结论
Current 不应该完整照抄某一家竞品。更合适的产品组合是各取一样：
Current 已经有清楚的价值主张和质量不错的结果页，但从公开入口到首次价值的路径仍是人工 beta 流程。
最重要的产品化目标不是先做完整 dashboard，而是让新用户在三分钟内完成一条真实记录，并获得第一条可信、可执行、可追溯的建议。
调研范围与证据边界
调研时间 2026-08-30，Asia/Singapore。
- 使用真实浏览器访问公开网页。
- 实际点击 Current、Simple、Noom、ZOE 和 Levels 的公开 onboarding / 购买入口。
- 检查 MacroFactor、Cal AI 的产品展示、价值表达与界面结构。
- 保存关键页面截图，未进入付费、购买或对外提交步骤。
- 竞品能力和价格只按本次走查时的官方页面记录，后续使用前应重新验证。
登录限制
Current 公开登录页只提供 email/password，没有 Google 登录；浏览器密码库里没有可自动填充的 Current 凭据，因此没有猜测密码或擅自创建新账号。结论主要来自其公开首页、完整 demo report、beta 申请、注册与登录界面。
Current 当前体验
已经做对的部分
Current 的公开主张不是"又一个 calorie tracker"，而是：
记录饮食、睡眠和周期 → 判断今天值得注意什么 → 给出一个具体行动 → 根据接下来的真实信号更新判断。
Worth noticing today：指出当天最值得关注的信号。One thing to do today：把复杂营养数据压缩成一个动作。View a real report：允许用户查看完整结果，降低抽象感。
这是 Current 最值得保留的核心：不是只展示数据，而是从记录中形成可被下一次记录修正的判断。
当前断点
Apply for beta access打开的是人工申请流程。- 用户需要自行发 Gmail，描述目标和当前困难。
- 产品再人工确认可用性并连接 private profile。
- 已有用户可以登录，但新用户没有公开的 guided setup。
- 用户能看到 demo 结果，却不能马上用自己的一餐生成结果。
因此 Current 当前更接近"高质量产品 demo + concierge service"，还不是完整的 self-serve consumer product。
UI 层级问题
完整报告信息质量不错，但首次体验里存在两个层级风险：
- 行动结论和营养细节在视觉上过于接近，用户可能先进入数据阅读，而不是执行动作。
- 页面展示了系统的输出能力，却没有展示用户输入有多容易。
产品化后应该固定为：先给行动，再给解释，最后才给完整数据。
竞品地图
| 产品 | To C 核心卖点 | Onboarding / UI 模式 | Current 应借鉴 | 不应照抄 |
|---|---|---|---|---|
| Simple | AI coach、每日行动、轻松减重 | 一屏一问；从年龄、目标和生活状态逐步建立个性化 | 每日 check-in、今日计划、降低临床感 | 过长营销 quiz、强人格化 coach 抢走产品主角 |
| Noom | 心理学和行为改变 | Landing 本身就是问卷；先问目标再采集人口和动机信息 | 目标先于注册、单题单屏、进度可见 | 过多人口问题、价值出现太晚 |
| MacroFactor | 根据真实代谢动态调整 macro plan | 直接展示机制、真实 app UI、用户证明和透明价格 | 可解释的动态调整、adherence-neutral 语气 | 专业健身用户式的数据密度 |
| ZOE | 科学、肠道检测、个性化营养 | 先建立科学信任，再选择 trial / 3 月 / 12 月计划 | 信任层、定价透明、价值要点靠近付费墙 | 一开始就引入检测包和较高认知门槛 |
| Levels | 食物、睡眠、运动、血糖和实验室数据统一 | 基础会员先行，再添加 CGM、labs、nutritionist | 基础软件 + 数据源 + 人工支持的分层 | 过早把产品做成复杂 health operating system |
| Cal AI | 拍一张照片就完成 calorie tracking | 第一屏只展示一个魔法动作和即时结果；强社交证明 | 清楚的首次输入动作、结果前后对照 | 把准确度不确定的估算包装成无摩擦确定性 |
