Kurze Antwort: Wenn Sie eine CBT-Journaling-UX entwickeln wollen, die die Leute tatsächlich nutzen, müssen Sie die Standard-Stimmungsemojis abschaffen. Bei Vividiary haben wir erkannt, dass einfaches Stimmungstracking den Nutzern nur sagt, was sie fühlen, aber nicht warum. Wir haben anfangs ein traditionelles 7-stufiges klinisches CBT-Formular getestet, es aber nach einer brutalen Abbruchrate von 60% in Nutzertests verworfen – es fühlte sich zu sehr nach Hausaufgaben an. Stattdessen sind wir zum konversationsbasierten Trigger-Mapping übergegangen. Damit das funktioniert, brauchten wir ernsthafte LLM-Argumentationskraft. Wir haben On-Device-KI explizit abgelehnt, da die lokalen Modelle nicht zu nuanciertem kognitiven Reframing fähig waren. Wir haben uns stattdessen für eine datenschutzorientierte Cloud-Architektur entschieden, die sicherstellt, dass Ihre Zero-Party-Daten stark verschlüsselt sind und gleichzeitig die tiefen, kontextbezogenen Einblicke liefern, die Nutzer benötigen, um ihre psychische Gesundheit zu verstehen.

---

Als wir uns zum ersten Mal hinsetzten, um Vividiary zu entwerfen, taten wir das, was jede andere App für psychische Gesundheit auch tut: Wir entwarfen ein riesiges Raster aus wunderschön illustrierten Stimmungsemojis.

Wir verbrachten Wochen damit, über den exakten Blauton für „Melancholie“ im Vergleich zu „traurig“ zu debattieren. Wir dachten, wir würden das ultimative Werkzeug für emotionalen Wortschatz bauen. Aber als wir es echten Nutzern zeigten, trafen uns die Daten wie ein Schlag. Die Leute verbrachten 15 bis 20 Sekunden damit, nur auf den Bildschirm zu starren, gelähmt von der Auswahl, bevor sie die App zwangsweise schlossen.

Wir erkannten eine harte Wahrheit über unser Produkt: Traditionelles Stimmungstracking ist grundlegend fehlerhaft. Es misst nur das Ergebnis (das Gefühl), ohne die Ursache (den Auslöser) aufzudecken. Es hinterlässt den Nutzern ein buntes Diagramm ihres Elends, aber absolut keine umsetzbaren nächsten Schritte, um es zu beheben.

Hier ist die Hintergrundgeschichte, wie wir unsere ursprünglichen Entwürfe verworfen haben, was wir stattdessen versucht haben und warum wir Vividiary komplett neu architektonisch auf das Trigger-Mapping ausgerichtet haben.

Warum wir die Standard-Stimmungsemojis abgeschafft haben

Das Problem Das ursprüngliche Ziel war einfach: Den Nutzern eine Möglichkeit geben, zu protokollieren, wie sie sich fühlen. Der Industriestandard schreibt vor, dass man dem Nutzer 20-30 Emojis präsentiert, die ein Spektrum an Emotionen darstellen.

Aber während unserer frühen Betatests bemerkten wir ein eklatantes Problem. Wenn sich ein Nutzer in einem Zustand hoher emotionaler Belastung befindet – sagen wir, er hatte gerade eine Panikattacke oder einen heftigen Streit mit seinem Partner –, ist das Letzte, was er tun möchte, „Wo ist Waldo?“ mit einem Raster aus kleinen Gesichtern zu spielen, um dasjenige zu finden, das perfekt „ängstlich, aber auch wütend und leicht hungrig“ zusammenfasst.

Darüber hinaus hilft das Protokollieren einer Emotion isoliert nicht bei der emotionalen Regulation. Wenn Ihre Daten Ihnen sagen, dass Sie am Dienstag „wütend“, am Mittwoch „traurig“ und am Donnerstag „ängstlich“ waren, was fangen Sie mit dieser Information an? Nichts. Es ist eine Sackgasse.

Der Ansatz, den wir gewählt haben Wir haben beschlossen, das Emoji-Raster als primäre Eingabe abzuschaffen. Wir haben es durch ein radikal vereinfachtes System der Güteklasse 5 ersetzt: Bestens, Gut, Neutral, Niedrig und Schlechtest.

