再说智能手环:我为何会坚持佩戴半年?

简介:
  
   从去年9月初拿到Fitbit Flex至今,除去有一个月因长期出差忘带充电器导致数据空缺,我累计佩戴Fitbit Flex已有半年了。眼看着一起“比赛”的朋友们的数据纷纷退出,我却始终坚持佩戴,而且几乎随时都会戴着它,连洗澡时也不例外。在刚拿到它两周后,我曾写过试用体验,但半年之后,我又有了一些不同的感受。

用它只是因为习惯

以Nike Plus Fuelband、Jawbone Up、Fitbit Flex和Misfit Shine为代表的智能手环吸引了一大批爱尝鲜的用户,但许多人买手环都只是图个新奇;当热度消退,他们便发现这些产品并没有特别实用、让他们无法离开的功能,甚至反而给生活增添了新的负担。于是许多人在将手环摘下之后就将它收进抽屉里,再也没有拿出来。

但我却在将Fitbit Flex取下一个月之后又重新戴上,而且目前为止并没有放弃它的冲动;即便它没有显示时间的功能,我还需另外佩戴一个手表,这仍未影响我的使用。原因无它,习惯而已。

用了这么久,我真正一直在使用的,就是计步和睡眠监测两大功能。但这些功能真的有意义吗?

先说计步,它会每天告诉我几个数字,如走动或跑动的步数、距离和消耗的热量等,但它真正监测的只有步数。步数意味着什么?我不知道。至于走了或跑了多远,消耗了多少热量,都是它基于步数按照一个标准参数换算得来的,例如步长;但这些参数是因人而异、因情况而已的,显然离准确值会有不小的差距,不具有太多参考价值,至少我没有太当回事。

睡眠质量监测也类似。它会告诉我每晚睡眠、休息(相当于浅度书面)和清醒的时间各有多少,但这些数字对我意味着什么?该怎么调整?不知道,只是一串数字。

不过,虽然单独的数字没有意义,但当他们连起来时,就有意义了——这也是将数据转化信息的方式之一。连续地测量,我就知道我今天比昨天跑动得多,这周比上周睡得少;虽然我不知道绝对数字意味着什么,但相对数字对我来说是有价值的。如果说最开始,驱动我佩戴它的力量是和朋友比赛的话,那么当朋友渐渐从排行榜里消失之后,让我坚持佩戴它的原因就是我已经习惯每天看到一个数字,并让它连成一串。我也相信,许多如今仍在佩戴它的用户会有和我类似的想法。

当然,偶尔也会有个别的数字缺失,比如长期没充电导致没电,或者充电之后忘了取下来戴在手上。我对此倒不会很在意,我又不是处女座!

问题是那些不习惯的

但没有习惯的功能,或许就永远不会成为习惯。

例如睡眠监测的开启和关闭。Fitbit Flex并不会自动识别用户入睡和起床的时间点,用户需要在入睡时双击手环开启监测功能,醒来时再用同样的操作将其关闭。但这是一个很难被记住的操作,尤其对于我这样上床之后还会玩一会手机的人更是如此;我大多数时候是忘了开启,剩下的时候则是忘了关闭,于是几乎每次都需要在App重新输入一次。最后我索性放弃在手环上操作,直接在手机上手动输入入睡和醒来的时刻。

静音闹钟也是如此。Fitbit的闹钟功能并不在主菜单中,而是在设置菜单里面,十分隐蔽。因此,尽管它的确能够将熟睡中的我唤醒,但我很少使用它——同样是使用手机设定闹钟,我为什么要舍近求远,去做一个更麻烦的操作呢?更何快手机闹钟本身就是我所习惯的。

不习惯还体现在每次充电后将传感器模块插入手环的操作。虽然模块上有一个小箭头用来指示方向,但十分不明确,也没有其他的提示,因此我经常会弄错方向,将粗的一头插入腕带较细的一段。我甚至因此弄断了 一条腕带(好在另一条原装的腕带我也戴得上)。当然,这一点,在前不久被召回的升级款Fitbit Force中已经有了明显的改进—— 充电线可以直接插入腕带进行充电,无需再将传感器模块从腕带中取出。

至于计算每天摄入的热量值这件事情,我就更不可能去做了。我当然想知道我每天吃进了多少卡路里,但即使是在美国这样几乎所有食物都会标出热量的国家里,又会有多少人不厌其烦地每餐都去记录呢?

