library(tidyverse)
library(readr)
library(ggplot2)
library(tibble)
library(lubridate)
library(janitor)
library(scales)
library(knitr)
library(dplyr)
Sys.setlocale("LC_TIME", "C")  # englische Wochentagsnamen unabhaengig vom Systemgebietsschema

## [1] "C"

Zusammenfassung

Zwei Monate Fitbit-Trackerdaten von 35 Nutzenden zeigen, dass der Wellnessmarkt die falsche Gewohnheit verkauft. Der staerkste Zusammenhang in den Daten besteht nicht zwischen Schritten und Gesundheit, sondern zwischen Stillsitzen und schlechtem Schlaf.

tibble(
  Kennzahl = c("Ausgewertete Nutzende", "Tage mit erfasster Aktivitaet", "Naechte mit Schlafdaten",
               "Mediane Tragequote", "Durchschnittliche Sitzzeit pro Tag",
               "Naechte unter 7 Stunden Schlaf", "Tage mit 10.000 Schritten",
               "Korrelation: Sitzzeit und Schlaf"),
  Wert = c(
    as.character(n_users),
    comma(nrow(worn)),
    comma(nrow(sleep)),
    percent(median((worn |>  count(id, name = "d") |>
      left_join(daily |>  distinct(id, period) |>
        left_join(daily |>  group_by(period) |>
          summarise(w = as.numeric(max(date) - min(date)) + 1, .groups = "drop"),
          by = "period") |>  group_by(id) |>
        summarise(w = sum(w), .groups = "drop"), by = "id") |>
      mutate(r = d / w))$r), 1),
    paste0(round(mean(worn$sedentary_minutes) / 60, 1), " Stunden"),
    percent(mean(sleep$hours_asleep < 7), 0.1),
    percent(mean(worn$total_steps >= 10000), 0.1),
    round(cor((worn |>  inner_join(sleep, by = c("id", "date")))$sedentary_minutes,
              (worn |>  inner_join(sleep, by = c("id", "date")))$hours_asleep), 2)
  )
) |>  kable(caption = "Wichtigste Kennzahlen")

Wichtigste Kennzahlen
Kennzahl	Wert
Ausgewertete Nutzende	35
Tage mit erfasster Aktivitaet	1,235
Naechte mit Schlafdaten	882
Mediane Tragequote	63%
Durchschnittliche Sitzzeit pro Tag	15.9 Stunden
Naechte unter 7 Stunden Schlaf	49.1%
Tage mit 10.000 Schritten	34.0%
Korrelation: Sitzzeit und Schlaf	-0.48

Die drei wichtigsten Empfehlungen: das feste Ziel von 10.000 Schritten durch ein anpassungsfaehiges Ziel ersetzen; die Bellabeat-App ueber den Zusammenhang “weniger sitzen, besser schlafen” vermarkten; und Benachrichtigungen auf die beiden Stunden legen, in denen sich die Nutzenden ohnehin bewegen.

1. Fragen: Zusammenfassung der Geschaeftsaufgabe

Ergebnis 1: Eine klare Zusammenfassung der Geschaeftsaufgabe

Bellabeat ist ein Hightech-Hersteller von gesundheitsorientierten Produkten fuer Frauen, gegruendet 2013 von Urška Sršen und Sando Mur. Die Produktlinie umfasst die Bellabeat-App, den Leaf-Tracker, die Time-Uhr, die Spring-Wasserflasche und eine Abonnement-Mitgliedschaft.

Urška Sršen ist ueberzeugt, dass die Auswertung von Fitnessdaten intelligenter Geraete neues Wachstum erschliessen kann. Sie hat das Marketing-Analyseteam gebeten, Nutzungsdaten von intelligenten Geraeten anderer Hersteller zu analysieren, ein Bellabeat-Produkt auszuwaehlen und Empfehlungen auf hoher Ebene fuer die Marketingstrategie zu erarbeiten.

Die Geschaeftsaufgabe

Ermitteln, wie Verbraucherinnen und Verbraucher intelligente Geraete anderer Hersteller tatsaechlich nutzen, und bestimmen, welche der daraus erkennbaren Verhaltensluecken Bellabeat durch die Vermarktung der Bellabeat-App schliessen kann.

Leitfragen, die dieser Bericht beantwortet

Welche Trends gibt es bei der Nutzung intelligenter Geraete?
Wie lassen sich diese Trends auf Bellabeat-Kundinnen uebertragen?
Wie koennen diese Trends die Marketingstrategie von Bellabeat beeinflussen?

Wichtigste Beteiligte

Beteiligte Person	Rolle	Was sie daraus braucht
Urška Sršen	Mitgruenderin, Chief Creative Officer	Wachstumschancen mit belastbarer Grundlage
Sando Mur	Mitgruender, Geschaeftsleitung	Analytisch fundierte Schlussfolgerungen
Marketing-Analyseteam	Kolleginnen und Kollegen	Eine reproduzierbare Basis fuer Kampagnenentscheidungen

Ausgewaehltes Produkt

Die Bellabeat-App. Sie verbindet alle Geraete der Produktlinie, ist die Oberflaeche, ueber die Verhaltensimpulse ausgeliefert werden, und traegt das Abonnement. Erkenntnisse ueber Verhalten lassen sich dort am schnellsten und guenstigsten umsetzen.

