會員留存在哪裡出了問題，以及我們該怎麼做

健身產業中，最大的失敗點發生在一開始。將近一半的新運動者會在最初幾個月內中斷，而超過三分之一的參與者也會在幾個月內停止參與。¹ 這是一個重大的問題，因為它決定了會員是否能持續且穩定地使用場館。

不確定性會影響早期行為

許多新會員來的時候，還沒有明確的計畫。他們需要自行選擇練習項目、設定強度並安排訓練計畫。這些決定需要是在陌生的環境中做出，而且往往是在感受到社會壓力的情況下做出。

健身房環境中的壓迫感普遍受到反映，而與恐懼相關的阻礙仍持續影響參與意願。^2,3 這些情況會影響一個人在最初幾次訓練中停留多久，以及他們是否還會再回來。當初期體驗缺乏明確引導時，接下來往往就會出現猶豫。

課程規���決定會員是否能持續投入

課程規劃是會員早期體驗中最容易掌控的變因之一。

通用運動指引是一個穩固的基礎，但並未將準備程度、偏好或情境上的差異納入考量。⁴ 當一套方案無法反映個人的需求時，持續遵循的意願就會下降。

在新手、有經驗者和中途退出者族群之間所觀察到的差異，進一步強化了這種模式。⁵ 每個人的起點不同，反應也會有所差異，然而許多方案在執行時，仍然彷彿這些差異並不存在。

自適應系統讓課程規劃能隨著會員持續調整與進化

人工智慧（AI）的近期進展，讓我們能夠根據使用者行為調整課程規劃。例如，與靜態規劃相比，以強化學習為基礎的運動處方能同時提升運動強度和使用者滿意度。⁶ 這些動態系統會根據會員的表現更新建議，讓訓練內容能隨著個人的進步而調整。

這種類型的調整在初期特別重要，因為此時信心、耐受度和熟悉度都還在逐步建立中，而這正是新會員所處的狀態。

並非所有 AI 都能提供同等程度的引導

以 AI 為基礎的課程規劃成效，取決於它能在多大程度上反映個別使用者的需求。對 AI 生成運動計畫的評估顯示，依賴一般化輸入的系統可能缺乏足夠的變化性和具體性。⁷ 整合詳細使用者資料和持續性表現回饋的方案，能在不同訓練階段提供更貼近需求的指引。

在評估解決方案的成效時，這項區別很重要。

這對營運者意味著什麼

早期的持續參與情況，會受到會員是否清楚了解該怎麼做，以及他們在執行時有多大信心所影響。PACE 是為了支援這個階段而開發的。它會運用個別輸入資料，以及 Matrix 專有的生成式 AI，從第一次訓練開始就引導運動選擇、強度和進度安排。會員不需要自己判斷該如何開始，或該如何持續進步。

及早提供有架構、個人化的指導，有助於提升能力、降低不確定感，並提高再次造訪的可能性。

能以這種精準程度因應最初幾個月的場館，會更有條件在長期經營中留住會員。