למה סורק הברקוד שלך מציג את המוצר הלא נכון (ואיך לתקן את זה)

אי-התאמות בברקודים משפיעות על כ-2 עד 8 אחוזים מכל הסריקות באפליקציות תזונה התלויות בבסיסי נתונים המנוהלים על ידי קהל, ומפגש אחד עם מוצר שגוי יכול להטות את ספירת הקלוריות היומית שלך במאות קלוריות מבלי שתשים לב. הבעיה לא נובעת מהמצלמה של הטלפון שלך או מהטכניקה שלך בסריקה. הבעיה היא שברקודים לא נועדו להיות מזהים קבועים, ייחודיים ועולמיים לנתוני תזונה. הבנת הסיבות לאי-התאמות היא הצעד הראשון לתפוס ולתקן אותן לפני שהן משבשות את יומן המזון שלך.

איך ברקודים עובדים באמת (ולמה הם נכשלו במעקב תזונה)

ברקוד על מוצר מזון הוא או UPC-A (12 ספרות, בשימוש בעיקר בצפון אמריקה) או EAN-13 (13 ספרות, בשימוש בינלאומי). קודים אלו מוקצים על ידי GS1, ארגון תקנים עולמי, דרך ארגונים מקומיים. יצרנים רוכשים בלוקים של ברקודים ומקצים אותם למוצרים שלהם.

הפרט הקריטי שרוב האנשים לא יודעים: ההנחיות של GS1 מאפשרות להקצות מחדש ברקודים. כאשר מוצר מפסיק להיות מיוצר, הברקוד שלו יכול להיות ממוחזר ולהינתן למוצר אחר לחלוטין לאחר תקופת המתנה. GS1 ממליצה על מינימום של 48 חודשים לפני השימוש מחדש, אך הציות לכך הוא וולונטרי. חלק מהיצרנים מקצים מחדש ברקודים בתוך 12 חודשים.

זה אומר שברקוד אינו תעודת זהות קבועה למוצר. זה יותר כמו מספר טלפון: אותו מספר יכול להיות שייך לאנשים שונים בזמנים שונים. בסיסי נתונים תזונתיים שאינם מנהלים את המציאות הזו באופן פעיל יגישו באופן בלתי נמנע נתונים ישנים או שגויים.

סיבה 1: שימוש חוזר בברקודי UPC ו-EAN

כאשר יצרן מפסיק לייצר מוצר, הברקוד שהוקצה לו הופך לזמין להקצאה מחדש. ברקוד שהיה שייך לחטיף גרנולה של 200 קלוריות עשוי עכשיו להיות שייך לתערובת אגוזים של 350 קלוריות. אם בסיס הנתונים עדיין מקשר את הברקוד הזה למוצר הישן, תתעד 200 קלוריות בזמן שבפועל צרכת 350.

איך לזהות את זה: שם המוצר או המותג שהוחזר על ידי הסריקה לא תואם למה שמודפס על האריזות שלך. הערכים התזונתיים עשויים גם להיות שונים בצורה בולטת ממה שה-label אומר.

איך לתקן את זה: תמיד תסתכל על שם המוצר שהוחזר על ידי הסריקה לפני שתאשר את הכניסה. אם השם לא תואם למוצר שלך, תזנח את תוצאת הסריקה. חפש ידנית לפי שם המוצר הנכון, או צלם את תווית התזונה כדי לקבל כניסה מדויקת. ב-Nutrola, תוכל לדווח על הקישור לברקוד הישן כך שהצוות המוסמך יכול לעדכן אותו.

כמה נפוץ זה: שימוש חוזר בברקודים מהווה כ-1 עד 3 אחוזים מהשגיאות באי-התאמות בבסיסי נתונים שמתוחזקים היטב ועד 5 עד 10 אחוזים בבסיסי נתונים שאינם נבדקים באופן קבוע.