2. Vorbereiten: Beschreibung der Datenquellen

Ergebnis 2: Eine Beschreibung aller verwendeten Datenquellen

Quelle und Lizenz

Datensatz auf Kaggle herunterladen

Punkt	Details
Datensatz	FitBit Fitness Tracker Data
Bereitgestellt von	Mobius, ueber Kaggle
Lizenz	CC0 gemeinfrei, keine Nutzungsbeschraenkung
Erhebung	Umfrage ueber Amazon Mechanical Turk, 12. Maerz bis 12. Mai 2016
Einwilligung	Die Teilnehmenden haben der Uebermittlung ihrer Trackerdaten ausdruecklich zugestimmt
Datenschutz	Keine Namen, Adressen oder demografischen Angaben; Nutzende nur ueber eine numerische ID identifiziert
Speicherung	Lokal in datierten Unterordnern abgelegt; die Originaldateien wurden nicht veraendert

Da die Daten unter CC0 stehen und keine personenbezogenen Kennungen enthalten, bestehen fuer diese Analyse keine lizenz-, datenschutz- oder sicherheitsrechtlichen Huerden. Die gesamte Bereinigung erfolgte an Kopien; die Quelldateien im .csv-Format wurden nie ueberschrieben.

Wie die Daten aufgebaut sind

Der Datensatz wird als zwei Exportordner fuer aufeinanderfolgende Monate ausgeliefert:

mturkfitbit_export_3.12.16-4.11.16, 12. Maerz bis 11. April 2016
mturkfitbit_export_4.12.16-5.12.16, 12. April bis 12. Mai 2016

Beide enthalten dieselben Messwerte auf vier Detailebenen: Tag, Stunde, Minute und Sekunde, jeweils im langen (Narrow) und im breiten Format.

Die meisten veroeffentlichten Analysen dieses Datensatzes nutzen nur den zweiten Ordner. Beide Ordner haben ein identisches Schema in dailyActivity_merged.csv, deshalb kombiniert diese Analyse sie:

tibble(
  Umfang = c("Uebliche Analyse mit einem Ordner", "Diese Analyse (beide Ordner)"),
  Nutzende = c(33, n_users),
  `Abgedeckte Tage` = c(31, as.numeric(max(daily$date) - min(daily$date)) + 1),
  `Naechte mit Schlafdaten` = c(410, nrow(sleep))
) |>  kable(caption = "Die Kombination beider Exportordner verdoppelt die Datengrundlage annaehernd")

Die Kombination beider Exportordner verdoppelt die Datengrundlage annaehernd
Umfang	Nutzende	Abgedeckte Tage	Naechte mit Schlafdaten
Uebliche Analyse mit einem Ordner	33	31	410
Diese Analyse (beide Ordner)	35	62	882

Ausgewaehlte Dateien und die Gruende dafuer

Von den 18 verfuegbaren Dateien tragen sechs die Analyse. dailySteps_merged.csv, dailyCalories_merged.csv und dailyIntensities_merged.csv wurden ausgeschlossen, weil sie Spalten doppeln, die bereits in dailyActivity_merged.csv enthalten sind. Das wurde geprueft, nicht angenommen:

steps_only <- read_csv(file.path(P2, "dailySteps_merged.csv"), show_col_types = FALSE)
activity   <- read_csv(file.path(P2, "dailyActivity_merged.csv"), show_col_types = FALSE)

check <- steps_only |>  rename(day = ActivityDay) |>
  inner_join(activity |>  rename(day = ActivityDate), by = c("Id", "day"))

cat("Verglichene Nutzertage:", nrow(check), "\n")

## Verglichene Nutzertage: 578

cat("Schrittzahlen in jeder Zeile identisch:", all(check$StepTotal == check$TotalSteps), "\n")

## Schrittzahlen in jeder Zeile identisch: TRUE

Verwendete Datei	Zweck
`dailyActivity_merged`	Schritte, Distanz, Intensitaetsminuten und Kalorien pro Tag
`hourlySteps_merged`	Aktivitaetsmuster im Tagesverlauf
`sleepDay_merged`	Naechtliche Schlafsummen, Zeitraum April
`minuteSleep_merged`	Zu Naechten aggregiert, erweitert die Schlafabdeckung auf Maerz
`weightLogInfo_merged`	Nutzung von Funktionen und Verhalten bei manueller Eingabe

heartrate_seconds_merged.csv wurde ausgeschlossen: 86 MB fuer nur 14 von 35 Nutzenden, eine zu kleine Teilstichprobe fuer eine belastbare Aussage. Die minutengenauen Aktivitaetsdateien wurden als redundant zu den stuendlichen und taeglichen Aggregaten ausgeschlossen.

Datenintegritaet und Glaubwuerdigkeit: erfuellt der Datensatz ROCCC?

tibble(
  Kriterium = c("Reliable (verlaesslich)", "Original (urspruenglich)",
                "Comprehensive (vollstaendig)", "Current (aktuell)",
                "Cited (belegt)"),
  Bewertung = c("Schwach", "Schwach", "Schwach", "Mangelhaft", "Gut"),
  Details = c(
    paste0(n_users, " selbst ausgewaehlte Teilnehmende; keine unabhaengige Pruefung"),
    "Weitergabe durch Dritte, nicht von Fitbit oder Bellabeat erhoben",
    "Weder Alter noch Geschlecht, Groesse, Ort oder gesundheitliche Ausgangslage erfasst",
    "2016 erhoben; Hardware und Nutzererwartungen haben sich seitdem veraendert",
    "Klar belegt und offen unter CC0 lizenziert"
  )
) |>  kable(caption = "ROCCC-Bewertung der FitBit Fitness Tracker Data")

ROCCC-Bewertung der FitBit Fitness Tracker Data
Kriterium	Bewertung	Details
Reliable (verlaesslich)	Schwach	35 selbst ausgewaehlte Teilnehmende; keine unabhaengige Pruefung
Original (urspruenglich)	Schwach	Weitergabe durch Dritte, nicht von Fitbit oder Bellabeat erhoben
Comprehensive (vollstaendig)	Schwach	Weder Alter noch Geschlecht, Groesse, Ort oder gesundheitliche Ausgangslage erfasst
Current (aktuell)	Mangelhaft	2016 erhoben; Hardware und Nutzererwartungen haben sich seitdem veraendert
Cited (belegt)	Gut	Klar belegt und offen unter CC0 lizenziert

Dieser Datensatz erfuellt ROCCC nicht gut, und das wird vor den Ergebnissen festgehalten, nicht danach. Die Stichprobe ist klein und selbst ausgewaehlt, und sie enthaelt kein Feld zum Geschlecht. Das ist eine erhebliche Einschraenkung bei einer Analyse fuer ein Unternehmen, das ausschliesslich an Frauen verkauft. Jedes Ergebnis unten ist ein Richtungssignal, das an Bellabeats eigenen Daten zu pruefen ist, keine Grundlage fuer Budgetentscheidungen.

