教合作录制视频课程,目前已经有成百集的内容,可以让用户每天都有不一样的健身视频观看,且这些视频都是个性化定制、符合用户身体需求的。而健身这件事,只要用户能坚持 30 到 60 天,便可以看到自己身材的巨大改变,尝到这个甜头之后用户自然会对健身产生黏性了。
盈利模式上,沸腾时刻现阶段采取初级视频课程免费,高级会员按年卡收费的模式。付费的高级会员可以购买沸腾时刻提供的可穿戴设备(让收集到的用户数据更加精准),并免费到线下健身房进行锻炼(有点类似ClassPass整进散出的模式)。不过 Rocky 认为,和为线下私教导流的方式并不是长期的,他们认为最有价值的还是积累下来的用户健康大数据,未来可以将收集到的用户健康大数据开放给各类厂商进行合作。
团队上,沸腾时刻创始人 Rocky 从美国伊利诺伊大学 MBA 毕业后回国创业,在大学时曾是 CUBA 冠军校队的成员,在中美健身届都积累下了一些资源,因而可以以较低的成本和前央视的节目团队以及国内外的健身、健美冠军教练合作拍摄视频,这也算是其创业的早期优势之一。目前沸腾时刻已经上线试运营一年,最近进行了全新改版,而其 app 也会在近日推出。团队也已拿到琴江创投千万人民币级别的天使投资。
至于类似的产品,国外和沸腾时刻在线上或是线下有些相同之处的公司有FitStar、Fitmob,国内有“我开始”等。而从 2014 年起,从 P2P 角度、线下健身房整合角度、私教角度等等方向切入的各类围绕运动健康服务也不断涌现,比如练练、开练、约教练等,估计 2015 年还会有更多玩家涌现,我们会持续保持关注。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18