借助 AI，将会员数据转化为训练指导

进步的错觉

健身行业从不缺少数据。会员可通过可穿戴设备和应用程序追踪心率、运动输出、身体成分、锻炼历史等数据。然而，训练区域内仍然会出现一个问题。许多会员开始锻炼时，并不清楚接下来该做什么。

之所以这一差距尤为明显，是因为行业早已解决了可视性问题。数据无处不在。方向并非如此。会员可以看到这些数字，但他们仍然需要决定从哪里开始、要训练到什么强度、使用多大的重量，以及在训练过程中如何调整。

这就是为什么 AI 已经成为讨论中更重要的一部分。AI 在健身领域的价值，不在于速度或新奇感。它的价值在于将海量数据转化为人们当下即可使用的指导。

洞察与行动之间缺失的一步

最初��次到访时，人们往往会感到不确定，尤其是刚开始锻炼的人。针对运动新手的研究显示，在加入后的最初几个月里，出勤率为 10 到 37％。近一半的成年人表示，在健身房环境中会感到紧张不安，而对被评判的担忧限制了他们的参与。当人们走进一个场馆，在缺乏足够支持的情况下不断面对一个又一个选择时，犹豫是可以预见的结果。

许多系统仍然止步于测量。它们会报告已经发生的情况，但不会指导接下来应该如何行动。这就意味着，会员只能自行解读这些数据，或者取决于当时是否有人可以提供帮助。在繁忙的训练区域，这会在最需要支持的地方造成阻碍。

AI 可以帮助缩小这一差距。它可以接收个人输入，随时间进行对比，并在训练过程中将其转化为有价值的指导。这将使数据的作用从被动反馈转变为主动指导。

当前方法为何存在不足

问题的很大一部分归根结底在于，运动指导的传递方式至今仍然如此。行业中的很多做法依赖于笼统的建议，而这些建议并不能反映屏幕前每一位个体的实际情况。每位会员的准备情况、偏好、目标和身体状况各不相同，但许多训练计划仍然从通用模式出发。

对于需要一个简单起点和一套可执行计划的人来说，千篇一律的训练方案并不能真正帮到他们。个性化指导通常有助于更好地坚持，因为它能为人们提供与自身相关且切实可行的内容。

AI 不同于静态编程。它可以随着新输入的到来进行调整。它能够对不同训练过程中的表现、行为以及进阶情况作出响应。它能够支持一种会随着会员变化而调整的训练体验，而不是要求会员去适应固定的训练计划。

还有另一个因素。训练并不总是在理想条件下进行。这种情况常见于设备共享、时间有限且员工支持程度各不相同的繁忙场馆中。从理论上看，一次训练可能显得很高效，但到了实际训练时，仍然可能难以落实。AI 必须在那样的环境中运作，才能发挥作用。这就是行业应当达到的标准。

行业下一步需要什么

下一个转变，是以能够帮助人们从首次访问起就采取行动的方式，运用已经可获得的信息。

人工智能正开始在这一转变中发挥更大的作用。如果使用得当，它可以减少猜测，支持做出更好的决策，并让在整个场地内提供个性化服务变得更加容易。

这并不会抹去训练中人性化的一面。会员依然会对鼓励、安心感和联结产生积极回应。教练或工作人员会影响一个人是否会感到足够自在，从而愿意坚持一项训练计划，并在下一次课程时再次回来。AI 可以指导训练。人们仍然会影响围绕它的体验。

接下来会发生什么，不会由这个行业能够收集多少数据来定义。这将取决于这些数据在多大程度上帮助人们进行训练。

马特·麦康利

全球营销高级数字产品经理