Sršen hat angeregt, einen zusaetzlichen Datensatz einzubeziehen, um diese Grenzen zu adressieren. Am wertvollsten waeren Bellabeats eigene App-Telemetriedaten, in denen Geschlecht, Alter und Produktlinie bekannt sind.

3. Verarbeiten: Dokumentation der Datenbereinigung

Ergebnis 3: Dokumentation jeder Bereinigung und Umformung der Daten

Gewaehlte Werkzeuge

R mit dem tidyverse, aus drei Gruenden: Der Datensatz sprengt auf Minutenebene den komfortablen Arbeitsbereich von Excel (ueber 1,3 Millionen Zeilen); jeder Bereinigungsschritt ist als Code festgehalten und damit reproduzierbar und pruefbar; und dieselbe Umgebung erledigt Bereinigung, Statistik und Visualisierung, ohne zwischen Werkzeugen exportieren zu muessen. Dieses Dokument ist in R Markdown geschrieben, jede genannte Zahl entsteht daher beim Rendern und wird nicht von Hand eingetragen.

Pruefung auf Fehler

tibble(
  Pruefung = c("Doppelte Zeilen in der Tagesaktivitaet",
               "Doppelte Zeilen im Schlaf (April-Tageswerte)",
               "Fehlende Werte in der Tagesaktivitaet",
               "Tage mit null Schritten",
               "Gewichtseintraege ohne Koerperfettwert"),
  Ergebnis = c(
    sum(duplicated(daily_raw)),
    sum(duplicated(sleep_apr_raw)),
    sum(is.na(daily_raw)),
    sum(!daily$is_wear_day),
    sum(is.na(weight$fat))
  )
) |>  kable(caption = "Integritaetspruefungen vor jeder Analyse")

Integritaetspruefungen vor jeder Analyse
Pruefung	Ergebnis
Doppelte Zeilen in der Tagesaktivitaet	0
Doppelte Zeilen im Schlaf (April-Tageswerte)	3
Fehlende Werte in der Tagesaktivitaet	22867493
Tage mit null Schritten	138
Gewichtseintraege ohne Koerperfettwert	94

Durchgefuehrte Bereinigungsschritte

Beide Exportordner zusammengefuehrt fuer Tagesaktivitaet, stuendliche Schritte und Gewicht, nachdem die identischen Schemata bestaetigt waren. Eine Spalte period haelt fest, aus welchem Zeitraum jede Zeile stammt.
Spaltennamen vereinheitlicht zu snake_case mit janitor::clean_names().
Datumsangaben aus Text geparst. read_csv() importiert "4/12/2016" als Zeichenkette; lubridate::mdy() und mdy_hms() wandeln diese in Datumsobjekte um, damit sie sortiert, gefiltert und nach Wochentag gruppiert werden koennen.
Doppelte Datensaetze entfernt. sleepDay_merged.csv enthaelt drei exakt identische Zeilen, ein dokumentierter Mangel dieses Datensatzes. Die Entfernung von Duplikaten ueber id und date wurde auf jede Tabelle angewendet, als Absicherung an der Ordnergrenze.
Tage ohne Tragen getrennt behandelt.
Maerz-Schlafdaten auf Minutenebene zu Nachtsummen aggregiert.
Abgeleitete Felder: Wochentag, gesamte Aktivminuten, Schlafstunden, Wachminuten im Bett, Schlafeffizienz und Tragequote pro Nutzendem.

Umgang mit Tagen ohne Tragen

138 Zeilen weisen null Schritte auf, zusammen mit nahezu einem vollen Tag an Sitzminuten. Sie stehen fuer ein Geraet am Ladekabel, nicht fuer eine Person, die 24 Stunden bewegungslos war:

daily |>
  group_by(`Art des Tages` = ifelse(is_wear_day, "Geraet getragen", "Null Schritte erfasst")) |>
  summarise(Tage = n(),
            `Mittlere Sitzminuten` = round(mean(sedentary_minutes)),
            `Mittlere Kalorien` = round(mean(calories)), .groups = "drop") |>
  kable(caption = "Tage mit null Schritten liegen im Mittel nahe bei 1.440 Sitzminuten, was bestaetigt, dass das Geraet nicht getragen wurde")

Tage mit null Schritten liegen im Mittel nahe bei 1.440 Sitzminuten, was bestaetigt, dass das Geraet nicht getragen wurde
Art des Tages	Tage	Mittlere Sitzminuten	Mittlere Kalorien
Geraet getragen	1235	952	2336
Null Schritte erfasst	138	1367	1621

Diese Zeilen wurden aus allen Aktivitaetsmittelwerten ausgeschlossen, aber fuer die Analyse der Geraetenutzung behalten, wo sie der direkte Beleg dafuer sind, wie oft der Tracker getragen wird. Sie in die Mittelwerte einzubeziehen wuerde die Aktivitaet um rund 10 Prozent zu niedrig ausweisen.

Erweiterung der Schlafabdeckung auf den Maerz

sleepDay_merged.csv existiert nur im April-Ordner. Diese Datei allein zu nutzen wuerde bedeuten, Aktivitaet aus beiden Monaten heranzuziehen, Schlaf aber nur aus einem. minuteSleep_merged.csv deckt den Maerz auf Minutenebene ab. Dort ist value codiert als 1 = schlafend, 2 = unruhig, 3 = wach, und jede Zeile steht fuer eine Minute im Bett. Die Zeilen pro Nacht zu zaehlen ergibt die Zeit im Bett; value == 1 zu zaehlen ergibt die Schlafminuten. Das sind genau die beiden Groessen, die auch die April-Datei ausweist.

