カロリー追跡90日後の結果は？50万人のデータから

カロリー追跡を始める前に多くの人が抱く疑問は、実にシンプルです。「本当に効果があるの？」

この質問は妥当です。アプリをダウンロードし、毎食を記録し、分量を量り、ラベルを読み取ることは、実際に時間を要する投資です。誰も、90日間バーコードをスキャンして、結局元の位置に戻ることを望んでいません。

そこで、私たちはデータをもとにこの疑問に答えることにしました。小規模な臨床試験や厳選された成功事例、魅力的なライティングのビフォーアフター写真ではなく、90日以上継続的に記録した50万人のNutrolaユーザーの集計された匿名データを分析しました。

結果は正直です。全ての人が成功するわけではありません。しかし、データのパターンは、3ヶ月間の継続的な追跡で何が起こるのか、そして意味のある変化を実感する人とそうでない人の違いを明確に示しています。

方法論

対象者

私たちは、以下の基準を満たす502,417人のNutrolaユーザーのデータを分析しました：

• 90日以上、週に5日以上食事を記録している
• 明確な栄養目標（脂肪減少、筋肉増加、維持、または健康改善）がある
• 体重を月に2回以上、接続されたスマートスケールまたは手動で記録している
• 2025年6月から2026年3月の間にアクティブである

これは自己選択されたグループで、少なくとも3ヶ月間追跡を続けた人々です。データには、最初の1週間または2週間で辞めた人は含まれていません。この点は重要です。私たちは、実際にプロセスにコミットした人々がどうなるかを見ています。

データ収集

すべてのデータは匿名化され、集計されました。個々のユーザーの記録は一切調査されていません。追跡した指標は以下の通りです：

• 日々のカロリー記録（総カロリー、マクロ栄養素の内訳）
• 体重の記録（接続されたスケールの同期と手動入力）
• ログの頻度と食事のカバレッジ
• 写真記録と手動入力、バーコードスキャンの使用状況
• 目標の種類と設定された目標体重（該当する場合）
• 30日、60日、90日での自己報告による進捗確認調査

目標の分布

目標タイプ	ユーザー数	総数に対する割合
脂肪減少	311,502	62.0%
筋肉増加 / リーンバルク	78,889	15.7%
体重維持	67,826	13.5%
健康改善	44,200	8.8%

このコホートの大多数は脂肪減少を目指しており、これは業界全体のトレンドとも一致しています。以下の分析は主にこの最大のセグメントに焦点を当てていますが、他の目標グループが異なる場合にはその点も指摘します。

変化のタイムライン：週ごとの進捗

データが明らかにする最も有用なことの一つは、進捗が直線的ではないということです。明確なフェーズがあり、それを理解することで、物事が変わろうとしている瞬間に人々が辞めてしまうのを防ぐことができます。

1-2週目：認識のフェーズ

最初の2週間では、ほとんどのユーザーにおいて体組成の変化はほとんど見られません。この期間中の平均体重変化は-0.4 kgで、その大部分は実際の脂肪減少ではなく、食事の変化による水分の変動に起因しています。

しかし、重要なことが水面下で起こっています。最初の2週間のユーザーは、カロリー推定の正確性が測定可能に改善されています。

指標	1週目	2週目	変化
平均カロリー推定誤差（実際の記録に対して）	34%	22%	-12 pp
ログ後に分量を調整したユーザーの割合	41%	58%	+17 pp
1日あたりの平均食事記録数	2.1	2.5	+0.4
スナックや飲料を記録している割合	38%	54%	+16 pp

認識効果は、初期の追跡の真の成果です。ユーザーは、カロリーが実際にどこから来ているのかを見始めます。1-2週目のチェックイン調査で報告された最も一般的な「驚き」の食材は、調理油、ソースやドレッシング、飲料、食事の合間に食べるスナックでした。

3-4週目：最初の測定可能な変化

4週目の終わりまでに、脂肪減少グループは基準から平均-1.6 kgの体重変化を示しました。ここでほとんどのユーザーは、プロセスが機能しているという最初の具体的な感覚を報告します。

指標	3週目	4週目
累積体重変化（脂肪減少グループ）	-0.9 kg	-1.6 kg
チェックインで「目に見える」進捗を報告した割合	29%	44%
達成した平均日々のカロリー赤字	310 kcal	380 kcal
ログの一貫性（週あたりの日数）	5.6	5.8

興味深いことに、この期間中にログの行動も厳密になります。ユーザーはより徹底的になり、1日あたりの記録された個々の食品アイテムの平均数は、1週目の8.2から4週目には11.4に増加し、主な食事だけでなく、摂取全体を把握する能力が向上していることを示しています。

