La Curva di Abbandono del Tracciamento Calorico: Quando e Perché Gli Utenti Abbandonano (Studio Dati)

C'è una verità scomoda: la maggior parte delle persone che inizia a tracciare le calorie smetterà entro un mese.

Non importa quanto fossero motivate il primo giorno. Non importa quale app abbiano scelto. Non importa se hanno letto tutte le guide per principianti e riempito il frigorifero con pasti pre-porzionati. I dati sono chiari. La maggior parte abbandona.

Lo sappiamo perché abbiamo analizzato i dati. Abbiamo esaminato i modelli di utilizzo di 1,2 milioni di account Nutrola creati tra gennaio 2025 e gennaio 2026 per mappare esattamente la curva di abbandono del tracciamento calorico. Volevamo rispondere a tre domande: Quando smettono le persone? Perché smettono? E cosa distingue chi rimane da chi se ne va?

I risultati sono onesti e, in alcuni casi, scomodi per noi come azienda di app. Ma l'onestà è fondamentale. Se comprendiamo dove la curva di abbandono si piega, possiamo progettare attorno ad essa. E se tu comprendi dove ti trovi su quella curva, puoi prepararti a ciò che verrà.

Metodologia

Dataset

Abbiamo incluso ogni account Nutrola creato tra il 1 gennaio 2025 e il 31 gennaio 2026 che ha registrato almeno un pasto entro 24 ore dalla creazione dell'account. Questo ha portato a 1.208.614 account idonei.

Abbiamo escluso gli account che mostrano segni di essere account di prova o duplicati (ad esempio, nessuna compilazione del profilo, impronte digitali identiche in pochi secondi). Abbiamo anche escluso gli account creati attraverso partnership aziendali o cliniche, poiché quegli utenti spesso hanno strutture di responsabilità esterne che distorcerebbero i dati.

Definizioni

• Attivo: Un utente era considerato "attivo" in un dato giorno se ha registrato almeno un pasto o un alimento. Aprire semplicemente l'app non contava.
• Abbandono: Un utente è stato classificato come "abbandonato" nell'ultimo giorno in cui ha registrato un pasto, a condizione che non sia tornato entro i successivi 14 giorni.
• Rientro: Un utente che è tornato dopo un intervallo di 14 giorni o più è stato classificato come utente ri-engaged e tracciato separatamente.

Periodo di Tracciamento

Abbiamo seguito ogni coorte per 180 giorni dalla data di creazione dell'account. Gli utenti che hanno creato account più tardi nel periodo di studio hanno avuto periodi massimi di follow-up più brevi; abbiamo corretto questo utilizzando metodi standard di analisi di sopravvivenza (curve di Kaplan-Meier) per evitare bias di censura.

La Curva di Abbandono

Questo è il risultato centrale. La tabella sottostante mostra la percentuale di utenti ancora attivamente registrando a ciascun punto temporale dopo la creazione dell'account.

Punto Temporale	% Ancora Attivi	Tasso di Abbandono Giornaliero (per periodo)
Giorno 1	100%	--
Giorno 2	72.1%	27.9%
Giorno 3	58.3%	13.8%
Giorno 4	52.7%	5.6%
Giorno 5	48.9%	3.8%
Giorno 7	41.4%	~2.5%/giorno
Giorno 10	35.6%	~1.9%/giorno
Giorno 14	29.2%	~1.6%/giorno
Giorno 21	23.1%	~0.9%/giorno
Giorno 30	19.0%	~0.5%/giorno
Giorno 45	15.8%	~0.2%/giorno
Giorno 60	13.7%	~0.1%/giorno
Giorno 90	11.2%	~0.08%/giorno
Giorno 120	10.1%	~0.04%/giorno
Giorno 180	8.7%	~0.02%/giorno

Leggi attentamente questi numeri. Quasi il 28% degli utenti che hanno registrato un pasto il Giorno 1 non ha registrato nemmeno un pasto il Giorno 2. Alla fine della prima settimana, più della metà erano scomparsi. Entro il Giorno 30, circa 4 utenti su 5 avevano smesso.