Erklaerte Annahme: Schlaf ueberschreitet Mitternacht, eine Gruppierung nach Kalenderdatum wuerde eine einzelne Nacht auf zwei Datensaetze aufteilen. Sechs Stunden abzuziehen, bevor das Datum gebildet wird, ordnet die Minuten vor Tagesanbruch der vorherigen Nacht zu. Datensaetze unter 60 Minuten wurden als Fragmente verworfen, nicht als Naechte gewertet. Diese Grenze bei 6 Uhr morgens ist eine Ermessensentscheidung. Den Maerz vollstaendig auszuschliessen reduziert die Datengrundlage von 882 auf 410 Naechte, ohne die Richtung oder Bedeutung eines Ergebnisses zu veraendern.

Pruefung der bereinigten Daten

tibble(
  Tabelle = c("Tagesaktivitaet (Tage mit Tragen)", "Schlaf", "Stuendliche Schritte", "Gewichtsprotokolle"),
  Zeilen = c(nrow(worn), nrow(sleep), nrow(hourly), nrow(weight)),
  Nutzende = c(n_distinct(worn$id), n_distinct(sleep$id),
               n_distinct(hourly$id), n_distinct(weight$id)),
  `Zeitraum` = c(
    paste(format(min(worn$date), "%d.%m."), "bis", format(max(worn$date), "%d.%m.%Y")),
    paste(format(min(sleep$date), "%d.%m."), "bis", format(max(sleep$date), "%d.%m.%Y")),
    paste(format(min(as_date(hourly$ts)), "%d.%m."), "bis", format(max(as_date(hourly$ts)), "%d.%m.%Y")),
    paste(format(min(weight$date), "%d.%m."), "bis", format(max(weight$date), "%d.%m.%Y"))
  )
) |>  kable(caption = "Bereinigte Tabellen, bereit fuer die Analyse")

Bereinigte Tabellen, bereit fuer die Analyse
Tabelle	Zeilen	Nutzende	Zeitraum
Tagesaktivitaet (Tage mit Tragen)	1235	35	12.03. bis 12.05.2016
Schlaf	882	25	11.03. bis 12.05.2016
Stuendliche Schritte	46008	35	12.03. bis 12.05.2016
Gewichtsprotokolle	98	13	30.03. bis 12.05.2016

4. Analysieren: Zusammenfassung der Analyse

Ergebnis 4: Eine Zusammenfassung der Analyse

Die Analyse verlief in vier Durchgaengen. Deskriptive Statistik legte die Ausgangswerte fuer Aktivitaet, Schlaf und Kalorien im Vergleich zu veroeffentlichten Gesundheitsrichtwerten fest. Segmentierung auf Nutzerebene gruppierte die Teilnehmenden nach durchschnittlichen Tagesschritten und nach Tragequote, wobei immer zuerst pro Person aggregiert wurde, bevor Personen verglichen wurden, damit Teilnehmende mit mehr erfassten Tagen die Mittelwerte nicht dominieren. Zeitliche Aggregation untersuchte die Aktivitaet nach Tagesstunde und Wochentag. Korrelation und Regression pruefte die Zusammenhaenge zwischen Schritten, Kalorien, Sitzzeit und Schlafdauer.

Die zentrale Ueberraschung: Die Groesse, die am staerksten mit Schlaf zusammenhaengt, ist nicht die Schrittzahl, sondern die Sitzzeit, und der Zusammenhang ist rund dreimal staerker. Das verschiebt die Marketingaussage von “mehr Sport” hin zu “weniger sitzen”. Das ist eine deutlich niedrigere Huerde fuer die Nutzenden und eine Aussage, die derzeit kein grosser Wettbewerber trifft.

sa <- worn |> inner_join(sleep, by = c("id", "date"))

tibble(
  Zusammenhang = c("Tagesschritte und verbrannte Kalorien",
                   "Sitzminuten und verbrannte Kalorien",
                   "Tagesschritte und Schlafstunden",
                   "Sitzminuten und Schlafstunden"),
  `Pearson r` = c(
    round(cor(worn$total_steps, worn$calories), 3),
    round(cor(worn$sedentary_minutes, worn$calories), 3),
    round(cor(sa$total_steps, sa$hours_asleep), 3),
    round(cor(sa$sedentary_minutes, sa$hours_asleep), 3)
  ),
  n = c(nrow(worn), nrow(worn), nrow(sa), nrow(sa))
) |>  kable(caption = "Geprüfte Korrelationen. Nur Zusammenhang, die Wirkungsrichtung ist nicht geprueft.")

Geprüfte Korrelationen. Nur Zusammenhang, die Wirkungsrichtung ist nicht geprueft.
Zusammenhang	Pearson r	n
Tagesschritte und verbrannte Kalorien	0.563	1235
Sitzminuten und verbrannte Kalorien	0.033	1235
Tagesschritte und Schlafstunden	-0.150	603
Sitzminuten und Schlafstunden	-0.483	603

