कैलोरी ट्रैकिंग ड्रॉपआउट कर्व: कब और क्यों उपयोगकर्ता छोड़ते हैं (डेटा अध्ययन)

यह एक असहज सच है: अधिकांश लोग जो अपनी कैलोरी ट्रैकिंग शुरू करते हैं, वे एक महीने के भीतर ही रुक जाते हैं।

इसमें कोई फर्क नहीं पड़ता कि वे पहले दिन कितने प्रेरित थे। यह भी मायने नहीं रखता कि उन्होंने कौन सा ऐप चुना। न ही यह महत्वपूर्ण है कि उन्होंने हर शुरुआती गाइड पढ़ी और अपने फ्रिज को प्री-पोर्टioned भोजन से भरा। डेटा स्पष्ट है। अधिकांश लोग छोड़ देते हैं।

हम यह जानते हैं क्योंकि हमने देखा। हमने जनवरी 2025 से जनवरी 2026 के बीच बनाए गए 1.2 मिलियन Nutrola खातों के उपयोग पैटर्न का विश्लेषण किया है ताकि कैलोरी ट्रैकिंग का सटीक ड्रॉपआउट कर्व मैप किया जा सके। हमने तीन सवालों का जवाब देने की कोशिश की: लोग कब छोड़ते हैं? वे क्यों छोड़ते हैं? और जो लोग बने रहते हैं, उनके और जो छोड़ देते हैं, उनके बीच क्या अंतर है?

परिणाम ईमानदार हैं और कुछ जगहों पर हमारे लिए असहज भी। लेकिन ईमानदारी ही मुख्य बिंदु है। अगर हम समझते हैं कि ड्रॉपआउट कर्व कहां मुड़ता है, तो हम इसके चारों ओर डिज़ाइन कर सकते हैं। और अगर आप समझते हैं कि आप उस कर्व पर कहां हैं, तो आप अगले कदम के लिए तैयार हो सकते हैं।

पद्धति

डेटा सेट

हमने 1 जनवरी 2025 से 31 जनवरी 2026 के बीच बनाए गए हर Nutrola खाते को शामिल किया, जिसने खाता निर्माण के 24 घंटे के भीतर कम से कम एक भोजन लॉग किया। इससे 1,208,614 योग्य खाते मिले।

हमने उन खातों को बाहर रखा जो परीक्षण या डुप्लिकेट खातों के संकेत दिखाते थे (जैसे, कोई प्रोफ़ाइल पूरा नहीं करना, एक ही डिवाइस फिंगरप्रिंट्स जो एक-दूसरे के साथ सेकंड के भीतर समान हैं)। हमने उन खातों को भी बाहर रखा जो एंटरप्राइज या क्लिनिकल साझेदारियों के माध्यम से बनाए गए थे, क्योंकि उन उपयोगकर्ताओं के पास अक्सर बाहरी जवाबदेही संरचनाएं होती हैं जो डेटा को विकृत कर सकती हैं।

परिभाषाएँ

• सक्रिय: एक उपयोगकर्ता को एक दिए गए दिन "सक्रिय" माना गया यदि उसने कम से कम एक भोजन या खाद्य आइटम लॉग किया। केवल ऐप खोलना नहीं गिना गया।
• ड्रॉपआउट: एक उपयोगकर्ता को "ड्रॉपआउट" के रूप में वर्गीकृत किया गया जब उसने अंतिम बार एक भोजन लॉग किया, बशर्ते कि वह अगले 14 दिनों के भीतर वापस नहीं आया।
• पुनः संलग्नता: एक उपयोगकर्ता जो 14 या अधिक दिनों के अंतराल के बाद वापस आया, उसे पुनः संलग्न उपयोगकर्ता के रूप में वर्गीकृत किया गया और अलग से ट्रैक किया गया।

