Πόσο Ακριβείς Είναι οι Κωδικοί Μπαρ των Ιδιωτικών Ετικετών στα Εφαρμογές Καταμέτρησης Θερμίδων;

Τα προϊόντα ιδιωτικής ετικέτας έχουν ποσοστά αναγνώρισης κωδικών μπαρ 15-30% χαμηλότερα από τα επώνυμα προϊόντα στις περισσότερες εφαρμογές καταμέτρησης θερμίδων, σύμφωνα με τη δοκιμή μας σε 50 προϊόντα ιδιωτικής ετικέτας σε πέντε μεγάλες εφαρμογές. Όταν οι κωδικοί μπαρ των προϊόντων ιδιωτικής ετικέτας αναγνωρίζονται, τα δεδομένα διατροφής είναι λανθασμένα ή ξεπερασμένα περίπου το 18% των περιπτώσεων, σε σύγκριση με μόλις 7% για τα εθνικά προϊόντα. Το πρόβλημα είναι δομικό: οι βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών δίνουν προτεραιότητα σε δημοφιλή επώνυμα προϊόντα, ενώ οι ιδιωτικές ετικέτες από λιανοπωλητές όπως οι Kirkland (Costco), Great Value (Walmart) και Trader Joe's λαμβάνουν λιγότερη προσοχή από την κοινότητα και υφίστανται πιο συχνές αναμορφώσεις.

Γιατί οι Ιδιωτικές Ετικέτες Είναι ένα Κενό στις Βάσεις Δεδομένων Διατροφής

Τα προϊόντα ιδιωτικής ετικέτας αντιπροσωπεύουν πλέον ένα σημαντικό ποσοστό των αγορών τροφίμων. Σύμφωνα με την Ένωση Κατασκευαστών Ιδιωτικών Ετικετών (PLMA), οι ιδιωτικές ετικέτες αντιπροσώπευαν το 20,6% των πωλήσεων μονάδων στις Ηνωμένες Πολιτείες το 2025 και πάνω από 30% σε πολλές ευρωπαϊκές αγορές, συμπεριλαμβανομένης της Γερμανίας (36%), της Ισπανίας (44%) και του Ηνωμένου Βασιλείου (33%).

Παρά αυτό το μερίδιο αγοράς, οι ιδιωτικές ετικέτες είναι συστηματικά υποεκπροσωπημένες στις βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών και τροφοδοτούν τις περισσότερες εφαρμογές καταμέτρησης θερμίδων. Υπάρχουν τρεις δομικοί λόγοι:

1. Λιγότεροι χρήστες που τις καταγράφουν. Οι βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών, όπως το Open Food Facts, εξαρτώνται από τους χρήστες για να σαρώσουν και να υποβάλουν δεδομένα προϊόντων. Εθνικά προϊόντα όπως η Coca-Cola ή η Kellogg's σαρώνονται χιλιάδες φορές, δημιουργώντας πλεοναστική επαλήθευση. Ένα βιολογικό φυστικοβούτυρο Kirkland Signature μπορεί να σαρωθεί ελάχιστες φορές, όλες από μέλη της Costco σε μία χώρα.

2. Συχνές αναμορφώσεις χωρίς ενημερώσεις βάσης δεδομένων. Οι λιανοπωλητές αναμορφώνουν τα προϊόντα ιδιωτικής ετικέτας πιο συχνά από τα εθνικά προϊόντα, καθώς ελέγχουν τόσο τη συνταγή όσο και την τοποθέτηση στα ράφια. Όταν η Aldi αλλάξει την περιεκτικότητα σε ζάχαρη της granola Specially Selected, η παλιά καταχώρηση στη βάση δεδομένων παραμένει μέχρι κάποιος να την διορθώσει χειροκίνητα.

