全民健身時代下運動類軟件使用影響因素研究

摘要：本文以Keep軟件為例，先是通過基本描述性統(tǒng)計分析對Keep軟件的使用人群以及不同人群的各種使用情況進行研究，以實現對Keep軟件功能的分析；然后運用分類數據主成分分析方法挖掘出潛在客戶。最終得出以下結論：第一，Keep軟件具有很大的使用人群，但人們使用頻率普遍較低且使用的功能較基礎；第二，年齡對是否使用Keep軟件有顯著影響，用戶整體基本呈現年輕化；第三，不同年齡段使用軟件的原因各不相同，可以此為依據挖掘潛在客戶。最后，針對分析結論提出對應建議。

關鍵詞：全民健身 Keep軟件 描述統(tǒng)計 分類數據主成分分析

中圖分類號：G812 文獻標識碼：A 文章編號：1006-8902-（2024）-18-094-3-ZQ

引言

隨著全民健身時代的到來，體育產業(yè)蓬勃發(fā)展，而數字化技術的成熟更是讓各類體育健身APP迅速興起。疫情防控期間，“居家健身”一詞更是位居全民健身網絡熱度榜首，在這樣的形勢下，體育健身APP更加符合人們的需求。鑒于此，本次調查以Keep軟件為例，研究其目前的用戶使用情況，統(tǒng)計分析用戶特征行為，進行系統(tǒng)的滿意度評價，挖掘最有價值的潛在用戶，進而提出提升用戶體驗感和滿意度的建議，從而促進Keep軟件良好健康地發(fā)展，進而為運動類APP的發(fā)展提供一些可行的建議。

1、研究對象與方法

1.1、研究對象與調查方法

本次研究以四川省為例，對Keep軟件使用情況進行調查。為使結果更有代表性，采用分層抽樣方法，以四川省為抽樣總體，選取近兩年GDP最高的3個城市：成都，綿陽，宜賓作為抽樣單元，最終得到有效問卷為1358份，有效問卷回收率為86%，達到預期效果。

1.2、研究方法

為全面獲取大眾對運動類APP，特別是Keep軟件的使用偏好及主要影響因素，本文先是通過基本描述性統(tǒng)計分析對Keep軟件的使用人群以及不同人群的各種使用情況進行研究，展開了對Keep軟件功能的分析；然后運用分類數據主成分分析法挖掘出潛在客戶。

2、建模研究過程

（1）調查問卷的設計。

針對本次問卷調查的目的，設計問卷主要分為四個方面，第一方面是調查者基本信息，包括被調查者性別、年齡、月收入等，便于對樣本進行分類分析；第二方面是對于Keep軟件用戶的使用情況調查，與第一部分中的基本信息相結合對用戶的特征和使用情況進行分析；第三方面是用戶對于Keep軟件使用情況的滿意度調查；第四方面是針對未使用Keep軟件者的調查，可對潛在用戶進行挖掘。

（2）調查問卷信效度分析。

①信度分析

問卷的26個量表題按內容性質分成六組，分別考察用戶對于投資報酬、服務優(yōu)越性、視覺美感、趣味性、滿意度以及行為意向方面的情況。我們采用Cronbach’s α系數對調查數據進行信度檢驗，檢驗結果為投資服務、服務優(yōu)越性、視覺美感、趣味性、滿意度、行為意向的Cronbach’s α系數分別為0.917、0.676、0.580、0.549、0.620、0.622和0.729。都達到了可信及以上水平，從而量表內在一致性高。

②效度分析

效度分析分為內容效度和結構效度。為判斷各項目的代表性，我們用各項目分數與總和分數的相關系數做量表題的內容效度分析。用因子分析進行結構效度分析，結果如下：

內容效度檢驗：由分項得分與總分數的相關系數得到投資服務、服務優(yōu)越性、視覺美感、趣味性、滿意度、行為意向的相關系數分別為0.84、0.855、0.841、0.858、0.873和0.836，p值均接近0，表示各樣本單個題目的評分與該題總分是具有強正相關，說明了量表測量的內容具有適當性和相符性。

結構效度檢驗：由巴特利特球形度檢驗得到：檢驗結果KMO=0.937，Bartlett球形度檢驗p值小于0.05，統(tǒng)計上顯著。說明數據可以進行因子分析。