四种代表性 Onboarding / UI 模式
A先通过问题建立"这是为我定制的"
Simple 和 Noom 都没有先要求用户理解 dashboard，而是从用户目标和背景开始。
Simple 的做法
- 一屏一个选择。
- 使用人物视觉让问题显得生活化。
- 先按年龄分流，再继续构建计划。
- 几乎没有导航和旁路，转化目标单一。
Noom 的做法
- 第一题直接问 weight loss goal。
- 提供
I haven't decided yet，避免强迫用户精确承诺。 - 显示阶段和进度，降低未知长度带来的退出。
- 后续逐步询问生理、身份和动机。
对 Current 的启发：应该从"你现在最希望改善什么"开始，而不是从 email、密码或完整健康档案开始。
B把核心机制直接放到第一屏
MacroFactor 没有先讲大量 AI 概念，而是明确承诺"根据你的代谢形成 macro plan"：
- 用户只需要持续记录食物和体重。
- 系统根据真实变化估算 expenditure。
- 每周 check-in 时调整 calories 和 macros。
- 用户能看到建议变化，不需要猜系统为何改变计划。
Current 可以采用相似的可解释结构，但把更新周期从"每周 macro 调整"变成"每天小行动 + 阶段性人工复核"。
C把首次输入变成一个清楚的魔法动作
Cal AI 在第一屏完整展示"拍照前 → AI 识别 → 营养结果"：
- 用户立即知道自己要做什么。
- 用户立即知道会得到什么。
- 产品截图本身就完成了 feature explanation。
Current 虽然比 Cal AI 的价值更深，但输入动作没有同样清楚。第一版应该优先做拍照、自然语言或语音记录，而不是先做复杂分析页面。
D先解释系统构成，再让用户选择价格
ZOE 在付费墙前重复四个价值点，并把试用和长期计划同时展示：
- 付费页面仍然解释产品，而不是只列价格。
- 突出 trial，并清楚展示续费价格。
- 评分、用户量和核心能力与购买选择处于同一视野。
- 自动续费文案可见。
Levels 则让用户先理解基础会员，再选择是否增加额外数据源：
- 基础会员：记录、判断、趋势、每日行动。
- 可选数据：wearables、CGM、labs 或健康文件。
- 可选服务：人工营养审核或阶段性 plan review。
从新加坡访问 Levels，继续后进入的是 international waitlist Typeform，而不是完整购买流程。跨地区 availability 本身也是 consumer onboarding 的一部分，Current 产品化时要明确服务地区和人工审核可用范围。
建议的 Current Onboarding
目标：用户在三分钟内从自己的真实记录获得第一条可信建议。页面顶部的手机模型就是这八步，可以点着走一遍。
选择目标
你现在最希望改善什么？- 减脂，但不想严格节食
- 晚上不那么容易饿
- 白天精力更稳定
- 建立更规律的饮食
- 理解周期如何影响饮食和能量
- 还不确定，先看看记录能告诉我什么
选择当前最大困难
哪件事最容易让计划失败？- 不知道自己实际吃了多少
- 经常忘记记录
- 晚上或压力大时容易吃多
- 建议太复杂，坚持不下去
- 睡眠和工作时间不规律
- 已经尝试很多方法，但不知道该改什么
采集最小基础资料
只采集产生第一条建议所需的信息：年龄范围、身高体重、日常活动水平、目标方向。周期、疾病、药物、饮食障碍史等敏感数据应在有明确用途时渐进询问，并清楚解释用途、医疗边界和退出方式。
选择记录方式
默认突出拍照，同时支持：用一句话描述、语音描述、扫条码、暂时使用 demo meal。
完成一次真实记录
拍下或描述你最近的一餐。AI 先解析食物和大概份量，用户只负责确认或修改。必须明确营养数值是估算，并让修改入口始终可见。
补一个身体信号
第一次只问一个最相关的问题：昨晚睡得怎么样？吃完这餐两小时后有多饿？今天下午的精力怎么样？不要在首次 onboarding 就要求完整记录睡眠、周期、运动、压力和所有 meals。
生成 First Daily Brief
- Current 注意到了什么
- 为什么形成这个判断
- 今天只做什么
- 明天要检查哪个信号
- 数据不足或估算不确定性
看到价值后再创建账号
先有真实输入和个人结果预览，再创建账号保存、选择免费或试用计划。