ट्रैकिंग अवधि

हमने खाता निर्माण की तारीख से 180 दिनों तक प्रत्येक समूह का पालन किया। अध्ययन की खिड़की में बाद में खाता बनाने वाले उपयोगकर्ताओं के लिए अधिकतम फॉलो-अप अवधि छोटी थी; हमने मानक सर्वाइवल एनालिसिस विधियों (Kaplan-Meier कर्व) का उपयोग करके इसके लिए समायोजन किया ताकि सेंसरिंग पूर्वाग्रह से बचा जा सके।

ड्रॉपआउट कर्व

यह मुख्य खोज है। नीचे दी गई तालिका में खाता निर्माण के बाद प्रत्येक समय बिंदु पर अभी भी सक्रिय उपयोगकर्ताओं का प्रतिशत दिखाया गया है।

समय बिंदु	% अभी भी सक्रिय	दैनिक ड्रॉपआउट दर (अवधि के लिए)
दिन 1	100%	--
दिन 2	72.1%	27.9%
दिन 3	58.3%	13.8%
दिन 4	52.7%	5.6%
दिन 5	48.9%	3.8%
दिन 7	41.4%	~2.5%/दिन
दिन 10	35.6%	~1.9%/दिन
दिन 14	29.2%	~1.6%/दिन
दिन 21	23.1%	~0.9%/दिन
दिन 30	19.0%	~0.5%/दिन
दिन 45	15.8%	~0.2%/दिन
दिन 60	13.7%	~0.1%/दिन
दिन 90	11.2%	~0.08%/दिन
दिन 120	10.1%	~0.04%/दिन
दिन 180	8.7%	~0.02%/दिन

इन नंबरों को ध्यान से पढ़ें। पहले दिन भोजन लॉग करने वाले उपयोगकर्ताओं में से लगभग 28% ने दूसरे दिन एक भी भोजन लॉग नहीं किया। पहले सप्ताह के अंत तक, आधे से अधिक लोग चले गए। दिन 30 तक, लगभग 4 में से 3 उपयोगकर्ताओं ने ट्रैकिंग बंद कर दी।

लेकिन कर्व में एक सकारात्मक पहलू भी है। ध्यान दें कि दैनिक ड्रॉपआउट दर समय के साथ तेज़ी से घटती है। कर्व रैखिक नहीं है। यह लघुगणकीय है। हर दिन जब आप टिके रहते हैं, अगले दिन छोड़ने की संभावना कम होती जाती है। दिन 90 तक, कर्व लगभग समतल हो गया है। जो उपयोगकर्ता दिन 90 तक पहुंचते हैं, उनकी 6 महीने के निशान पर अभी भी ट्रैकिंग करने की 78% संभावना होती है।

इसका अर्थ स्पष्ट है: पहले दो सप्ताह सब कुछ हैं। यदि कोई ऐप (या उपयोगकर्ता) उस विंडो में टिकता है, तो संभावनाएं नाटकीय रूप से बदल जाती हैं।

खतरे के क्षेत्र

ड्रॉपआउट कर्व चिकना नहीं है। कुछ विशिष्ट अवधियाँ हैं जहाँ ड्रॉपआउट आसपास के प्रवृत्ति से ऊपर की ओर बढ़ता है। हमने चार विशिष्ट खतरे के क्षेत्रों की पहचान की है।

खतरे का क्षेत्र 1: दिन 2-3 (नवीनता की चोटी)

सबसे बड़ा ड्रॉप दिन 1 और दिन 3 के बीच होता है। हम इस 48 घंटे की खिड़की में लगभग 42% सभी उपयोगकर्ताओं को खो देते हैं।

यहाँ क्या होता है, यह सरल है: नवीनता समाप्त हो जाती है। दिन 1 रोमांचक होता है। उपयोगकर्ता ऐप डाउनलोड करता है, अपना प्रोफ़ाइल सेट करता है, और अपना पहला भोजन लॉग करता है। एक नियंत्रण और प्रगति की भावना होती है। लेकिन दिन 2 या 3 तक, वास्तविकता सामने आ जाती है। लॉगिंग में प्रयास लगता है। उपयोगकर्ता को इसे फिर से करना होता है। और फिर से। और यह अब नया नहीं है।