5-8週目：加速のフェーズ

この期間は、累積的な効果が見えるようになる時期です。1ヶ月以上継続的に追跡を行ったユーザーは、平均してより正確な分量の習慣を身につけ、高カロリーのパターンを特定し、初期よりも短時間でログを取るルーチンを確立しています。

指標	5週目	6週目	7週目	8週目
累積体重変化（脂肪減少）	-2.3 kg	-2.9 kg	-3.4 kg	-3.9 kg
週間の減少率	0.54 kg/週	0.58 kg/週	0.52 kg/週	0.49 kg/週
日々のカロリー目標を達成した割合（±10%以内）	51%	55%	58%	60%
1日あたりのログにかける平均時間	6.2分	5.8分	5.4分	5.1分

このフェーズから目立つ2つの発見があります。まず、体重減少の速度は5-6週目にピークに達し、その後徐々に減速し始めます。これは予想される生理学的な現象で、体重が減少するにつれて、1日の総エネルギー消費も減少するためです。次に、ユーザーがログにかける時間は着実に減少します。アプリの使用が速くなり、頻繁に食べる食事のライブラリが構築され、ショートカットの使い方を学ぶことで、ログを取るのが簡単になります。

9-12週目：停滞か突破か

この期間は重要なウィンドウです。データは、9週目あたりからユーザー人口に明確な分岐があることを示しています。

指標	9-10週目	11-12週目
累積体重変化（脂肪減少、全ユーザー）	-4.5 kg	-5.1 kg
週間の減少率	0.38 kg/週	0.31 kg/週
停滞を経験した割合（10日以上体重変化なし）	43%	38%
この期間中にログの頻度を減らした割合	18%	22%

9週目までに、脂肪減少グループの43%が10日以上の連続した停滞を経験しました。この時期は、心理的な挑戦が栄養的な挑戦と同じくらい重要になります。停滞がプロセスの一部であることを理解しているユーザーは、より多くの可能性を持って乗り越えることができ、停滞を失敗と解釈したユーザーは、ログの頻度を減らしたり、完全に辞めてしまう傾向がありました。

90日間の結果：全体像

以下は、30日、60日、90日での全目標タイプにおける主要データです。

脂肪減少グループ（311,502ユーザー）

時点	平均体重変化	中央体重変化	5%以上の体重減少を達成した割合	意味のある進捗を報告した割合
30日	-1.6 kg	-1.4 kg	4%	44%
60日	-3.9 kg	-3.4 kg	22%	59%
90日	-5.1 kg	-4.6 kg	38%	63%

5%の体重減少は、健康結果において臨床的に意味のあるものと広く見なされています。90日後、脂肪減少グループの38%がこの閾値を達成しました。これは、臨床的な監督なしで行われた自己主導の介入としては強力な結果ですが、同時に62%のユーザーがその特定の基準に達していないことも意味します。ただし、その多くのユーザーは体重を減らし、食習慣に対してより良い感覚を報告しています。

筋肉増加グループ（78,889ユーザー）

時点	平均体重変化	平均タンパク質摂取量（g/kg体重）	タンパク質目標を達成した割合（±10%以内）
30日	+0.6 kg	1.7 g/kg	48%
60日	+1.3 kg	1.8 g/kg	55%
90日	+1.9 kg	1.9 g/kg	61%

維持グループ（67,826ユーザー）

時点	平均体重変化	開始体重から1kg以内の割合	開始体重から2kg以内の割合
30日	-0.3 kg	78%	94%
60日	-0.2 kg	71%	91%
90日	-0.1 kg	68%	88%

全体的な成功指標

「意味のある進捗」を、数値目標の達成または進捗調査で4または5の評価を自己報告することと定義した場合、全目標タイプにおける全体の数字は以下の通りです。

結果	ユーザーの割合
設定した目標を達成または超えた	23%
目標に向けて意味のある進捗を遂げた	41%
いくつかの進捗があったが期待には届かなかった	22%
意味のある変化がなかった	11%
目標からさらに遠ざかった	3%

つまり、90日間一貫して追跡を行ったユーザーの約64%が意味のある進捗を経験したことになります。これは正直な数字です。100%でもなく、80%でもありません。しかし、自己主導の行動としては、意味のある成功率です。

カロリー精度の改善

ユーザーが時間とともにカロリー目標を見積もり、達成する能力がどれほど向上するかは、最も注目すべきデータポイントの一つです。

指標	1-7日目	30日	60日	90日
カロリー目標からの平均偏差	27%	16%	11%	9%
目標から100 kcal以内の日の割合	22%	41%	52%	57%
目標から200 kcal以内の日の割合	39%	60%	69%	74%

