英国 GLP-1 追踪类应用流失诱因:Minds 2026 年研究
Minds 模拟了 600 名英国 GLP-1 患者,以揭示停药后数字生活方式追踪类应用的订阅流失诱因及停药过渡期行为转变。
- 0
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- Ø平均
- 5.1
模拟反馈显示,随着患者逐步退出药物治疗,由于行为指导功能不匹配,用户对应用效用的感知急剧下降。
- 15+ 项统计数据,按年龄、国家、收入交叉分析
- 5 张可下载图表
- 原始回答数据(CSV)
- 向该样本提出你自己的问题
方法论
根据 Minds 结合 NHS Digital 健康调查数据对 600 名英国 GLP-1 患者进行的 2026 年模拟研究,72% 的数字体重追踪应用订阅者在停药后 60 天内取消了订阅。导致流失的首要诱因是功能脱节,即应用未能从药物治疗管理模式及时调整为维持期心理支持模式。
停药后 60 天流失率
标准卡路里 UI 诱发内疚感比例
维持期停药过渡模式需求度
基于由 600 名受访者组成的合成受众。基准一致度会因受众、问题、依据和参考研究而异。
样本构成
- 125-3424%
- 235-4438%
- 345-5426%
- 455-6512%
- 1已停药35%
- 2维持剂量期37%
- 3早期剂量递增期28%
本研究利用 Minds 目标受众模拟平台,探讨了英国数字健康及伴随应用生态系统中的订阅留存机制。研究人员通过 Minds PRISM 构建合成患者人群,评估了用户在经历司美格鲁肽(semaglutide)和替尔泊肽(tirzepatide)等 GLP-1 受体激动剂治疗的不同阶段时,所经历的心理转变、功能效用评估以及价值感知衰减。
该合成样本库涵盖了 600 个不同的英国消费者画像,覆盖多样化的社会经济背景、地理区域(包括大伦敦地区、英格兰中部地区、西北部和苏格兰)以及不同的用药周期。Minds 将定性与定量研究无缝整合在同一个端到端工作流中,使产品团队能够在同一个底层推理基石上,开展结构化量表评分、多项选择评估以及 MaxDiff 等强制选择实验,同时进行深度的定性画像访谈。
研究架构与行为场景
根据英国国家卫生与临床优化研究所(NICE)关于数字体重管理平台的指南,合成受众被划分为三个结构化群体,以反映真实的临床路径:
- 群体 1:剂量递增期(占样本的 28%)。该群体用户正在进行剂量递增,积极应对胃肠道副作用、初期体重的快速下降以及新习惯的养成。
- 群体 2:稳定维持期(占样本的 37%)。该群体用户已建立稳定的维持剂量,重点在于长期维持生活方式、保持肌肉量以及应对体重平台期。
- 群体 3:停药出组期(占样本的 35%)。该群体用户由于 NHS 服务期限限制、经济考量或个人选择,在过去 1 至 6 个月内停止了 GLP-1 治疗,正在应对食欲的生理性回归。
每个群体都接受了交互式用户体验测试,包括对标准订阅伴随流程、推送通知机制、宏量营养素追踪看板以及取消订阅漏斗的刺激物评估。
停药断崖:为什么标准追踪应用无法留住 GLP-1 停药用户
当患者结束药物治疗时,数字生活方式应用和商业体重追踪工具通常会遭遇严重的留存断崖。虽然 GLP-1 的活跃使用创造了由药物介导的饱腹感环境,但停药阶段的典型特征是基础代谢信号的重新活跃,这通常被用户称为食物噪音(food noise)。
当停药群体的合成画像与常规的热量缺口追踪界面进行交互时,用户满意度从剂量递增期的 7.6 分(满分 10 分)急剧暴跌至 2.8 分。其核心诱因并非用户对健康追踪失去了兴趣,而是标准应用界面的交互逻辑给用户带来了直接的心理惩罚。
我的 Wegovy 处方一结束,记录饮食就变成了一件令人极度恐惧的事。应用不断为极小的进食量点赞庆祝,但没有食欲抑制这根本不可能做到,这让我在三周内感到彻底的挫败。
用户疏离机制
合成画像的反馈揭示了在药物治疗结束后加速用户取消订阅的四个明确机制:
- 专注于热量缺口的游戏化机制:每日连续打卡计数器、绿色成就徽章以及对每日摄入低于 1,200 卡路里的祝贺通知,在缺乏药物食欲抑制的情况下,变成了对无法达成目标的惩罚性提醒。
- 僵化的热量上限:标准生活方式追踪工具计算的是静态能量平衡目标,无法适应 GLP-1 停药后的代谢适应或瘦体重维持策略。
- 缺乏食欲反弹应对指导:应用内的科普内容依然侧重于入门级的热量限制,而非针对食欲信号增强和激素变化的认知行为策略。
- 感知性价比脱节:当应用原本与私人处方服务捆绑销售时,一旦处方停止并按全额月费单独订阅软件,其缺乏独立诊断或激励价值的问题便暴露无遗。
我每月花 28 英镑订阅一款完全针对注射期量身定制的应用。一旦我降低剂量,算法对食欲反弹或代谢维持毫无指导,因此取消订阅成了很简单的财务决定。
留存干预措施的定量评估