हमने इस खिड़की के दौरान ड्रॉपआउट करने वाले उपयोगकर्ताओं के एक उपसमुच्चय (n=24,300) का सर्वेक्षण किया। शीर्ष कारण थे:

• "इसमें बहुत समय लगा" (38%)
• "मैं भूल गया" (27%)
• "मुझे नहीं पता था कि क्या लॉग करना है / यह बहुत जटिल था" (19%)
• "मैंने कुछ ऑफ-प्लान खा लिया और मुझे अपराधबोध हुआ" (11%)
• अन्य (5%)

पहले दो कारण — समय और भूलने की समस्या — घर्षण समस्याएं हैं। ये हल करने योग्य हैं। तीसरा एक ऑनबोर्डिंग समस्या है। चौथा एक मनोवैज्ञानिक है, और शायद सबसे चिंताजनक है।

खतरे का क्षेत्र 2: दिन 7-10 (पहला सप्ताहांत चक्र)

उन उपयोगकर्ताओं के लिए जो सप्ताह के दिनों में खाते बनाते हैं (जो हमारे साइनअप का 68% है), दिन 7-10 ट्रैकिंग का उनका पहला पूरा सप्ताहांत है। सप्ताहांत में ड्रॉपआउट दर सप्ताह के दिनों की तुलना में 1.8 गुना अधिक है, लेकिन प्रभाव पहले सप्ताहांत चक्र के दौरान सबसे मजबूत होता है।

सप्ताहांत दिनचर्याओं को बाधित करते हैं। भोजन कम पूर्वानुमानित होते हैं। सामाजिक भोजन बढ़ता है। जो उपयोगकर्ता एक कमजोर सप्ताह के दिन की लॉगिंग आदत बना चुके हैं, वे दोस्तों के साथ ब्रंच या आकस्मिक रात के खाने से टूट जाते हैं।

खतरे का क्षेत्र 3: दिन 21-28 (आदत निर्माण का मिथक)

यह एक व्यापक रूप से दोहराया गया दावा है कि आदत बनाने में 21 दिन लगते हैं। हमारा डेटा सुझाव देता है कि यह, सबसे अच्छा, भ्रामक है। दिन 21-28 वास्तव में ड्रॉपआउट कर्व में एक अधिक खतरनाक अवधि है।

हम दिन 22-25 के आसपास ड्रॉपआउट में एक छोटा लेकिन सांख्यिकीय रूप से महत्वपूर्ण स्पाइक देखते हैं। हमारी परिकल्पना, जो गुणात्मक सर्वेक्षण डेटा द्वारा समर्थित है, यह है कि जो उपयोगकर्ता "21-दिन की आदत" मिथक में विश्वास करते हैं, वे दिन 21 पर पहुंचते हैं और उम्मीद करते हैं कि व्यवहार स्वचालित महसूस होगा। जब यह अभी भी प्रयास की तरह महसूस होता है, तो वे इसे व्यक्तिगत विफलता के रूप में व्याख्या करते हैं और छोड़ देते हैं।

शोध साहित्य एक अधिक यथार्थवादी समयरेखा का समर्थन करता है। 2009 में फिलिपा लैली और उनके सहयोगियों द्वारा किए गए एक अध्ययन में पाया गया कि एक नए स्वास्थ्य व्यवहार के लिए स्वचालितता तक पहुँचने का औसत समय 66 दिन था, जिसमें 18 से 254 दिन का अंतर था। कैलोरी ट्रैकिंग, जो हर भोजन पर सक्रिय निर्णय लेने की आवश्यकता होती है, संभवतः उस रेंज के लंबे अंत में आती है।