③游程檢驗

通過游程檢驗，我們以被調查者性別為變量來檢驗問卷數據是否是隨機的。

檢驗結果p值為0.927，不拒絕原假設，所以可以認為問卷數據是隨機的，得出的結果能夠推廣，具有說服力。

3、基本描述統(tǒng)計

3.1、Keep使用人群性別及年齡分析

通過基本描述統(tǒng)計分析，在被調查的Keep使用人群中，男性占比36.8%，女性占比63.2%，年齡分布人數最多的為18-25歲，占比34.8%，其次為26-30歲，占比為30.9%，再次之為31-35歲，占比22.7%，而在被調查的所有人群中，男性占比38.18%，女生占比61.82%，兩者占比基本相符。由此可以發(fā)現，Keep女性使用者占比男性使用者多兩成，在性別上對于使用Keep存在較大的差異。

3.2、Keep使用情況分析

在我們調查的人群中，有62.67%的人在使用Keep軟件，只有37.33%的人沒有使用Keep，說明Keep軟件有龐大的用戶群。

3.3、進一步描述統(tǒng)計分析

進一步對不使用Keep軟件的原因、使用頻率和使用時長、對軟件的行為意向、對軟件各個模塊滿意度、不同年齡段鍛煉時長及不同性別使用需求進行基本描述統(tǒng)計分析，得到如下結果：

（1）不使用Keep軟件的原因。

被調查者中有28.92%的人認為自己有較好的運動基礎，17.21%的被調查者表示已在使用其他運動軟件，22.03%的被調查者表示自己沒有時間或者不愿意運動，6.02%被調查者表示操作復雜，8.43%的被調查者表示沒有聽說過。

（2）使用頻率和時長。

Keep用戶使用頻率每周兩三次及以下比例為78.8%，基本每天都用的比例只有8.6%，說明現在人們運動使用Keep的頻率并不高，市場還存在發(fā)展?jié)摿Α＿M一步可知，累計使用Keep軟件時長占比最高的是一年到一年半，其次是半年到一年，使用時長從半年以內到一年半的時間段占比在急速上升，說明人們接受Keep軟件的時間不長但是在很快接受。

（3）行為意向。

超過30%的用戶愿意在社交平臺上主動分享該款APP上的使用感受和運動記錄，接近50%的用戶比較愿意在該APP上分享，接近40%的用戶非常有意向向他人介紹或推薦該款APP，有推薦意向的用戶占總體用戶的80%，在消費行為方面接近30%的用戶非常愿意在該APP上購買會員付費課程和商品，接近10%的用戶不是很愿意購買會員或者付費課程，對收費這一模塊不太滿意。多次消費方面，超過70%的用戶表示愿意再次購買APP中的會員或者付費課程，有5%左右的用戶表示不愿意再次購買，愿意多次參加該APP活動的用戶達到了80%。

（4）各個模塊的滿意度。

有80%及以上的用戶對APP所提供的信息和服務感到比較滿意。在使用過程和體驗方面感到滿意的用戶數量接近80%。與其他的運動APP相對比，80%左右的用戶認為相較于其他運動APP來說，對Keep更加滿意，這說明Keep在同行業(yè)的競爭中還是有一定的優(yōu)勢。用戶對軟件更新方面的滿意度最高。

（5）不同年齡段鍛煉時長的情況圖。

通過分析發(fā)現，鍛煉時長10min以下及1h時以上的人數在各個年齡階段基本都是最少的，說明APP對延長用戶鍛煉時長有一定幫助。18歲以下的用戶人數較少，18-25歲這個年齡階段鍛煉時長在10-30min的居多，26-30歲年齡段運動時長在30-60min的最多，剩下的31-35歲，36-40歲和40歲以上的年齡階段的用戶鍛煉時長在10-30min和30-60min的居多。通過卡方檢驗可以得到運動時長和不同年齡段有顯著影響。

（6）不同性別對使用Keep的主要需求。

男性使用Keep的主要需求是記錄運動數據，其次是可以提供科學健身指導與服務及放松減壓，少部分人是用于其他方面。女性使用Keep軟件的需求最主要是記錄運動數據和減脂塑形健身，其次是提供科學健身指導與服務、監(jiān)督和督促訓練，還有放松減壓。少部分人的需求主要是學習運動營養(yǎng)與健康飲食知識和結交運動好友。男性和女性選擇用APP來記錄運動數據的需求人數均為最多。

