基于LLM的AI写作交互体验设计

项目背景

政策与场景驱动

国家倡导青少年“每天锻炼一小时”，体能训练持续受重视；跳绳是K1-9高频体能项目，部分地区纳入体育评价；家庭与校园场景下，跳绳是最普及的日常运动，但训练过程缺少实时反馈与持续指导

用户问题

计数不准 → 动作不规范 → 训练容易中断 → 练完没有反馈
用户缺的不是记录工具，而是训练过程中的持续反馈

产品定位

手机摄像头 + AI 骨骼识别 → 自动计数 × 动作识别 × 实时反馈 × 成长激励
将训练从结果记录升级为过程指导，无需穿戴，即开即用

业务目标

通过跳绳链路优化，提升跳绳功能渗透5pp，提升用户粘性

数据关联：完跳率与渗透正相关系数1.13；与留存正相关1.01

问题盘点：训练连续性为何持续中断

设计目标
构建连续、稳定的实时运动体验

01

降低启动门槛

缩短“决策”到“行动”的路径

02

构建高容错的实时跳绳体验

提升跳绳链路体验的连续与稳定

03

建立“即时反馈 × 持续成长”的正向强化机制

驱动长期坚持与复跳

1

压缩权限路径，让用户快速触达

权限弹窗三合一，缩短触达路径

2

FOV站位引导，教程嵌入流程，帮助用户快速进入可训练状态

1.动态站位引导，屏幕上显示“人体轮廓框”
2.实时位置反馈，语音距离提示，提升感知稳定性，确保用户被有效识别

3

识别状态可视化，让用户知道是否在识别

识别触发机制，入框检测，边缘高亮；

未识别：灰态 + 语音提示；

识别中：绿色边框动态进度

识别成功：颜色确认 +语音播报 + 倒计时

关键发现

核心矛盾点

02

基于目标-构建高容错的实时跳绳体验

策略落地：跳中-让系统反馈“可理解、可预期”

通过多通道反馈与异常预警，提升运动中的系统感知稳定性

用户不需要持续注视屏幕，也能知道自己是否被正确识别

02

基于目标-构建高容错的实时跳绳体验

策略落地：跳中-建立“不中断”的连续训练体验

通过多通道反馈与异常预警，提升运动中的系统感知稳定性

03

基于目标-即时反馈 × 持续成长的正向强化机制

策略落地：跳后-让结果驱动下一次行动

将训练结果转化为可理解、可执行的下一步行动，帮助用户形成持续训练习惯

1

训练结果可感知：让用户知道自己表现如何，建立结果认知

结果分层反馈：优秀、良好、及格、不及格

关键结果：用时、个数、中断次数、评分、卡路里消耗

2

同龄水平对比：让进步有参照

“超过 75% 四年级同学”让进步有参照

3

勋章激励

让成长被看见

4

个性化训练建议：让用户知道下一步该怎么练

基于当前训练表现，提供针对性的提升方向
问题纠正、节奏提升、耐力提升、动作规范训练

5

再跳一次：鼓励用户立即开始下一轮训练

通过结果反馈、成长激励与行动承接，推动用户从一次训练走向持续训练

项目结果-关键体验与行为指标改善

方法论迁移：从单一跳绳到多动作运动场景的可复用设计框架

将跳绳场景验证的连续体验能力，沉淀为可复用设计模块，支持运动能力快速复制

可复用能力模块

快速拓展运动矩阵

从适配单一动作，到支撑多运动场景，通过能力复用降低体验建设成本

设计能力（感知、反馈、容错）→ 体验模式（进入、训练、完成）→ 扩展（跳绳→更多运动）

核心能力沉淀：面向高动态运动场景的连续体验设计框架