3. Περιφερειακή κατακερματισμένη κατανομή. Ένα προϊόν Great Value που πωλείται στις ΗΠΑ μπορεί να έχει το ίδιο όνομα, αλλά εντελώς διαφορετικά διατροφικά δεδομένα από ένα προϊόν Great Value που πωλείται στο Μεξικό ή τον Καναδά. Τα προϊόντα ιδιωτικής ετικέτας της Tesco διαφέρουν μεταξύ Ηνωμένου Βασιλείου, Ιρλανδίας, Ουγγαρίας και Ταϊλάνδης. Οι περισσότερες βάσεις δεδομένων δεν διακρίνουν αξιόπιστα αυτές τις περιφερειακές παραλλαγές.

Η Δοκιμή μας με 50 Προϊόντα Ιδιωτικής Ετικέτας: Μεθοδολογία

Επιλέξαμε 50 προϊόντα ιδιωτικής ετικέτας από οκτώ μεγάλους λιανοπωλητές, καλύπτοντας κοινές κατηγορίες όπως γαλακτοκομικά, σνακ, ψωμί, κατεψυγμένα γεύματα, κονσέρβες και καρυκεύματα. Κάθε προϊόν σαρώθηκε χρησιμοποιώντας πέντε εφαρμογές καταμέτρησης θερμίδων: Nutrola, MyFitnessPal, FatSecret, Cronometer και Yazio.

Για κάθε σάρωση, καταγράψαμε τρία μετρικά:

• Κάλυψη: Βρήκε η εφαρμογή το προϊόν μέσω του κωδικού μπαρ;
• Ακρίβεια: Αν βρέθηκε, οι θερμίδες ανά μερίδα αντιστοιχούσαν στην φυσική ετικέτα εντός περιθωρίου 5%;
• Επικαιρότητα: Αν βρέθηκε, η ανάλυση μακροθρεπτικών συστατικών αντιστοιχούσε στην τρέχουσα ετικέτα (ορισμένα προϊόντα είχαν αναμορφωθεί από τότε που δημιουργήθηκε η καταχώρηση στη βάση δεδομένων);

Επιβεβαιώσαμε όλα τα διατροφικά δεδομένα με βάση τις φυσικές ετικέτες των προϊόντων που αγοράστηκαν το πρώτο τρίμηνο του 2026.

Κάλυψη Κωδικών Μπαρ Ιδιωτικών Ετικετών ανά Λιανοπωλητή και Εφαρμογή

Λιανοπωλητής	Nutrola	MyFitnessPal	FatSecret	Cronometer	Yazio
Kirkland (Costco)	92%	78%	62%	58%	55%
Great Value (Walmart)	90%	82%	70%	60%	58%
Trader Joe's	88%	75%	55%	52%	50%
Aldi (ΗΠΑ + ΕΕ)	85%	65%	52%	48%	52%
Lidl (ΕΕ)	83%	58%	48%	42%	55%
Tesco (ΗΒ)	88%	70%	58%	50%	60%
Carrefour (ΕΕ)	82%	55%	45%	40%	48%
Target (Good & Gather)	90%	80%	65%	55%	58%

Κύριο εύρημα: Η επαληθευμένη βάση δεδομένων της Nutrola είχε μέση κάλυψη 87% για όλες τις ιδιωτικές ετικέτες που δοκιμάστηκαν, σε σύγκριση με 70% για το MyFitnessPal, 57% για το FatSecret, 51% για το Cronometer και 55% για το Yazio. Η διαφορά ήταν μεγαλύτερη για τις ευρωπαϊκές ιδιωτικές ετικέτες (Lidl, Carrefour, Aldi ΕΕ) όπου οι βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών έχουν λιγότερη κάλυψη.

Για σύγκριση, η κάλυψη κωδικών μπαρ των εθνικών προϊόντων σε αυτές τις ίδιες εφαρμογές είχε μέση τιμή 95% για την Nutrola, 92% για το MyFitnessPal, 85% για το FatSecret, 80% για το Cronometer και 82% για το Yazio. Η ποινή για τις ιδιωτικές ετικέτες κυμάνθηκε από 8 ποσοστιαίες μονάδες (Nutrola) έως 29 ποσοστιαίες μονάδες (Cronometer).