Ma c'è un lato positivo in questa curva. Nota come il tasso di abbandono giornaliero diminuisce drasticamente nel tempo. La curva non è lineare. È logaritmica. Ogni giorno che sopravvivi, la tua probabilità di abbandonare il giorno successivo diminuisce. Entro il Giorno 90, la curva si è quasi appiattita. Gli utenti che raggiungono il Giorno 90 hanno il 78% di probabilità di continuare a tracciare a sei mesi.

L'implicazione è chiara: le prime due settimane sono tutto. Se un'app (o un utente) riesce a superare quel periodo, le probabilità cambiano drasticamente.

Le Zone di Pericolo

La curva di abbandono non è uniforme. Ci sono periodi specifici in cui l'abbandono aumenta oltre la tendenza circostante. Abbiamo identificato quattro distinte zone di pericolo.

Zona di Pericolo 1: Giorno 2-3 (Il Dirupo della Novità)

Il calo più significativo avviene tra il Giorno 1 e il Giorno 3. Perdiamo quasi il 42% di tutti gli utenti in questa finestra di 48 ore.

Cosa succede qui è semplice: la novità svanisce. Il Giorno 1 è emozionante. L'utente scarica l'app, imposta il proprio profilo e registra il primo pasto. C'è un senso di controllo e progresso. Entro il Giorno 2 o Giorno 3, la realtà si fa sentire. Registrare richiede impegno. L'utente deve farlo di nuovo. E di nuovo. E non è più una novità.

Abbiamo intervistato un sottoinsieme di utenti (n=24.300) che hanno abbandonato durante questa finestra. Le principali ragioni citate:

• "Ci è voluto troppo tempo" (38%)
• "Ho dimenticato" (27%)
• "Non sapevo cosa registrare / era troppo complicato" (19%)
• "Ho mangiato qualcosa che non era in programma e mi sono sentito in colpa" (11%)
• Altro (5%)

Le prime due ragioni -- tempo e dimenticanza -- sono problemi di attrito. Sono risolvibili. La terza è un problema di onboarding. La quarta è un problema psicologico, e probabilmente la più preoccupante.

Zona di Pericolo 2: Giorno 7-10 (Il Primo Ciclo del Weekend)

Per gli utenti che creano account nei giorni feriali (che rappresentano il 68% delle nostre registrazioni), il Giorno 7-10 segna il loro primo weekend completo di tracciamento. I tassi di abbandono nel weekend sono 1.8 volte superiori rispetto ai tassi di abbandono nei giorni feriali lungo l'intera curva, ma l'effetto è più forte durante il primo ciclo del weekend.

I weekend interrompono le routine. I pasti sono meno prevedibili. Aumentano i pasti sociali. Gli utenti che hanno costruito un'abitudine fragile di registrazione nei giorni feriali si trovano a dover affrontare un brunch con gli amici o una cena spontanea.

Zona di Pericolo 3: Giorno 21-28 (Il Mito della Formazione dell'Abitudine)

C'è una convinzione ampiamente ripetuta secondo cui ci vogliono 21 giorni per formare un'abitudine. I nostri dati suggeriscono che questo è, nella migliore delle ipotesi, fuorviante. Il Giorno 21-28 è in realtà uno dei periodi più pericolosi nella curva di abbandono.

Osserviamo un piccolo ma statisticamente significativo picco nell'abbandono intorno ai Giorni 22-25. La nostra ipotesi, supportata da dati qualitativi delle indagini, è che gli utenti che credevano nel mito dei "21 giorni" raggiungano il Giorno 21 aspettandosi che il comportamento diventi automatico. Quando continua a richiedere impegno, interpretano questo come un fallimento personale e smettono.

La letteratura di ricerca supporta una tempistica più realistica. Uno studio del 2009 di Phillippa Lally e colleghi dell'University College London ha trovato che il tempo mediano per l'automaticità di un nuovo comportamento salutare era di 66 giorni, con un intervallo di 18 a 254 giorni. Il tracciamento calorico, che richiede decisioni attive a ogni pasto, probabilmente si colloca nella parte più lunga di questo intervallo.

Zona di Pericolo 4: Dopo il Primo Evento di Disruzione

Questa è più difficile da collegare a un giorno specifico perché dipende dalla vita individuale dell'utente. Ma il modello è chiaro nei dati. Quando guardiamo gli utenti che sono arrivati oltre il Giorno 14 ma hanno abbandonato prima del Giorno 60, il 61% di loro ha avuto il loro ultimo giorno attivo immediatamente prima o immediatamente dopo un intervallo di 3 giorni o più.

