基于用戶畫像的居家健身體驗設(shè)計策略研究

摘 要：基于用戶畫像的居家健身體驗設(shè)計策略研究通過量化研究方法實現(xiàn)各類居家健身群體用戶畫像的構(gòu)建，并通過用戶畫像分析得出居家健身產(chǎn)品和服務(wù)的體驗設(shè)計策略。本研究以AIO生活方式理論為指導(dǎo)，通過問卷調(diào)查收集、篩選數(shù)據(jù)，再通過因子分析、聚類分析、判別分析等方法進行實證研究，構(gòu)建了居家健身用戶群體畫像指標(biāo)體系，最終將用戶畫像特征標(biāo)簽云可視化呈現(xiàn)。居家健身生活用戶畫像可分為健康積極型、保守鍛煉型、樂于體驗型，本研究對三類居家健身人群的用戶畫像數(shù)據(jù)進行觀測分析，得到了具體的居家健身產(chǎn)品與服務(wù)的體驗設(shè)計策略。

關(guān)鍵詞：體驗設(shè)計；生活方式；AIO；居家健身；用戶體驗；設(shè)計策略

居家健身對全民健康戰(zhàn)略具有重要價值。浙江省體育局曾對居民居家健身情況進行調(diào)查，82.5%的居民認可居家健身的必要性[1]，但面對多樣的居家健身生活方式，如何獲取居家健身群體的差異化需求和特征，并開展精準(zhǔn)化的服務(wù)與設(shè)計實踐是居家健身發(fā)展的重要問題。

居家健身是受主觀意愿影響很大的活動，只依靠性別年齡等很難精準(zhǔn)識別不同居家健身群體生活的差異，而AIO生活方式量表、用戶畫像工具以及SPSS數(shù)據(jù)分析技術(shù)能為居家健身群體的生活方式特征提取提供良好的理論和技術(shù)支撐。因此，本文以居家健身人群作為研究對象，通過量化研究的方式探索居家健身群體生活方式的不同特征和需求，能為居家健身群體的精準(zhǔn)化服務(wù)和體驗設(shè)計提供助力。

一、相關(guān)理論與研究基礎(chǔ)

（一）居家健身的相關(guān)研究

Dexu Chen等人建立了中國居民居家健身滿意度模型，認為居民的居家健身積極性很高，互聯(lián)網(wǎng)提供了強大社會支持，但是居家健身仍有提升空間[2]，如果要提升居家健身在細分人群中的應(yīng)用效果，那就需要提取居家健身細分群體的關(guān)鍵特征，因此對居家健身群體的生活方式進行量化研究非常有必要。

（二）AIO的相關(guān)研究

AIO量表常用于生活方式研究的測量，主要運用在市場細分、用戶的特征描述、生活方式比較分析等方面。根據(jù)Michman對AIO的界定，A即Active——活動；I即Interests——興趣；O即Opinions——觀點[3]。目前AIO量表得到了國內(nèi)外的廣泛使用，例如，Akkaya Murat使用AIO量表方法定義了四種不同產(chǎn)品類別消費者的生活方式細分[4]。Dai Ningyi利用AIO量表調(diào)查智能手機機器人，通過因子分析，判別分析，提出了智能手機機器人產(chǎn)品設(shè)計的一些建議[5]。可見，AIO生活量表在用戶特征描述和產(chǎn)品設(shè)計中發(fā)揮重要的價值和作用。