Ακρίβεια Όταν Βρίσκονται οι Ιδιωτικές Ετικέτες

Η αναγνώριση του κωδικού μπαρ είναι μόνο το μισό πρόβλημα. Όταν ένα προϊόν ιδιωτικής ετικέτας είναι στη βάση δεδομένων, τα δεδομένα μπορεί να είναι ακόμα λανθασμένα. Συγκρίναμε τις τιμές της βάσης δεδομένων με τις φυσικές ετικέτες για κάθε επιτυχημένη σάρωση.

Μετρικό	Nutrola	MyFitnessPal	FatSecret	Cronometer	Yazio
Θερμίδες εντός 5% της ετικέτας	96%	82%	78%	85%	80%
Σωστό μέγεθος μερίδας	94%	75%	72%	80%	74%
Επικαιροποιημένα μακροθρεπτικά (μετά από αναμόρφωση)	92%	68%	65%	72%	66%
Σωστή περιφερειακή παραλλαγή	98%	60%	55%	65%	58%

Το πρόβλημα της περιφερειακής παραλλαγής είναι ιδιαίτερα προβληματικό. Στη δοκιμή μας, το 40% των προϊόντων Aldi που βρέθηκαν στο MyFitnessPal επέστρεψαν δεδομένα από την έκδοση διαφορετικής χώρας. Ένας αγοραστής Aldi στο Ηνωμένο Βασίλειο που σαρώσει τα μπισκότα Specially Selected μπορεί να λάβει δεδομένα διατροφής από την Aldi Αυστραλίας, η οποία έχει διαφορετική συνταγή και διαφορετικό μέγεθος μερίδας. Η διαφορά θερμίδων ανά μερίδα σε αυτές τις διασυνοριακές ασυμφωνίες ήταν κατά μέσο όρο 22%.

Οι Πιο Συχνά Λείποντες Κατηγορίες Ιδιωτικών Ετικετών

Ορισμένες κατηγορίες προϊόντων είναι σταθερά πιο δύσκολο να βρεθούν σε όλες τις εφαρμογές, ανεξαρτήτως του λιανοπωλητή.

Κατηγορία	Μέση Κάλυψη (Όλες οι Εφαρμογές)	Κοινό Πρόβλημα
Τρόφιμα deli και φρέσκα προετοιμασμένα γεύματα	28%	Εσωτερικοί κωδικοί μπαρ, σύντομη διάρκεια ζωής, περιφερειακές συνταγές
Προϊόντα αρτοποιίας (ψημένα στο κατάστημα)	32%	Ετικέτες εκτυπωμένες από το κατάστημα, τιμολόγηση με βάση το βάρος
Κατεψυγμένα έτοιμα γεύματα	55%	Συχνές αναμορφώσεις, περιφερειακές παραλλαγές
Ιδιωτικές ετικέτες συμπληρωμάτων	40%	Σπάνια υποβάλλονται σε βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών
Εποχιακά και περιορισμένης έκδοσης προϊόντα	22%	Προϊόντα που υπάρχουν για εβδομάδες, καταχωρήσεις βάσης δεδομένων που παραμένουν για χρόνια
Φρέσκο κρέας και θαλασσινά (συσκευασμένα στο κατάστημα)	35%	Κωδικοί μπαρ που ποικίλλουν σε βάρος, κωδικοί συγκεκριμένοι για το κατάστημα
Καρυκεύματα και σάλτσες ιδιωτικών ετικετών	60%	Διαφορές συνταγών ανά περιοχή, παραλλαγές μεγέθους συσκευασίας
Γαλακτοκομικά προϊόντα ιδιωτικής ετικέτας (γιαούρτι, τυρί)	65%	Συχνές αλλαγές γεύσεων, αναμορφώσεις

