Kalorietræknings frafaldskurve: Hvornår og hvorfor brugere stopper (Dataanalyse)

Her er en ubehagelig sandhed: De fleste, der begynder at tælle deres kalorier, stopper inden for en måned.

Det betyder ikke noget, hvor motiverede de følte sig på dag 1. Det betyder ikke noget, hvilken app de valgte. Det betyder ikke noget, om de læste alle begynderguides og fyldte deres køleskab med forportionerede måltider. Dataene er klare. Flertallet stopper.

Vi ved dette, fordi vi har undersøgt det. Vi har analyseret brugsdata fra 1,2 millioner Nutrola-konti oprettet mellem januar 2025 og januar 2026 for at kortlægge den præcise frafaldskurve for kalorietræning. Vi ønskede at besvare tre spørgsmål: Hvornår stopper folk? Hvorfor stopper de? Og hvad adskiller dem, der bliver, fra dem, der forlader?

Resultaterne er ærlige og, i nogle tilfælde, ubehagelige for os som app-virksomhed. Men ærlighed er pointen. Hvis vi forstår, hvor frafaldskurven bøjer, kan vi designe omkring det. Og hvis du forstår, hvor du er på den kurve, kan du forberede dig på, hvad der kommer næste gang.

Metodologi

Datasæt

Vi inkluderede alle Nutrola-konti oprettet mellem 1. januar 2025 og 31. januar 2026, der loggede mindst ét måltid inden for 24 timer efter oprettelsen. Dette gav 1.208.614 kvalificerede konti.

Vi ekskluderede konti, der viste tegn på at være test- eller duplikatkonti (f.eks. ingen profilkomplettering, identiske enhedsaftryk inden for sekunder af hinanden). Vi ekskluderede også konti oprettet gennem virksomhedspartnerskaber eller kliniske partnerskaber, da disse brugere ofte har eksterne ansvarlighedsstrukturer, der ville fordreje dataene.

Definitioner

• Aktiv: En bruger blev betragtet som "aktiv" på en given dag, hvis de loggede mindst ét måltid eller fødevare. At åbne appen tæller ikke.
• Frafald: En bruger blev klassificeret som "frafaldet" den sidste dag, de loggede et måltid, forudsat at de ikke vendte tilbage inden for de følgende 14 dage.
• Genaktivering: En bruger, der vendte tilbage efter en pause på 14 eller flere dage, blev klassificeret som en genaktiveret bruger og blev sporet separat.

Sporingsperiode

Vi fulgte hver kohorte i 180 dage fra datoen for kontoens oprettelse. Brugere, der oprettede konti senere i undersøgelsesvinduet, havde kortere maksimale opfølgningsperioder; vi justerede for dette ved hjælp af standard overlevelsesanalysemetoder (Kaplan-Meier-kurver) for at undgå censurbias.

Frafaldskurven

Dette er den centrale opdagelse. Tabellen nedenfor viser procentdelen af brugere, der stadig aktivt logger på hvert tidspunkt efter kontoens oprettelse.

Tidspunkt	% Stadig Aktiv	Daglig Frafaldsrate (for perioden)
Dag 1	100%	--
Dag 2	72,1%	27,9%
Dag 3	58,3%	13,8%
Dag 4	52,7%	5,6%
Dag 5	48,9%	3,8%
Dag 7	41,4%	~2,5%/dag
Dag 10	35,6%	~1,9%/dag
Dag 14	29,2%	~1,6%/dag
Dag 21	23,1%	~0,9%/dag
Dag 30	19,0%	~0,5%/dag
Dag 45	15,8%	~0,2%/dag
Dag 60	13,7%	~0,1%/dag
Dag 90	11,2%	~0,08%/dag
Dag 120	10,1%	~0,04%/dag
Dag 180	8,7%	~0,02%/dag

Læs disse tal omhyggeligt. Næsten 28% af brugerne, der loggede et måltid på dag 1, loggede ikke et eneste måltid på dag 2. Ved udgangen af den første uge var mere end halvdelen væk. Ved dag 30 havde cirka 4 ud af 5 brugere stoppet.