（三）用戶畫像的相關(guān)研究

最早提出User Profile的是Alan Cooper，被譽為“交互設(shè)計之父”，定義為基于用戶真實數(shù)據(jù)的虛擬圖像[6]。因為用戶畫像可以助力為目標(biāo)用戶提供更精確的服務(wù)，所以廣泛應(yīng)用于設(shè)計研究與實踐中。目前，用戶畫像工具正在不斷發(fā)展，國內(nèi)外有著多種方式構(gòu)建用戶畫像，例如，Christopher Ifeanyi Eke等提供了在數(shù)據(jù)采集、特征提取、建模技術(shù)和建模方法方面對現(xiàn)有用戶畫像建模的研究以及性能度量，認為有效的建模過程可以增強服務(wù)個性化的準(zhǔn)確用戶模型的構(gòu)建[7]；Tomasz Miaskiewicz研究了用戶畫像中一種表示和傳達客戶需求的替代方法，通過使用敘述、圖片和名稱，為產(chǎn)品設(shè)計者提供了一個生動的設(shè)計目標(biāo)表示法[8]；Zhiwen Yu等人通過用戶畫像分析用戶使用手機的差異，用于強化的手機個性化服務(wù)[9]；郭順利等人基于VALS2量表構(gòu)建了在線健康社區(qū)大學(xué)生的用戶畫像[10]。

可見，用戶畫像能從不同視角呈現(xiàn)用戶在具體場景的關(guān)鍵信息，準(zhǔn)確描述不同群體之間的差異，對于提供精準(zhǔn)化的服務(wù)體驗與設(shè)計實踐有重要價值。目前國內(nèi)設(shè)計領(lǐng)域?qū)τ脩舢嬒竦难芯看蠖嗍峭ㄟ^定性的方法確定用戶的關(guān)鍵特征，缺乏定量方法的大量數(shù)據(jù)支撐，相對而言，定量的方法更具科學(xué)性。因此，基于AIO量表對用戶畫像進行量化研究，一定程度彌補了國內(nèi)設(shè)計領(lǐng)域在用戶畫像上研究的不足。

二、居家健身用戶畫像的構(gòu)建過程

數(shù)據(jù)的收集和預(yù)處理、對居家健身群體特征因子的提取、用戶畫像的判別和聚類分析、用戶畫像的可視化展示等四個步驟（如圖1），為居家健身群體構(gòu)建了一套畫像實現(xiàn)流程。

（一）構(gòu)建用戶畫像的思路

本文主要基于AIO生活方式量表構(gòu)建居家健身人群的用戶畫像。首先，依據(jù)AIO模型的細分維度設(shè)計了問卷，通過問卷采集基礎(chǔ)數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理，然后通過定義用戶數(shù)據(jù)的特征標(biāo)簽來將復(fù)雜數(shù)據(jù)標(biāo)簽化?；谟脩籼卣鳂?biāo)簽數(shù)據(jù)集，通過因子、聚類、判別等數(shù)據(jù)分析手段，提煉關(guān)鍵特征因子，從而得到最終的用戶分類，并繪制了用戶畫像標(biāo)簽云。

（二）用戶畫像的標(biāo)簽體系設(shè)計

本文基于AIO模型，以“活動”“興趣”“意見”三大維度為指標(biāo)，設(shè)計居家健身群體用戶畫像的標(biāo)簽體系，居家健身用戶群體畫像標(biāo)簽涵蓋了用戶的性別、年齡等5個人口統(tǒng)計特征；居家健身群體的活動即對應(yīng)AIO模型中的用戶活動，包括用戶的工作、喜好、社交活動等，此次調(diào)查包含器械力量訓(xùn)練、輕量化運動、數(shù)字化產(chǎn)品等7個居家健身活動的調(diào)查變量；居家健身群體的興趣在AIO量表中指用戶的興趣，包括家人、家庭、工作等細分維度，比如運動健身所帶來的成就感等；居家健身群體的意見在AIO量表中指用戶的生活理念和觀點，比如用戶對居家健身改善健康的態(tài)度等。

因此，在本研究構(gòu)建的居家健身群體畫像標(biāo)簽體系中（如圖2），用戶居家健身的活動含7個調(diào)查變量；居家健身群體的興趣偏好含7個調(diào)查變量；居家健身群體的觀點態(tài)度含7個調(diào)查變量，人口統(tǒng)計特征含8個統(tǒng)計變量。

（三）用戶畫像標(biāo)簽權(quán)重設(shè)計

居家健身群體用戶畫像的差異表現(xiàn)在特征標(biāo)簽的權(quán)重上，即居家健身人群中不同個體在某些特征標(biāo)簽上的權(quán)重各有差異。本研究運用Likert 5級量表來衡量居家健身人群在某方面的需求和偏好程度，然后通過計算用戶心理偏好的變量來確定其用戶畫像的特征標(biāo)簽權(quán)重。