סיבה 2: וריאנטים אזוריים עם אותו ברקוד

זו אחת הבעיות המטעיות ביותר עם ברקודים, מכיוון ששמות המוצר והמותג תואמים לחלוטין, אך הנתונים התזונתיים שגויים. מותגים רב-לאומיים רבים מוכרים מוצרים תחת אותו שם עם אותו ברקוד במדינות שונות, אך המתכונים שונים כדי לעמוד בהעדפות טעם מקומיות, תקנות רכיבים או זמינות מקורות.

דוגמאות מהמציאות:

• Kit-Kat (Nestle/Hershey). Kit-Kat בבריטניה משתמשת בנוסחת שוקולד שונה מ-Kit-Kat בארה"ב. ספירת הקלוריות לכל חטיף שונה בכ-10 עד 15 אחוזים.
• Coca-Cola. תכולת הסוכר משתנה לפי מדינה עקב תקנות שונות לגבי ממתיקים ונוסחאות מקומיות. פחית של 330 מ"ל נעה בין 35 גרם ל-39 גרם סוכר, תלוי בשוק.
• Nutella (Ferrero). יחס הלוזים לשמן דקל שונה בין הנוסחאות האיטלקיות והגרמניות, מה שמוביל להבדלים נמדדים בתכולת השומן והקלוריות לכל מנה.

איך לזהות את זה: שם המוצר והמותג שהסריקה החזירה נראים נכונים, אך ערכי המקרו האישיים לא תואמים את התווית שבידך. שים לב במיוחד לסוכר, שומן וקלוריות כוללות, מכיוון שאלו הערכים הסבירים ביותר שיהיו שונים בין וריאנטים אזוריים.

איך לתקן את זה: השווה את הנתונים התזונתיים שהסריקה החזירה מול התווית הפיזית. אם הערכים שונים, ערוך את הכניסה כך שתתאים לתווית שלך. ב-Nutrola, תכונת צילום ה-AI יכולה לצלם את התווית ישירות, תוך כדי עקיפת הברקוד וכל אי התאמה בבסיס הנתונים האזורי.

סיבה 3: שינויי מתכון במוצרים עם ברקודים לא משתנים

מותגים משנים מתכונים של מוצרים באופן קבוע. הם מפחיתים סוכר, משנים סוגי שמן, מתאימים גדלי מנות, מוסיפים חלבון או מסירים רכיבים מלאכותיים. ברוב המקרים, הברקוד נשאר אותו דבר. המוצר הפיזי על המדף כולל עובדות תזונה חדשות, אך בסיס הנתונים עשוי עדיין להחזיק בנתונים הישנים.

דוגמאות בולטות לשינויי מתכון:

מוצר	שינוי	השפעת קלוריות לכל מנה
משקאות קלים רבים בבריטניה לאחר מס הסוכר של 2018	סוכר מופחת ב-30-50%	-40 עד -70 קלוריות
דגני בוקר של General Mills (שינוי מתכון 2015)	הוסרו צבעים וטעמים מלאכותיים	-5 עד -15 קלוריות
לחם Subway (שינוי מתכון 2020)	מופחת תכולת סוכר	-10 עד -20 קלוריות
מותגי יוגורט שונים (במהלך)	הוספת חלבון, הפחתת סוכר	משתנה, לעיתים -20 עד +15 קלוריות
מותגי חטיפי חלבון (עדכונים תכופים)	שינוי ממתיקים ומקורות חלבון	-10 עד +25 קלוריות

העיכוב בין הגעת שינוי המתכון למדפים ועד לעדכון בסיס הנתונים יכול להיות שבועות עד שנים, תלוי כיצד מתוחזק בסיס הנתונים.

איך לזהות את זה: שם המותג והמוצר תואמים, אך ערכים ספציפיים לא נכונים. לעיתים רק אחד או שניים מהמקרו שונים. אם אתה שם לב שהסוכר נמוך יותר או שהחלבון גבוה יותר ממה שהסריקה מראה, סביר להניח שהמוצר שונה.

איך לתקן את זה: עדכן את הכניסה כך שתתאים לתווית הנוכחית. צלם את תווית התזונה עם צילום ה-AI של Nutrola כדי להבטיח התאמה עם המוצר שבידך. דווח על הכניסה הישנה כך שבסיס הנתונים יכול להתעדכן.

