칼로리 추적 이탈 곡선: 사용자들이 언제, 왜 그만두는가 (데이터 연구)
1.2백만 개의 Nutrola 계정에서 사용 패턴을 분석하여 칼로리 추적의 정확한 이탈 곡선을 매핑했습니다. 사람들이 언제 그만두고, 무엇이 이를 유발하며, 나머지 사용자들은 어떻게 지속하는지 알아보았습니다.
불편한 진실이 있습니다. 칼로리 추적을 시작한 대부분의 사람들은 한 달 이내에 그만둡니다.
첫날 얼마나 동기부여가 되었는지는 중요하지 않습니다. 어떤 앱을 선택했는지도 중요하지 않습니다. 초보자 가이드를 모두 읽고 미리 포장된 식사를 준비했는지도 상관없습니다. 데이터는 명확합니다. 대다수는 그만둡니다.
우리는 이를 알고 있습니다. 2025년 1월부터 2026년 1월 사이에 생성된 1.2백만 개의 Nutrola 계정에서 사용 패턴을 분석하여 칼로리 추적의 정확한 이탈 곡선을 매핑했습니다. 우리는 세 가지 질문에 답하고자 했습니다: 사람들이 언제 그만두는가? 왜 그만두는가? 그리고 남아 있는 사용자와 떠나는 사용자를 구분짓는 것은 무엇인가?
결과는 솔직하며, 앱 회사로서 우리에게는 다소 불편한 부분도 있습니다. 하지만 솔직함이 핵심입니다. 이탈 곡선이 어디서 꺾이는지를 이해하면, 우리는 이를 기반으로 설계를 할 수 있습니다. 그리고 여러분이 그 곡선에서 어디에 위치하고 있는지를 이해하면, 다음에 무엇이 올지 준비할 수 있습니다.
방법론
데이터셋
2025년 1월 1일부터 2026년 1월 31일 사이에 생성된 모든 Nutrola 계정을 포함했습니다. 이 계정들은 계정 생성 후 24시간 이내에 최소 한 끼를 기록한 경우에 해당합니다. 이로 인해 1,208,614개의 유효 계정이 확보되었습니다.
테스트 계정이나 중복 계정의 징후가 보이는 계정(예: 프로필 미완료, 동일한 장치 지문이 몇 초 간격으로 나타나는 경우)은 제외했습니다. 또한, 기업 또는 임상 파트너십을 통해 생성된 계정도 제외했습니다. 이러한 사용자들은 종종 외부의 책임 구조가 있어 데이터에 왜곡을 초래할 수 있습니다.
정의
- 활동적: 사용자가 특정 날짜에 최소 한 끼 또는 음식 항목을 기록한 경우 "활동적"으로 간주했습니다. 단순히 앱을 여는 것은 포함되지 않았습니다.
- 이탈: 사용자가 마지막으로 식사를 기록한 날에 "이탈"한 것으로 분류되며, 이후 14일 이내에 돌아오지 않은 경우입니다.
- 재참여: 14일 이상의 공백 후에 돌아온 사용자는 재참여 사용자로 분류되어 별도로 추적했습니다.
추적 기간
각 코호트는 계정 생성일로부터 180일 동안 추적했습니다. 연구 기간 중 후반에 계정을 생성한 사용자들은 최대 추적 기간이 짧아지므로, 이를 표준 생존 분석 방법(카플란-마이어 곡선)을 사용하여 조정했습니다.
이탈 곡선
이것이 핵심 발견입니다. 아래 표는 계정 생성 후 각 시점에서 여전히 활동적으로 기록하는 사용자 비율을 보여줍니다.