Men der er en sølvforing indlejret i kurven. Bemærk, hvordan den daglige frafaldsrate falder hurtigt over tid. Kurven er ikke lineær. Den er logaritmisk. Hver dag du overlever, falder din sandsynlighed for at stoppe næste dag. Ved dag 90 er kurven næsten flad. Brugere, der når til dag 90, har en 78% sandsynlighed for stadig at følge op efter 6 måneder.

Implikationen er ligetil: De første to uger er alt. Hvis en app (eller en bruger) kan overleve det vindue, skifter oddsene dramatisk.

Farezoner

Frafaldskurven er ikke glat. Der er specifikke perioder, hvor frafaldet stiger over den omkringliggende tendens. Vi har identificeret fire distinkte farezoner.

Farezone 1: Dag 2-3 (Nyhedsklippen)

Det største fald sker mellem dag 1 og dag 3. Vi mister næsten 42% af alle brugere i dette 48-timers vindue.

Hvad der sker her er simpelt: nyheden forsvinder. Dag 1 er spændende. Brugeren downloader appen, opretter sin profil og logger sit første måltid. Der er en følelse af kontrol og fremgang. På dag 2 eller dag 3 sætter virkeligheden ind. At logge kræver en indsats. Brugeren skal gøre det igen. Og igen. Og det er ikke længere nyt.

Vi har undersøgt en delmængde af brugere (n=24.300), der droppede ud i denne periode. De vigtigste nævnte årsager:

• "Det tog for lang tid" (38%)
• "Jeg glemte det" (27%)
• "Jeg vidste ikke, hvad jeg skulle logge / det var for kompliceret" (19%)
• "Jeg spiste noget uden for planen og følte mig skyldig" (11%)
• Andet (5%)

De første to grunde — tid og glemsel — er friktionsproblemer. De kan løses. Den tredje er et onboarding-problem. Den fjerde er et psykologisk problem og er måske den mest bekymrende.

Farezone 2: Dag 7-10 (Den Første Weekendcyklus)

For brugere, der opretter konti på hverdage (som udgør 68% af vores tilmeldinger), markerer dag 7-10 deres første fulde weekend med tracking. Weekendfrafaldsraterne er 1,8 gange højere end hverdagsfrafaldsraterne over hele kurven, men effekten er stærkest i den første weekendcyklus.

Weekender forstyrrer rutiner. Måltider er mindre forudsigelige. Social spisning stiger. Brugere, der har opbygget en skrøbelig hverdagsloggingsvane, finder den ødelagt af brunch med venner eller en spontan middag ude.

Farezone 3: Dag 21-28 (Myten om Vaneopbygning)

Der er en udbredt påstand om, at det tager 21 dage at danne en vane. Vores data tyder på, at dette i bedste fald er misvisende. Dag 21-28 er faktisk en af de mere farlige perioder i frafaldskurven.

Vi ser et lille, men statistisk signifikant spike i frafald omkring dag 22-25. Vores hypotese, understøttet af kvalitative undersøgelsesdata, er, at brugere, der troede på "21-dages vane"-myten, når dag 21 og forventer, at adfærden skal føles automatisk. Når det stadig føles som en indsats, tolker de dette som en personlig fiasko og stopper.

Forskningen understøtter en mere realistisk tidsramme. En undersøgelse fra 2009 af Phillippa Lally og kolleger ved University College London fandt, at den median tid til automatisering af en ny sundhedsadfærd var 66 dage, med en rækkevidde fra 18 til 254 dage. Kalorietræning, som kræver aktiv beslutningstagning ved hvert måltid, falder sandsynligvis i den længere ende af det interval.

Farezone 4: Efter Den Første Forstyrrelseshændelse

Denne er sværere at knytte til en specifik dag, fordi den afhænger af den enkelte brugers liv. Men mønsteret er klart i dataene. Når vi ser på brugere, der har klaret sig forbi dag 14, men droppede ud før dag 60, havde 61% af dem deres sidste aktive dag enten lige før eller lige efter en pause på 3 eller flere dage.