खतरे का क्षेत्र 4: पहले विघटन घटना के बाद

यह एक विशिष्ट दिन पर अंकित करना कठिन है क्योंकि यह व्यक्तिगत उपयोगकर्ता के जीवन पर निर्भर करता है। लेकिन डेटा में पैटर्न स्पष्ट है। जब हम उन उपयोगकर्ताओं को देखते हैं जो दिन 14 के बाद पहुंचे लेकिन दिन 60 से पहले ड्रॉपआउट हो गए, तो 61% के पास उनका अंतिम सक्रिय दिन या तो 3 या अधिक दिनों के अंतराल से ठीक पहले या ठीक बाद होता है।

ये अंतराल आमतौर पर छुट्टियों, बीमारियों, कार्य यात्रा, या प्रमुख सामाजिक घटनाओं से संबंधित होते हैं। विघटन स्वयं समस्या नहीं है। समस्या यह है कि विघटन के बाद, उपयोगकर्ता वापस नहीं आते। अंतराल स्थायी हो जाता है।

यह "टूटी हुई श्रृंखला" प्रभाव है। कई उपयोगकर्ता, जानबूझकर या अनजाने में, अपनी ट्रैकिंग श्रृंखला को एक सब-or-नथिंग प्रतिबद्धता के रूप में मानते हैं। एक बार श्रृंखला टूटने के बाद, फिर से शुरू करने की मनोवैज्ञानिक लागत असामान्य रूप से उच्च महसूस होती है।

छोड़ने बनाम बने रहने की भविष्यवाणी क्या करती है

हमने एक मल्टीवेरिएट विश्लेषण किया ताकि यह पहचान सकें कि पहले 7 दिनों में कौन से उपयोगकर्ता व्यवहार सबसे मजबूत भविष्यवाणी करते हैं कि कोई व्यक्ति दिन 30 पर अभी भी सक्रिय होगा। यहाँ वे कारक हैं जो महत्वपूर्ण थे, प्रभाव के आकार के अनुसार रैंक किए गए।

1. प्राथमिक लॉगिंग विधि

विधि	दिन 30 पर % अभी भी सक्रिय	ड्रॉपआउट का सापेक्ष जोखिम
फोटो-आधारित लॉगिंग (AI)	26.8%	0.74x (बेसलाइन)
बारकोड स्कैनिंग	20.1%	0.91x
खोज + मैनुअल प्रविष्टि	15.3%	1.17x
त्वरित जोड़ (केवल कैलोरी)	11.9%	1.42x

जिन उपयोगकर्ताओं ने पहले सप्ताह में प्राथमिक रूप से फोटो-आधारित AI लॉगिंग का उपयोग किया, वे दिन 30 पर अभी भी सक्रिय रहने की सबसे अधिक संभावना रखते थे। अंतर काफी बड़ा है। फोटो लॉगर्स की 30-दिन की रिटेंशन दर त्वरित जोड़ उपयोगकर्ताओं की तुलना में लगभग 2.3 गुना अधिक थी।

यह इस कारण से नहीं है कि फोटो लॉगिंग अधिक प्रेरित उपयोगकर्ताओं को आकर्षित करती है। हमने लक्ष्य की तीव्रता, पूर्व ट्रैकिंग अनुभव, और कई अन्य कारकों को नियंत्रित किया। प्रभाव बना रहा। सबसे संभावित स्पष्टीकरण घर्षण है: Nutrola में, फोटो लॉगिंग में प्रति भोजन औसतन 8 सेकंड लगते हैं, जबकि मैनुअल खोज और प्रविष्टि के लिए 45-90 सेकंड लगते हैं। जब कोई व्यवहार आसान होता है, तो वह लंबे समय तक बना रहता है।

2. लॉग सत्र प्रति औसत समय

सत्र का समय	दिन 30 पर % अभी भी सक्रिय
30 सेकंड से कम	24.7%
30-60 सेकंड	21.3%
1-2 मिनट	17.8%
2-5 मिनट	13.2%
5 मिनट से अधिक	8.4%