| 시점 | 여전히 활동적인 비율 | 해당 기간의 일일 이탈률 |
|---|---|---|
| 1일차 | 100% | -- |
| 2일차 | 72.1% | 27.9% |
| 3일차 | 58.3% | 13.8% |
| 4일차 | 52.7% | 5.6% |
| 5일차 | 48.9% | 3.8% |
| 7일차 | 41.4% | ~2.5%/일 |
| 10일차 | 35.6% | ~1.9%/일 |
| 14일차 | 29.2% | ~1.6%/일 |
| 21일차 | 23.1% | ~0.9%/일 |
| 30일차 | 19.0% | ~0.5%/일 |
| 45일차 | 15.8% | ~0.2%/일 |
| 60일차 | 13.7% | ~0.1%/일 |
| 90일차 | 11.2% | ~0.08%/일 |
| 120일차 | 10.1% | ~0.04%/일 |
| 180일차 | 8.7% | ~0.02%/일 |
이 숫자들을 주의 깊게 살펴보세요. 1일차에 식사를 기록한 사용자 중 거의 28%가 2일차에 단 한 끼도 기록하지 않았습니다. 첫 주가 끝날 무렵, 절반 이상이 사라졌습니다. 30일차에는 대략 5명 중 4명이 그만두었습니다.
하지만 이 곡선에는 긍정적인 측면이 있습니다. 일일 이탈률이 시간이 지남에 따라 급격히 감소하는 것을 주목하세요. 곡선은 선형이 아닙니다. 로그형입니다. 하루를 더 버틸수록 다음 날 그만둘 확률이 줄어듭니다. 90일차에 이르면 곡선은 거의 평평해집니다. 90일차에 도달한 사용자는 6개월 후에도 여전히 추적할 확률이 78%입니다.
의미는 간단합니다: 처음 두 주가 모든 것입니다. 앱(또는 사용자)이 이 기간을 넘길 수 있다면, 확률이 극적으로 바뀝니다.
위험 구역
이탈 곡선은 매끄럽지 않습니다. 이탈률이 주변 추세보다 급증하는 특정 기간이 있습니다. 우리는 네 가지 뚜렷한 위험 구역을 확인했습니다.
위험 구역 1: 2-3일차 (새로움의 절벽)
가장 큰 이탈은 1일차와 3일차 사이에 발생합니다. 이 48시간 동안 모든 사용자 중 거의 42%가 사라집니다.
여기서 일어나는 일은 간단합니다: 새로움이 사라집니다. 1일차는 흥미진진합니다. 사용자는 앱을 다운로드하고 프로필을 설정하며 첫 끼를 기록합니다. 통제감과 진전을 느낍니다. 그러나 2일차나 3일차가 되면 현실이 다가옵니다. 기록하는 데 노력이 필요합니다. 사용자는 다시 해야 합니다. 그리고 다시 해야 합니다. 더 이상 새롭지 않습니다.
우리는 이 기간 동안 이탈한 사용자 중 일부(n=24,300)를 조사했습니다. 가장 많이 언급된 이유는 다음과 같습니다:
- "시간이 너무 걸렸다" (38%)
- "잊어버렸다" (27%)
- "무엇을 기록해야 할지 몰랐다 / 너무 복잡했다" (19%)
- "계획에 없는 음식을 먹고 죄책감을 느꼈다" (11%)
- 기타 (5%)
첫 두 가지 이유 — 시간과 잊어버림 — 는 마찰 문제입니다. 이는 해결할 수 있습니다. 세 번째는 온보딩 문제입니다. 네 번째는 심리적 문제로, 가장 우려스러운 부분입니다.
위험 구역 2: 7-10일차 (첫 주말 주기)
주중에 계정을 생성한 사용자(68%의 가입자)는 7-10일차가 추적의 첫 주말을 맞이합니다. 주말 이탈률은 전체 곡선에서 주중 이탈률보다 1.8배 높지만, 첫 주말 주기 동안 그 효과가 가장 강합니다.
주말은 일상을 방해합니다. 식사는 예측할 수 없습니다. 사회적 식사가 증가합니다. 주중에 약한 기록 습관을 형성한 사용자들은 친구들과의 브런치나 즉흥적인 저녁 외식으로 인해 그 습관이 깨집니다.
위험 구역 3: 21-28일차 (습관 형성 신화)
습관을 형성하는 데 21일이 걸린다는 주장이 널리 퍼져 있습니다. 우리의 데이터는 이것이 최소한 오해의 소지가 있음을 시사합니다. 21-28일차는 실제로 이탈 곡선에서 더 위험한 기간 중 하나입니다.