三、實證分析

（一）問卷設(shè)計與數(shù)據(jù)采集

問卷設(shè)計主要涵蓋用戶的人口統(tǒng)計特征和居家健身群體的AIO分群偏好測量問題。問卷主要通過網(wǎng)絡(luò)平臺如問卷星、QQ和微信社群發(fā)放回收，持續(xù)發(fā)放12天，累計回收到了500份問卷，剔除無效問卷，最終得到有效問卷335份。

（二）樣本特征與信效度檢驗

為保證用戶畫像實現(xiàn)的精準(zhǔn)，本文將“用戶使用行為中的后2個調(diào)查項”與“AIO的19個測量項”組成了21個測量項，并對21個測量項進行信效度檢驗（見表1）。運用Cronbach’s Alpha系數(shù)（α信度系數(shù)）分析發(fā)現(xiàn)，α系數(shù)為0.843>0.8，表明問卷數(shù)據(jù)的信度較高，有較強可靠性。此外，對α系數(shù)的統(tǒng)計量分析表明，21個被測語句的“項被刪除的α值”在0.939～0.949之間，表明調(diào)查問卷在測量語句時具有較高的一致性。另外，從KMO和Bartlett球形檢驗中發(fā)現(xiàn)，KMO 值為0.825>0.8，顯著性P<0.001，所以，數(shù)據(jù)做因子分析比較合適（見表2）。

（三）因子分析和抽取分類標(biāo)簽

這項研究通過SPSS探索性因子分析來獲取居家健身用戶群的特征因子，從而獲得有效的精準(zhǔn)用戶畫像。首先，為了便于后續(xù)規(guī)范管理，先以4個字的主題詞概括各測量語句的含義后，再將數(shù)據(jù)放入SPSS“降維”模塊中的“因子分析”，通過“主成分分析法”和“最大方差旋轉(zhuǎn)法”萃取特征因子，由此輸出總方差解釋和旋轉(zhuǎn)后的成分矩陣（見表3和表4）。

其中，“旋轉(zhuǎn)荷載平方和”這一符合學(xué)術(shù)研究要求的累計總方差解達到58.04%，這一研究選取了7個公因子組，分別依據(jù)碎石圖和總方差解表進行分析。

通過表4數(shù)據(jù)中各因子在原始變量上的負荷系數(shù)，命名居家健身群體用戶畫像的差異特征因子。特征因子1：該特征因子與保護器具、家庭運動、輕量運動等相關(guān)，這些因子體現(xiàn)了居家健身用戶居家健身的運動動力，因此，該公因子命名為健身動力類因子。特征因子2：該特征因子與技術(shù)接受、健身娛樂、產(chǎn)品改進、健身成就等相關(guān)，這些因子體現(xiàn)了用戶對居家健身產(chǎn)品的體驗，因此，該公因子命名為產(chǎn)品體驗類因子。特征因子3：該特征因子與健身氛圍、生活忙碌、健身受限等相關(guān)，這些因子體現(xiàn)了用戶居家健身所受各類環(huán)境的影響，因此，公因子命名為環(huán)境影響類因子。特征因子4：該特征因子與健身穿戴、數(shù)字運動相關(guān)，這些因子體現(xiàn)了居家健身用戶在居家健身過程中所使用的輔助工具，因此，該公因子命名為健身輔助類因子。特征因子5：該特征因子與健身等級和健身頻率相關(guān)，這些因子體現(xiàn)了用戶個人居家健身的人口統(tǒng)計特征，因此，該公因子命名為個人特征類因子。特征因子6：該特征因子與健康改善、健康運動選擇等相關(guān)，這些因子體現(xiàn)了用戶對居家健身的健康態(tài)度，因此，該公因子命名為健康導(dǎo)向類因子。特征因子7：該特征因子與健身空間相關(guān)，該因子體現(xiàn)了用戶居家健身的空間大小的限制，因此，該公因子命名為空間限制類因子。