लॉगिंग में बिताए गए समय और रिटेंशन के बीच एक लगभग रैखिक विपरीत संबंध है। जो उपयोगकर्ता 5 मिनट से अधिक समय तक लॉगिंग करते हैं, वे 30 सेकंड से कम समय में लॉगिंग करने वाले उपयोगकर्ताओं की तुलना में तीन गुना अधिक संभावना से छोड़ देते हैं।

यह खोज पोषण ऐप डिज़ाइन में एक सामान्य धारणा को चुनौती देती है: कि अधिक विस्तृत लॉगिंग बेहतर है। विस्तृत लॉगिंग अधिक सटीक डेटा उत्पन्न कर सकती है, लेकिन यदि यह उपयोगकर्ता को छोड़ने का कारण बनती है, तो सटीकता अप्रासंगिक है। एक मोटा लॉग जो उपयोगकर्ता वास्तव में पूरा करता है, एक परफेक्ट लॉग से अनंत गुना अधिक मूल्यवान है जिसे वे कभी नहीं बनाते।

3. क्या उपयोगकर्ता ने एक विशिष्ट लक्ष्य निर्धारित किया

जिन उपयोगकर्ताओं ने ऑनबोर्डिंग के दौरान एक विशिष्ट, मापने योग्य लक्ष्य निर्धारित किया (जैसे, "5 किलोग्राम वजन कम करना" या "प्रति दिन 150 ग्राम प्रोटीन खाना") उनकी दिन-30 रिटेंशन दर 23.4% थी, जबकि "सामान्य स्वास्थ्य" का चयन करने वाले उपयोगकर्ताओं या लक्ष्य सेटिंग को पूरी तरह से छोड़ने वाले उपयोगकर्ताओं के लिए यह 14.1% थी।

विशिष्टता महत्वपूर्ण है। "स्वस्थ खाना" एक ऐसा लक्ष्य नहीं है जिसे मस्तिष्क प्रगति के खिलाफ ट्रैक कर सके। "प्रति दिन 2,000 कैलोरी खाना" एक ऐसा लक्ष्य है।

4. सामाजिक सुविधाओं का उपयोग

जिन उपयोगकर्ताओं ने पहले सप्ताह में कम से कम एक दोस्त से जुड़ने या एक सामुदायिक समूह में शामिल होने का प्रयास किया, उनकी दिन-30 रिटेंशन दर 27.9% थी, जबकि एकल उपयोगकर्ताओं के लिए यह 17.6% थी। सामाजिक जवाबदेही हमारे डेटा सेट में सबसे मजबूत रिटेंशन भविष्यवक्ताओं में से एक है।

5. पहनने योग्य डिवाइस कनेक्शन

जिन उपयोगकर्ताओं ने ऑनबोर्डिंग के दौरान एक पहनने योग्य डिवाइस (Apple Watch, Garmin, Fitbit, आदि) को जोड़ा, उनकी दिन-30 रिटेंशन दर 22.1% थी जबकि जिन उपयोगकर्ताओं ने ऐसा नहीं किया, उनकी यह दर 18.2% थी। प्रभाव मामूली लेकिन लगातार है, और यह समय के साथ बढ़ता है। दिन 90 पर, पहनने योग्य से जुड़े उपयोगकर्ताओं की रिटेंशन दर 14.8% थी जबकि अन्य की 10.1% थी।

संभावित तंत्र फीडबैक लूप्स हैं। जब उपयोगकर्ता अपनी कैलोरी सेवन को अपनी गतिविधि डेटा के साथ देखते हैं, तो जानकारी अधिक क्रियाशील और प्रेरक हो जाती है।