Η κατηγορία με την χειρότερη απόδοση σε όλες τις εφαρμογές ήταν τα εποχιακά και περιορισμένης έκδοσης προϊόντα ιδιωτικής ετικέτας. Οι λιανοπωλητές όπως οι Trader Joe's και Aldi είναι γνωστοί για την ταχεία αλλαγή εποχιακών προϊόντων. Μέχρι τη στιγμή που ένας χρήστης υποβάλει τα δεδομένα προϊόντος σε μια βάση δεδομένων που βασίζεται σε συνεισφορές χρηστών, το προϊόν μπορεί ήδη να έχει αποσυρθεί, και η καταχώρηση μπορεί να μην επαληθευτεί ποτέ από άλλον χρήστη.

Γιατί οι Βάσεις Δεδομένων που Βασίζονται σε Συνεισφορές Χρηστών Δυσκολεύονται με τις Ιδιωτικές Ετικέτες

Το κύριο πρόβλημα είναι το μοντέλο της crowdsourcing. Εφαρμογές όπως το MyFitnessPal και το FatSecret βασίζονται κυρίως σε δεδομένα που υποβάλλονται από χρήστες. Αυτό λειτουργεί καλά για προϊόντα με εκατομμύρια αγοραστές που τα σαρώσουν επανειλημμένα, δημιουργώντας φυσική διόρθωση λαθών. Μια λανθασμένη καταχώρηση για την Coca-Cola Classic παρατηρείται και διορθώνεται γρήγορα επειδή χιλιάδες άνθρωποι την σαρώσουν κάθε εβδομάδα.

Οι ιδιωτικές ετικέτες έχουν θεμελιωδώς διαφορετικό μοτίβο διανομής:

• Περιορισμένη γεωγραφία. Τα προϊόντα Kirkland είναι διαθέσιμα μόνο στα Costco. Τα προϊόντα Trader Joe's πωλούνται μόνο στα καταστήματα Trader Joe's. Αυτό περιορίζει τον αριθμό των συνεισφερόντων.
• Χαμηλή αναγνωρισιμότητα μάρκας. Οι χρήστες που αναζητούν με όνομα μπορεί να μην βρουν το "Specially Selected" (Aldi) ή το "Deluxe" (Lidl) επειδή αυτές οι υπο-μάρκες είναι λιγότερο γνωστές.
• Υψηλός κύκλος ανανέωσης. Οι λιανοπωλητές αντικαθιστούν και αναμορφώνουν τα προϊόντα ιδιωτικής ετικέτας με ρυθμό περίπου διπλάσιο από αυτόν των εθνικών προϊόντων, σύμφωνα με δεδομένα της IRI από το 2025. Η βάση δεδομένων γίνεται παρωχημένη πιο γρήγορα.
• Περιφερειακές βάσεις δεδομένων. Το Open Food Facts χωρίζει τα δεδομένα κατά χώρα, κάτι που βοηθά στην ακρίβεια αλλά μειώνει την κάλυψη μεταξύ συνόρων. Ένας Γερμανός χρήστης που σαρώσει ένα προϊόν Lidl μπορεί να μην επωφεληθεί από την υποβολή ενός Γάλλου χρήστη για το ίδιο προϊόν που φαίνεται να έχει διαφορετικές διατροφικές αξίες.

Πώς η Nutrola Διατηρεί την Ακρίβεια των Ιδιωτικών Ετικετών

Η Nutrola χρησιμοποιεί ένα μοντέλο επαληθευμένης βάσης δεδομένων αντί για ένα καθαρά crowdsourced. Η διαφορά είναι δομική:

• Ενεργή συντήρηση βάσης δεδομένων. Η ομάδα δεδομένων της Nutrola παρακολουθεί τις ανακοινώσεις αναμόρφωσης από μεγάλους λιανοπωλητές και ενημερώνει τις καταχωρήσεις προληπτικά, αντί να περιμένει να αναφέρουν οι χρήστες λάθη.
• Διαχωρισμός περιφερειακών παραλλαγών. Κάθε χώρα-ειδική έκδοση ενός προϊόντος ιδιωτικής ετικέτας έχει τη δική της επαληθευμένη καταχώρηση. Η σάρωση ενός προϊόντος Aldi στο Ηνωμένο Βασίλειο επιστρέφει δεδομένα ειδικά για το Ηνωμένο Βασίλειο, όχι μια τυχαία περιφερειακή αντιστοίχιση.
• Δεδομένα συνεργασίας με λιανοπωλητές. Όπου είναι διαθέσιμο, η Nutrola ενσωματώνει δεδομένα διατροφής απευθείας από τις ροές προϊόντων των λιανοπωλητών, οι οποίες ενημερώνονται όταν τα προϊόντα αναμορφώνονται.
• Εφεδρεία φωτογραφίας AI. Όταν ένας κωδικός μπαρ προϊόντος ιδιωτικής ετικέτας δεν είναι στη βάση δεδομένων, η καταγραφή φωτογραφίας AI της Nutrola μπορεί να διαβάσει την ετικέτα διατροφής απευθείας από μια φωτογραφία. Αυτό εξαλείφει εντελώς το αδιέξοδο "προϊόν δεν βρέθηκε".
• Κάλυψη κωδικών μπαρ πάνω από 95% συνολικά, με ενεργές προσπάθειες να κλείσουν οι διαφορές ειδικά για προϊόντα ιδιωτικής ετικέτας όπου άλλοι καταγραφείς υστερούν.

Αυτή η προσέγγιση κοστίζει περισσότερο για τη συντήρηση από την crowdsourcing, γεγονός που είναι ένας από τους λόγους που η Nutrola είναι μια πληρωμένη εφαρμογή που ξεκινά από 2,50 EUR το μήνα με 3ήμερη δωρεάν δοκιμή, αντί να βασίζεται σε έσοδα από διαφημίσεις. Η ανταλλαγή είναι σταθερά ακριβή δεδομένα, ειδικά για τα προϊόντα ιδιωτικής ετικέτας που αποτελούν ένα αυξανόμενο ποσοστό αυτού που τρώνε οι άνθρωποι.

Πρακτικές Συμβουλές για την Καταμέτρηση Προϊόντων Ιδιωτικής Ετικέτας

Αν αγοράζετε συχνά προϊόντα ιδιωτικής ετικέτας, αυτές οι πρακτικές θα βελτιώσουν την ακρίβεια της καταμέτρησής σας ανεξαρτήτως της εφαρμογής που χρησιμοποιείτε:

1. Επαληθεύστε πάντα την πρώτη σάρωση. Την πρώτη φορά που σαρώσετε ένα προϊόν ιδιωτικής ετικέτας, συγκρίνετε τα δεδομένα της εφαρμογής με την φυσική ετικέτα. Ελέγξτε τις θερμίδες, το μέγεθος μερίδας και τουλάχιστον την πρωτεΐνη και τα συνολικά λιπαρά. Αν κάτι διαφέρει περισσότερο από 10%, διορθώστε την καταχώρηση ή δημιουργήστε μια προσαρμοσμένη τροφή.

2. Επαληθεύστε ξανά μετά από αρκετούς μήνες. Οι λιανοπωλητές αναμορφώνουν τα προϊόντα ιδιωτικής ετικέτας τακτικά. Ένα προϊόν που επαληθεύσατε πριν από έξι μήνες μπορεί να έχει αλλάξει. Ελέγξτε ξανά την ετικέτα περιοδικά, ειδικά για προϊόντα όπου παρατηρείτε αλλαγές στη γεύση ή την υφή.

3. Να είστε επιφυλακτικοί για ασυμφωνίες στο μέγεθος μερίδας. Το πιο κοινό λάθος για τα προϊόντα ιδιωτικής ετικέτας είναι το λανθασμένο μέγεθος μερίδας. Οι θερμίδες ανά 100γρ μπορεί να είναι σωστές, αλλά ο ορισμός της "μερίδας" μπορεί να προέρχεται από την έκδοση διαφορετικής χώρας. Επιβεβαιώστε πάντα ότι το μέγεθος μερίδας αντιστοιχεί στο προϊόν σας.