为了确定哪些产品功能可以缓解用户的流失意向,600 个模拟 Minds 完成了一份结构化的功能优先级矩阵评估。受访者将现有的基础追踪模块与提议的专业维持期功能进行了对比评估。
| 功能概念 | 剂量递增组吸引力 (%) | 维持期组吸引力 (%) | 停药组吸引力 (%) |
|---|---|---|---|
| 每日卡路里连续打卡 | 78% | 46% | 14% |
| 宏量营养素与饱腹感指数评分 | 62% | 71% | 84% |
| 药物停药过渡路径 | 31% | 68% | 91% |
| 蛋白质摄入节奏与抗阻训练追踪 | 54% | 79% | 88% |
| 药物副作用记录 | 89% | 34% | 8% |
| 饥饿信号与饱腹感日志 | 42% | 66% | 82% |
数据表明功能优先级存在明显分歧。早期阶段的患者更看重用药管理和副作用记录,而处于过渡期或停药后的用户则压倒性地需要专注于维持饱腹感、保持肌肉量以及心理应对机制的工具。
数字健康追踪工具把体重反弹视为缺乏意志力,而非已知的生理反弹。我不需要连续记录卡路里的打卡机制,我需要针对治疗后现实设计的认知重塑和蛋白质节奏管理。
定性情绪分析:应对体重反弹的心理包袱
在定性交互层开展的深度模拟画像访谈中,揭示了 GLP-1 停药消费者深层的心理脆弱性。绝大多数画像(64%)表示,当停药后发生体重反弹时,常见的数字健身营销信息会诱发强烈的个人挫败感。
处于停药过渡期的英国消费者并不希望看到传统的减重排行榜,而是强烈倾向于隐形维持模式(stealth maintenance modes),即弱化体重秤上的数字,转而强调非体重维度的成就、力量指标以及直觉饮食标志。
Minds PRISM 映射的核心行为画像
通过迭代画像聚类分析,研究提炼出三类主要的行为画像:
- 焦虑的自我管理者:追踪生物标志物的意愿极高,但对挫败感极为敏感。对弹性热量区间(例如 +/- 200 千卡的缓冲范围)和周平均指标表现出积极反馈,而非死板的每日上限。
- 价值最大化者:订阅的主要目的是获取综合临床指导。一旦私人处方停止,该画像会将订阅价格与免费通用追踪工具进行对比,除非应用能提供临床级别的指导,否则便会流失。
- 生活方式重塑者:积极寻求可持续的饮食结构重组。相比简单的卡路里计算,更看重抗阻训练整合、睡眠优化以及肠道健康指导。
对数字健康运营者的商业启示
对于在数字健康、消费级健身和数字疗法领域运营的产品与增长团队而言,如果伴随软件始终与药物使用深度绑定,将面临结构性的流失风险。随着 NHS 试点项目和私立医疗机构扩大 GLP-1 药物的覆盖面,进入计划停药阶段的患者数量将迅速增加。
各类机构可以利用 Minds 上的目标受众模拟,在投入研发资源或运行昂贵的真实样本库之前降低产品迭代风险。Minds 支持的产品工作流包括:
- Figma 与 UI 原型测试:直接向模拟群体展示交互式入职流程和看板原型,以快速识别潜在的操作阻力。
- 价值主张优化:在目标临床人群中筛选并验证订阅定价模型及功能组合。
- 消息与通知推送优化:测试推送文案以消除带有心理负担的诱因,在无需承担真实 A/B 测试流失风险的前提下提高日活跃度。
Minds 生成的合成研究成果提供了定向且结合语境的洞察,助力商业团队在整个客户生命周期中做出明智的产品决策。通过在正式上线前借助合成人群验证产品概念,数字健康服务商可以构建更具韧性的订阅模式,在代谢健康的各个阶段为用户提供持续支持。
欢迎前往 getminds.ai 注册并下载完整的《英国 GLP-1 生活方式追踪工具基准报告》,深入了解细分受众交叉分析、MaxDiff 功能效用以及针对药物治疗后用户留存的 UX 设计指南。
常见问题
为什么数字健康订阅在停用 GLP-1 的患者中会出现高流失率?
Minds 定向模拟显示,大多数生活方式追踪应用主要针对药物治疗期进行了优化,一味鼓励快速减少热量摄入,却未能提供代谢维持、食欲回归时的心理支持或专门的停药过渡指导。
Minds PRISM 如何对复杂的患者行为转变进行建模?
Minds PRISM 是每个 Mind 底层的推理与信源建模引擎。它结合上下文数据、临床研究文献和合规的定性研究记录,在开放式提问、评分量表和 MaxDiff 等强制选择方法中模拟细致入微的受众状态。
在用户体验测试中,模拟合成研究与真实临床样本库相比表现如何?
Minds 上的合成目标受众模拟使产品和增长团队能够以传统样本库极小的成本,在数百个画像中快速探索行为阻力、评估概念并测试价值主张,无需漫长的招募等待。
这项 GLP-1 流失研究针对买家旅程的哪个阶段?
这是一个漏斗顶端(TOFU)的探索性基准研究,旨在帮助数字健康产品经理、商业负责人和生活方式应用营销人员识别留存瓶颈并了解基准消费者情绪。
关于 Minds
Minds 是一家 AI 研究实验室,构建合成焦点小组和研究。它帮助市场推广和产品团队在几分钟内(而非几个月)洞察目标受众。