建议顺序：
而不是：
建议的信息架构
主页面 Today 只回答四个问题：今天值得注意什么？今天只做什么？为什么？做不到时可以换成什么？
Good morning, Deniffer Worth noticing 晚餐后的饥饿连续两天偏高。 One thing today 晚餐保留正常主食，把一部分蛋白质提前到午餐。 Why this? 饮食记录 + 睡眠 + 最近两次饥饿反馈 [我能做到] [需要换一个]
Calories、macros 和餐级详情放在解释层之后。
记录
- 相机是主按钮。
- 支持文字、语音、扫码和历史餐食复用。
- AI 解析后先让用户确认，再写入正式记录。
- 睡眠、饥饿、精力、周期使用轻量快捷入口。
趋势
- 晚餐后饥饿变化
- 睡眠与次日食欲
- 平均纤维和蛋白质
- 计划阶段内的体重趋势
- Current 过去调整过哪些建议及结果
我
- 当前目标和阶段
- 身体与饮食基础资料
- 周期与可选数据源
- 计划偏好
- 数据隐私和导出
- 人工审核状态
- 医疗边界和帮助入口
只展示与当前判断相关的趋势
- 不要第一版就构建通用健康 dashboard。
商业化分层
- 一次完整 meal record
- 一次 First Daily Brief
- 有限历史记录
- 可以修改 AI 的 meal estimation
- 每日 brief
- 长期记录和趋势
- 计划动态调整
- 多种记录方式
- 阶段性 progress review
- 初始路线人工审核
- 阶段调整人工审核
- 异常或不确定情况升级
- 周期性的人工 plan review
这比第一版直接模仿 ZOE 销售检测包更符合 Current 当前能力。Levels 的"基础会员 + 可选数据/人工支持"结构可以作为后续参考。
四周 MVP 顺序
打通首次价值路径
- 用 goal quiz 替换 beta 邮件入口。
- 建立 demo meal 和真实 meal 两种进入方式。
- 生成 First Daily Brief。
- 埋点：进入 onboarding、完成目标题、完成第一餐、看到结果、保存账号。
完成低摩擦记录
- 拍照和自然语言记录。
- AI 解析确认与修改。
- 睡眠、饥饿、精力快捷 check-in。
- 明确 estimation 和数据不足状态。
建立核心产品壳
- Today / Log / Trends / You
- 建议完成、拒绝和替换反馈。
试用和人工审核
- Free Preview 与 Membership 付费墙。
- 人工审核状态和预期响应时间。
- 7 日 onboarding / retention 实验。
- 检查危险减重行为、医疗问题和异常输入的安全分流。
第一版不要优先做
验证指标
- 开始 onboarding → 完成第一条真实记录
- 完成记录 → 看到 First Daily Brief
- 首次价值用时中位数
- AI meal parsing 的人工修改率
- 用户是否能复述"今天只做什么"
- "为什么推荐这个动作"的展开率
- 建议接受 / 替换 / 拒绝比例
- D1、D3、D7 有效记录率
- 连续两次 body signal check-in 比例
- 用户是否回来查看下一条更新后的判断
- 建议被人工覆盖的比例和原因
- 数据不足提示后的继续率
- 医疗范围、异常饮食行为和极端目标的分流数量
- 用户修改或删除健康数据的成功率
截图与参考
更多截图
官方参考
- Current
- Simple 官方首页
- Simple 产品功能说明
- Noom 官方首页
- Noom Big Picture onboarding 说明
- MacroFactor Nutrition
- MacroFactor Check-Ins
- ZOE How It Works
- Levels 官方首页
- Levels Food Logging
- Levels Pricing
- Cal AI
方法备注
没有找到完全覆盖"真实注册实测 + B2C onboarding teardown + UI 截图"的成熟 skill。最接近的是 Anthropic competitive-intelligence（偏销售 battlecard）和 marketingskills competitors（要求亲自注册使用，最接近，但含较多 SEO 目标）。本次没有安装任何第三方 skill。