Wir haben die spezifischen Emojis auf einen optionalen Auswahlbildschirm für bestimmte Emotionen und Aktivitäten verbannt, der erst sichtbar ist, nachdem die anfängliche Hürde des Protokollierens überwunden wurde.

Warum? Weil das Tippen auf einen von fünf großen Buttons genau 3 Sekunden dauert. Es reduziert die kognitive Belastung drastisch. In unseren A/B-Folgetests erhöhte diese einfache Änderung die tägliche Protokollierungsrate um 41%. Wenn Sie neugierig auf die tiefere Psychologie dahinter sind, habe ich ausführlich über unser emotionsgesteuertes Produktdesign geschrieben und warum es das Beste ist, was ein Designer tun kann, dem Nutzer aus dem Weg zu gehen.

Was wir abgelehnt haben: Das 7-stufige klinische CBT-Formular

Das Problem Sobald wir die Stimmungseingabe vereinfacht hatten, brauchten wir eine Möglichkeit, den Kontext zu erfassen – das „Warum“ hinter der Stimmung. Die kognitive Verhaltenstherapie (CBT) ist der Goldstandard dafür. Also dachten wir natürlich, wir sollten einfach ein CBT-Arbeitsblatt digitalisieren.

Der Ansatz, den wir in Betracht zogen (und verwarfen) Wir haben ein umfassendes, 7-stufiges klinisches CBT-Formular erstellt. Es forderte die Nutzer auf, manuell Textfelder auszufüllen für: 1. Die Situation 2. Der anfängliche Gedanke 3. Die Emotion (und Intensität 1-100) 4. Die körperliche Empfindung 5. Das Verhalten/die Handlung 6. Vorhandene kognitive Verzerrungen 7. Ein alternativer/umgedeuteter Gedanke

Aus klinischer Sicht war das perfekt. Es war genau das, was Ihnen ein Therapeut auf einem Stück Papier geben würde.

Aus Produktsicht war es eine totale Katastrophe.

Was wir gelernt haben Wir haben dies einer Kohorte von 500 Betatestern vorgestellt. Die Ergebnisse waren brutal. Wir sahen eine Abbruchrate von 60% bis zum dritten Tag.

Als wir Nutzerinterviews führten, war das Feedback einstimmig: „Es fühlt sich an wie Hausaufgaben machen.“

Nutzer sagten uns, dass die Aussicht, sieben Absätze tiefenpsychologischer Analyse zu tippen, überwältigend sei, wenn sie sich „niedrig“ oder „am schlechtesten“ fühlten. Wir verlangten von den Nutzern, die Schwerstarbeit des kognitiven Reframings zu leisten, während sie aktiv dysreguliert waren. Es war das falsche Werkzeug zur falschen Zeit. Während diese klinischen CBT-Journaling-Techniken in der Praxis eines Therapeuten unglaublich effektiv sind, scheitern sie als selbstgeführte mobile UX kläglich.

Trigger-Mapping: Eine CBT-Journaling-UX aufbauen, die tatsächlich funktioniert

Die Lösung Wenn sich ein statisches Formular wie Hausaufgaben anfühlt, was fühlt sich dann natürlich an? Ein Gespräch.

Wir haben das 7-stufige Formular komplett verworfen und sind zu einer KI-gesteuerten Konversations-UI übergegangen. Wir haben einen KI-Konversationsmodus eingeführt – verfügbar sowohl in Sprache als auch in Text –, der als sanfter, neugieriger Zuhörer fungiert.

Anstatt sieben Datenpunkte im Voraus zu verlangen, fragt die KI einfach: „Was beschäftigt dich heute?“ Während der Nutzer sich auslässt, stellt die KI gezielte, auf CBT ausgerichtete Folgefragen.

Nutzer: „Ich bin so gestresst wegen meiner Präsentation morgen. Ich weiß, dass ich sie vermasseln werde.“
KI: „Es klingt, als würde diese Präsentation schwer auf dir lasten. Was genau gibt dir das Gefühl, dass du sie vermasseln wirst?“

Hinter den Kulissen leistet die KI die Schwerstarbeit. Sie extrahiert stillschweigend die Situation, die Emotion und die kognitive Verzerrung (in diesem Fall Wahrsagerei). Sobald das Gespräch natürlich endet, generiert die KI nahtlos einen Tagebuchentwurf in der Ich-Perspektive, den der Nutzer überprüfen, bearbeiten und speichern kann.