90日目までに、平均的なユーザーは、任意の日にカロリー目標の9%以内に収まるようになりました。これは、最初の週の27%の偏差と比較しても大きな改善です。この精度の向上は、追跡の最も価値のある長期的な結果とも言えます — これは、誰かがログを止めた後でも持続するスキルを表しています。

成功するユーザーと辞めてしまうユーザーの違い

すべての追跡アプローチが等しいわけではありません。特定の行動によってデータをセグメント化すると、90日間の結果の強力な予測因子がいくつか浮かび上がります。

写真ログと手動のみの入力

指標	写真ログユーザー（コホートの35%）	手動/バーコードのみのユーザー（コホートの65%）
平均90日間の体重変化（脂肪減少）	-5.8 kg	-4.7 kg
ログの一貫性（週あたりの日数）	6.1	5.5
ログエントリーあたりの平均時間	12秒	47秒
90日間の保持率	81%	69%

主に写真ログを使用したユーザーは、平均してより多くの体重を減らし、保持率も大幅に高いことが分かりました。これは明らかに、写真ログが速く、摩擦を減らすため、一貫性を保ちやすくなるからです。食事のログを取るのに12秒かかるのと47秒かかるのでは、スキップする可能性が大きく変わります。

週末のログ行動

指標	週末もログを取るユーザー（コホートの71%）	平日のみログを取るユーザー（コホートの29%）
平均90日間の体重変化（脂肪減少）	-5.6 kg	-3.4 kg
週末のカロリーオーバー	+180 kcal（目標を超過）	+410 kcal（目標を超過）
意味のある進捗を達成した割合	69%	47%

これはデータの中で最も顕著な分岐の一つです。週末もログを取ったユーザーは、たとえ不完全でも、平日のみログを取ったユーザーよりも平均65%多く体重を減らしました。週末のログは完璧である必要はありません。部分的な認識を維持する行為が、多くのダイエット努力を妨げる週末の過食パターンを緩和するようです。

特にタンパク質の追跡

指標	タンパク質を追跡するユーザー（コホートの58%）	タンパク質を追跡しないユーザー（コホートの42%）
平均90日間の体重変化（脂肪減少）	-5.5 kg	-4.4 kg
体組成に対する自己報告の満足度	3.8 / 5	3.1 / 5
空腹感を主な課題と報告した割合	34%	56%

タンパク質を積極的に追跡したユーザーは、空腹感が少なく、結果に対する満足度が高いことが報告されました。高タンパク質の摂取は、カロリー制限中の満腹感や筋肉量の維持に寄与することが文献で確立されており、ここでのデータもその結果と一致しています。

1日あたりのログ頻度

食事のログ数	コホートの割合	平均90日間の体重変化（脂肪減少）	目標を達成した割合
1-2食	19%	-3.6 kg	48%
3食	44%	-5.0 kg	62%
3食以上とスナック	37%	-5.9 kg	71%

すべての食事とスナックを記録したユーザーは、1-2食しか記録しなかったユーザーよりも約64%多く体重を減らしました。これは直感的にも理解できます — 部分的なログでは、カロリーの盲点が大きく残ります。昼食と夕食を記録して朝食、スナック、飲料をスキップすると、実際の摂取量の30-40%を見逃す可能性があります。

停滞現象

停滞は、人々が栄養追跡を放棄する主な理由の一つです。私たちのデータは、停滞がいつ発生し、その後何が起こるかを明確に示しています。

停滞が発生するタイミング

脂肪減少グループの67%が、90日間の期間中に少なくとも1回の停滞（10日以上の連続した体重変化なし）を経験しました。停滞が発生するタイミングは以下の通りです：

停滞のタイミング	この期間に停滞を経験したユーザーの割合
1-3週目	8%
4-6週目	23%
7-9週目	31%
10-12週目	28%

最も一般的な停滞のウィンドウは7-9週目で、これは代謝適応がカロリー赤字を相殺し始める時期と一致します。平均的な停滞は13日間続き、中央の50%のユーザーでは10日から28日までの範囲でした。

停滞を打破する方法

停滞を乗り越えて体重を再び減少させたユーザーのデータには、停滞中およびその後の追跡データにおいて以下のパターンが見られました：

停滞中の行動	打破したユーザーの割合	停滞したままのユーザーの割合
ログの一貫性を維持した	82%	44%
タンパク質摂取を増やした	38%	12%
カロリー目標を下方修正した	41%	18%
運動を追加または増やした（接続されたフィットネスデータによる）	29%	15%
何も変えずに待った	34%	22%