5. Teilen: Visualisierungen und wichtigste Ergebnisse

Ergebnis 5: Unterstuetzende Visualisierungen und wichtigste Ergebnisse

Ergebnis 1: Das Geraet wird abgelegt, und das haeufig

period_len <- daily |>  group_by(period) |>
  summarise(days = as.numeric(max(date) - min(date)) + 1, .groups = "drop")

user_window <- daily |>  distinct(id, period) |>
  left_join(period_len, by = "period") |>
  group_by(id) |>  summarise(window_days = sum(days), .groups = "drop")

usage <- worn |>  count(id, name = "wear_days") |>
  left_join(user_window, by = "id") |>
  mutate(wear_rate = wear_days / window_days,
         segment = case_when(wear_rate >= 0.80 ~ "Hohe Nutzung (80 bis 100%)",
                             wear_rate >= 0.50 ~ "Mittlere Nutzung (50 bis 79%)",
                             TRUE              ~ "Geringe Nutzung (unter 50%)") |>
           factor(levels = c("Hohe Nutzung (80 bis 100%)", "Mittlere Nutzung (50 bis 79%)",
                             "Geringe Nutzung (unter 50%)")))

usage_sum <- usage |>  count(segment, .drop = FALSE) |>  mutate(pct = n / sum(n))

ggplot(usage_sum, aes(reorder(segment, n), n, fill = segment)) +
  geom_col(width = .62) +
  geom_text(aes(label = paste0(n, " Nutzende (", percent(pct, 1), ")")),
            hjust = -0.08, size = 3.8, colour = SLATE) +
  coord_flip() + scale_y_continuous(expand = expansion(c(0, .3))) +
  scale_fill_manual(values = c(TEAL, MINT, CORAL), guide = "none") +
  labs(title = paste0("Die mediane Person trug den Tracker an nur ",
                      percent(median(usage$wear_rate), 1), " der Tage"),
       subtitle = "Tage mit erfassten Schritten, als Anteil am jeweiligen Exportzeitraum",
       x = NULL, y = "Anzahl der Nutzenden") + theme_bb

Die mediane Person erfasste an 63% der verfuegbaren Tage Schritte. Keine einzige teilnehmende Person trug das Geraet an 80% oder mehr der Tage, und 13 trugen es an weniger als der Haelfte.

Warum das wichtig ist: Ein Tracker, der ein Drittel seines Lebens in einer Schublade verbringt, kann weder zu Schlaf noch zu Stress oder Zyklus verlaessliche Erkenntnisse liefern. Die Nutzungshaeufigkeit ist die bindende Grenze fuer jede weitere Funktion.

Ergebnis 2: Das Ziel von 10.000 Schritten ist eine Mauer, kein Ziel

user_avg <- worn |>  group_by(id) |>
  summarise(avg_steps = mean(total_steps), .groups = "drop") |>
  mutate(level = case_when(avg_steps < 5000  ~ "Sitzend (unter 5k)",
                           avg_steps < 7500  ~ "Wenig aktiv (5 bis 7,5k)",
                           avg_steps < 10000 ~ "Maessig aktiv (7,5 bis 10k)",
                           TRUE              ~ "Aktiv (ueber 10k)") |>
           factor(levels = c("Sitzend (unter 5k)", "Wenig aktiv (5 bis 7,5k)",
                             "Maessig aktiv (7,5 bis 10k)", "Aktiv (ueber 10k)")))

lvl <- user_avg |>  count(level, .drop = FALSE) |>  mutate(pct = n / sum(n))

ggplot(lvl, aes(level, n, fill = level)) +
  geom_col(width = .62) +
  geom_text(aes(label = paste0(n, "\n", percent(pct, 1))),
            vjust = -0.25, size = 3.6, colour = SLATE) +
  scale_y_continuous(expand = expansion(c(0, .25))) +
  scale_fill_manual(values = c(CORAL, SAND, MINT, TEAL), guide = "none") +
  labs(title = paste0(sum(lvl$n[1:2]), " von ", sum(lvl$n),
                      " Nutzenden liegen im Mittel unter 7.500 Schritten pro Tag"),
       subtitle = "Nutzende gruppiert nach ihrer eigenen mittleren Tagesschrittzahl",
       x = NULL, y = "Anzahl der Nutzenden") + theme_bb

Die mittlere Tagesschrittzahl lag bei 8,057, der Median bei 7,623. Nur 34.0% der Tage erreichten 10.000 Schritte.

worn |>  group_by(weekday) |>
  summarise(avg_steps = mean(total_steps), .groups = "drop") |>
  ggplot(aes(weekday, avg_steps, fill = avg_steps)) +
  geom_col(width = .68) +
  geom_hline(yintercept = 10000, linetype = "dashed", colour = CORAL, linewidth = .7) +
  annotate("text", x = 1, y = 10400, label = "Ziel: 10.000 Schritte",
           colour = CORAL, size = 3.2, hjust = 0) +
  scale_x_discrete(labels = WOCHENTAGE) +
  scale_fill_gradient(low = MINT, high = TEAL, guide = "none") +
  scale_y_continuous(labels = comma, expand = expansion(c(0, .12))) +
  labs(title = "Kein Wochentag erreicht im Mittel das Ziel von 10.000 Schritten",
       subtitle = "Der Sonntag ist der am wenigsten aktive Tag",
       x = NULL, y = "Mittlere Schrittzahl") +
  theme_bb

Warum das wichtig ist: Fuer die Haelfte der Nutzenden ist das voreingestellte Ziel unerreichbar. Ein Ziel, das taeglich verfehlt wird, wirkt nicht mehr motivierend, sondern erinnert an das Scheitern.

Ergebnis 3: Das Problem ist das Sitzen, nicht der fehlende Sport

mins <- worn |>
  summarise(Sitzend = mean(sedentary_minutes), Leicht = mean(lightly_active_minutes),
            Maessig = mean(fairly_active_minutes), Intensiv = mean(very_active_minutes)) |>
  pivot_longer(everything(), names_to = "intensity", values_to = "minutes") |>
  mutate(pct = minutes / sum(minutes),
         intensity = factor(intensity, levels = c("Sitzend", "Leicht", "Maessig", "Intensiv")))

ggplot(mins, aes("", minutes, fill = intensity)) +
  geom_col(width = .55) +
  geom_text(aes(label = ifelse(pct > .03, paste0(intensity, "\n", round(minutes), " Min"), "")),
            position = position_stack(vjust = .5), size = 3.6,
            colour = "white", fontface = "bold") +
  coord_flip() + scale_fill_manual(values = c(SLATE, MINT, SAND, CORAL)) +
  labs(title = paste0(percent(mins$pct[mins$intensity == "Sitzend"], 1),
                      " der erfassten Zeit ist Sitzzeit"),
       subtitle = "Mittlere Minuten pro getragenem Tag nach Intensitaetsstufe",
       x = NULL, y = "Minuten", fill = NULL) +
  theme_bb + theme(axis.text.y = element_blank())