4、軟件潛在客戶挖掘

4.1、模型的基本原理

（1）數據處理。

針對問卷中沒有使用過Keep軟件的群體，發(fā)現有一部分人只是因為某些原因而導致沒有使用過Keep軟件。為了挖掘這部分潛在用戶，本文利用最優(yōu)尺度分析分類數據主成分分析方法來分析影響不同類型潛在用戶的不同因素。

問卷的最后一個問題，設置為“您不使用Keep軟件的原因？”其中有以下6個因素：沒有聽說過該軟件；已在使用其他運動類軟件；不需要，自己有較高的運動基礎；不需要，平常不運動也不健身；操作復雜；沒有時間。由于是多選項問題，所以采用二分法編碼，將每個原因設置為一個變量，取值為1表示選中選項，0表示未選擇此選項。

（2）分類數據的主成分分析。

分類數據主成分分析法基本原理如下：

設共有n條記錄，m個變量，j代表其中的第j個變量的K個變量組（此處即表示有K個多選題），準備提取的典型相關系數共有p個。X表示需要尋找的變量最優(yōu)化轉換評分，Y表示一組分類變量的量化評分組合，對于多選題變量即為原始的0或1評分。對于每一個具體的問題，構造如下函數：

其中G為變量j的指示矩陣，W為診斷矩陣。所謂最優(yōu)化轉化的目的就是在條件的限制下（其中

I則為p階單位陣），使得以上函數的取值達到最小。

4.2、模型結果分析

我們引入年齡特征變量，進行潛在用戶年齡特征分析把6個不使用Keep軟件的原因變量與人群年齡特征變量放入二維空間，得到成分負荷圖，如圖1。

圖1 不使用原因與年齡特征的成分負荷圖

在該模型中，我們提取了兩個主成分，代表了兩個維度的信息。其中第一維度解釋了總體33.429%的信息，第二維度解釋了總體20.262%的信息，總計解釋了總體53.691%的信息。模型的Cronbach’s α為0.777，表明模型的信息提取效果比較理想，結果如表1所示。

18-25歲的人群主要是因為他們認為自己不需要、平常不運動也不健身和沒有時間，操作復雜而沒有使用Keep軟件；26-30歲的人群主要是因為他們認為自己有較高的運動基礎和已經在使用其他的運動軟件而不使用Keep軟件；而36-40歲的人群主要是因為沒有聽說過該軟件而不使用Keep軟件；而18歲以下的人群，31-35歲和40歲以上的人群，其不使用Keep軟件的主要因素無法體現，這可能是由樣本量較小或者其他因素導致的。

5、結論與建議

5.1、結論

通過調查發(fā)現，在我們調查的人群中，有62.67%的人使用過Keep，但是人們對Keep的使用頻率并不高，累積使用時長也很短，長期使用者很少。而在需求上來看，用戶主要是借助Keep來記錄自己的運動，一部分人是為了尋求健身指導，使用的都是基礎功能。在對行為意向的研究時，通過研究發(fā)現，有很多用戶愿意把Keep推薦給別人，并對該APP開展的各項活動都感到滿意。在對Keep用戶的年齡調查中我們發(fā)現，18-35歲占比高達88.4%，用戶整體基本呈現年輕化。使用頻率上，每周使用2-3次及以下占67.8%，每次使用時間在10-60min的占93.7%。

5.2、建議

由于Keep軟件用戶偏年輕化，可以采取措施吸引中年人。所以Keep軟件需拓展出適用于中年人需求的健身內容，同時建議推出簡潔模式或者對話服務模式等類似的功能模塊，并且加大宣傳對中年人的健身知識，這些都能大大提升中年人使用APP的概率。另一方面，由使用APP的人群范圍很廣，需要進一步提升課程專業(yè)性，也要創(chuàng)新，不斷推出有個性和更有實用性的課程。也可以在視頻開始前添加語音的特別提醒，提前向用戶講解運動時該項課程的注意事項，讓用戶感知到APP設計的人性化。

參考文獻：

[1]簡明，金勇進，蔣妍，等.市場調查方法與技術[M].北京：中國人民大學出版社，2018.

[2]胡秋鋒.游程檢驗與K-S檢驗在基因選擇中的應用研究[D].陜西師范大學，2015.

[3]張文彤，竺麗明，鮑培芬，等.分類數據主成分分析法在多選題分析中的應用[J].中國公共衛(wèi)生，2004（01）.