סיבה 4: בלבול בין ברקוד של אריזות מרובות לברקוד של פריט בודד

אריזות מרובות (שש אריזות יוגורט, קופסאות מגוונות של חטיפי חלבון, מיכלים של משקאות) יש להן ברקודים משלהן השונים מברקודים של פריטים בודדים. עם זאת, הכניסות בבסיסי הנתונים לא תמיד ברורות לגבי מה הן מייצגות.

תסריטים נפוצים:

• אתה סורק פחית בודדת מתוך שש. הברקוד הוא הברקוד של האריזות המרובות המודפס על האריזות החיצוניות. בסיס הנתונים מחזיר נתוני תזונה עבור כל שש הפחיות.
• אתה סורק קופסה מגוונת של חטיפי חלבון. בסיס הנתונים מחזיר נתונים עבור טעם ספציפי אחד, ולא את זה שאתה אוכל.
• אתה סורק פריט בודד שברקוד שלו תואם גם לכניסה של מנה בודדת וגם לכניסה של אריזות מרובות בבסיס הנתונים. זה מחזיר את הלא נכון.

איך לזהות את זה: ספירת הקלוריות חשודה מאוד גבוהה (סרקת פריט אחד אך קיבלת נתוני אריזות מרובות) או שהטעם והתיאור לא תואמים את הפריט הספציפי שלך מתוך קופסה מגוונת.

איך לתקן את זה: בדוק את גודל המנה ומספר המנות בכניסה שהוחזרה. אם הקלוריות הכוללות נראות כמו מספר כפול ממה שאתה מצפה, חלק את זה בהתאם. עדיף, חפש את הברקוד של הפריט הבודד על היחידה הבודדת ולא על האריזות החיצוניות. ב-Nutrola, תוכל להתאים את כמות המנה לאחר הסריקה כדי להתאים לפריט בודד, או לצלם את תווית התזונה של הפריט הבודד כדי לקבל נתונים מדויקים.

סיבה 5: מוצרים פרטיים עם ברקודים משותפים

מוצרים תחת מותגים פרטיים ומותגים של חנויות מיוצרים לעיתים קרובות על ידי חברה אחת ונמכרים תחת שמות מותג שונים ברשתות שונות. במקרים מסוימים, מוצרים אלה חולקים את אותו ברקוד, גם אם הם מופיעים תחת שמות שונים.

לדוגמה, דגני בוקר המיוצרים על ידי קופקאר עשויים להימכר כ:

• "Sunrise Crunch" ברשת סופרמרקט אחת
• "Morning Harvest" ברשת אחרת
• "Healthy Start Granola" ברשת שלישית

כל השלושה עשויים לחלוק את אותו ברקוד מכיוון שהם מוצרים פיזיים זהים. בסיס הנתונים עשוי לרשום רק אחד משמות המותג הללו, כך שכאשר אתה סורק את קופסת "Morning Harvest", האפליקציה מציגה נתוני "Sunrise Crunch".

איך לזהות את זה: שם המותג שגוי, אך תיאור המוצר, התמונה או הנתונים התזונתיים נראים סבירים. הערכים התזונתיים עשויים להיות נכונים למרות שהשם לא.

איך לתקן את זה: אם הערכים התזונתיים תואמים לתווית שלך, תוכל להשתמש בכניסה למרות השם השגוי. אם הערכים שונים (מה שיכול לקרות כאשר רשת קובעת נוסחה מעט שונה), ערוך את הכניסה או רישום באמצעות צילום. תסריט זה הוא יותר מטרד קוסמטי מאשר בעיה של דיוק במעקב, אך כדאי לאמת את המספרים.