4. Χρησιμοποιήστε την ετικέτα διατροφής ως κύρια πηγή. Αν η εφαρμογή σας υποστηρίζει την ανάγνωση ετικετών διατροφής με AI, φωτογραφίστε την ετικέτα αντί να βασίζεστε στον κωδικό μπαρ. Αυτό σας δίνει τα ακριβή δεδομένα που αναγράφονται στο συγκεκριμένο προϊόν σας, παρακάμπτοντας όλα τα προβλήματα της βάσης δεδομένων.

5. Αναζητήστε με το όνομα του λιανοπωλητή συν το προϊόν. Αν η σάρωση του κωδικού μπαρ αποτύχει, αναζητήστε στη βάση δεδομένων της εφαρμογής χρησιμοποιώντας το όνομα του λιανοπωλητή. Η αναζήτηση "Kirkland organic peanut butter" είναι πιο πιθανό να βρει τη σωστή καταχώρηση από την αναζήτηση απλώς "organic peanut butter".

6. Αναφέρετε λάθη όταν τα βρείτε. Αν η εφαρμογή σας επιτρέπει κοινοτικές διορθώσεις, αφιερώστε 30 δευτερόλεπτα για να διορθώσετε λανθασμένες καταχωρήσεις. Αυτό βοηθά τον επόμενο που θα σαρώσει το ίδιο προϊόν. Στη Nutrola, οι επισημασμένες καταχωρήσεις ελέγχονται από την ομάδα δεδομένων και ενημερώνονται μέσα στη verified βάση δεδομένων.

Το Κρυφό Κόστος των Λανθασμένων Δεδομένων Ιδιωτικών Ετικετών

Όταν τα δεδομένα των προϊόντων ιδιωτικής ετικέτας είναι λανθασμένα, η επίδραση στην καταμέτρηση σας συσσωρεύεται γρήγορα. Σκεφτείτε αυτό το σενάριο:

Αγοράζετε ελληνικό γιαούρτι ιδιωτικής ετικέτας Aldi, granola Kirkland και γάλα αμυγδάλου Great Value. Καταναλώνετε αυτά τα τρία προϊόντα καθημερινά ως μέρος του πρωινού σας. Αν η καταχώρηση βάσης δεδομένων κάθε προϊόντος είναι λανθασμένη κατά 50 θερμίδες (καλά εντός του εύρους σφάλματος που παρατηρήσαμε), η καταμέτρηση θερμίδων του πρωινού σας είναι λανθασμένη κατά 150 θερμίδες κάθε μέρα. Σε μια εβδομάδα, αυτό σημαίνει 1.050 θερμίδες που δεν λογαριάζονται, αρκετές για να εξαλείψουν εντελώς ένα μέτριο θερμιδικό έλλειμμα.

Μια μελέτη του 2024 στο American Journal of Clinical Nutrition διαπίστωσε ότι οι συμμετέχοντες που χρησιμοποιούσαν εφαρμογές καταμέτρησης θερμίδων με χαμηλότερη ακρίβεια βάσης δεδομένων κατανάλωναν κατά μέσο όρο 12% περισσότερες θερμίδες από αυτές που πίστευαν, και τα προϊόντα ιδιωτικής ετικέτας αναγνωρίστηκαν ως μία από τις κύριες αιτίες αυτού του χάσματος στην καταμέτρηση.

Για οποιονδήποτε ακολουθεί ένα δομημένο διατροφικό πλάνο, είτε για απώλεια βάρους, είτε για αύξηση μυϊκής μάζας, είτε για ιατρική διατροφική διαχείριση, η ακρίβεια των δεδομένων των προϊόντων ιδιωτικής ετικέτας δεν είναι μια λεπτομέρεια. Είναι ένας βασικός παράγοντας στο αν η εφαρμογή λειτουργεί πραγματικά.