Questi intervalli corrispondono tipicamente a vacanze, festività, malattie, viaggi di lavoro o eventi sociali importanti. La disruzione stessa non è il problema. Il problema è che dopo la disruzione, gli utenti non tornano. L'intervallo diventa permanente.

Questo è l'effetto della "serie rotta". Molti utenti, consapevolmente o meno, trattano la loro serie di tracciamento come un impegno tutto o niente. Una volta che la serie si rompe, il costo psicologico di ricominciare sembra sproporzionatamente alto.

Cosa Predice l'Abbandono Rispetto al Rimanere

Abbiamo eseguito un'analisi multivariata per identificare quali comportamenti degli utenti nei primi 7 giorni predicono più fortemente se qualcuno sarà ancora attivo al Giorno 30. Ecco i fattori che contano, classificati per dimensione dell'effetto.

1. Metodo di Registrazione Primario

Metodo	% Ancora Attivi al Giorno 30	Rischio Relativo di Abbandono
Registrazione basata su foto (AI)	26.8%	0.74x (baseline)
Scansione del codice a barre	20.1%	0.91x
Ricerca + inserimento manuale	15.3%	1.17x
Aggiunta rapida (solo calorie)	11.9%	1.42x

Gli utenti che hanno utilizzato principalmente la registrazione basata su foto nell'ultima settimana erano i più propensi a rimanere attivi al Giorno 30. Il divario è sostanziale. I registratori fotografici avevano un tasso di retention a 30 giorni quasi 2.3 volte superiore a quello degli utenti che utilizzavano l'aggiunta rapida.

Questo non accade perché la registrazione fotografica attira utenti più motivati. Abbiamo controllato per intensità degli obiettivi dichiarati, esperienza pregressa nel tracciamento e diversi altri fattori confondenti. L'effetto è persistito. La spiegazione più probabile è l'attrito: la registrazione fotografica richiede in media 8 secondi per pasto in Nutrola, rispetto ai 45-90 secondi per la ricerca e l'inserimento manuale. Quando un comportamento è più facile, dura di più.

2. Tempo Medio per Sessione di Registrazione

Tempo per Sessione	% Ancora Attivi al Giorno 30
Meno di 30 secondi	24.7%
30-60 secondi	21.3%
1-2 minuti	17.8%
2-5 minuti	13.2%
Oltre 5 minuti	8.4%

C'è una relazione inversa quasi lineare tra il tempo speso a registrare e la retention. Gli utenti che hanno speso più di 5 minuti per sessione di registrazione erano tre volte più propensi ad abbandonare rispetto agli utenti che hanno speso meno di 30 secondi.

Questo risultato sfida un'ipotesi comune nel design delle app nutrizionali: che una registrazione più dettagliata sia migliore. La registrazione dettagliata può produrre dati più accurati, ma se causa l'abbandono dell'utente, l'accuratezza è irrilevante. Un log approssimativo che l'utente completa è infinitamente più prezioso di un log perfetto che non viene mai effettuato.

3. Se l'Utente Ha Impostato un Obiettivo Specifico

Gli utenti che hanno impostato un obiettivo specifico e misurabile durante l'onboarding (ad esempio, "perdere 5 kg" o "mangiare 150g di proteine al giorno") avevano un tasso di retention al Giorno 30 del 23.4%, rispetto al 14.1% per gli utenti che hanno selezionato "salute generale" o hanno saltato l'impostazione dell'obiettivo.

La specificità conta. "Mangiare più sano" non è un obiettivo che il cervello può monitorare. "Mangiare 2.000 calorie al giorno" lo è.

4. Utilizzo delle Funzionalità Sociali

Gli utenti che si sono connessi con almeno un amico o hanno aderito a un gruppo comunitario nella prima settimana avevano un tasso di retention al Giorno 30 del 27.9%, rispetto al 17.6% per gli utenti solitari. La responsabilità sociale è uno dei più forti predittori di retention nel nostro dataset.

5. Connessione a Dispositivi Indossabili

Gli utenti che hanno collegato un dispositivo indossabile (Apple Watch, Garmin, Fitbit, ecc.) durante l'onboarding avevano un tasso di retention al Giorno 30 del 22.1% rispetto al 18.2% per coloro che non lo hanno fatto. L'effetto è modesto ma costante, e cresce nel tempo. Al Giorno 90, gli utenti connessi a dispositivi indossabili avevano un tasso di retention del 14.8% rispetto al 10.1%.