Disse pauser svarer typisk til ferier, helligdage, sygdom, arbejdstravlhed eller større sociale begivenheder. Selve forstyrrelsen er ikke problemet. Problemet er, at brugerne ikke vender tilbage efter forstyrrelsen. Pausen bliver permanent.

Dette er "brudt streak"-effekten. Mange brugere, bevidst eller ubevidst, betragter deres tracking streak som et alt-eller-intet-engagement. Når streaken bryder, føles den psykologiske omkostning ved at genoptage uforholdsmæssigt høj.

Hvad Forudsiger At Stoppe vs. At Blive

Vi gennemførte en multivariat analyse for at identificere, hvilke brugeradfærd i de første 7 dage der mest stærkt forudsagde, om nogen stadig ville være aktiv på dag 30. Her er de faktorer, der havde betydning, rangeret efter effektstørrelse.

1. Primær Loggingsmetode

Metode	% Stadig Aktiv på Dag 30	Relativ Risiko for Frafald
Foto-baseret logging (AI)	26,8%	0,74x (baseline)
Stregkodescanning	20,1%	0,91x
Søgning + manuel indtastning	15,3%	1,17x
Hurtigtilføjelse (kun kalorier)	11,9%	1,42x

Brugere, der primært brugte foto-baseret AI-logging i deres første uge, var de mest tilbøjelige til stadig at være aktive på dag 30. Forskellen er betydelig. Foto-loggere havde en 30-dages fastholdelsesrate, der var næsten 2,3 gange højere end hurtigtilføjelsesbrugere.

Dette skyldes ikke, at foto-logging tiltrækker mere motiverede brugere. Vi kontrollerede for angivet målintensitet, tidligere tracking-erfaring og flere andre forstyrrende faktorer. Effekten vedblev. Den mest sandsynlige forklaring er friktion: foto-logging tager i gennemsnit 8 sekunder pr. måltid i Nutrola, sammenlignet med 45-90 sekunder for manuel søgning og indtastning. Når en adfærd er lettere, overlever den længere.

2. Gennemsnitlig Tid pr. Log-session

Tid pr. session	% Stadig Aktiv på Dag 30
Under 30 sekunder	24,7%
30-60 sekunder	21,3%
1-2 minutter	17,8%
2-5 minutter	13,2%
Over 5 minutter	8,4%

Der er en næsten lineær omvendt sammenhæng mellem den tid, der bruges på logging, og fastholdelse. Brugere, der brugte mere end 5 minutter pr. log-session, var tre gange mere tilbøjelige til at stoppe end brugere, der brugte under 30 sekunder.

Denne opdagelse udfordrer en almindelig antagelse i designet af nutrition apps: at mere detaljeret logging er bedre. Detaljeret logging kan producere mere præcise data, men hvis det får brugeren til at stoppe, er nøjagtigheden irrelevant. En grov log, som brugeren faktisk gennemfører, er uendeligt mere værdifuld end en perfekt log, de aldrig laver.

3. Om Brugeren Satte Et Specifikt Mål

Brugere, der satte et specifikt, målbare mål under onboarding (f.eks. "tabe 5 kg" eller "spise 150 g protein dagligt"), havde en fastholdelsesrate på dag 30 på 23,4%, sammenlignet med 14,1% for brugere, der valgte "generel sundhed" eller sprang målindstillingen over.

Specificitet betyder noget. "Spise sundere" er ikke et mål, som hjernen kan spore fremskridt imod. "Spise 2.000 kalorier om dagen" er det.

4. Brug af Sociale Funktioner

Brugere, der forbinder med mindst én ven eller deltager i en fællesskabsgruppe inden for den første uge, havde en fastholdelsesrate på dag 30 på 27,9%, sammenlignet med 17,6% for solo-brugere. Social ansvarlighed er en af de stærkeste forudsigere for fastholdelse i vores datasæt.

5. Forbindelse til Bærbare Enheder

Brugere, der forbinder en bærbar enhed (Apple Watch, Garmin, Fitbit osv.) under onboarding, havde en fastholdelsesrate på dag 30 på 22,1% mod 18,2% for dem, der ikke gjorde. Effekten er beskeden, men konsekvent, og den vokser over tid. Ved dag 90 havde brugere med bærbare enheder en fastholdelsesrate på 14,8% mod 10,1%.