Die Nutzenden kamen im Mittel auf 15.9 Sitzstunden pro erfasstem Tag gegenueber 21.7 intensiv aktiven Minuten. An 55.8% der Tage lag die Summe aus maessig und intensiv aktiver Zeit unter 30 Minuten.

ct <- cor.test(worn$total_steps, worn$calories)
m  <- lm(calories ~ total_steps, data = worn)

ggplot(worn, aes(total_steps, calories)) +
  geom_point(alpha = .28, colour = TEAL, size = 1.5) +
  geom_smooth(method = "lm", se = TRUE, colour = CORAL, fill = SAND) +
  scale_x_continuous(labels = comma) + scale_y_continuous(labels = comma) +
  labs(title = "Mehr Schritte bedeuten mehr verbrannte Kalorien, aber der Ertrag ist gering",
       subtitle = paste0("r = ", round(ct$estimate, 2), ", etwa ",
                         round(coef(m)[2] * 1000), " Kalorien je zusaetzliche 1.000 Schritte"),
       x = "Schritte pro Tag", y = "Verbrannte Kalorien") + theme_bb

Warum das wichtig ist: Der ansprechbare Hebel sind die 15.9 Sitzstunden, nicht die 22 aktiven Minuten. Sitzphasen zu unterbrechen ist fuer die Nutzenden eine deutlich niedrigere Huerde, als zusaetzliche Trainingseinheiten einzuplanen.

Ergebnis 4: Aktivitaet ballt sich an zwei vorhersehbaren Spitzen

by_hour <- hourly |>  group_by(hour) |>
  summarise(avg_steps = mean(step_total), .groups = "drop")

ggplot(by_hour |>  mutate(peak = hour %in% c(12, 13, 17, 18, 19)),
       aes(factor(hour), avg_steps, fill = peak)) +
  geom_col(width = .78) +
  scale_fill_manual(values = c(`FALSE` = GREY, `TRUE` = TEAL), guide = "none") +
  labs(title = "Die Aktivitaet erreicht mittags und erneut von 17 bis 19 Uhr ihre Spitzen",
       subtitle = "Mittlere Schrittzahl je Tagesstunde, alle Nutzenden zusammengefasst",
       x = "Stunde des Tages", y = "Mittlere Schrittzahl") + theme_bb

by_hour |>  arrange(desc(avg_steps)) |>  head(5) |>
  transmute(Stunde = paste0(hour, ":00"), `Mittlere Schrittzahl` = round(avg_steps)) |>
  kable(caption = "Die fuenf aktivsten Stunden des Tages")

Die fuenf aktivsten Stunden des Tages
Stunde	Mittlere Schrittzahl
19:00	555
18:00	550
12:00	534
14:00	506
17:00	500

Warum das wichtig ist: Der Zeitpunkt von Benachrichtigungen ist bei den meisten Apps Raterei. In diesen Zeitfenstern sind die Nutzenden ohnehin in Bewegung und am ehesten fuer einen Impuls empfaenglich.

Ergebnis 5: Die Haelfte aller Naechte bleibt unter gesundem Schlaf

ggplot(sleep, aes(hours_asleep)) +
  geom_histogram(binwidth = .5, fill = TEAL, colour = "white") +
  geom_vline(xintercept = 7, linetype = "dashed", colour = CORAL, linewidth = .8) +
  annotate("text", x = 7.12, y = Inf, vjust = 2, hjust = 0, colour = CORAL, size = 3.4,
           label = "7 Stunden = empfohlenes Minimum") +
  labs(title = paste0(percent(mean(sleep$hours_asleep < 7), 1),
                      " der Naechte bleiben unter 7 Stunden Schlaf"),
       subtitle = paste0(nrow(sleep), " Naechte von ", n_distinct(sleep$id), " Nutzenden"),
       x = "Stunden Schlaf", y = "Naechte") + theme_bb

Der mittlere Schlaf lag bei 6.68 Stunden, mit durchschnittlich 35.2 Minuten, die wach im Bett verbracht wurden.

ggplot(sa, aes(sedentary_minutes, hours_asleep)) +
  geom_point(alpha = .3, colour = TEAL, size = 1.5) +
  geom_smooth(method = "lm", se = TRUE, colour = CORAL, fill = SAND) +
  geom_hline(yintercept = 7, linetype = "dotted", colour = SLATE) +
  labs(title = "Je inaktiver der Tag, desto weniger Schlaf in der Nacht",
       subtitle = paste0("r = ", round(cor(sa$sedentary_minutes, sa$hours_asleep), 2),
                         " ueber ", nrow(sa), " zugeordnete Nutzertage"),
       x = "Inaktive Minuten", y = "Stunden Schlaf") + theme_bb

Warum das wichtig ist: Das ist der Zusammenhang im Datensatz, aus dem sich am meisten ableiten laesst. Die Aussage lautet nicht “mehr gehen, besser schlafen”, sondern “weniger sitzen, besser schlafen”, eine konkrete, belegbare und unterscheidbare Botschaft.

