Protected · 思考
AI + 健康数据:健康产品的调研与设计思路
这是我对 AI 产品的一些思考,目前需要密码查看。
想看的话,欢迎找我要 🙂
 
← 返回思考 AI + 健康数据 · 产品分析 · 2026 ANALYSIS
The Brief · 面试测试题

Zenowell 给的题

Zenowell 是穿戴式脑机接口公司,做迷走神经设备,改善情绪、睡眠、疼痛等长期健康问题。要开发一个创新健康管理系统,核心理念是 「对话优先」——用户通过自然对话与 AI 交互,而非填表单。

核心模块是健康数据可视化系统:把饮食 / 睡眠 / 运动 / 情绪存进不同的 「主题房间」,AI 带用户在房间之间探索,发现健康问题的因果关系。系统还含游戏化元素,提升持续追踪的动力。

可能的数据来源:手动记录(饮食 / 情绪) 手表 / 手环(心率 / 睡眠 / 压力) 耳部脑机接口(睡眠 / 使用时的生理数据)

设计挑战

  1. 让数据探索有趣,而非枯燥图表
  2. 房间之间的交互流转,让用户自然探索
  3. 游戏化反馈,提升粘性
  4. 平衡信息密度与视觉简洁
01

迷走神经 & 这台设备

迷走神经

The Mechanism · 为什么是它

迷走神经是人体最长的脑神经、副交感系统的主干,直接调节心率、呼吸、消化、炎症与情绪——也就是身体的「放松 / 修复」开关。

它绝大部分藏在体内,唯一能无创够到的体表位置就是耳朵(耳廓支)。所以这类设备都做成耳部形态。

刺激它 ≈ 人为帮身体进入副交感主导状态 → 正好对应 Luna 主打的情绪、睡眠、疼痛

ZenoWell Luna

The Device · 真实产品事实

taVNS 经皮耳迷走神经刺激,无创、无药。耳夹电极 + 手持控制器,耳部两个刺激点,宣称「100% 迷走神经支配」。

Relief 缓解20 分钟内缓解头痛 / 偏头痛
Sleep 睡眠改善入睡与深睡(深睡 +73%)
Relax 放松即时减压,HRV +46%
Medit 冥想4 周减半 Long COVID 症状
8 小时电池 · 24 次大屏大字drug-free
临床:RCT 验证 · >200 万次使用 · 0 严重不良事件

那它在市场里站在哪?

类型 A

刺激型

戴上 → 发信号 → 让你放松。设备强,App 薄。

PulsettoTruvagaApolloSensateNurosym

数据几乎不被解释

类型 B

监测型

测 HRV / 睡眠 / 压力,呈现为仪表盘。只测不干预。

Apple WatchOuraWhoopGarmin

因果靠用户自己脑补

Zenowell

解释 / 融合型

干预 + 监测 + 对话式因果解释,存进主题房间一起探索。

对话优先主题房间干预+监测同源

把数据变成可感知的因果故事

纵轴 · 数据解释深度能多好地帮你看懂数据
干预 × 解释
Zenowell 所在区
设计要做的:上移
目标系统对话+房间+解释
Luna · 今天四模式刺激
Pulsetto颈部电刺激
Truvaga2 分钟电刺激
Nurosym / AXION耳部·医疗级
Apollo Neuro振动
Sensate振动+音景
Oura / Whoop解释较好·不干预
Garmin身体电量
Apple Watch仪表盘式
横轴 · 干预 / 神经调节能力 戴上后能多大程度主动改变你的身体状态
ZenoWell Luna · 今天(刺激型) 目标系统(对话 + 房间 + 解释) 刺激型 · 直接竞品 监测型 · 间接竞品
02