लोगों को वापस लाने वाली बातें

हर कोई जो ड्रॉपआउट करता है, वह नहीं जाता। उन उपयोगकर्ताओं में से जिन्होंने ड्रॉपआउट किया (जो 14+ दिन के लॉगिंग अंतराल के रूप में परिभाषित किया गया), 18.3% ने 180 दिनों के भीतर कम से कम एक बार वापस लौटे। जिनमें से लौटने वालों का विवरण इस प्रकार है:

वापसी पैटर्न	लौटने वाले उपयोगकर्ताओं का %
एक बार लौटे, फिर 7 दिनों के भीतर फिर से ड्रॉपआउट हो गए	52.4%
एक बार लौटे, 30+ दिनों तक सक्रिय रहे	21.7%
कई बार लौटे (2-3 चक्र)	19.8%
लौटे और दीर्घकालिक सक्रिय हो गए (90+ दिन)	6.1%

अधिकांश लौटने वाले स्थायी नहीं होते। लेकिन लगभग 1 में 5 लौटने वाले उपयोगकर्ता सफलतापूर्वक 30 दिनों तक आदत को फिर से स्थापित करते हैं, और लगभग 6% दीर्घकालिक ट्रैकर्स बन जाते हैं।

पुनः संलग्नता को ट्रिगर करने वाली बातें क्या हैं? हमने लौटने वाले उपयोगकर्ताओं के समय की जांच की:

• जनवरी / नया साल: सभी पुनः संलग्नताओं का 31% जनवरी में हुआ, जो एकल सबसे बड़ा स्पाइक है।
• सोमवार: पुनः संलग्नता शुक्रवार की तुलना में सोमवार को 2.4 गुना अधिक होती है।
• चिकित्सा घटना के बाद: जो उपयोगकर्ता अपने स्वास्थ्य प्रोफ़ाइल को अपडेट करते हैं या एक नई स्वास्थ्य स्थिति जोड़ते हैं, वे आधार दर से 3.1 गुना अधिक पुनः संलग्न होते हैं।
• सामाजिक प्रोत्साहन के बाद: जो उपयोगकर्ता जुड़े हुए दोस्तों से एक नudge प्राप्त करते हैं, वे आधार दर से 2.7 गुना अधिक पुनः संलग्न होते हैं।
• ऐप अपडेट सूचनाओं के बाद: ये मामूली पुनः संलग्नता को प्रेरित करते हैं (1.3x आधार), यह सुझाव देते हुए कि उत्पाद सुधार अकेले लोगों को वापस लाने के लिए पर्याप्त नहीं हैं।

"ताज़ा शुरुआत का प्रभाव" व्यवहार विज्ञान में अच्छी तरह से प्रलेखित है, और हमारा डेटा इसे मजबूत रूप से पुष्टि करता है। लोग सबसे अधिक संभावना से स्वास्थ्य व्यवहार को नए सप्ताह, नए महीने, नए साल, या महत्वपूर्ण जीवन की घटनाओं के बाद फिर से शुरू करते हैं।

AI और फोटो लॉगिंग कर्व को कैसे बदलते हैं

हमने दो उपयोगकर्ता खंडों के ड्रॉपआउट कर्व की तुलना की: जो फोटो-आधारित AI लॉगिंग को अपनी प्राथमिक विधि के रूप में उपयोग करते हैं और जो मैनुअल प्रविष्टि विधियों (खोज, बारकोड, या त्वरित जोड़) पर निर्भर करते हैं।

समय बिंदु	% सक्रिय (फोटो AI)	% सक्रिय (मैनुअल)	अंतर
दिन 2	78.4%	69.3%	+9.1
दिन 7	49.2%	37.8%	+11.4
दिन 14	36.1%	25.7%	+10.4
दिन 30	26.8%	15.3%	+11.5
दिन 60	19.4%	10.9%	+8.5
दिन 90	15.7%	8.9%	+6.8