Ergebnis 6: Die Nutzung bricht ein, sobald Aufwand noetig wird

adopt <- tibble(
  feature = c("Aktivitaet (passiv)", "Schlaf (nachts tragen)", "Gewicht (manuelle Eingabe)"),
  users   = c(n_distinct(daily$id), n_distinct(sleep$id), n_distinct(weight$id))
) |>  mutate(pct = users / n_users)

ggplot(adopt, aes(reorder(feature, pct), pct, fill = feature)) +
  geom_col(width = .6) +
  geom_text(aes(label = paste0(users, " Nutzende (", percent(pct, 1), ")")),
            hjust = -0.08, size = 3.8, colour = SLATE) +
  coord_flip() +
  scale_y_continuous(labels = percent, limits = c(0, 1.3), expand = c(0, 0)) +
  scale_fill_manual(values = c(TEAL, SAND, CORAL), guide = "none") +
  labs(title = "Die Erfassung bricht ein, sobald manuelle Eingabe noetig ist",
       subtitle = "Anteil der Nutzenden, die den jeweiligen Datentyp mindestens einmal erfasst haben",
       x = NULL, y = "Anteil der Nutzenden") + theme_bb

64.3% der Gewichtseintraege wurden von Hand eingetippt, mit einem Median von 2 Eintraegen je erfassender Person ueber den gesamten Zeitraum.

Warum das wichtig ist: Jede zusaetzliche Huerde kostet rund ein Drittel der Nutzenden. Funktionen, die manuelle Eingaben verlangen, werden unabhaengig von der Gestaltungsqualitaet nicht angenommen.

6. Handeln: Empfehlungen

Ergebnis 6: Die wichtigsten inhaltlichen Empfehlungen auf hoher Ebene

Antworten auf die drei Leitfragen

1. Welche Trends gibt es bei der Nutzung intelligenter Geraete? Die Geraete werden unregelmaessig getragen, im Median an 63% der Tage, wobei keine Person 80% ueberschreitet. Die Aktivitaet bleibt deutlich hinter gesundheitspolitischen Zielen zurueck: Nur 34.0% der Tage erreichen 10.000 Schritte, und 15.9 Stunden des durchschnittlich erfassten Tages sind Sitzzeit. Die Aktivitaet konzentriert sich auf die Mittagszeit und den fruehen Abend. Der Schlaf ist kurz, 49.1% der Naechte bleiben unter sieben Stunden, und die Nutzung von Funktionen bricht ein, sobald manuelle Eingaben noetig werden.

2. Wie lassen sich diese Trends auf Bellabeat-Kundinnen uebertragen? Bellabeat-Kundinnen nutzen dieselben Geraetekategorien zu denselben Zwecken, also gelten dieselben Verhaltensgrenzen. Zwei uebertragen sich am unmittelbarsten. Erstens begrenzt die Tragequote alles: Die Funktionen von Bellabeat zu Stress, Schlaf und Zyklus setzen konsequentes Tragen voraus, weshalb die Schmuckform des Leaf eine echte Einschraenkung adressiert und nicht bloss eine aeusserliche. Zweitens passt der Zusammenhang von Sitzzeit und Schlaf genau zu Bellabeats bestehender Positionierung rund um ganzheitliches Wohlbefinden statt sportlicher Leistung.

3. Wie koennen diese Trends die Marketingstrategie von Bellabeat beeinflussen? Sie verschieben die Botschaft von Leistung zu Machbarkeit. Statt mit Fitbit und Apple ueber Schrittzahlen und Trainingsaufzeichnung zu konkurrieren, wo die Daten zeigen, dass die meisten Nutzenden scheitern, kann Bellabeat die niedrigere, erreichbarere und besser belegte Aussage besetzen: weniger sitzen, um besser zu schlafen.

Die drei wichtigsten Empfehlungen

1. Das feste Schrittziel durch ein anpassungsfaehiges ersetzen

Nur 34.0% der Tage erreichen 10.000 Schritte, und 18 von 35 Nutzenden liegen im Mittel unter 7.500. Das Anfangsziel jeder Person aus ihrem eigenen Ausgangswert der ersten Woche ableiten und schrittweise anheben.

Werbeaussage: “Ein Ziel, das dich dort abholt, wo du stehst.”

2. Die App ueber den Zusammenhang “weniger sitzen, besser schlafen” vermarkten

Inaktive Zeit sagt kurzen Schlaf rund dreimal staerker voraus als die Schrittzahl (r = -0.48 gegenueber r = -0.15). Die zentrale App-Funktion um diesen Zusammenhang herum aufbauen und stuendliche Bewegungserinnerungen mit dem Schlafwert verbinden.

Werbeaussage: “Heute weniger sitzen, heute Nacht besser schlafen.”

3. Benachrichtigungen auf die beiden Spitzen legen

Die Aktivitaet erreicht ihre Spitzen von 12 bis 14 Uhr und von 17 bis 19 Uhr. Bewegungsimpulse in diese Fenster legen, den Tagesplan in die ruhige Zeit um 7 Uhr und einen Impuls zum Herunterfahren gegen 22 Uhr. Das ist von den drei Empfehlungen die guenstigste in der Umsetzung und die am schnellsten messbare.

Werbeaussage: “Impulse, wenn du ohnehin in Bewegung bist.”

Ergaenzende Empfehlungen

4. Die Bauform des Leaf zum Argument fuer die Bindung machen. Die Tragequote ist die Obergrenze fuer jede weitere Funktion. Den Leaf als “den Tracker, den du nicht ablegst” vermarkten und Tag fuer Tag des Tragens belohnen statt erreichter Schritte.

5. Manuelles Erfassen abschaffen. Die Gewichtserfassung erreichte 37% der Nutzenden. Es ist davon auszugehen, dass jede Funktion mit Handeingabe scheitert. Vorrang haben die automatische Trinkmengen-Synchronisation von Spring und die Anbindung intelligenter Waagen.

6. Mitgliedschaftsinhalte auf die Wochenmitte legen. Schlaf und Aktivitaet sinken beide zur Wochenmitte. Coaching-Inhalte fuer den Sonntagabend und den Dienstagmorgen einplanen.