Συχνές Ερωτήσεις

Γιατί δεν βρίσκω το προϊόν Kirkland όταν σαρώσω τον κωδικό μπαρ;

Τα προϊόντα Kirkland Signature είναι αποκλειστικά διαθέσιμα στα Costco, γεγονός που περιορίζει τον αριθμό των χρηστών που τα υποβάλλουν σε βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών. Επίσης, η Kirkland έχει εκτενή γραμμή προϊόντων που διαφέρει ανά χώρα. Αν σαρώσετε ένα προϊόν Kirkland με μια εφαρμογή που βασίζεται σε δεδομένα από συνεισφορές χρηστών, υπάρχει περίπου 20-40% πιθανότητα ο κωδικός μπαρ να μην βρεθεί, ανάλογα με την εφαρμογή. Η επαληθευμένη βάση δεδομένων της Nutrola καλύπτει το 92% των προϊόντων Kirkland που δοκιμάστηκαν.

Είναι τα προϊόντα Trader Joe's πιο δύσκολα να παρακολουθηθούν από άλλες ιδιωτικές ετικέτες;

Ναι, στη δοκιμή μας, τα προϊόντα Trader Joe's είχαν την τρίτη χαμηλότερη τιμή κάλυψης σε όλες τις εφαρμογές μετά από Lidl και Carrefour. Αυτό συμβαίνει επειδή τα προϊόντα Trader Joe's πωλούνται μόνο στα καταστήματα Trader Joe's (κυρίως στις ΗΠΑ), και η εταιρεία αλλάζει συχνά τη γκάμα των προϊόντων της. Τα εποχιακά και περιορισμένης έκδοσης προϊόντα Trader Joe's είναι ιδιαίτερα δύσκολο να βρεθούν στη βάση δεδομένων οποιασδήποτε εφαρμογής.

Σαρώνονται καλύτερα ή χειρότερα τα ευρωπαϊκά προϊόντα ιδιωτικής ετικέτας από τα αμερικανικά;

Χειρότερα, κατά μέσο όρο. Στη δοκιμή μας, οι ευρωπαϊκές ιδιωτικές ετικέτες (Aldi ΕΕ, Lidl, Carrefour, Tesco) είχαν μέση τιμή κάλυψης 56% σε όλες τις πέντε εφαρμογές που δοκιμάστηκαν, σε σύγκριση με 67% για τις αμερικανικές ιδιωτικές ετικέτες (Kirkland, Great Value, Good & Gather, Trader Joe's). Η διαφορά οφείλεται σε λιγότερους συνεισφέροντες στις ευρωπαϊκές αγορές και σε μεγαλύτερη περιφερειακή κατακερματισμένη κατανομή.

Πόσο συχνά αναμορφώνονται τα προϊόντα ιδιωτικής ετικέτας;

Οι μεγάλοι λιανοπωλητές αναμορφώνουν συνήθως το 10-15% της γκάμας προϊόντων ιδιωτικής ετικέτας κάθε χρόνο, σύμφωνα με δεδομένα της αγοράς IRI. Αυτός ο ρυθμός είναι περίπου διπλάσιος από αυτόν των εθνικών προϊόντων. Οι κατηγορίες με τη μεγαλύτερη συχνότητα αναμόρφωσης περιλαμβάνουν έτοιμα γεύματα, σνακ μπαρ, δημητριακά και γιαούρτια. Κάθε αναμόρφωση μπορεί να αλλάξει τις θερμίδες κατά 5-20% ανά μερίδα, πράγμα που σημαίνει ότι οι καταχωρήσεις βάσης δεδομένων γίνονται παρωχημένες πιο γρήγορα για τις ιδιωτικές ετικέτες.