סיבה 6: שגיאות שהוזנו על ידי משתמשים בבסיסי נתונים המנוהלים על ידי קהל

רבות מהאפליקציות לתזונה בונות את בסיסי הנתונים שלהן באמצעות תרומות משתמשים. כל אחד יכול לסרוק מוצר ולהגיש נתונים תזונתיים. בעוד שגישה זו מתפתחת במהירות, היא מביאה עמה שגיאות:

• שגיאות כתיב. משתמש מזין 52 גרם חלבון במקום 5.2 גרם.
• יחידות שגויות. הזנת ערכים ל-100 גרם כאשר גודל המנה הוא 30 גרם, או להפך.
• הזנות חסרות. משתמשים מזינים קלוריות אך משאירים מקרו ריק או באפס.
• הזנות כפולות. אותו מוצר מופיע מספר פעמים עם נתונים שונים, והאפליקציה מחזירה את הלא נכון.
• דיווח מכוון שגוי. חלק מהמשתמשים מדווחים על קלוריות נמוכות במזונות שהם אוכלים לעיתים קרובות כדי לשפר את יומני האכילה שלהם. זה מזהם את בסיס הנתונים עבור כולם.

ניתוח שנעשה בשנת 2023 על בסיס נתונים גדול המנוהל על ידי קהל מצא שכ-15 עד 25 אחוזים מההזנות שהוזנו על ידי משתמשים הכילו לפחות שגיאה מהותית אחת, המוגדרת כהפרש של יותר מ-10 אחוזים מנתוני התווית של היצרן.

איך לזהות את זה: ערכי תזונה שנראים לא סבירים. אפס גרם שומן בחמאת בוטנים. חמישים גרם חלבון בעוגיה קטנה. מאה קלוריות בכף של שמן זית. אם משהו מרגיש לא נכון, זה כנראה כך.

איך לתקן את זה: השווה מול התווית הפיזית. אם הכניסה שגויה באופן ברור, אל תשתמש בה. רישום את המוצר בשיטה חלופית ודווח על השגיאה.

תסריטים נפוצים של אי-התאמות בברקוד ופתרונות

תסריט	מה אתה רואה	הסיבה הסבירה ביותר	הפתרון הטוב ביותר
שם המוצר והמותג שגויים לחלוטין	סרקת חטיף חלבון, קיבלת מוצר ניקוי	שימוש חוזר ב-UPC לאחר הפסקת ייצור	חפש ידנית או רישום באמצעות צילום התווית
מותג נכון, טעם או וריאנט שגוי	סרקת טעם שוקולד, קיבלת וניל	בלבול בין אריזות מרובות או וריאנט	בחר את הווריאנט הנכון מתוך תוצאות החיפוש
מוצר נכון, ערכי תזונה שגויים	השם תואם אך הקלוריות שונות ב-10-20%	שינוי מתכון או וריאנט אזורי	ערוך את הכניסה כך שתתאים לתווית שלך
מוצר נכון, מקרו שגויים לחלוטין	השם תואם אך חלבון מראה 0 גרם לחטיף חלבון	שגיאה שהוזנה על ידי משתמש בבסיס נתונים מנוהל על ידי קהל	רישום באמצעות צילום תווית התזונה
שם מותג לא ידוע, תזונה סבירה	שם מותג שונה אך הערכים נראים נכונים	מוצרים פרטיים או UPC משותף	אמת את הערכים מול התווית שלך, השתמש אם נכונים
מוצר נכון, קלוריות הן מספר כפול ממה שציפית	600 קלוריות עבור כוס יוגורט בודדת	סרקת ברקוד של אריזות מרובות	התאם את כמות המנה או חפש ברקוד של פריט בודד

איך מסד הנתונים המוסמך של Nutrola מפחית את אי-התאמות המוצרים השגויים

הסיבה העיקרית לרוב אי-התאמות הברקוד היא איכות בסיס הנתונים. בסיסי נתונים המנוהלים על ידי קהל מתפתחים במהירות אך מצטברים שגיאות מהר יותר. Nutrola נוקטת גישה שונה עם מודל בסיס נתונים מוסמך.

מקורות נתוני יצרן. בסיס הנתונים של Nutrola נותן עדיפות לנתוני תזונה ממקורות רשמיים של יצרנים, בסיסי נתונים ממשלתיים לנתוני תזונה (כגון USDA FoodData Central, UK Nutrient Databank, ו-European Food Information Resource), ונתוני מוצרים קמעונאיים מאומתים. זה מבטל את שגיאות הכתיב, שגיאות היחידות וההזנות החסרות שמטרידות בסיסי נתונים המנוהלים על ידי משתמשים.

