照片与手动卡路里记录：500餐速度测试

你可能会发现，使用六个月的卡路里追踪器和两周后就放弃的追踪器之间的差别，往往归结为一个因素：记录一餐所需的时间。

这并不是夸大其词。关于数字健康工具的研究一致表明，微摩擦——应用工作流程中的小而重复的烦恼——是长期坚持的最强预测因素。每餐需要25秒的记录方式与只需3秒的方式听起来似乎没有太大差别。但如果你将这个差异乘以每天五次记录，每周七天，每年五十二周，那么你就会发现，数据录入的累计时间差距超过了11个小时。

我们想要确切了解不同记录方法之间的速度差距有多大，以及这种差距是否适用于不同类型的餐食。因此，我们对500餐真实餐食进行了控制速度测试，使用了四种常见的记录方式。

测试设置

测试餐食

我们选择了500餐，涵盖了各种复杂程度和食物类型：

• 125道简单餐食： 单一食材的餐盘，如香蕉、蛋白棒、一碗燕麦粥或一杯牛奶。
• 125道中等复杂餐食： 两到三种成分的组合，如三明治配薯片、米饭配烤鸡或酸奶配格兰诺拉麦片和浆果。
• 125道复杂餐食： 四种或更多成分，带有酱料、配料或混合准备——比如一碗包含米饭、豆类、莎莎酱、鳄梨酱、酸奶油和奶酪的卷饼碗。
• 125道多项餐食： 完整的餐盘，包含多个独立菜肴，如一盘牛排、烤蔬菜、土豆泥和配有调料的沙拉。

每道餐食都进行了拍照、口头描述，并识别了其各个成分以便进行条形码和手动查找。没有重复的餐食。

测试的记录方法

每道餐食都以随机顺序记录了四种方式，以消除学习效应：

1. 照片AI（Nutrola）： 打开Nutrola应用，点击相机图标，拍照，确认检测到的食材和份量，然后保存。
2. 语音记录（Nutrola）： 打开Nutrola应用，点击麦克风图标，口头描述餐食，确认解析的记录，然后保存。
3. 条形码扫描： 打开支持条形码的追踪器，扫描每个食材的条形码，输入数量，然后保存。（仅适用于包装食品——不适用于没有条形码的餐食。）
4. 手动搜索选择： 打开传统的卡路里追踪器，在搜索栏中输入食物名称，浏览结果，选择正确的匹配，调整份量，然后对每个成分重复此过程。

测量方式

计时从用户点击应用图标的那一刻开始，到确认并保存记录时结束。每次记录会话都由两位独立评审员进行屏幕录制并精确到十分之一秒。测试者都是熟悉这四种方法的经验用户——这不是对入门速度的测试，而是对熟练用户在实际使用中的记录速度的测试。

总体结果

以下是四种方法在500餐中的表现：

方法	平均时间	简单餐食	复杂餐食	多项餐食
照片AI（Nutrola）	2.8秒	2.1秒	3.4秒	4.2秒
语音（Nutrola）	4.5秒	3.2秒	5.8秒	7.1秒
条形码扫描	8.2秒	6.1秒	N/A	N/A
手动搜索	24.3秒	15.8秒	38.2秒	52.1秒

Nutrola的照片AI记录平均速度比手动搜索选择快8.7倍。 对于多项餐食，这一差距扩大至12.4倍。

语音记录位居第二，速度比手动录入快约5.4倍。条形码扫描仅适用于简单的包装食品，表现尚可，但其根本上仅限于可扫描条形码的物品。

手动搜索在每个类别中都是最慢的方法，随着餐食复杂度的增加，其时间惩罚也不成比例地增长。

每日时间投入

大多数人每天吃三餐和两次零食。以下是每种记录方法所需的累计时间：

方法	每次记录（平均）	每日（5次记录）	每月（30天）	每年（365天）
照片AI（Nutrola）	2.8秒	14秒	7分钟	85分钟
语音（Nutrola）	4.5秒	22.5秒	11.3分钟	137分钟
条形码扫描	8.2秒	41秒	20.5分钟	249分钟
手动搜索	24.3秒	2分钟1秒	60.8分钟	12.3小时