目标用户

长期受情绪 / 睡眠 / 疼痛困扰(非急性),且被健康数据淹没、不知道怎么读的人。

他们是怎样的人

  • 信息过载,而非匮乏 搜过读过买过,懂 HRV、深睡这些词,却"连不起来"——缺的是意义。
  • 慢性、反复、成因模糊 说不清"为什么又这样",没有单一指标能解释。
  • 自我管理疲劳 大概率试过追踪类产品又弃用,对"又要记录"有抵触。
  • 和数据疏离 数据像一份外部报告,不是"我的故事",看了也没有"原来如此"。
  • 带着情绪来 焦虑、无力、自责;被说教只会加重愧疚。
  • 要掌控感,但耐受度低 想搞明白却不愿啃表格——这是"对话优先"的根。

使用场景

  • 夜里睡不着 / 焦虑反刍 想弄明白"今天怎么了",或只想有人陪着说说。
  • 早晨醒来没睡好 想知道"昨天哪件事害的"。
  • 某次症状之后 头痛 / 情绪崩 / 累垮之后,回看找规律。
  • 被动触达(关键) agent 在恰当时机主动问,而不是等用户打开 App。
  • 阶段性回看 "这两周有没有好转、什么真的有用"。
设计含义

因为他们信息过载 + 情绪疲劳 + 对记录抵触,基调必须是「低门槛、被理解、陪你连点成线」,而不是"高效地多给一份报告"。

03

类竞品参考 · 复杂数据信息传达设计

Garmin · 身体电量

监测型

HRV + 睡眠 + 压力 + 活动 四路数据融成一个 0–100 的「电量」:休息会充、压力会耗,全天实时变化。多源生理数据收敛成一个有隐喻、能被「感觉到」的指标,而不是冰冷的折线图。

Garmin 身体电量界面

Oura

监测型

三件事都做得很好:① 把生理数据收成「一句裁决 + 暖色状态分级」(用蓝/绿/珊瑚,不用红绿警报色);② AI Advisor 用人话答问、把数据卡嵌进对话流、再用建议问题 chips 引导下一步;③ Trends 能叠加两条指标直接算相关性

Oura Symptom Radar
① 裁决 + 分级
Oura Advisor
② AI Advisor
Oura Trends 相关性
③ 叠加 + 相关性

Whoop

监测型

每天早上一份勾选式 Journal:用 ✓/✕ 快速回答前一天的行为(喝酒?咖啡因?压力?睡前看屏幕?),按 Lifestyle / Mental Health 分组。Whoop 在背后把这些和恢复数据交叉,长出个性化因果洞察

Whoop Journal 勾选界面

Sensate

刺激型

把使用包装成一个有仪式感的 session:配音景、固定时长,像一个「时刻」而非一次操作。

04

「AI 对话优先」设计方向与参考

不是竞品,而是「对话 → 情绪」这条轴上体验做得好、值得借鉴的产品。

Pillowtalk

AI 语音日记 · Awwwards 提名

对话优先的现成范例:睡前用或打字「吐露」,AI 回应洞察、帮你理解情绪,还有梦境分析,把记录变成「被理解」的体验。视觉极简、平静,把「夜里和自己说话」做成安静的仪式。
注意:它是纯主观记录,没有传感器数据——只参考它的对话手感与情绪基调,不参考数据层。

Flourish · Sunnie

AI 陪伴 · 动机式访谈

Motivational Interviewing(动机式访谈) 做成产品核心:AI 伴侣 Sunnie 不急着给答案,而是问对问题、肯定、反映式倾听,引导用户自己说出改变的动机。Stanford 心理学家 + 前 Google 设计师打造,循证(CBT/DBT/ACT/MI)、获 Webby。「会提问 > 会回答」的专业范本,也是和通用 LLM 拉开差距的关键。

Headspace · Ebb

AI 对话 / 冥想引导

友好的插画式引导 + 结构化课程;新的 AI 伴侣 Ebb 用对话陪用户「反思情绪、找回掌控感」——在温暖语气 + 对话式引导上很值得看。

Headspace Ebb 对话式反思
A · 工具 vs 伙伴
工具(ChatGPT)
被问才答 · 只有一个模式
会提问的伙伴
主动提问 + 拆分提问
B · 拆分提问 = 穿过房间
一个大而模糊的问题
拆成一个个小问题
每问调出一个房间
因果浮现
设计主张 · 立场(WHY)