סקירה אנושית של ההזנות. כאשר משתמשים או מערכות אוטומטיות מגישים מוצרים חדשים, ההזנות נבדקות מול נתוני היצרן הזמינים לפני שהן עולות לאוויר. שלב האימות הזה תופס את רוב השגיאות לפני שהן מגיעות ליומן המזון של כל משתמש.

מעקב אחר וריאנטים אזוריים. בסיס הנתונים של Nutrola מבחין בין וריאנטים אזוריים של אותו מוצר. Kit-Kat בבריטניה ו-Kit-Kat בארה"ב הן כניסות נפרדות עם נתוני תזונה משלהן, מקושרות להקצאות הברקוד האזוריות הנכונות. זה מבטל את בעיית אי ההתאמה השקטה האזורית.

מניעת שינויי מתכון פעילה. כאשר מותגים גדולים מכריזים על שינויים במתכון, צוות בסיס הנתונים מעדכן את נתוני התזונה באופן פרואקטיבי במקום לחכות לדיווחים של משתמשים. זה מפחית את החלון שבו נתונים ישנים עשויים להיות מוגשים.

זיהוי שימוש חוזר בברקודים. מערכות אוטומטיות מסמנות ברקודים שמחזירים פרופילים תזונתיים שונים באופן משמעותי מסריקות אחרונות, מה שמוביל לסקירה ידנית. זה תופס מקרים של שימוש חוזר מהר יותר מאשר להסתמך על תלונות משתמשים.

התוצאה היא שיעור דיוק סריקות ברקוד מעל 95 אחוזים, עם הרבה פחות אי-התאמות מוצרים שגויים בהשוואה לאפליקציות התלויות אך ורק בנתוני קהל.

מתי לא לסמוך על סריקות ברקוד

אפילו בבסיס נתונים מוסמך, מצבים מסוימים מצריכים זהירות נוספת:

• מוצרים שנרכשו בחו"ל. אם רכשת מוצר במדינה שונה מהאפליקציה שלך, תמיד אמת את הנתונים שהסריקה החזירה מול התווית.
• מוצרים עם תוויות כתובות ביד או מדבקות. פריטים שנארזו מחדש בחנות (דלפק דליקטס, מאפייה בחנות) עשויים להכיל ברקודים שמתייחסים לחומר האריזות, ולא למזון.
• מוצרים בהנחה או קרובים לתאריך תפוגה. אלה נוטים להיות נוסחאות ישנות שעשויות לא להתאים לכניסות הנוכחיות בבסיס הנתונים.
• מוצרים בכמויות גדולות או ממולאים מחדש. ברקוד על מיכל שמילאת בחנות גדולה מתייחס למיכל, ולא לתכולה הנוכחית שלו.

בכל המקרים הללו, צילום תווית התזונה של Nutrola מספק אלטרנטיבה אמינה. צלם את תווית התזונה ותן ל-AI לחלץ את הנתונים המדויקים, תוך כדי עקיפת הברקוד וכל אי דיוק בבסיס הנתונים.

איך לתפוס שגיאות ברקוד לפני שהן משפיעות על המעקב שלך

בניית הרגל אימות מהיר לוקחת שניות ומונעת שגיאות מצטברות:

1. הסתכל על שם המוצר. האם התוצאה שהסריקה החזירה תואמת למה שאתה מחזיק? אם לא, זנח אותה מיד.
2. בדוק את ספירת הקלוריות. אינך צריך לזכור כל מוצר, אך סביר להניח שיש לך מושג גס אם חטיף הוא 150 או 500 קלוריות. אם המספר מרגיש שגוי, חקור.
3. אמת מקרו אחד. בחר את המקרו החשוב ביותר למטרות שלך (חלבון לבניית שרירים, פחמימות לקיטו, שומן לדיאטות דלות שומן) ואמת אותו מול התווית.
4. שמור על ערכים אפסיים. כניסה שהסריקה מראה 0 גרם חלבון, 0 גרם שומן או 0 גרם פחמימות למזון שמכיל בבירור את המקרו הזה היא שגיאה בבסיס הנתונים.