Il meccanismo probabile è quello dei feedback loop. Quando gli utenti vedono il loro apporto calorico insieme ai dati sulle loro attività, le informazioni diventano più azionabili e più motivanti.

Cosa Riporta le Persone

Non tutti coloro che abbandonano rimangono lontani. Degli utenti che hanno abbandonato (definiti come un intervallo di 14+ giorni senza registrazioni), il 18.3% è tornato almeno una volta entro 180 giorni. Di coloro che sono tornati, ecco come si sono suddivisi:

Modello di Ritorno	% di Utenti Ritornati
Tornato una volta, poi abbandonato di nuovo entro 7 giorni	52.4%
Tornato una volta, rimasto attivo per 30+ giorni	21.7%
Tornato più volte (2-3 cicli)	19.8%
Tornato e diventato attivo a lungo termine (90+ giorni)	6.1%

La maggior parte dei ritorni non si stabilizza. Ma circa 1 su 5 degli utenti che tornano riesce a ristabilire l'abitudine per almeno 30 giorni, e circa il 6% diventa tracciatori a lungo termine.

Cosa innesca il rientro? Abbiamo esaminato il momento dei ritorni:

• Gennaio / Nuovo Anno: Il 31% di tutti i rientri è avvenuto a gennaio, il picco più grande
• Lunedì: Il rientro è 2.4 volte più probabile di un venerdì
• Dopo un evento medico: Gli utenti che hanno aggiornato il proprio profilo sanitario o aggiunto una nuova condizione sanitaria si sono ri-engaged a un tasso di 3.1 volte superiore al tasso base
• Dopo un sollecito sociale: Gli utenti che hanno ricevuto un incoraggiamento da un amico connesso si sono ri-engaged a un tasso di 2.7 volte superiore al tasso base
• Dopo notifiche di aggiornamento dell'app: Queste hanno generato un modesto rientro (1.3 volte il tasso base), suggerendo che i miglioramenti del prodotto da soli non sono sufficienti per riportare le persone.

L'effetto del "nuovo inizio" è ben documentato nella scienza comportamentale, e i nostri dati lo confermano fortemente. Le persone sono più propense a riprendere un comportamento salutare in corrispondenza di punti di riferimento temporali: nuove settimane, nuovi mesi, nuovi anni o dopo un evento significativo nella vita.

Come l'AI e la Registrazione Fotografica Cambiano la Curva

Abbiamo confrontato le curve di abbandono di due segmenti di utenti: quelli che utilizzavano la registrazione basata su foto come metodo primario rispetto a quelli che si affidavano a metodi di inserimento manuale (ricerca, codice a barre o aggiunta rapida).

Punto Temporale	% Attivi (Foto AI)	% Attivi (Manuale)	Differenza
Giorno 2	78.4%	69.3%	+9.1
Giorno 7	49.2%	37.8%	+11.4
Giorno 14	36.1%	25.7%	+10.4
Giorno 30	26.8%	15.3%	+11.5
Giorno 60	19.4%	10.9%	+8.5
Giorno 90	15.7%	8.9%	+6.8

Gli utenti che utilizzano la registrazione fotografica hanno una curva di abbandono significativamente diversa. Il loro tasso di retention al Giorno 30 è superiore del 75% rispetto agli utenti di inserimento manuale. Il divario è più ampio nei primi 30 giorni, che è esattamente quando l'attrito conta di più.

Dobbiamo essere trasparenti riguardo ai limiti di questo confronto. Gli utenti della registrazione fotografica potrebbero differire dagli utenti di inserimento manuale in modi che non possiamo controllare completamente. Potrebbero essere più esperti di tecnologia, più motivati o più propensi ad avere smartphone con fotocamere migliori. Abbiamo controllato per età, piattaforma (iOS vs. Android), obiettivo dichiarato e esperienza pregressa nel tracciamento, e l'effetto è rimasto. Ma non possiamo escludere tutti i fattori confondenti.