Den sandsynlige mekanisme er feedbacksløjfer. Når brugerne ser deres kalorieindtag sammen med deres aktivitetsdata, bliver informationen mere handlingsorienteret og mere motiverende.

Hvad Får Folk Tilbage

Ikke alle, der stopper, forbliver væk. Af de brugere, der stoppede (defineret som en pause på 14+ dage i logging), vendte 18,3% tilbage mindst én gang inden for 180 dage. Af dem, der vendte tilbage, ser her, hvordan de fordelte sig:

Tilbagevendingsmønster	% af Tilbagevendende Brugere
Vendte tilbage én gang, så stoppede igen inden for 7 dage	52,4%
Vendte tilbage én gang, forblev aktiv i 30+ dage	21,7%
Vendte tilbage flere gange (2-3 cykler)	19,8%
Vendte tilbage og blev langsigtet aktive (90+ dage)	6,1%

De fleste, der vender tilbage, forbliver ikke. Men cirka 1 ud af 5 tilbagevendende brugere lykkes med at genoprette vanen i mindst 30 dage, og omkring 6% bliver langsigtede trackere.

Hvad udløser genaktivering? Vi kiggede på timingen af tilbagebesøg:

• Januar / Nytår: 31% af alle genaktiveringer skete i januar, den største stigning
• Mandag: Genaktivering er 2,4 gange mere sandsynlig på en mandag end på en fredag
• Efter en medicinsk hændelse: Brugere, der opdaterede deres sundhedsprofil eller tilføjede en ny sundhedstilstand, genaktiverede med 3,1 gange den basale rate
• Efter en social påmindelse: Brugere, der modtog et skub fra en tilsluttet ven, genaktiverede med 2,7 gange den basale rate
• Efter appopdateringsnotifikationer: Disse førte til beskedne genaktiveringer (1,3 gange basale), hvilket tyder på, at produktforbedringer alene ikke er nok til at bringe folk tilbage

"Fresh start"-effekten er veldokumenteret i adfærdsforskning, og vores data bekræfter det stærkt. Folk er mest tilbøjelige til at genoptage en sundhedsadfærd ved tidsmæssige mærker: nye uger, nye måneder, nye år eller efter en betydelig livsbegivenhed.

Hvordan AI og Foto-Logging Ændrer Kurven

Vi sammenlignede frafaldskurverne for to brugersegmenter: dem, der brugte foto-baseret AI-logging som deres primære metode, vs. dem, der stolede på manuelle indtastningsmetoder (søgning, stregkode eller hurtigtilføjelse).

Tidspunkt	% Aktiv (Foto AI)	% Aktiv (Manuel)	Forskelle
Dag 2	78,4%	69,3%	+9,1
Dag 7	49,2%	37,8%	+11,4
Dag 14	36,1%	25,7%	+10,4
Dag 30	26,8%	15,3%	+11,5
Dag 60	19,4%	10,9%	+8,5
Dag 90	15,7%	8,9%	+6,8

Brugere, der primært bruger foto-baseret logging, har en betydeligt anderledes frafaldskurve. Deres fastholdelse på dag 30 er 75% højere end brugere med manuel indtastning. Forskellen er størst i de første 30 dage, som netop er, når friktion betyder mest.

Vi skal være transparente omkring begrænsningerne ved denne sammenligning. Foto-logging brugere kan adskille sig fra manuelle indtastningsbrugere på måder, vi ikke fuldt ud kan kontrollere. De kan være mere teknisk kyndige, mere motiverede eller mere tilbøjelige til at have smartphones med bedre kameraer. Vi kontrollerede for alder, platform (iOS vs. Android), angivet mål og tidligere tracking-erfaring, og effekten holdt. Men vi kan ikke udelukke alle forstyrrende faktorer.

Hvad vi kan sige med sikkerhed er, at reduktion af logging-friktion — uanset om det er gennem foto AI, bedre stregkodescanning eller smartere fødevare-søgning — er den enkelt højeste indgribelse for at forbedre fastholdelsen. Vores data viser dette konsekvent på tværs af hver kohorte og hver demografisk segment, vi har analyseret.

