基于用戶畫像的居家健身體驗設計策略研究

摘 要：基于用戶畫像的居家健身體驗設計策略研究通過量化研究方法實現各類居家健身群體用戶畫像的構建，并通過用戶畫像分析得出居家健身產品和服務的體驗設計策略。本研究以AIO生活方式理論為指導，通過問卷調查收集、篩選數據，再通過因子分析、聚類分析、判別分析等方法進行實證研究，構建了居家健身用戶群體畫像指標體系，最終將用戶畫像特征標簽云可視化呈現。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據進行觀測分析，得到了具體的居家健身產品與服務的體驗設計策略。

關鍵詞：體驗設計；生活方式；AIO；居家健身；用戶體驗；設計策略

居家健身對全民健康戰略具有重要價值。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，并開展精準化的服務與設計實踐是居家健身發展的重要問題。

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數據分析技術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化服務和體驗設計提供助力。

一、相關理論與研究基礎

（一）居家健身的相關研究

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，互聯網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用效果，那就需要提取居家健身細分群體的關鍵特征，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品類別消費者的生活方式細分[4]。Dai Ningyi利用AIO量表調查智能手機機器人，通過因子分析，判別分析，提出了智能手機機器人產品設計的一些建議[5]。可見，AIO生活量表在用戶特征描述和產品設計中發揮重要的價值和作用。

（三）用戶畫像的相關研究

最早提出User Profile的是Alan Cooper，被譽為“交互設計之父”，定義為基于用戶真實數據的虛擬圖像[6]。因為用戶畫像可以助力為目標用戶提供更精確的服務，所以廣泛應用于設計研究與實踐中。目前，用戶畫像工具正在不斷發展，國內外有著多種方式構建用戶畫像，例如，Christopher Ifeanyi Eke等提供了在數據采集、特征提取、建模技術和建模方法方面對現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個性化的準確用戶模型的構建[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，為產品設計者提供了一個生動的設計目標表示法[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[9]；郭順利等人基于VALS2量表構建了在線健康社區大學生的用戶畫像[10]。

可見，用戶畫像能從不同視角呈現用戶在具體場景的關鍵信息，準確描述不同群體之間的差異，對于提供精準化的服務體驗與設計實踐有重要價值。目前國內設計領域對用戶畫像的研究大多是通過定性的方法確定用戶的關鍵特征，缺乏定量方法的大量數據支撐，相對而言，定量的方法更具科學性。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設計領域在用戶畫像上研究的不足。

二、居家健身用戶畫像的構建過程

數據的收集和預處理、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），為居家健身群體構建了一套畫像實現流程。

（一）構建用戶畫像的思路

本文主要基于AIO生活方式量表構建居家健身人群的用戶畫像。首先，依據AIO模型的細分維度設計了問卷，通過問卷采集基礎數據，并對數據進行預處理，然后通過定義用戶數據的特征標簽來將復雜數據標簽化。基于用戶特征標簽數據集，通過因子、聚類、判別等數據分析手段，提煉關鍵特征因子，從而得到最終的用戶分類，并繪制了用戶畫像標簽云。

（二）用戶畫像的標簽體系設計

本文基于AIO模型，以“活動”“興趣”“意見”三大維度為指標，設計居家健身群體用戶畫像的標簽體系，居家健身用戶群體畫像標簽涵蓋了用戶的性別、年齡等5個人口統計特征；居家健身群體的活動即對應AIO模型中的用戶活動，包括用戶的工作、喜好、社交活動等，此次調查包含器械力量訓練、輕量化運動、數字化產品等7個居家健身活動的調查變量；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度等。

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

（三）用戶畫像標簽權重設計

居家健身群體用戶畫像的差異表現在特征標簽的權重上，即居家健身人群中不同個體在某些特征標簽上的權重各有差異。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簽權重。

三、實證分析

（一）問卷設計與數據采集

問卷設計主要涵蓋用戶的人口統計特征和居家健身群體的AIO分群偏好測量問題。問卷主要通過網絡平臺如問卷星、QQ和微信社群發放回收，持續發放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的精準，本文將“用戶使用行為中的后2個調查項”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（α信度系數）分析發現，α系數為0.843>0.8，表明問卷數據的信度較高，有較強可靠性。此外，對α系數的統計量分析表明，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球形檢驗中發現，KMO 值為0.825>0.8，顯著性P<0.001，所以，數據做因子分析比較合適（見表2）。