फोटो-प्रथम उपयोगकर्ताओं का ड्रॉपआउट कर्व महत्वपूर्ण रूप से भिन्न होता है। उनकी दिन-30 रिटेंशन मैनुअल-प्रविष्टि उपयोगकर्ताओं की तुलना में 75% अधिक है। अंतर पहले 30 दिनों में सबसे बड़ा है, जो ठीक उसी समय है जब घर्षण सबसे महत्वपूर्ण होता है।

हमें इस तुलना की सीमाओं के बारे में पारदर्शी होना चाहिए। फोटो-लॉगिंग उपयोगकर्ता मैनुअल-प्रविष्टि उपयोगकर्ताओं से ऐसे तरीकों से भिन्न हो सकते हैं जिन्हें हम पूरी तरह से नियंत्रित नहीं कर सकते। वे अधिक तकनीकी रूप से सक्षम, अधिक प्रेरित, या बेहतर कैमरों वाले स्मार्टफोन्स वाले होने की अधिक संभावना रखते हैं। हमने उम्र, प्लेटफ़ॉर्म (iOS बनाम Android), निर्धारित लक्ष्य, और पूर्व ट्रैकिंग अनुभव को नियंत्रित किया, और प्रभाव बना रहा। लेकिन हम सभी पूर्वाग्रहों को समाप्त नहीं कर सकते।

हम यह निश्चितता के साथ कह सकते हैं कि लॉगिंग घर्षण को कम करना — चाहे वह फोटो AI के माध्यम से हो, बेहतर बारकोड स्कैनिंग, या स्मार्ट खाद्य खोज के माध्यम से — रिटेंशन में सुधार के लिए सबसे प्रभावी हस्तक्षेप है। हमारा डेटा यह लगातार दिखाता है, हर समूह और हर जनसांख्यिकीय खंड में जो हमने विश्लेषण किया।

Nutrola में, इस खोज ने हमारी उत्पाद रणनीति को आकार दिया। हमारा फोटो-प्रथम दृष्टिकोण कोई विपणन निर्णय नहीं था। यह एक रिटेंशन निर्णय था। जब भोजन लॉग करने में 8 सेकंड लगते हैं बजाय 90 के, तो उपयोगकर्ता बस कल फिर से करने की अधिक संभावना रखते हैं। और कल फिर से करना ही पूरा खेल है।

आपके लिए इसका क्या मतलब है

यदि आप वर्तमान में अपनी कैलोरी ट्रैकिंग कर रहे हैं, या शुरू करने के बारे में सोच रहे हैं, तो यह डेटा सुझाव देता है।

पहले दो सप्ताह कठिन होने की उम्मीद करें। कठिनाई को इस संकेत के रूप में न समझें कि ट्रैकिंग आपके लिए नहीं है। लगभग हर कोई इसे कठिन पाता है। जो लोग सफल होते हैं, वे वे नहीं हैं जो इसे आसान पाते हैं — वे वे हैं जो घर्षण को पार करते हैं।

घर्षण को निष्ठापूर्वक कम करें। आपके लिए उपलब्ध सबसे तेज़ लॉगिंग विधि का उपयोग करें। यदि आपका ऐप फोटो लॉगिंग का समर्थन करता है, तो इसका उपयोग करें। यदि आप प्रति भोजन एक मिनट से अधिक समय बिता रहे हैं, तो आप बहुत अधिक कर रहे हैं। एक मोटा अनुमान जो आप लॉग करते हैं, वह एक परफेक्ट प्रविष्टि से बेहतर है जिसे आप छोड़ देते हैं।

एक छूटी हुई दिन को विफलता के रूप में न मानें। टूटी हुई श्रृंखला प्रभाव ट्रैकिंग आदतों का सबसे बड़ा हत्यारा है। यदि आप एक दिन, या एक सप्ताहांत, या एक सप्ताह चूक जाते हैं — बस फिर से शुरू करें। हमारा डेटा दिखाता है कि जो उपयोगकर्ता एक विघटन से बचते हैं और वापस आते हैं, वे दीर्घकालिक ट्रैकर्स में से सबसे अधिक लचीले होते हैं।