7. Einschraenkungen und naechste Schritte

tibble(
  Einschraenkung = c("Stichprobengroesse", "Angaben zum Geschlecht", "Alter der Daten",
                     "Rekrutierung", "Kausalitaet", "Aggregation der Schlafdaten"),
  Details = c(
    paste0(n_users, " Teilnehmende, zu wenige fuer eine Verallgemeinerung auf einen Verbrauchermarkt"),
    "Nicht erfasst, obwohl Bellabeat ausschliesslich an Frauen verkauft",
    paste0("Erhoben von ", format(min(daily$date), "%m/%Y"), " bis ",
           format(max(daily$date), "%m/%Y"), ", also neun Jahre alt"),
    "Selbst ausgewaehlte MTurk-Freiwillige, vermutlich nicht deckungsgleich mit Bellabeats Kundinnen",
    "Der Zusammenhang von Sitzzeit und Schlaf ist eine Assoziation; die Richtung ist ungeprueft",
    "Die Maerz-Naechte beruhen auf der Annahme einer Grenze um 6 Uhr morgens"
  )
) |>  kable(caption = "Grenzen dieser Ergebnisse")

Grenzen dieser Ergebnisse
Einschraenkung	Details
Stichprobengroesse	35 Teilnehmende, zu wenige fuer eine Verallgemeinerung auf einen Verbrauchermarkt
Angaben zum Geschlecht	Nicht erfasst, obwohl Bellabeat ausschliesslich an Frauen verkauft
Alter der Daten	Erhoben von 03/2016 bis 05/2016, also neun Jahre alt
Rekrutierung	Selbst ausgewaehlte MTurk-Freiwillige, vermutlich nicht deckungsgleich mit Bellabeats Kundinnen
Kausalitaet	Der Zusammenhang von Sitzzeit und Schlaf ist eine Assoziation; die Richtung ist ungeprueft
Aggregation der Schlafdaten	Die Maerz-Naechte beruhen auf der Annahme einer Grenze um 6 Uhr morgens

Diese Ergebnisse sollten geprueft werden, bevor Budget gebunden wird. Empfohlene naechste Schritte, nach Kosten geordnet:

A/B-Test zum Zeitpunkt der Benachrichtigungen in den Fenstern von 12 bis 14 Uhr und 17 bis 19 Uhr. Am guenstigsten durchzufuehren und am schnellsten zu bestaetigen oder zu widerlegen.
Diese Analyse an Bellabeats eigenen App-Telemetriedaten wiederholen, wo Geschlecht, Alter und Produktlinie bekannt sind. Das ist der zusaetzliche Datensatz, den Sršen angeregt hat.
Das anpassungsfaehige Ziel gegen das feste Ziel von 10.000 Schritten testen, gemessen an der aktiven Nutzung ueber 30 Tage statt an der Schrittzahl.
Abgewanderte Nutzende befragen, warum das Geraet abgelegt wurde, um zu bestaetigen, ob die Bauform tatsaechlich die bindende Grenze der Tragequote ist.

Anhang

Hinweis zur Uebersetzung

Dieses Dokument ist eine maschinelle Uebersetzung der englischen Originalfassung, angefertigt mit einem KI-Sprachmodell. Der Originalbericht wurde auf Englisch verfasst; die Analyse, der Code und alle Zahlen stammen aus dieser Originalfassung.

Uebersetzt wurden ausschliesslich der Fliesstext, die Ueberschriften, die Tabellenbeschriftungen und die Diagrammtexte. Funktionsnamen, Variablennamen, Spaltennamen und Dateinamen bleiben auf Englisch, weil sie Bestandteil des Codes und des Datensatzes sind.

Bei Abweichungen zwischen dieser Fassung und dem englischen Original ist das englische Original massgeblich. Diese Uebersetzung wurde nicht von einer muttersprachlichen Fachperson geprueft.

sessionInfo()

## R version 4.6.1 (2026-06-24 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 26200)
## 
## Matrix products: default
##   LAPACK version 3.12.1
## 
## locale:
## [1] LC_COLLATE=German_Germany.utf8  LC_CTYPE=German_Germany.utf8   
## [3] LC_MONETARY=German_Germany.utf8 LC_NUMERIC=C                   
## [5] LC_TIME=C                      
## 
## time zone: Europe/Berlin
## tzcode source: internal
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] knitr_1.51      scales_1.4.0    janitor_2.2.1   lubridate_1.9.5
##  [5] forcats_1.0.1   stringr_1.6.0   dplyr_1.2.1     purrr_1.2.2    
##  [9] readr_2.2.0     tidyr_1.3.2     tibble_3.3.1    ggplot2_4.0.3  
## [13] tidyverse_2.0.0
## 
## loaded via a namespace (and not attached):
##  [1] sass_0.4.10        generics_0.1.4     lattice_0.22-9     stringi_1.8.9     
##  [5] hms_1.1.4          digest_0.6.39      magrittr_2.0.5     evaluate_1.0.5    
##  [9] grid_4.6.1         timechange_0.4.0   RColorBrewer_1.1-3 fastmap_1.2.0     
## [13] Matrix_1.7-5       jsonlite_2.0.0     mgcv_1.9-4         jquerylib_0.1.4   
## [17] cli_3.6.6          rlang_1.3.0        crayon_1.5.3       bit64_4.8.2       
## [21] splines_4.6.1      withr_3.0.3        cachem_1.1.0       yaml_2.3.12       
## [25] otel_0.2.0         tools_4.6.1        parallel_4.6.1     tzdb_0.5.0        
## [29] vctrs_0.7.3        R6_2.6.1           lifecycle_1.0.5    snakecase_0.11.1  
## [33] bit_4.6.0          vroom_1.7.1        pkgconfig_2.0.3    pillar_1.11.1     
## [37] bslib_0.12.0       gtable_0.3.6       glue_1.8.1         xfun_0.60         
## [41] tidyselect_1.2.1   farver_2.1.2       nlme_3.1-169       htmltools_0.5.9   
## [45] rmarkdown_2.31     labeling_0.4.3     compiler_4.6.1     S7_0.2.2

Fallstudie Bellabeat

Mohammad Saeed Angiz

2026-08-25