21-25일차에 이탈률의 작지만 통계적으로 유의미한 증가가 나타납니다. 우리의 가설은 "21일 습관" 신화를 믿었던 사용자들이 21일에 도달했을 때 행동이 자동화되기를 기대하지만, 여전히 노력이 필요하다고 느끼면 이를 개인적인 실패로 해석하고 그만둔다는 것입니다.
연구 문헌은 더 현실적인 타임라인을 지지합니다. 2009년 필리파 래리와 런던 대학교 동료들의 연구에 따르면, 새로운 건강 행동이 자동화되는 데 평균 66일이 걸리며, 범위는 18일에서 254일입니다. 매 끼니마다 적극적인 결정이 필요한 칼로리 추적은 그 범위의 긴 쪽에 해당할 가능성이 높습니다.
위험 구역 4: 첫 번째 중단 사건 이후
이것은 특정 날짜에 국한되지 않으며, 개별 사용자의 삶에 따라 다릅니다. 그러나 데이터에서 패턴은 명확합니다. 14일을 넘겼지만 60일 이전에 이탈한 사용자들을 살펴보면, 이들 중 61%는 3일 이상의 공백 전후로 마지막 활동일이 있었습니다.
이러한 공백은 일반적으로 휴가, 명절, 질병, 출장 또는 주요 사회적 이벤트와 관련이 있습니다. 중단 자체가 문제는 아닙니다. 문제는 중단 이후 사용자가 돌아오지 않는 것입니다. 공백이 영구적으로 변해버립니다.
이것이 "끊어진 연속성" 효과입니다. 많은 사용자들이 의식적으로든 무의식적으로든 추적 연속성을 전부 아니면 전무의 약속으로 간주합니다. 연속성이 끊어지면, 재시작의 심리적 비용이 비례적으로 높아집니다.
그만두는 것과 지속하는 것의 예측 요소
우리는 첫 7일 동안의 사용자 행동이 30일차에도 여전히 활동적인지를 가장 강하게 예측하는 요소를 식별하기 위해 다변량 분석을 수행했습니다. 다음은 효과 크기별로 정리한 중요 요소들입니다.
1. 주요 기록 방법
| 방법 | 30일차 여전히 활동적인 비율 | 이탈 위험 비율 |
|---|---|---|
| 사진 기반 기록 (AI) | 26.8% | 0.74배 (기준) |
| 바코드 스캔 | 20.1% | 0.91배 |
| 검색 + 수동 입력 | 15.3% | 1.17배 |
| 빠른 추가 (칼로리만) | 11.9% | 1.42배 |
첫 주에 주로 사진 기반 AI 기록을 사용한 사용자가 30일차에도 여전히 활동적일 가능성이 가장 높았습니다. 그 차이는 상당합니다. 사진 기록 사용자의 30일 유지율은 빠른 추가 사용자의 거의 2.3배에 달합니다.
이는 사진 기록이 더 동기부여된 사용자를 끌어들이기 때문이 아닙니다. 우리는 목표 강도, 이전 추적 경험 및 여러 다른 혼란 변수를 통제했습니다. 효과는 지속적으로 나타났습니다. 가장 그럴듯한 설명은 마찰입니다: Nutrola에서 사진 기록은 식사당 평균 8초가 걸리는 반면, 수동 검색 및 입력은 45-90초가 걸립니다. 행동이 더 쉬울수록 더 오래 지속됩니다.
2. 로그 세션당 평균 시간
| 세션당 시간 | 30일차 여전히 활동적인 비율 |
|---|---|
| 30초 미만 | 24.7% |
| 30-60초 | 21.3% |
| 1-2분 | 17.8% |
| 2-5분 | 13.2% |
| 5분 초과 | 8.4% |
로그에 소요된 시간과 유지율 간에는 거의 선형적인 역관계가 있습니다. 로그 세션당 5분 이상 소요한 사용자는 30초 미만 소요한 사용자보다 세 배 더 이탈할 가능성이 높았습니다.
이 발견은 영양 앱 디자인에서 흔히 가정되는 사항에 도전합니다: 더 자세한 기록이 더 좋다는 것입니다. 자세한 기록이 더 정확한 데이터를 생성할 수 있지만, 사용자가 그만두게 만든다면 정확성은 무의미합니다. 사용자가 실제로 완료하는 대충 기록은 결코 기록하지 않는 완벽한 기록보다 훨씬 더 가치가 있습니다.
