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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13