AI로 회원 데이터를 운동 방향으로 전환하기
진보의 환상
피트니스 산업은 데이터의 부족함이 없습니다. 회원은 웨어러블 및 앱에서 심박수, 출력, 신체 구성, 운동 기록 등을 추적할 수 있습니다. 그러나 한 가지 문제는 여전히 교육 현장에 나타납니다. 많은 회원들이 다음에 무엇을 해야 할지 모른 채 운동을 시작합니다.
업계가 이미 가시성을 해결했기 때문에 �� 격차가 두드러집니다. 데이터는 어디에나 있습니다. 방향이 아닙니다. 회원은 숫자를 볼 수 있지만, 어디서부터 시작해야 하는지, 얼마나 힘들게 밀어야 하는지, 어떤 무게를 사용해야 하는지, 운동 중에 어떻게 조정해야 하는지 등을 결정해야 합니다.
이것이 AI가 대화의 더 큰 부분이 된 이유입니다. 피트니스에서 인공지능의 가치는 속도나 새로움이 아닙니다. 그 가치는 대량의 데이터를 사람들이 현재 사용할 수 있는 지침으로 전환하는 데 있습니다.
통찰력과 행동 사이의 놓친 단계
처음 몇 번의 방문은 특히 새로운 운동자의 경우 불확실성으로 가득합니다. 초보 운동자에 대한 연구에 따르면 입사 후 첫 달 출석률은 10 ~ 37% 였다. 성인의 거의 절반이 체육관 환경에서 위협을 느끼고 있으며, 판단에 대한 두려움이 참여를 제한한다고보고합니다. 사람들이 시설에 들어와 충분한 지원 없이 결정을 내릴 때, 망설임은 예측 가능한 결과입니다.
많은 시스템이 여전히 측정에서 멈춥니다. 그들은 무슨 일이 있었는지 보고하지만, 앞으로 일어날 일을 안내하지는 않습니다. 이를 통해 회원들은 스스로 데이터를 해석하거나 도움을 줄 수 있는 사람이 있는지 여부에 의존할 수 있습니다. 혼잡한 층에서는 지원이 가장 필요한 곳에 마찰이 발생합니다.
AI는 이러한 격차를 줄이는 데 도움이 될 수 있습니다. 개별 입력을 취하고, 시간이 지남에 따라 비교하고, 세션 중에 유용한 방향으로 전환할 수 있습니다. 이를 통해 데이터의 역할이 수동적 피드백에서 능동적 지침으로 바뀝니다.
현재의 접근 방식이 부족한 이유
문제의 큰 부분은 운동 지침이 여전히 전달되는 방식에 달려 있습니다. 업계의 대부분은 화면 앞의 개인을 반영하지 않는 광범위한 권장 사항에 의존합니다. 준비도, 선호도, 목표 및 신체 상태는 구성원마다 다르지만 많은 프로그램은 여전히 일반적인 모델에서 시작됩니다.
간단한 시작 지점과 따라갈 수 있는 계획이 필요한 사람은 일률적인 운동으로 도움을 받지 못합니다. 개인화 된 지침은 사람들에게 관련성 있고 할 수있는 것을 제공하기 때문에 더 나은 순응을 지원하는 경향이 있습니다.
AI는 정적 프로그래밍과 차별화됩니다. 새로운 입력이 들어오면 적응할 수 있습니다. 세션 전반에 걸친 성과, 행동 및 진행 상황에 대응할 수 있습니다. 회원에게 고정된 계획에 맞추라고 요구하는 대신 회원과 함께 변화하는 훈련 경험을 지원할 수 있습니다.
또 다른 요인도 있습니다. 운동은 이상적인 조건에서 이루어지지 않습니다. 공유 장비, 제한된 시간, 다양한 수준의 직원 지원이 있는 바쁜 시설에서 발생합니다. 운동은 이론적으로 효율적으로 보이고 여전히 바닥에 떨어질 수 있습니다. AI가 유용하려면 해당 환경에서 작동해야 합니다. 이것이 업계�� 기대해야 하는 표준입니다.
업계의 향후 요구 사항
다음 변화는 이미 이용 가능한 정보를 사람들이 첫 방문부터 행동하는 데 도움이 되는 방식으로 사용하는 것입니다.
이러한 변화에 AI가 더 큰 역할을 하기 시작했습니다. 잘 사용하면 추측을 줄이고, 더 나은 결정을 지원하며, 전체적으로 맞춤화를 쉽게 제공할 수 있습니다.
그렇다고 해서 훈련의 인간적 측면이 제거되는 것은 아닙니다. 회원들은 여전히 격려, 안심 및 연결에 응답합니다. 코치나 직원이 프로그램에 참여하고 다음 세션으로 돌아갈 수 있을 만큼 편안한지 여부에 영향을 미칠 수 있습니다. 인공지능이 운동을 안내할 수 있습니다. 사람들은 여전히 주변의 경험에 영향을 미칩니다.
다음에 오는 것은 업계가 수집할 수 있는 데이터의 양에 의해 정의되지 않습니다. 이 데이터는 사람들이 훈련하는 데 얼마나 도움이 되는지에 따라 정의됩니다.
Matt McConley
수석 디지털 제품 관리자 - 글로벌 마케팅