聚類數(shù)從4下降到3點，Wilks’Lambda值在聚類個數(shù)減少的情況下逐漸上升的增量最大（見表5），說明這個時候的分類效果最好，所以最終確定用戶畫像的選擇聚類數(shù)為3點，分類后的各類畫像在不同特征因子上有明顯的差異（見表6）。

四、用戶畫像呈現(xiàn)與設(shè)計策略構(gòu)建

本研究利用Python中的WordCloud工具直觀呈現(xiàn)了用戶畫像的結(jié)果，制作了用戶畫像標(biāo)簽云（見表7）。第一類是“健康積極型”，這類細分人群在健身動力特性因子上獲得了最高的正方向分?jǐn)?shù)，而在健康導(dǎo)向的特性因子和產(chǎn)品體驗上獲得了更高的正方向分?jǐn)?shù)。第二類“保守鍛煉型”，這類受環(huán)境和空間影響較大、更傾向于獨自在家健身進行力量型訓(xùn)練的細分人群在環(huán)境影響的特征因子上正向得分偏高。該類細分群體在環(huán)境影響的特征因子上的正向得分偏高，該類群體居家健身受環(huán)境和空間的影響較大，更偏向于獨自居家健身進行力量型訓(xùn)練。第三類“樂于體驗型”，該類細分群體在產(chǎn)品體驗的特征因子上的正向得分最高，健康導(dǎo)向和產(chǎn)品體驗的特征因子評分較高。同時，該類用戶居家可健身空間較小，通過對三類居家健身群體特征標(biāo)簽等數(shù)據(jù)呈現(xiàn)進行觀測，便可針對性地為各類群體提供更加精準(zhǔn)具體的產(chǎn)品和服務(wù)的體驗設(shè)計策略。

（一）設(shè)計策略一：健康積極型用戶的社區(qū)連接與日常融合設(shè)計

針對“健康積極型”用戶，設(shè)計應(yīng)融入日常生活的健身應(yīng)用和設(shè)備，強化社區(qū)連結(jié)和健康教育，以支持和增強他們的居家健身習(xí)慣。產(chǎn)品設(shè)計應(yīng)輕便、易于儲藏，以使其適合小空間使用。在服務(wù)體驗設(shè)計方面，應(yīng)制定以社區(qū)為中心的團體健身計劃和活動，以提高用戶的參與度和動力?？煽紤]建立一個整合各類居家健身教程的在線課程平臺，針對學(xué)生的時間安排提供靈活的自適應(yīng)課程。

（二）設(shè)計策略二：保守鍛煉型用戶的私密性與安全導(dǎo)向設(shè)計

針對“保守鍛煉型”用戶，應(yīng)為其提供私密、安全且功能性強的居家健身解決方案，如定制化訓(xùn)練指導(dǎo)和緊湊的力量訓(xùn)練裝備，設(shè)計應(yīng)重點關(guān)注提供一個安全、私密且易于調(diào)整的健身環(huán)境。產(chǎn)品體驗設(shè)計方面應(yīng)開發(fā)多功能且占用空間小的力量訓(xùn)練器材。服務(wù)體驗設(shè)計方面，應(yīng)提供定制化的健身計劃服務(wù)，可根據(jù)用戶的身體狀況和居家環(huán)境提供個性化建議，比如建立在線居家健身咨詢和支持系統(tǒng)，讓用戶能夠隨時獲取專業(yè)的指導(dǎo)，以提高訓(xùn)練效果和安全性。

（三）設(shè)計策略三：樂于體驗型用戶的娛樂互動與空間智能設(shè)計

對于“樂于體驗型”用戶，應(yīng)開發(fā)融合娛樂元素和先進技術(shù)的健身產(chǎn)品，為小空間用戶提供互動且空間效率高的健身體驗。產(chǎn)品設(shè)計方面，可考慮開發(fā)集成了增強現(xiàn)實（AR））和虛擬現(xiàn)實（VR）技術(shù)的健身游戲，讓用戶在享受游戲樂趣的同時完成居家鍛煉。另外，一些硬件類的居家健身產(chǎn)品設(shè)計可進行輕便化處理以節(jié)省居家健身空間，如可折疊的跑步機和多功能訓(xùn)練器等，讓健身器材可以根據(jù)用戶的居家環(huán)境進行靈活調(diào)整。服務(wù)體驗設(shè)計方面，可為用戶提供定制的健身挑戰(zhàn)和社交競賽平臺，通過數(shù)字化解決方案增加娛樂元素和社交互動，比如在線健身社區(qū)和互動競賽，以增強用戶對健身活動的參與度和滿意度。