一个会提问的伙伴
而不是一个会回答的工具。

  • 主动提问 在恰当时机先开口,而不是等被问
  • 拆分提问 把大而模糊的问题拆成一步步探索 —— 带你穿过房间、让因果浮现("为什么总睡不好?" → 上床时间?→ 咖啡?→…)

边界:简单查询("我昨晚睡了几小时?")直接答;只有"找原因"类的大问题才拆,否则会变审问。

这套先问、引导、再协作的方式,心理学里叫 Motivational Interviewing(动机式访谈)

落地(HOW)

UX 设计方向 · 立场落到屏幕上

上面是"会提问的伙伴"这个立场(WHY);下面是它在界面上具体长什么样(HOW)——也是接下来核心交互流程的接口。

01

入口是结果,对话挂在结果上

先看到哪儿有问题(状态 + 异常),点一下才进对话;攒够数据也能自己选房间挖。

02

数据长在对话里,一次一层

数据卡内嵌进对话、逐层展开——治信息密度。

03

提问带你穿房间

探索主要顺着 agent 的问题走,把相关房间的数据带到一起(也可自己选房间)。

04

把因果"画"出来

回答时可视化两个房间被连起来的那条线。

05

界面会"记得你"

引用上次("上次你提到…"),让连续性可见。

结论

把两条轴,整合成
一段陪你看懂自己的旅程。

数据→洞察 与 对话→情绪,放进「对话 + 主题房间」的框架,让一个会提问的伙伴带你把碎片连成因果。

05

核心交互流程

原则 01

每问必给

每一步先给一个发现、再问一句——不是单方面索取。

原则 02

渐进显形

因果图一步步画出来,收获是累积的,不是答完才揭晓。

原则 03

进度可见

随时知道走了哪些房间、排除了什么、离答案多远。

护栏:约 3 步内收敛,随时可下车——每一步都已拿到"半成品的理解"。

怎么拆复杂度结构模型:房间是容器,因子才是探索单位

饮食

晚咖啡酒精晚餐时间加工食品

睡眠

深睡入睡时长夜醒规律性

运动

强度时长时间点

情绪

焦虑压力波动
真正的因果连接是 因子 ↔ 因子深睡 ↔ 晚咖啡),不是"睡眠房间 × 饮食房间"那么粗。每个因子还有三层深度:概览 → 趋势 → 原始数据,要看才展开;默认只亮出最异常的 1–2 个因子,其余收着——不淹死人。

一条主旅程 · "为什么总睡不好"结果优先入口 → 对话探索 → 沉淀进自我地图

入口 · 结果优先
9:41
今天
整体还行,但有一处值得看看
深睡偏低
本周已经 3 晚
看看为什么 →
对话 · 拆分提问
深睡 · 探索中
这几天深睡确实低。上床时间挺规律的,倒是——下午还喝咖啡吗?
有,下午 4 点一杯
你喝咖啡的 4 天,深睡都更低
看起来它们在一起波动。要不要把这条记下来?
因果 · 沉淀进地图
发现一条因果
晚咖啡 → 深睡 ↓
✓ 已加入你的自我地图
你的自我地图
晚咖啡深睡
压力入睡慢
06

持续追踪的动力

真正撑住长期使用的是内在动机;游戏化只是点缀。

01

越用越懂我

每次探索都往你的个人因果模型加一条边——建议从套话慢慢变成只对你成立的话。越用越准、别处带不走。

02

看得见的进步

对一个长期、模糊的问题,"事情在好转"本身就是安慰。看到趋势 = 给回掌控感和希望。

03

越来越完整的自我地图

探索地图跨周累积,几周后是一张越来越厚的"关于我自己的因果图"——理解在变厚,本身就是奖励。

游戏化的位置降为点缀,不做引擎——避免和"医疗可信"打架。
护栏慢性问题会平台、反复。"进步"要多度量理解的增长 / 小胜("又搞清一条规律"),别只盯结果指标,否则没好转时反噬。