（三）因子分析和抽取分類標簽

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用戶畫像。首先，為了便于后續規范管理，先以4個字的主題詞概括各測量語句的含義后，再將數據放入SPSS“降維”模塊中的“因子分析”，通過“主成分分析法”和“最大方差旋轉法”萃取特征因子，由此輸出總方差解釋和旋轉后的成分矩陣（見表3和表4）。

其中，“旋轉荷載平方和”這一符合學術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，分別依據碎石圖和總方差解表進行分析。

通過表4數據中各因子在原始變量上的負荷系數，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，這些因子體現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：該特征因子與技術接受、健身娛樂、產品改進、健身成就等相關，這些因子體現了用戶對居家健身產品的體驗，因此，該公因子命名為產品體驗類因子。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，這些因子體現了用戶居家健身所受各類環境的影響，因此，公因子命名為環境影響類因子。特征因子4：該特征因子與健身穿戴、數字運動相關，這些因子體現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，這些因子體現了用戶個人居家健身的人口統計特征，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，這些因子體現了用戶對居家健身的健康態度，因此，該公因子命名為健康導向類因子。特征因子7：該特征因子與健身空間相關，該因子體現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。

聚類數從4下降到3點，Wilks’Lambda值在聚類個數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、用戶畫像呈現與設計策略構建

本研究利用Python中的WordCloud工具直觀呈現了用戶畫像的結果，制作了用戶畫像標簽云（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數，而在健康導向的特性因子和產品體驗上獲得了更高的正方向分數。第二類“保守鍛煉型”，這類受環境和空間影響較大、更傾向于獨自在家健身進行力量型訓練的細分人群在環境影響的特征因子上正向得分偏高。該類細分群體在環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練。第三類“樂于體驗型”，該類細分群體在產品體驗的特征因子上的正向得分最高，健康導向和產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簽等數據呈現進行觀測，便可針對性地為各類群體提供更加精準具體的產品和服務的體驗設計策略。

（一）設計策略一：健康積極型用戶的社區連接與日常融合設計

針對“健康積極型”用戶，設計應融入日常生活的健身應用和設備，強化社區連結和健康教育，以支持和增強他們的居家健身習慣。產品設計應輕便、易于儲藏，以使其適合小空間使用。在服務體驗設計方面，應制定以社區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。可考慮建立一個整合各類居家健身教程的在線課程平臺，針對學生的時間安排提供靈活的自適應課程。

（二）設計策略二：保守鍛煉型用戶的私密性與安全導向設計

針對“保守鍛煉型”用戶，應為其提供私密、安全且功能性強的居家健身解決方案，如定制化訓練指導和緊湊的力量訓練裝備，設計應重點關注提供一個安全、私密且易于調整的健身環境。產品體驗設計方面應開發多功能且占用空間小的力量訓練器材。服務體驗設計方面，應提供定制化的健身計劃服務，可根據用戶的身體狀況和居家環境提供個性化建議，比如建立在線居家健身咨詢和支持系統，讓用戶能夠隨時獲取專業的指導，以提高訓練效果和安全性。

（三）設計策略三：樂于體驗型用戶的娛樂互動與空間智能設計

對于“樂于體驗型”用戶，應開發融合娛樂元素和先進技術的健身產品，為小空間用戶提供互動且空間效率高的健身體驗。產品設計方面，可考慮開發集成了增強現實（AR））和虛擬現實（VR）技術的健身游戲，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品設計可進行輕便化處理以節省居家健身空間，如可折疊的跑步機和多功能訓練器等，讓健身器材可以根據用戶的居家環境進行靈活調整。服務體驗設計方面，可為用戶提供定制的健身挑戰和社交競賽平臺，通過數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、結語

在我國全民健身戰略中，居家健身群體發揮重要作用，為了更好地服務于這個群體，相關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，結合AIO生活方式量表，構建了居家健身群體畫像。通過問卷調查方法收集數據，經過實證研究，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設計策略，為居家健身提供設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據，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域精準化產品和服務設計的體驗。

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——大學生用戶群體畫像構建研究[J].現代情報，2021（10）：47–58.

作者簡介：

龍騰明，江南大學設計學院碩士研究生。研究方向：交互與體驗設計。

肖東娟，博士，江南大學設計學院副教授。研究方向：產品設計和交互與體驗設計。