3. 사용자가 특정 목표를 설정했는지 여부
온보딩 과정에서 특정하고 측정 가능한 목표(예: "5kg 감량" 또는 "매일 150g 단백질 섭취")를 설정한 사용자는 30일차 유지율이 23.4%인 반면, "일반 건강"을 선택하거나 목표 설정을 건너뛴 사용자는 14.1%였습니다.
구체성이 중요합니다. "더 건강하게 먹기"는 뇌가 진행 상황을 추적할 수 있는 목표가 아닙니다. "하루에 2,000칼로리 섭취하기"는 그렇습니다.
4. 소셜 기능 사용
첫 주에 친구와 연결하거나 커뮤니티 그룹에 가입한 사용자는 30일차 유지율이 27.9%인 반면, 혼자 사용하는 사용자는 17.6%였습니다. 사회적 책임감은 우리 데이터셋에서 가장 강력한 유지 예측 요소 중 하나입니다.
5. 웨어러블 기기 연결
온보딩 중 웨어러블(Apple Watch, Garmin, Fitbit 등)을 연결한 사용자는 30일차 유지율이 22.1%인 반면, 연결하지 않은 사용자는 18.2%였습니다. 효과는 미미하지만 일관되며 시간이 지남에 따라 증가합니다. 90일차에는 웨어러블 연결 사용자의 유지율이 14.8%인 반면, 비연결 사용자는 10.1%였습니다.
가능한 메커니즘은 피드백 루프입니다. 사용자가 자신의 칼로리 섭취량을 활동 데이터와 함께 볼 때, 정보는 더 실행 가능하고 동기부여가 됩니다.
사람들을 다시 끌어들이는 요소
모든 이탈자가 영원히 사라지는 것은 아닙니다. 이탈한 사용자(14일 이상의 기록 공백으로 정의된) 중 18.3%가 180일 이내에 최소 한 번 돌아왔습니다. 돌아온 사용자들은 다음과 같이 분류되었습니다:
| 복귀 패턴 | 복귀 사용자 비율 |
|---|---|
| 한 번 돌아왔다가 7일 이내에 다시 이탈 | 52.4% |
| 한 번 돌아와서 30일 이상 활동 | 21.7% |
| 여러 번 돌아옴 (2-3회) | 19.8% |
| 돌아와서 장기적으로 활동 (90일 이상) | 6.1% |
대부분의 복귀자는 지속하지 않습니다. 그러나 복귀한 사용자 중 약 5명 중 1명은 최소 30일 동안 습관을 다시 확립하고, 약 6%는 장기 추적자가 됩니다.
재참여를 유도하는 요소는 무엇일까요? 우리는 복귀 방문의 시점을 살펴보았습니다:
- 1월 / 새해: 모든 재참여의 31%가 1월에 발생했습니다. 이는 단일 최대 스파이크입니다.
- 월요일: 재참여는 금요일보다 월요일에 2.4배 더 발생합니다.
- 의료 사건 이후: 건강 프로필을 업데이트하거나 새로운 건강 상태를 추가한 사용자는 기본 비율보다 3.1배 더 재참여했습니다.
- 사회적 자극 이후: 연결된 친구로부터 알림을 받은 사용자는 기본 비율보다 2.7배 더 재참여했습니다.
- 앱 업데이트 알림 이후: 이는 소폭의 재참여를 유도했습니다(기본 비율의 1.3배), 이는 제품 개선만으로는 사람들을 다시 끌어들이기에 충분하지 않음을 시사합니다.
"신선한 시작 효과"는 행동 과학에서 잘 문서화되어 있으며, 우리의 데이터는 이를 강하게 확인합니다. 사람들은 건강 행동을 재시작할 가능성이 가장 높은 시점이 있습니다: 새로운 주, 새로운 달, 새로운 해, 또는 중요한 삶의 사건 이후입니다.