בדיקה זו של ארבעה צעדים מוסיפה כ-5 שניות לכל סריקה ותופסת את רוב שגיאות האי-התאמה לפני שהן נכנסות ליומן שלך.

מה לעשות כשאתה מגלה שגיאות ברקוד בעבר ביומן שלך

אם אתה מבין שמוצר שסגרת באופן קבוע החזיר נתונים שגויים, הנה איך להעריך ולתקן את הנזק:

• הערך כמה זמן השגיאה הייתה פעילה. בדוק מתי סגרת את המוצר לראשונה וכמה פעמים צרכת אותו.
• חשב את ההפרש לכל כניסה. השווה את הערכים השגויים שהסריקה החזירה עם הערכים הנכונים מהתווית.
• החליט אם לערוך רטרואקטיבית. עבור הבדלים קטנים (פחות מ-30 קלוריות לכל כניסה), ההשפעה על הסכומים השבועיים היא מינימלית. עבור הבדלים גדולים (מעל 100 קלוריות לכל כניסה הנצרכת מדי יום), תיקון רטרואקטיבי נותן לך תמונה מדויקת יותר של היסטוריית הצריכה שלך.
• תקן את המקור. דווח על השגיאה, עדכן את הכניסה המותאמת שלך, או עבור לרישום באמצעות צילום עבור המוצר הזה בעתיד.

עוזר התזונה של Nutrola יכול לעזור בניתוח הזה. בקש ממנו לסקור את הכניסות האחרונות שלך עבור מוצר ספציפי והוא יכול לסמן ערכי תזונה שמחייבים שינוי מהבסיס הנתונים המוסמך.

המקרה לרישום בשיטות מרובות

סריקות ברקוד מהירות ונוחות, אך התייחסות אליהן כאל שיטת הרישום היחידה שלך עושה אותך פגיע לכל בעיה שתיארנו לעיל. המעקב התזונתי המדויק ביותר משתמש בשיטות קלט מרובות:

• סריקות ברקוד עבור מהירות עם מוצרים מותגיים גדולים.
• רישום באמצעות צילום AI לאימות ולמוצרים שאינם בבסיס הנתונים.
• רישום קולי עבור כניסות מהירות כאשר אתה יודע את הערכים או רושם מזונות שלמים.
• חיפוש ידני כהשלמה כאשר שיטות אחרות אינן זמינות.

Nutrola משלבת את כל ארבע השיטות בממשק אחד. תוכל להתחיל עם סריקת ברקוד, לאמת עם צילום, ולהתאים עם הערה קולית מהירה, הכל באותה כניסה. בשילוב עם סנכרון עם Apple Health ו-Google Fit, נתוני התזונה שלך נשארים מדויקים ומלאים ללא קשר לשיטת הקלט שבה אתה משתמש.

בעלות של €2.50 לחודש עם ניסיון חינם של 3 ימים, תוכל לבדוק כל שיטת רישום ולראות איך בסיס הנתונים המוסמך מתמודד מול חלופות המנוהלות על ידי קהל. ללא פרסומות בכל רמה.

שאלות נפוצות

כמה פעמים סורקי ברקוד מציגים את המוצר הלא נכון?

באפליקציות המשתמשות בבסיסי נתונים המנוהלים על ידי קהל, אי-התאמות במוצרים שגויים מתרחשות בכ-2 עד 8 אחוזים מהסריקות. באפליקציות עם בסיסי נתונים מוסמכים כמו Nutrola, השיעור יורד מתחת ל-2 אחוזים. התדירות תלויה במה שאתה קונה: מותגים לאומיים גדולים כמעט ולא טועים, בעוד שמותגים פרטיים, מוצרים בינלאומיים ומוצרים שעברו שינוי מתכון לאחרונה נוטים יותר לאי-התאמות.

האם באמת יכול להיות שאותו ברקוד שייך לשני מוצרים שונים?