Warum das ein Wendepunkt ist: Trigger-Mapping Diese reibungslose Erfassungsmethode schließt die Lücke zwischen dem bloßen Protokollieren eines Gefühls und dem Verständnis seiner Grundursache. Indem wir den Kontext konversationell erfassen, können wir Trigger-Mapping durchführen.

Trigger-Mapping ermöglicht es unserem System, die Punkte im Laufe der Zeit zu verbinden. Wir können einem Nutzer zeigen: „Hey, wir haben bemerkt, dass 80% der Male, in denen du eine 'niedrige' Stimmung protokollierst, ein Gespräch über deinen Manager vorausgeht.“

Um diese Daten verdaulich zu machen, haben wir fortschrittliche Analysen entwickelt. Während unser kostenloser Tarif unbegrenztes Stimmungsprotokollieren, 3 KI-Gespräche pro Tag und grundlegende Analysen bietet, haben wir die umfangreiche Datenvisualisierung für unseren Premium-Tarif reserviert ($2.99/Monat oder $11.99/Jahr). Premium-Nutzer erhalten Zugriff auf wöchentliche und monatliche Stimmungsberichte, Blasendiagramme und Heatmaps, die diese Verhaltensschleifen visualisieren.

Die gamifizierte UX Aber CBT ist immer noch harte Arbeit. Um das Engagement während des schwierigen Reflexionsprozesses aufrechtzuerhalten, haben wir eine gamifizierte UX eingeführt. Während Nutzer ihre Stimmungen protokollieren und Trigger-Mapping-Sitzungen abschließen, pflegen sie einen „Clay“-Charakter. Über 30 Tage wächst und entwickelt sich dieser Charakter zu einer von 8 Endformen, die direkt von den emotionalen Daten des Nutzers beeinflusst werden. Es verwandelt routinemäßiges, manchmal schmerzhaftes Protokollieren in eine lohnende Reise der Selbstentdeckung.

Die Architektur: Warum wir uns für eine datenschutzorientierte Cloud statt für On-Device-KI entschieden haben

Das Problem Trigger-Mapping erfordert, dass Nutzer zutiefst persönlichen Kontext teilen. Wenn ein Nutzer unserer App von seinen Eheproblemen, seiner Arbeitsplatzangst oder seinen tiefsten Unsicherheiten erzählen soll, braucht er eine eiserne Garantie, dass seine Daten sicher sind.

Vividiary ist im Grunde eine Zero-Party-Daten-Wellness-App. Zero-Party-Daten sind Daten, die ein Kunde absichtlich und proaktiv mit einer Marke teilt. Sie sind äußerst zuverlässig, erfordern aber immenses Vertrauen.

Die Ansätze, die wir in Betracht zogen Beim Entwurf der KI-Architektur hatten wir eine massive interne Debatte darüber, wo die KI-Verarbeitung stattfinden sollte.

Ansatz 1: On-Device-KI
Wir haben ernsthaft in Betracht gezogen, kleine, lokalisierte LLMs direkt auf dem Telefon des Nutzers auszuführen. Der Reiz ist offensichtlich: Wenn die Daten zur Verarbeitung nie das Gerät verlassen, ist Datenschutz theoretisch einfacher zu vermarkten.

Ansatz 2: Cloud-basierte LLMs
Verwendung von Frontier-Modellen (wie OpenAIs GPT-4 oder Anthropics Claude), die in der Cloud gehostet werden und erfordern, dass Daten zur Verarbeitung über das Netzwerk gesendet werden.

Was wir gewählt haben (und warum) Wir haben On-Device-KI explizit abgelehnt.

Warum? Weil lokale mobile Modelle einfach noch nicht schlau genug sind. Als wir lokale Modelle mit 7B Parametern für CBT-Reframing getestet haben, waren die Ergebnisse entweder wild generisch („Mach dir keine Sorgen, sei glücklich!“) oder völlig halluziniert. Nuanciertes kognitives Reframing erfordert immense Argumentationsfähigkeiten. Wenn die KI schlechtes psychologisches Feedback gibt, ist das nicht nur eine schlechte UX – es ist potenziell schädlich für die psychische Gesundheit des Nutzers.