五、結(jié)語

在我國全民健身戰(zhàn)略中，居家健身群體發(fā)揮重要作用，為了更好地服務(wù)于這個群體，相關(guān)部門需要深入了解居家健身群體的行為和其他特征。因此，本研究以用戶畫像工具為基礎(chǔ)，結(jié)合AIO生活方式量表，構(gòu)建了居家健身群體畫像。通過問卷調(diào)查方法收集數(shù)據(jù)，經(jīng)過實證研究，得到健康積極型、保守鍛煉型、樂于體驗型三類具有顯著差異化特征的用戶畫像，并針對不同群體提出相應(yīng)設(shè)計策略，為居家健身提供設(shè)計決策參考和實踐支持。但本研究仍然存在一些研究局限性。首先，問卷樣本僅有500份，所以難以平均覆蓋所有年齡段。因此，未來研究需要收集更多的數(shù)據(jù)，以確保充分涵蓋各個年齡段。其次，本文是對居家健身群體進行總體研究，反映的是整體化的用戶特點和差異。為了更深入地了解不同類型居家健身群體的特點和需求，未來可以考慮開展縱向研究，對各類用戶進行質(zhì)性研究，如開展用戶訪談等，從而更有針對性地提升居家健身領(lǐng)域精準(zhǔn)化產(chǎn)品和服務(wù)設(shè)計的體驗。

參考文獻：

[1]李楚穗，俞麗萍.“健康中國”與居家健身操的時代價值——基于疫情時代[J].體育科技文獻通報，2020（12）：4–5.

[2]Dexu Chen，Bin Zhang.A home fitness satisfaction model for Chinese residents during the COVID-19 pandemic based on SEM analysis[J].Frontiers in Public Health，2022（10）：947223.

[3]Michman R D，Mazze E M，Greco A J.Lifestyle Marketing： Reaching the New American Consumer[M].Praeger Publishers Inc.，2001.

[4]Akkaya M. Understanding the impacts of lifestyle segmentation & perceived value on brand purchase intention：An empirical study in different product categories[J].European research on management and business economics，Elsevier，2021（3）：100155.

[5]Dai N，Zhang X.User Characteristics Through Lifestyle：A User Typology of Robot with Smartphone Based on AIO Scale[C]//C.S. Shin，G. Di Bucchianico，S. Fukuda.Advances in Industrial Design. Cham：Springer International Publishing，2021：99–107.

[6]Cooper A.The Inmates are Running the Asylum[M].Sams Publishing，1999.

[7]Christopher Ifeanyi Eke，Azah Anir Norman，Liyana Shuib，Henry Friday Nweke.A Survey of User Profiling：State-of-the-Art， Challenges， and Solutions[J].IEEE Access，2019（7）：144907–144924.

[8]Tomasz Miaskiewicz，Kenneth A. Kozar.Personas and user-centered design：How can personas benefit product design processes？[J].Design Studies，2011（5）：417-430.

[9]Yu Z，Xu E，Du H. Inferring User Profile Attributes From Multidimensional Mobile Phone Sensory Data[J]. IEEE Internet of Things Journal，2019（3）：5152–5162.

[10]郭順利.基于VALS2的在線健康社——大學(xué)生用戶群體畫像構(gòu)建研究[J].現(xiàn)代情報，2021（10）：47–58.

作者簡介：

龍騰明，江南大學(xué)設(shè)計學(xué)院碩士研究生。研究方向：交互與體驗設(shè)計。

肖東娟，博士，江南大學(xué)設(shè)計學(xué)院副教授。研究方向：產(chǎn)品設(shè)計和交互與體驗設(shè)計。