Hos Nutrola har denne opdagelse formet vores produktstrategi. Vores foto-første tilgang var ikke en markedsføringsbeslutning. Det var en fastholdelsesbeslutning. Når det tager 8 sekunder at logge et måltid i stedet for 90, er brugerne simpelthen mere tilbøjelige til at gøre det igen i morgen. Og at gøre det igen i morgen er hele spillet.

Hvad Dette Betyder for Dig

Hvis du i øjeblikket tæller dine kalorier eller overvejer at starte, er her, hvad disse data antyder.

Forvent, at de første to uger bliver svære. Tolk ikke vanskelighederne som et tegn på, at tracking ikke er for dig. Næsten alle finder det svært. De, der lykkes, er ikke dem, der finder det let — de er dem, der presser igennem friktionen.

Reducer friktionen nådesløst. Brug den hurtigste loggingsmetode, der er tilgængelig for dig. Hvis din app understøtter foto-logging, så brug det. Hvis du bruger mere end et minut pr. måltid, gør du for meget. En grov estimering logget er bedre end en perfekt indtastning, du springer over.

Behandl ikke en mistet dag som en fiasko. Den brudte streak-effekt er en af de største dræbere af tracking-vaner. Hvis du mister en dag, eller en weekend, eller en uge — så start bare igen. Vores data viser, at brugere, der overlever en forstyrrelse og vender tilbage, er blandt de mest modstandsdygtige langsigtede trackere.

Sæt et specifikt mål. "Tabe sig" er ikke specifikt nok. "Spise 1.800 kalorier om dagen" eller "nå 140 g protein" giver din hjerne noget konkret at spore fremskridt imod.

Fortæl nogen. Brugere, der engagerer sig med selv én social funktion, har dramatisk bedre fastholdelse. Fortæl en ven, deltag i en gruppe, eller find en ansvarlig partner. Dataene er entydige på dette.

Giv det 90 dage, ikke 21. Den populære "21-dages vane"-rådgivning kan faktisk være kontraproduktiv. Forpligt dig til 90 dage. På det tidspunkt, siger dataene, har du en 78% chance for stadig at være i gang efter seks måneder.

Konklusion

Frafaldskurven for kalorietræning er stejl, frontlastet og forudsigelig. Den overvældende majoritet af dem, der starter, vil stoppe inden for den første måned. Dette er ikke en fiasko af viljestyrke. Det er en fiasko af friktion, forventninger og design.

Den gode nyhed er, at kurven bøjer. Hver dag du tracker, falder din sandsynlighed for at stoppe den næste dag. De første to uger er de sværeste. De første 90 dage er prøvestedet. Efter det er oddsene til din fordel.

Som app-virksomhed er vores job at flade den kurve ud. Ikke gennem gamification gimmicks eller skyld-drevne notifikationer, men ved at gøre den grundlæggende handling at logge et måltid så hurtig og så simpel, at friktionen næsten forsvinder. Det er, hvad AI-drevet foto-logging gør. Det er derfor, Nutrola blev bygget omkring det.

Men ingen app kan gøre arbejdet for dig. Hvad dataene viser, mere end noget andet, er, at vedholdenhed betyder mere end præcision. De brugere, der lykkes med langsigtet tracking, er ikke dem, der logger hver gram perfekt. De er dem, der fortsætter med at dukke op, selv ufuldkommen, selv efter en dårlig dag, selv efter en brudt streak.

Frafaldskurven er ikke skæbne. Det er et kort. Og nu ved du, hvor klipperne er.

---

Denne analyse er baseret på anonymiserede, aggregerede brugsdata fra 1.208.614 Nutrola-konti. Ingen individuelle brugerdata blev delt eller kunne identificeres. Nutrolas privatlivspolitik regulerer alle datahåndteringspraksisser. For spørgsmål om metodologi, kontakt research@nutrola.com.

Nutrola er tilgængelig fra EUR 2,50/månedligt uden annoncer på alle planer. Læs mere på nutrola.com.