GLORYFIT
Rutinas personalizadas a partir de tus datos
Diseñamos una experiencia móvil que transforma datos biométricos en rutinas adaptadas, accesibles y motivadoras. El objetivo fue claro: generar la confianza suficiente para que el usuario comparta información sensible a cambio de recomendaciones que realmente impacten en su salud.
Mi rol
- •Mi aporte específico en el proyecto:
- •Investigación cualitativa sobre barreras al ingreso de datos biométricos.
- •Diseño del flujo de onboarding y personalización de rutina.
- •Construcción del sistema visual completo (tipografía, color, iconografía, componentes).
- •Prototipado funcional en Figma para Android, validado con usuarios reales.
El reto
GloryFit venía preinstalada en el smartwatch Q18, un wearable económico dirigido a un público amplio. Su promesa: registrar pasos, frecuencia cardíaca, sueño, y ofrecer rutinas básicas de entrenamiento.
Pero al usarla, el problema se hacía evidente. La interfaz era arbitraria, el onboarding caótico, y las rutinas, genéricas. No había una experiencia que conectara con el usuario ni que justificara por qué debía compartir sus datos.
Desde el principio, el foco del rediseño fue replantear esa lógica: ¿cómo construimos una experiencia que invite, no imponga? ¿Cómo logramos que el usuario entienda para qué sirve dar su edad, peso o historial médico sin que eso genere fricción o sospecha?
Investigación y descubrimiento
Arrancamos mapeando los puntos de fricción en apps de fitness existentes. Hicimos entrevistas breves a usuarios de wearables, encuestas sobre privacidad de datos y benchmarks de plataformas como Google Fit, Zepp y MiFitness.
Un patrón se repetía: los usuarios estaban dispuestos a compartir datos biométricos si percibían valor inmediato. No al final del onboarding. No después de cinco pantallas. Sino en el momento.
Estrategia de diseño
Tomamos una decisión clave: el valor tenía que mostrarse antes que la recolección de datos. El flujo debía ser progresivo, pero no lento. Simple, pero no superficial. Transparente, sin caer en tecnicismos.
Dividimos la experiencia en dos grandes momentos:
- Primero, el ingreso gradual y justificado de información. Pedimos solo lo esencial al inicio: edad, nivel de actividad, objetivos.
- Segundo, la personalización visible desde el inicio. Apenas completado el paso básico, el usuario accedía al módulo "Mi Rutina".
El sistema detrás
Diseñamos un sistema conceptual de personalización que cruzaba edad, nivel de actividad, historial médico y objetivos.
- Un usuario sedentario de más de 40 años recibía una rutina progresiva de bajo impacto.
- Un usuario activo sin lesiones, una rutina de intensidad media-alta.
- Si había historial de lesiones, se priorizaban ejercicios de bajo riesgo.
Desarrollamos además un módulo de transparencia algorítmica. Cada recomendación podía desplegar su lógica.
Diseño de experiencia
La experiencia debía transmitir claridad, control y salud. No glamour ni "fitness extremo".
- Botones segmentados para elegir nivel de actividad y tiempo
- Dropdowns con ejemplos reales
- Tooltips animados que explicaban para qué se usa cada dato
- FAB central siempre visible para iniciar la rutina
- Indicadores de progreso en cada paso del onboarding
Sistema visual:
El sistema visual apostó a la calma y la confianza: verdes suaves como color primario, grises neutros para la información, tipografía Roboto por su legibilidad en Android.
Iteraciones y validación
Durante los primeros testeos funcionales, identificamos un momento crítico: cuando pedíamos datos sensibles demasiado pronto, el flujo se caía.
Lo solucionamos reordenando el flujo: mostramos primero una rutina preliminar, y luego pedimos los datos más sensibles para refinarla.
¿Resultado? Un onboarding más completo, con mayor sensación de seguridad y control por parte del usuario.
Validación y feedback
Validación con usuarios afines al público objetivo: adultos entre 35 y 55 años que buscaban retomar hábitos de entrenamiento.
Aprendizajes clave
El momento en que se pide un dato es tan importante como el dato mismo.
Transparencia supera a la automatización.
El control genera confianza.
Los usuarios mayores de 35 años valoran claridad.
Conclusión
GloryFit nos dejó un aprendizaje potente:
La confianza no se gana con visuales planos, sino con interacciones que devuelven valor real, respetan el ritmo del usuario y explican lo que hacen.