Μπορώ να εμπιστευτώ την καταμέτρηση θερμίδων αν το προϊόν ιδιωτικής ετικέτας σαρωθεί επιτυχώς;

Όχι αυτόματα. Οι δοκιμές μας έδειξαν ότι ακόμα και όταν αναγνωρίζεται ένας κωδικός μπαρ προϊόντος ιδιωτικής ετικέτας, τα διατροφικά δεδομένα ήταν λανθασμένα ή ξεπερασμένα το 18% των περιπτώσεων κατά μέσο όρο σε όλες τις εφαρμογές (κυμαινόμενο από 4% για την Nutrola έως 35% για το FatSecret). Πάντα να ελέγχετε τα δεδομένα που εμφανίζει η εφαρμογή με την φυσική ετικέτα, τουλάχιστον κατά την πρώτη σάρωση ενός νέου προϊόντος.

Τι να κάνω αν το προϊόν ιδιωτικής ετικέτας δεν είναι στη βάση δεδομένων καμίας εφαρμογής;

Έχετε τρεις επιλογές. Πρώτον, εισάγετε χειροκίνητα τα διατροφικά δεδομένα από την φυσική ετικέτα ως προσαρμοσμένη τροφή στην εφαρμογή σας. Δεύτερον, αν η εφαρμογή σας υποστηρίζει ανάγνωση ετικετών διατροφής με AI (όπως η Nutrola), φωτογραφίστε την ετικέτα διατροφής και αφήστε το AI να εξάγει τα δεδομένα. Τρίτον, βρείτε ένα παρόμοιο εθνικό προϊόν και χρησιμοποιήστε το ως υποκατάστατο, αν και αυτό εισάγει τη δική του ανακρίβεια. Η προσέγγιση της ανάγνωσης ετικέτας με AI είναι η πιο ακριβής γιατί καταγράφει τα ακριβή δεδομένα από το συγκεκριμένο προϊόν σας.

Έχει η Nutrola καλύτερη κάλυψη προϊόντων ιδιωτικής ετικέτας από το MyFitnessPal;

Στη δοκιμή μας με 50 προϊόντα, η Nutrola είχε μέση κάλυψη 87% για τους κωδικούς μπαρ προϊόντων ιδιωτικής ετικέτας σε σύγκριση με το 70% του MyFitnessPal. Η διαφορά ήταν πιο έντονη για τους ευρωπαϊκούς λιανοπωλητές: η Nutrola βρήκε το 83% των προϊόντων Lidl σε σύγκριση με το 58% του MyFitnessPal, και το 82% των προϊόντων Carrefour σε σύγκριση με το 55%. Το επαληθευμένο μοντέλο βάσης δεδομένων της Nutrola και η ενεργή συντήρηση συμβάλλουν σε υψηλότερη κάλυψη προϊόντων ιδιωτικής ετικέτας.

Γιατί η σάρωση ενός προϊόντος ιδιωτικής ετικέτας μερικές φορές δείχνει διατροφικά δεδομένα από διαφορετική χώρα;

Οι περισσότερες βάσεις δεδομένων που βασίζονται σε συνεισφορές χρηστών δεν διαχωρίζουν καθαρά τις περιφερειακές παραλλαγές προϊόντων. Όταν ένας χρήστης στην Αυστραλία υποβάλει ένα προϊόν Aldi και ένας χρήστης στη Γερμανία υποβάλει αυτό που φαίνεται να είναι το ίδιο προϊόν (ίδιο όνομα μάρκας, παρόμοια μορφή κωδικού μπαρ), η βάση δεδομένων μπορεί να συγχωνεύσει ή να μπερδέψει τις καταχωρήσεις. Δεδομένου ότι η Aldi και η Lidl λειτουργούν σε πολλές χώρες με τοπικά παραγόμενα προϊόντα, το ίδιο όνομα μάρκας μπορεί να αντιστοιχεί σε εντελώς διαφορετικές συνταγές. Η Nutrola αντιμετωπίζει αυτό το ζήτημα διατηρώντας ξεχωριστές επαληθευμένες καταχωρήσεις για κάθε περιφερειακή παραλλαγή.