एक विशिष्ट लक्ष्य निर्धारित करें। "वजन कम करना" पर्याप्त विशिष्ट नहीं है। "प्रति दिन 1,800 कैलोरी खाना" या "140 ग्राम प्रोटीन प्राप्त करना" आपके मस्तिष्क को ट्रैक करने के लिए कुछ ठोस देता है।

किसी को बताएं। जो उपयोगकर्ता एक भी सामाजिक सुविधा में संलग्न होते हैं, उनकी रिटेंशन दर नाटकीय रूप से बेहतर होती है। एक दोस्त को बताएं, एक समूह में शामिल हों, या एक जवाबदेही साथी खोजें। डेटा इस पर स्पष्ट है।

21 नहीं, 90 दिनों का समय दें। लोकप्रिय "21-दिन की आदत" सलाह वास्तव में हानिकारक हो सकती है। 90 दिनों के लिए प्रतिबद्ध करें। उस समय तक, डेटा कहता है कि आपके पास छह महीने तक बने रहने की 78% संभावना है।

निष्कर्ष

कैलोरी ट्रैकिंग ड्रॉपआउट कर्व तेज, अग्रिम-लोडेड, और पूर्वानुमानित है। अधिकांश लोग जो शुरू करते हैं, वे पहले महीने के भीतर छोड़ देंगे। यह इच्छाशक्ति की विफलता नहीं है। यह घर्षण, अपेक्षाओं, और डिज़ाइन की विफलता है।

अच्छी खबर यह है कि कर्व मुड़ता है। हर दिन जब आप ट्रैक करते हैं, अगले दिन छोड़ने की संभावना कम होती जाती है। पहले दो सप्ताह सबसे कठिन होते हैं। पहले 90 दिन परीक्षण का मैदान होते हैं। उसके बाद, संभावनाएं आपके पक्ष में होती हैं।

एक ऐप कंपनी के रूप में, हमारा काम उस कर्व को समतल करना है। न तो गेमिफिकेशन के जुगाड़ों के माध्यम से और न ही अपराध-प्रेरित सूचनाओं के माध्यम से, बल्कि इस तरह से कि भोजन लॉग करने का मूल कार्य इतना तेज और इतना सरल हो जाए कि घर्षण लगभग समाप्त हो जाए। यही AI-शक्ति वाली फोटो लॉगिंग करती है। यही कारण है कि Nutrola इसके चारों ओर बनाया गया है।

लेकिन कोई ऐप आपके लिए काम नहीं कर सकता। जो डेटा दिखाता है, वह यह है कि स्थिरता सटीकता से अधिक महत्वपूर्ण है। जो उपयोगकर्ता दीर्घकालिक ट्रैकिंग में सफल होते हैं, वे वे नहीं हैं जो हर ग्राम को सही ढंग से लॉग करते हैं। वे वे हैं जो लगातार आते रहते हैं, भले ही वे सही न हों, भले ही एक खराब दिन के बाद, भले ही एक टूटी हुई श्रृंखला के बाद।

ड्रॉपआउट कर्व भाग्य नहीं है। यह एक मानचित्र है। और अब आप जानते हैं कि चट्टानें कहां हैं।

---

यह विश्लेषण 1,208,614 Nutrola खातों से अनाम, समेकित उपयोग डेटा पर आधारित है। कोई व्यक्तिगत उपयोगकर्ता डेटा साझा या पहचान योग्य नहीं था। Nutrola की गोपनीयता नीति सभी डेटा हैंडलिंग प्रथाओं को नियंत्रित करती है। पद्धति संबंधी प्रश्नों के लिए, research@nutrola.com पर संपर्क करें।

Nutrola की कीमत EUR 2.50/माह से शुरू होती है और सभी योजनाओं पर कोई विज्ञापन नहीं होता है। nutrola.com पर अधिक जानें।