停滞を打破する最も強力な予測因子は、単にログを続けることでした。停滞中にログ習慣を維持したユーザーは、ログの頻度を減らしたユーザーに比べて、ほぼ2倍の確率で進捗を再開しました。

これは多くの人にとって直感に反することです。スケールが動かなくなると、追跡が機能していないと考え、辞めてしまったり、大きな変更を加えたりするのが普通です。データは、より良いアプローチはコースを維持し、小さな調整を行うこと、特にタンパク質を増やしたりカロリー目標を少し下げたりすることだと示唆しています。

追跡を止めた後も持続する行動の変化

最も励みになる発見は、アクティブな日々の追跡を停止した後60日間にユーザーに送ったフォローアップ調査から得られました。89,000人のユーザーが回答しました：

行動	追跡を停止した後も維持している割合
食品購入前に栄養ラベルを確認する	74%
分量をメンタルで推定する	71%
高タンパク質の選択をする	63%
一般的な食品のカロリー密度を意識する	81%
グレイジングではなく構造化された食事をする	52%
アルコール摂取を調整する	41%

これらの数字は、90日間の一貫した追跡が食の選択に関する持続的な認知フレームワークを生み出すことを示唆しています。ログを止めたユーザーでさえ、日々の決定に影響を与える栄養リテラシーのレベルを保持しています。一度学んだカロリー推定スキルは消えません。

89,000人の回答者のうち、58%が停止後60日間に体重減少を維持（2kg以内）し、31%がアクティブな追跡なしで進捗を続けていると報告しました。失った体重をすべて取り戻したと報告したのはわずか11%でした。

Nutrolaの機能が長期的な一貫性をサポートする方法

データは一貫して、追跡が容易で速いほど、ユーザーがそれを持続する可能性が高いことを示しています。いくつかのNutrolaの機能は、より良い結果と相関する行動データに現れています：

AI写真ログは、食事あたりの平均エントリー時間を15秒未満に短縮し、写真ログユーザーの高い保持率と相関しています。主に写真ログを使用するユーザーは、手動のみのユーザーよりも平均6.1日/週の追跡を行っています。

過去のログパターンに基づくスマートな食事提案は、繰り返し同じ食事をするユーザーを助けます。私たちのデータでは、30日目以降に記録された食事の44%が、最近または頻繁に食べた食事から提案されたものであり、ゼロから入力されたものではありません。

接続されたスケールによる体重追跡の統合は、手動での体重入力の摩擦を取り除きます。接続されたスケールを持つユーザーは、手動入力ユーザーの平均1.4回に対し、平均3.2回体重を記録しています — これにより、体重の傾向をより詳細に把握できます。

週次のインサイトレポートは、体重の変動に対する文脈を提供します。私たちのデータは、これがユーザーが日々の変動を通じて一貫性を保つのに役立つことを示唆しています。定期的に週次レポートを確認したユーザーは、90日間の保持率が14%高くなりました。

Nutrolaのプランは、すべてのティアで広告なしで月額EUR 2.50から始まり、広告サポートの追跡がログのワークフローに導入する中断的な摩擦を取り除きます。

結論

3ヶ月間の一貫したカロリー追跡は、それにコミットした大多数の人々に測定可能な結果をもたらしますが、全ての人に当てはまるわけではありません。50万人のユーザーデータから、約64%が意味のある進捗を達成し、23%が設定した目標を完全に達成または超えたことが示されています。これは、自己主導の栄養管理の現実を反映した正直な数字です。

タイムラインは直線的ではありません。1-2週目は目に見える変化がほとんどない認識の構築期間です。3-4週目は最初の具体的な結果が得られる時期です。5-8週目は進捗が加速し、追跡が習慣化される時期です。そして9-12週目は、決意を試す停滞が訪れます。

行動の予測因子は明確です：週末もログを取り、タンパク質を追跡し、摩擦を減らすために写真ログを使用し、1-2食だけでなくすべての食事を記録すること。完璧さは求められません — 一貫性が求められます。

おそらく最も重要なのは、90日間の追跡が持続する栄養リテラシーを生み出すことです。分量を推定し、ラベルを読み、情報に基づいた食の選択をする能力は、アプリを閉じた後も消えません。この認知の変化こそが、最も価値のある結果かもしれません — 90日間で失った体重ではなく、その後持ち続ける知識です。

データは、追跡がすべての人に効果があると約束するものではありません。しかし、3ヶ月間の一貫した努力が、ほとんどの人に実際の測定可能な変化をもたらすことを、明確に示しています。