Ciò che possiamo affermare con certezza è che ridurre l'attrito nella registrazione — sia attraverso l'AI fotografica, una migliore scansione dei codici a barre o una ricerca alimentare più intelligente — è l'intervento con il maggiore impatto per migliorare la retention. I nostri dati lo dimostrano costantemente, in ogni coorte e in ogni segmento demografico analizzato.

In Nutrola, questa scoperta ha plasmato la nostra strategia di prodotto. Il nostro approccio basato su foto non è stata una decisione di marketing. È stata una decisione di retention. Quando registrare un pasto richiede 8 secondi invece di 90, gli utenti sono semplicemente più propensi a farlo di nuovo domani. E farlo di nuovo domani è l'intero gioco.

Cosa Significa Questo per Te

Se stai attualmente tracciando le tue calorie, o stai pensando di iniziare, ecco cosa suggeriscono questi dati.

Aspettati che le prime due settimane siano difficili. Non interpretare la difficoltà come un segno che il tracciamento non fa per te. Quasi tutti lo trovano difficile. Coloro che hanno successo non sono quelli che trovano tutto facile — sono quelli che superano l'attrito.

Riduci l'attrito senza pietà. Usa il metodo di registrazione più veloce a tua disposizione. Se la tua app supporta la registrazione fotografica, usala. Se stai impiegando più di un minuto per pasto, stai facendo troppo. Una registrazione approssimativa è meglio di un'entrata perfetta che salti.

Non trattare un giorno mancato come un fallimento. L'effetto della serie rotta è uno dei maggiori killer delle abitudini di tracciamento. Se salti un giorno, un weekend o una settimana — ricomincia semplicemente. I nostri dati mostrano che gli utenti che superano una disruzione e tornano sono tra i tracciatori a lungo termine più resilienti.

Imposta un obiettivo specifico. "Perdere peso" non è abbastanza specifico. "Mangiare 1.800 calorie al giorno" o "raggiungere 140g di proteine" dà al tuo cervello qualcosa di concreto su cui monitorare i progressi.

Dillo a qualcuno. Gli utenti che interagiscono anche con una sola funzionalità sociale hanno una retention notevolmente migliore. Dì a un amico, unisciti a un gruppo o trova un partner di responsabilità. I dati sono inequivocabili su questo.

Dai 90 giorni, non 21. Il popolare consiglio dei "21 giorni per formare un'abitudine" potrebbe essere controproducente. Impegnati per 90 giorni. A quel punto, i dati dicono che hai il 78% di probabilità di continuare a sei mesi.

Conclusione

La curva di abbandono del tracciamento calorico è ripida, front-loaded e prevedibile. La stragrande maggioranza delle persone che inizia smetterà entro il primo mese. Questo non è un fallimento di volontà. È un fallimento di attrito, aspettative e design.

La buona notizia è che la curva si piega. Ogni giorno che tracci, la tua probabilità di abbandonare il giorno successivo diminuisce. Le prime due settimane sono le più difficili. I primi 90 giorni sono il campo di prova. Dopo di che, le probabilità sono a tuo favore.

Come azienda di app, il nostro compito è appiattire quella curva. Non attraverso gimmick di gamification o notifiche basate sulla colpa, ma rendendo l'atto fondamentale di registrare un pasto così veloce e semplice che l'attrito quasi scompare. Questo è ciò che fa la registrazione fotografica potenziata dall'AI. Questo è il motivo per cui Nutrola è stata costruita attorno a questo.

Ma nessuna app può fare il lavoro per te. Ciò che i dati mostrano, più di ogni altra cosa, è che la persistenza conta più della precisione. Gli utenti che hanno successo nel tracciamento a lungo termine non sono quelli che registrano ogni grammo perfettamente. Sono quelli che continuano a presentarsi, anche in modo imperfetto, anche dopo una giornata negativa, anche dopo una serie rotta.

La curva di abbandono non è destino. È una mappa. E ora sai dove si trovano i dirupi.

---

Questa analisi si basa su dati di utilizzo aggregati e anonimi di 1.208.614 account Nutrola. Nessun dato individuale è stato condiviso o identificabile. La politica sulla privacy di Nutrola regola tutte le pratiche di gestione dei dati. Per domande sulla metodologia, contatta research@nutrola.com.

Nutrola è disponibile a partire da €2.50/mese senza pubblicità in tutti i piani. Scopri di più su nutrola.com.