在整整一年中，手动搜索选择记录消耗超过12小时的纯数据录入时间。Nutrola的照片AI记录在同一时期大约只需85分钟——差距接近11小时。

这11小时你可以用来做饭、锻炼、睡觉，或者做任何其他事情，而不是在搜索栏中输入“烤鸡胸肉150克”。

按餐食复杂度的速度

此次测试中最重要的发现并不是整体平均值，而是每种方法在餐食复杂度增加时的表现。

餐食类型	照片AI	语音	手动搜索	手动与照片AI差距
简单（1种食材）	2.1秒	3.2秒	15.8秒	7.5倍慢
中等（2-3种食材）	2.7秒	4.6秒	26.4秒	9.8倍慢
复杂（4种以上食材）	3.4秒	5.8秒	38.2秒	11.2倍慢
多项餐食	4.2秒	7.1秒	52.1秒	12.4倍慢

手动记录时间随着复杂度的增加而急剧上升。从简单餐食到多项餐食，手动记录时间增加了230%，从15.8秒增加到52.1秒。而Nutrola的照片AI时间仅增加了100%，从2.1秒增加到4.2秒。

这是因为手动搜索需要为每个单独的成分进行一次单独的搜索-滚动-选择-份量循环。一个包含六种配料的卷饼碗意味着六次单独的搜索。而照片AI则通过一次拍照识别所有可见成分。相机一次性捕捉整个餐盘——用户不需要将餐食心理分解为单独的数据库条目。

这种规模优势至关重要，因为人们最可能跳过记录的餐食正是那些复杂的、多成分的餐食，而手动录入使得这一过程变得痛苦。一份包含八种成分的沙拉、一份混合蔬菜的炒菜、一盘冷盘——这些都是让手动记录者说“我就估算一下”或“我稍后再记录”（然后从未记录）的餐食。

摩擦与保留的关系

速度不仅仅是一个便利因素。它还是一个保留预测因素。

关于习惯形成的行为研究一致指出了一个概念——“行动摩擦”——即从意图行动到完成该行动之间的步骤和时间。2022年发表在《英国健康心理学杂志》上的一项研究发现，健康追踪工作流程中的每增加一步，都会使持续每日使用的概率降低约12%，在90天内尤为明显。

斯坦福行为设计实验室的另一项研究显示，每次需要少于10秒的努力的行为，比那些需要30秒或更长时间的行为更有可能形成自动习惯。这个阈值并非随意设定——它对应于一个动作可以在单一注意力周期内完成的窗口，而无需用户重新集中注意力。

我们在Nutrola的内部数据直接支持这一点：

每次记录平均时间	90天保留率	每日平均记录餐食
少于5秒	74.2%	4.1
5-15秒	58.6%	3.3
15-30秒	41.3%	2.7
超过30秒	22.8%	1.9

平均记录时间少于5秒的用户——这几乎与Nutrola照片AI用户完全对应——90天保留率为74.2%。而平均每次记录超过30秒的用户，保留率仅为22.8%。这意味着保留率之间存在3.3倍的差异，几乎完全由记录互动的速度驱动。

实际意义很简单：如果你的记录方法耗时过长，你就会停止记录。并不是因为你缺乏自律，而是因为人类大脑系统性地降低了对那些需要努力的微任务的优先级，而这些任务带来的回报是延迟的。

真实用户场景

抽象的平均值有其用处，但现实生活发生在具体的时刻。以下是Nutrola中照片AI与手动记录在四个常见日常场景中的比较：

场景1：在家吃早餐

餐食： 两个炒鸡蛋、一片涂了黄油的全麦吐司、一杯黑咖啡。

方法	时间	步骤
照片AI（Nutrola）	2.4秒	打开应用，拍照，确认，完成
手动搜索	22.7秒	搜索“炒鸡蛋”（选择，设置份量），搜索“全麦吐司”（选择，设置份量），搜索“黄油”（选择，设置份量），搜索“黑咖啡”（选择），保存

在手动记录中，用户必须记得将黄油单独记录——这一步骤许多人会跳过，默默地为他们的一天增加100多卡路里的未记录。

场景2：在餐厅吃午餐

餐食： 烤三文鱼配藜麦、蒸西兰花和柠檬油醋酱。

方法	时间	步骤
照片AI（Nutrola）	3.1秒	拍摄餐盘照片，确认检测到的食材，完成
手动搜索	41.6秒	搜索“烤三文鱼”（浏览15个以上结果，估算份量），搜索“藜麦”（选择，估算数量），搜索“蒸西兰花”（选择，估算数量），搜索“油醋酱”（滚动，选择最接近的匹配，估算数量），保存

餐厅餐食是手动记录真正崩溃的地方。你很少知道确切的准备方法、份量或具体成分。照片AI通过直接分析视觉比例来处理这些，而手动搜索则迫使你在多个搜索查询中进行多次猜测。