כן. GS1, הארגון המנהל את תקני הברקוד, מאפשר להקצות מחדש ברקודים לאחר שמוצר מפסיק להיות מיוצר. התקופה המומלצת להמתנה היא 48 חודשים, אך היא לא נאכפת. יצרנים יכולים וצריכים להשתמש בברקודים מוקדם יותר, מה שיוצר קונפליקטים בבסיסי נתונים תזונתיים ששומרים על רשומות מוצר ישנות.

למה ה-Kit-Kat שלי שהסריקה החזירה מראה קלוריות שונות מהתווית?

סביר להניח שאתה רואה נתונים עבור וריאנט אזורי. Nestle ו-Hershey מייצרות Kit-Kat עם נוסחאות שונות עבור שווקים שונים. הגרסה הבריטית, הגרסה האירופית והגרסה האמריקאית כולן כוללות ערכים שונים של קלוריות ומקרו לכל חטיף. אם בסיס הנתונים של האפליקציה שלך לא עוקב אחר וריאנטים אזוריים בנפרד, הוא עשוי להחזיר נתונים עבור נוסחה של מדינה שונה.

איך אני יודע אם נתוני הסריקה שלי מדויקים?

השווה שלושה ערכים מול התווית הפיזית: קלוריות כוללות, חלבון ושומן כוללים. אם כל השלושה תואמים בטווח של 5 אחוזים, הכניסה אמינה. אם ערך כלשהו שונה ביותר מ-10 אחוזים, הכניסה כנראה מיושנת, לא תואמת אזורית או הוזנה על ידי משתמש עם שגיאות. במקרה כזה, רישום באמצעות צילום או עריכת הכניסה ידנית.

מה ההבדל בין בסיס נתונים המנוהל על ידי קהל לבין בסיס נתונים מוסמך למזון?

בסיס נתונים המנוהל על ידי קהל מאפשר לכל משתמש להגיש כניסות מוצר ללא סקירה. זה מתפתח במהירות אך מביא עמו שגיאות כתיב, שגיאות יחידות ונתונים חסרים. בסיס נתונים מוסמך, כמו זה של Nutrola, משווה את ההזנות מול נתוני יצרן, בסיסי נתונים ממשלתיים לנתוני תזונה ונתוני מוצרים רשמיים. ההזנות נבדקות לפני שהן עולות לאוויר. לבסיסי נתונים מוסמכים יש פחות שגיאות אך ייתכן שהם יהיו איטיים יותר להוסיף מוצרים נישתיים או מקומיים.

האם עלי תמיד לבדוק את תווית התזונה לאחר סריקת ברקוד?

עבור מוצרים שאתה סורק לראשונה, כן, קח חמש שניות להשוות את הקלוריות שהסריקה החזירה ואת המקרו הראשי מול התווית. לאחר שאמתת מוצר וידעת שהסריקה מדויקת, תוכל לסמוך על סריקות עתידיות של אותו פריט دون בדיקה מחדש. בנה רשימה מנטלית של המוצרים המאומתים שלך.

האם Nutrola מאפשרת לי לתקן כניסות ברקוד שגויות עבור משתמשים אחרים?

כן. כאשר אתה מדווח על כניסת ברקוד שגויה ב-Nutrola, צוות בסיס הנתונים המוסמך בודק את התיקון מול נתוני היצרן ומעדכן את הכניסה עבור כל המשתמשים. זה שונה מאפליקציות שבהן תיקוני משתמשים עולים לאוויר מיד ללא סקירה, מה שעלול להכניס שגיאות חדשות תוך כדי תיקון ישנות.

הסריקה שלי מראה את המוצר הנכון אך גודל המנה שגוי. מה עלי לעשות?

זה קורה בדרך כלל עם ברקודים של אריזות מרובות מול ברקודים של פריט בודד או עם הבדלים אזוריים בגודל המנה הסטנדרטי (הארה"ב משתמשת בכמויות ייחודיות שונות מאשר האיחוד האירופי). התאם את כמות המנה בכניסת הרישום שלך כך שתתאים לכמות שצרכת בפועל. ב-Nutrola, תוכל לקבוע גודל מנה מותאם אישית עבור כל מוצר ולשמור אותו כברירת מחדל עבור רישומים עתידיים.