本文来自微信公众号： 白鲸出海 ，作者：白鲸小编，编辑：殷观晓
几天前的一场线下AI活动上，我们听到了一个很典型、也很有诱惑力的创业想法。
现场有位滑雪教练聊到，他曾意识到传统的滑雪教学是高客单价的定制化服务，于是想到去做一款AI滑雪教学产品，提供平价又规模化的滑雪教学服务。这个idea刚被抛出来时，在场所有人的反应都很积极，因为用AI软件服务去改造一个高客单价、用户需求明确的传统赛道，几乎是今天最标准的创业故事之一。
但再往下聊，问题也就一个一个冒出来了。AI滑雪教学的主流思路是靠视频识别动作，但如何获取高质量的视频就是一大问题。用户自己录，拍摄角度和镜头畸变都会影响判断；他人跟拍的成本又太高。到了识别阶段，厚重的雪服、头盔和护具又会把人体的关节点位遮得七七八八。更要命的是，滑雪还是一个典型的季节性运动，一年只能做几个月的生意。
总而言之，一个听起来很美好的“AI滑雪教练”服务，落到真实雪场上往往没有那么优雅。
类似的思路的产品在小红书上能找到不少，AI网球教练、AI羽毛球教练，甚至更多细分运动项目都有人尝试，Vibe Coding的时代人人可以在几天之内手搓产品原型并进行市场测试，但多数产品距离PMF依旧遥远。
也正因如此，当我们看到一款名叫Runna的跑步训练App在短短4年时间内做到500万美元月内购收入，并在去年被全球最大健身社区Strava收购时，会格外感兴趣。同样是把“运动教练经验做成产品”，多数项目停留在了Demo阶段，为什么是Runna率先跑了出来？
一场从PDF起步的创业
AI运动教练常见的一大惯性思考是将教练价值理解成“看动作，纠动作”，仿佛真人教练最重要的能力是用眼睛看动作是否标准，于是AI也应该长出一双“眼睛”，通过摄像头、姿势识别和动作分析，但实现难度很大。相比之下，Runna切入的并不是“即时动作纠错”，而是训练规划。后者看起来不那么酷炫，但它是一种更长期的、对训练过程的持续把控，更接近教练服务里的“战略大脑”。
按创始人Dom Maskell后来的回顾，这一灵感来源于他在疫情期间想要提升自己的跑步成绩，当时他发现市面上的跑步App都很僵化，无法根据个人日程灵活调整训练安排，比如Dom只能在周二、周四和周六训练，并且希望在周六进行长距离跑。于是他求助了当时在做私人跑步教练的大学好友Ben，后者就每周通过Google文档为他量身定制训练计划，在Ben的专项指导下，Dom的进步很快，不仅刷新了5km跑步成绩并且成功挑战了个人首次马拉松。于是他开始想到不是每个人都能请得到Ben这种顶尖教练，那有没有可能把它产品化？
这个起点很重要，因为它意味着Runna最早的参照对象，不是“一个真实在场的教练”，而是真人跑步教练里可以远程交付的一部分能力，围绕用户目标制定训练计划，并根据用户的时间表和执行情况不断调整。
Dom和Ben两人花了9个月时间打磨能自动生成跑步计划的引擎，并将它包装为一个名为“The Run Buddy”的网站服务，在2021年正式上线。用户输入跑步目标（5km、半马或者全马）、跑步能力、可用训练时间以及希望进行长距离跑训练的时间等等信息，并支付20英镑-80英镑不等的价格之后（Dom说这个价格大概只有Ben作为跑步教练对外定价的1/5），一份定制化的训练计划PDF在15分钟内会发到用户邮箱。这个阶段，他们卖出了1000多份跑步计划，让这个创业两人组信心大增。
如今看来，当时的服务和交付都有点粗糙，比如，PDF很不灵活，如果用户因为长途出差等突发情况需要更改跑步计划，或者是觉得原计划中的配速过快难以适应，都需要亲自发邮件联系客服，由Dom手动生成新计划后再返回用户。但它顺利验证了“定制跑步计划”的市场价值，当时的市场缺乏专业又能贴合个人时间安排的跑步计划服务，用户也用真实付费给出了反馈。
省心即价值
今天的Runna App看上去和当初那份PDF很不一样，但是在核心的交付价值上又是高度一致的，它始终希望提供的是一套专业、定制化，同时让计划适应个人日程、体能，而非反过来让人去适应计划的跑步训练规划服务。