场景3：在桌子上吃下午茶

餐食： 一把杏仁和一个苹果。

方法	时间	步骤
照片AI（Nutrola）	1.9秒	拍照，确认，完成
手动搜索	12.4秒	搜索“杏仁”（选择，估算一把的克数），搜索“苹果”（选择中等/大），保存

即使是简单的零食，照片AI也快了超过6倍。而零食是人们在手动追踪器中最常跳过的记录——它们感觉“太小，不值得记录”，尤其是当记录需要12秒的主动搜索时。

场景4：自制晚餐

餐食： 意大利肉酱面，配有牛肉、洋葱、大蒜、番茄酱、橄榄油、帕尔马奶酪，以及一份混合绿色沙拉，配有橄榄油和香醋。

方法	时间	步骤
照片AI（Nutrola）	4.8秒	拍摄餐盘和沙拉的照片，确认检测到的食材，完成
手动搜索	58.3秒	搜索并记录9种单独成分，估算每种的份量，保存

自制餐食是最终的压力测试。对于九种成分，手动记录需要进行九次单独的搜索和份量循环。这个过程繁琐到许多手动记录用户不得不搜索“意大利肉酱面”作为一个通用条目——这可能会因食谱的不同而偏差200-400卡路里。Nutrola的照片AI识别可见成分并根据图像估算份量，提供显著更准确的分解，而无需用户逐一列出每个成分。

这对你的记录目标意味着什么

这500餐测试的数据指向一个简单的结论：记录速度不是奢侈功能。它是决定卡路里追踪是否能在长期内对你有效的结构性因素。

当记录速度足够快，感觉毫不费力——低于5秒，如Nutrola的照片AI时——它就会成为你像查看时间一样的反射性行为。当记录每餐需要25到50秒的主动搜索和数据录入时，它就会变成一项与其他所有需求竞争的繁琐工作。

最好的卡路里追踪器是你能持续使用的那个。而数据清楚表明，记录互动的速度是决定一致性的最强杠杆。

常见问题解答

Nutrola的照片AI卡路里记录速度与手动录入相比如何？

在我们的500餐速度测试中，Nutrola的照片AI平均记录时间为2.8秒，而手动搜索选择为24.3秒。这使得Nutrola的照片AI记录速度约为传统手动卡路里记录的8.7倍。对于复杂的多成分餐食，速度优势增加到超过12倍。

Nutrola的照片记录适用于多项成分的复杂餐食吗？

是的。Nutrola的照片AI专门设计用于处理复杂的餐盘。在我们的测试中，多项餐食（四种或更多独立菜肴）的平均记录时间为4.2秒。AI在一张照片中识别所有可见食材，基于视觉比例估算份量，并提供完整的确认分解。无需单独搜索和记录每个成分。

与手动追踪相比，Nutrola的照片记录每天节省多少时间？

如果你每天记录三餐和两次零食，Nutrola的照片AI大约需要14秒。手动搜索选择则需要约2分钟1秒来完成相同的五次记录。一个月下来，这一差异大约节省54分钟。整整一年，Nutrola的照片记录比手动追踪方法节省超过11小时。

记录速度真的会影响人们是否坚持卡路里追踪吗？

我们的内部数据表明，二者之间存在直接关联。Nutrola用户的平均记录时间在5秒以内时，90天的保留率为74.2%，而平均每次记录超过30秒的用户保留率仅为22.8%。行为研究支持这一发现——健康追踪工作流程中每增加一秒的摩擦都会降低持续每日使用的概率。Nutrola的快速照片记录专门设计以保持摩擦低于习惯形成破裂的阈值。

Nutrola的语音记录速度比手动卡路里追踪快吗？

是的。Nutrola的语音记录在我们的测试中平均每次记录时间为4.5秒，约比手动搜索选择快5.4倍，后者为24.3秒。语音记录对于简单和中等复杂的餐食尤其有效。对于那些更喜欢说话而不是拍照的用户——例如在低光条件下用餐时——Nutrola的语音选项仍然提供了相较于传统手动录入的显著速度优势。

条形码扫描能与Nutrola的照片AI记录速度相匹配吗？

条形码扫描在我们的测试中对简单包装食品的平均时间为8.2秒，虽然比手动搜索快，但仍然大约慢Nutrola的照片AI 3倍（后者为2.8秒）。更重要的是，条形码扫描仅限于具有可扫描代码的包装产品。它无法处理餐厅餐食、自制菜肴、新鲜农产品或任何多成分的餐盘。Nutrola的照片AI适用于所有食物类型，使其在速度和普适性上都优于基于条形码的记录。