Stattdessen haben wir uns für eine datenschutzorientierte Cloud-Architektur entschieden. Wir verwenden Cloud-basierte LLMs, um die höchste Qualität der CBT-Argumentation sicherzustellen.

Wie wir es gebaut haben Um diese sensiblen Zero-Party-Daten zu schützen, haben wir Vividiary auf einem modernen, hochsicheren Stack aufgebaut: React Native (Expo) für das Frontend, Supabase für unsere Backend-Datenbank, RevenueCat für das Abonnementmanagement und Firebase Auth für eine sichere Benutzerauthentifizierung.

Da die Daten zur Verarbeitung durch die KI in die Cloud reisen müssen, wenden wir strenge datenschutzorientierte Designprinzipien an. Alle Daten werden sowohl bei der Übertragung (via TLS) als auch im Ruhezustand in unseren Supabase-Datenbanken stark verschlüsselt. Wir behandeln Ihre Tagebucheinträge wie medizinische Unterlagen. Wir verkaufen Ihre Daten nicht, wir trainieren unsere eigenen grundlegenden Modelle nicht mit Ihren persönlichen Tagebüchern und wir stellen sicher, dass unsere Cloud-Infrastruktur strenge Sicherheitsstandards erfüllt.

Wir haben Transparenz gegenüber Marketing-Gimmicks gewählt. Wir werden nicht behaupten, dass Ihre Daten „lokal verarbeitet“ werden, weil das nicht stimmt. Sie werden in einer hochsicheren Cloud-Umgebung verarbeitet, damit Sie die bestmöglichen CBT-Einblicke erhalten, ohne Ihre Privatsphäre zu gefährden.

Die Daten: Die harte Wahrheit über unsere 30-Tage-Bindung

Hat das also alles funktioniert?

Ich habe versprochen, offen zu sein, also schauen wir uns die Zahlen an. Als wir das 7-stufige klinische Formular verwendeten, war unsere Bindung an Tag 30 ein düsteres 12%. Die Leute luden die App herunter, merkten, dass es zu viel Arbeit war, und sprangen ab.

Nachdem wir das Stimmungsemoji-Raster abgeschafft, den 3-Sekunden-Stimmungsprotokollierer der Güteklasse 5 eingeführt, konversationsbasiertes Trigger-Mapping ausgerollt und den sich entwickelnden Clay-Charakter hinzugefügt hatten, stieg unsere Bindung an Tag 30 auf 34%.

Wenn Sie einen tieferen Einblick in die spezifischen Kohorten wünschen und wie wir Erfolg messen, können Sie unsere vollständige Aufschlüsselung unserer 30-Tage-Bindungsmetriken lesen.

Was wir gelernt haben Eine Bindungsrate von 34% an Tag 30 in der Kategorie Gesundheit und Wellness ist unglaublich stark, aber nicht perfekt.

Wir haben gelernt, dass manche Nutzer KI-Gespräche immer noch etwas unheimlich finden. Etwa 15% unserer Nutzer entscheiden sich komplett gegen den KI-Chat und ziehen es vor, nur den Stimmungsprotokollierer der Güteklasse 5 zu verwenden und ihre eigenen manuellen Notizen zu schreiben. Wir haben auch gelernt, dass unsere Sprache-zu-Text-Funktion, obwohl beliebt, bei starken Akzenten Schwierigkeiten hat, was unser Ingenieurteam aktiv zu verbessern versucht.

Was kommt als Nächstes Wir bauen derzeit robustere Trigger-Mapping-Visualisierungen für den Premium-Tarif aus, die es Nutzern ermöglichen, ihre Stimmungsdaten mit externen Faktoren wie Wetter, Schlafdaten (via Apple Health-Integration) und Bildschirmzeit zu vergleichen.

Das Erstellen einer CBT-Journaling-UX ist eine Übung darin, klinische Wirksamkeit mit menschlicher Reibung in Einklang zu bringen. Wenn Sie es zu klinisch machen, werden die Nutzer aufhören. Wenn Sie es zu einfach machen (wie ein Raster aus Emojis), werden die Nutzer keinen Wert daraus ziehen. Indem wir uns auf konversationsbasiertes Trigger-Mapping und eine datenschutzorientierte Cloud-Architektur konzentrieren, glauben wir, endlich den Sweet Spot gefunden zu haben.