 

回想起来,当我拿到Fitbit Flex的头半个月,我会重点关注那些我认为有用的功能。而如今,我真正会用的,则并非都是当初我认为最有用的,而是容易让我形成习惯的。所以,一款好的手环,用炫酷的设计或者新奇的功能吸引用户来购买固然重要;但要想留住用户,让他们长期使用,除了要让用户感受到这些功能真正实用外,也需要让主要的功能足够方便,驱动用户养成使用习惯。

  
 
  本文作者: 王星

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
存储 SQL 缓存
hudi概念讲解
hudi概念讲解
hudi概念讲解
|
Web App开发 存储 缓存
Web页面优化专项>Lighthouse>性能分数优化
Web页面优化专项>Lighthouse>性能分数优化
1274 0
Web页面优化专项>Lighthouse>性能分数优化
|
12月前
|
人工智能 数据挖掘 vr&ar
虚拟现实:建筑设计的新革命
虚拟现实:建筑设计的新革命
358 22
|
12月前
|
存储 人工智能 自然语言处理
基于MCP的桥梁设计规范智能解析与校审系统构建实践
本文探讨了在桥梁设计领域应用AI技术的实践与思考,针对传统设计中规范查阅效率低、理解偏差大等问题,提出基于MCP协议构建智能解析与校审系统。系统通过PDF解析、知识图谱构建及自然语言处理等技术,实现规范条文的结构化存储和智能化应用,大幅提升设计效率与准确性。开发过程中克服了多模态文档解析、专业术语理解等挑战,并通过迭代优化持续改进性能。未来该系统有望扩展至更多工程领域,推动设计流程智能化升级。
394 8
|
机器学习/深度学习 人工智能 算法
SWEET-RL:基于训练时信息的多轮LLM代理强化学习框架
SWEET-RL是一种基于训练时信息的逐步评估算法,显著提升了多轮大型语言模型(LLM)代理在强化学习中的成功率。相比现有方法,SWEET-RL将成功率提高6%,使小型开源模型如Llama-3.1-8B达到甚至超越GPT-4O等大型专有模型性能。通过非对称Actor-Critic结构、创新优势函数参数化及两阶段训练流程,SWEET-RL优化了信用分配机制与泛化能力,降低了计算成本。ColBench基准测试显示,SWEET-RL在后端编程和前端设计任务中表现卓越,为AI代理训练技术带来突破性进展。
539 2
SWEET-RL:基于训练时信息的多轮LLM代理强化学习框架
|
存储 弹性计算 算法
阿里云服务器实例选购参考:经济型e实例与通用算力型u1实例性能、价格与适用场景解析
在阿里云目前的云服务器实例规格中,通用算力型u1和经济型e实例的云服务器凭借其相对较低的活动价格,成为了众多用户关注的焦点。其中经济型e(ecs.e-c1m1.large)实例2核2G3M带宽特惠价99元1年,通用算力型u1实例(ecs.u1-c1m2.large)2核4G5M带宽特惠价199元1年。由于经济型e实例属于共享型实例规格,而通用算力型u1实例则是独享型实例规格,因此,用户在选择时往往会对这两款云服务器的性能、适用场景及价格进行比较。本文将为您详细介绍这两款云服务器的区别、性能特点、适用场景及价格对比,以供参考和选择。
|
数据挖掘 算法 数据库
带你读《数据挖掘导论(原书第2版)》之一:绪论
本书所涵盖的主题包括:数据预处理、预测建模、关联分析、聚类分析、异常检测和避免错误发现。通过介绍每个主题的基本概念和算法,为读者提供将数据挖掘应用于实际问题所需的必要背景。
|
jenkins Java 持续交付
实战指南:运用Jenkins实现Java项目的持续集成与自动化部署
【4月更文挑战第17天】Jenkins是一款强大的开源CI/CD工具,广泛用于Java项目的自动化构建、测试和部署。通过配置Jenkins环境、创建Job、设定构建触发器和步骤,实现持续集成和部署。集成Maven、Git等工具,确保代码质量并加速上线。持续部署阶段,Jenkins可将工件发布至远程服务器或云环境,实现高效、稳定的自动化流程。实践过程中,关注工作流优化、配置备份和服务器状态监控,以提升整体开发效率和软件质量。
994 1
|
机器学习/深度学习 测试技术 异构计算
手撕Desenet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
手撕Desenet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
手撕Desenet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。