这也是很多外部观察容易忽略的一点。Runna实现了跑步训练计划个性化、动态调整、设备联动，但对大量普通用户来说，更直接的吸引力其实是省心。
市面上也有大量现成的跑步训练计划，按理说用户只需要将计划插入日程表中，再根据状态调整配速和节奏，但问题是，这种规划需要时间、精力和持续投入。对于工作、生活节奏本来就很快的人来说，Runna真正做到了像教练一样，让用户打开就能练。
如今用户进入App后，可以先选择目标，比如更快的5Km、第一次半马或全马，再输入自己的当前水平、每周可训练天数以及日程安排，系统会生成一套个性化训练计划。之后，这些训练内容还可以同步到Apple Watch、Garmin等设备上，用户在跑步过程中可获得实时语音指导，训练结束后，系统再根据完成情况、历史进展和日程变化，对后续计划做动态调整。除了跑步本身，Runna还把力量训练、灵活性训练等内容一起纳入训练体系。Runna早已不是一个计划生成器，而是一个围绕跑者目标运转的动态训练系统。
Runna App｜图源：点点数据
某种程度上说，Runna是把真人教练的决策反馈做成了系统，这可能也是早期Ben的指导会让Dom觉得惊艳的部分，除了知道每天应该进行什么训练，教练还会根据训练表现来调整后续训练计划。比起代替“教练的眼睛”，Runna在做的似乎更接近放大“教练的大脑”，而在跑步训练这个场景中，实现用户的“无脑跟练”可能也是更接近用户付费价值的一部分。
借着过去几年马拉松赛事风靡全球的热潮，Runna也一路成长为跑步训练赛道的头部玩家。在被Strava正式收购之前，它已经筹集了超过800万英镑的融资。一直以来Runna的订阅价格都是相对昂贵的一档，达到了19.99美元/月，但从营收情况上看用户已充分认可其价值。
AI，让运动变得更easy了？
对比国内，运动在欧美民众日常生活中的渗透度可能会更高，这一点体现在相对低廉的健身房价格（对比当地平均收入）、更丰富的俱乐部资源、更成熟的运动赛事经济和大众参与氛围等等方面。但也正因为运动已足够普及，Runna跑出来靠的反而是在做一件传统且更务实的事，让运动变得更简单。
运动本身已经足够反人性了，如果AI教练最终需要你支起三脚架、上传视频，再忍受不断纠错带来的挫败感似乎并不太符合逻辑。Runna的成功经验是，要节约用户的“心智开销”，这其实也是不少运动产品在探索的方向。
Fitbod，一款月入超200万美元的AI健身App。它解决的不是“怎么做一个标准的深蹲”，而是更前面的问题，今天进了健身房，到底该练什么。很多人放弃健身，并不是因为不会动作，而是因为站在器械区那一刻就已经开始决策疲劳，今天该练哪了？要做哪几个动作？多大重量？几组？Fitbod不去强调动作教学，而是根据用户的训练记录、恢复状态以及录入可用器械历史直接生成一份当日训练计划。对于用户来说，AI价值并不在于纠正，而是高效地节约注意力。
Fitbod用户评论｜图源：Reddit
再比如获得2024年苹果设计大奖的Gentler Streak，它提供了另外一种减法。大多数运动App都在强调打卡和目标达成，用户一旦状态不好没能完成，就很容易陷入挫败感，最后彻底中断。但Gentler Streak就如同它的名字一样，逻辑恰好相反，它关注的是你的心率、疲劳和恢复状态，当你太累、状态不好时，它会主动建议你休息，或者只做一次轻度活动，降低因为达不到标准而退出的概率。Gentler Streak让运动变简单的方式是帮用户做心理减负。
写在最后
回到文章一开头的问题，为什么是Runna？我们认为是这个团队最终找到了用户愿意持续付费的那部分价值。它抓住了教练更值钱、也更适合被规模化交付的一面，能够规划、调整、陪伴和反馈，最终帮用户省下时间、精力和决策负担。
某种程度上，这可能也是AI运动产品更值得参考的一条路，毕竟许许多多学习、健康App已经验证，真正吸引用户留下的往往不是产品的专业、准确程度，而是它有没有让这件原本难以坚持的事情，变得稍微容易一点。