AI와 사진 기록이 곡선을 변화시키는 방법
우리는 두 사용자 세그먼트의 이탈 곡선을 비교했습니다: 사진 기반 AI 기록을 주요 방법으로 사용한 사용자와 수동 입력 방법(검색, 바코드 또는 빠른 추가)에 의존한 사용자입니다.
| 시점 | % 활동적 (사진 AI) | % 활동적 (수동) | 차이 |
|---|---|---|---|
| 2일차 | 78.4% | 69.3% | +9.1 |
| 7일차 | 49.2% | 37.8% | +11.4 |
| 14일차 | 36.1% | 25.7% | +10.4 |
| 30일차 | 26.8% | 15.3% | +11.5 |
| 60일차 | 19.4% | 10.9% | +8.5 |
| 90일차 | 15.7% | 8.9% | +6.8 |
사진 기반 사용자는 이탈 곡선이 의미 있게 다릅니다. 그들의 30일 유지율은 수동 입력 사용자보다 75% 높습니다. 차이는 첫 30일 동안 가장 넓으며, 이는 마찰이 가장 중요한 시점입니다.
이 비교의 한계에 대해 투명해야 합니다. 사진 기록 사용자는 수동 입력 사용자와 다를 수 있는 여러 요인이 있습니다. 그들은 더 기술에 능숙하거나, 더 동기부여가 되어 있거나, 더 나은 카메라를 가진 스마트폰을 가지고 있을 가능성이 있습니다. 우리는 연령, 플랫폼(iOS vs. Android), 설정한 목표, 이전 추적 경험을 통제했으며, 효과는 지속적으로 나타났습니다. 그러나 모든 혼란 변수를 배제할 수는 없습니다.
우리가 확신할 수 있는 것은 기록 마찰을 줄이는 것이 — 사진 AI, 더 나은 바코드 스캔 또는 더 스마트한 음식 검색을 통해 — 유지율을 개선하는 가장 높은 레버리지 개입이라는 것입니다. 우리의 데이터는 이를 일관되게 보여줍니다.
Nutrola에서 이 발견은 우리의 제품 전략을 형성했습니다. 우리의 사진 우선 접근 방식은 마케팅 결정이 아니라 유지 결정이었습니다. 식사 기록이 90초가 아닌 8초가 걸릴 때, 사용자는 내일 다시 할 가능성이 높아집니다. 그리고 내일 다시 하는 것이 모든 것입니다.
여러분에게 주는 의미
현재 칼로리를 추적하고 있거나 시작할 생각이 있다면, 이 데이터가 시사하는 바는 다음과 같습니다.
처음 두 주는 힘들 것이라는 것을 예상하세요. 어려움을 추적이 나에게 맞지 않는 신호로 해석하지 마세요. 거의 모든 사람이 힘들어합니다. 성공하는 사람들은 쉽게 느끼는 사람이 아니라, 마찰을 극복하는 사람들입니다.
마찰을 철저히 줄이세요. 가능한 가장 빠른 기록 방법을 사용하세요. 앱이 사진 기록을 지원한다면, 그것을 사용하세요. 한 끼에 1분 이상 소요하고 있다면, 너무 많은 일을 하고 있는 것입니다. 대충 기록하는 것이 완벽한 입력을 건너뛰는 것보다 낫습니다.
놓친 날을 실패로 여기지 마세요. 끊어진 연속성 효과는 추적 습관의 가장 큰 적 중 하나입니다. 하루, 주말, 또는 일주일을 놓쳤다면 — 그냥 다시 시작하세요. 우리의 데이터는 중단을 극복하고 돌아오는 사용자가 장기적으로 가장 탄력적인 추적자 중 하나임을 보여줍니다.
구체적인 목표를 설정하세요. "체중 감량"은 충분히 구체적이지 않습니다. "하루에 1,800칼로리 섭취하기" 또는 "140g 단백질 섭취하기"는 뇌가 추적할 수 있는 구체적인 목표를 제공합니다.
누군가에게 이야기하세요. 소셜 기능에 참여한 사용자들은 유지율이 극적으로 높습니다. 친구에게 이야기하거나 그룹에 가입하거나 책임 파트너를 찾으세요. 데이터는 명확합니다.
21일이 아닌 90일을 목표로 하세요. 인기 있는 "21일 습관" 조언은 실제로 역효과를 낼 수 있습니다. 90일 동안 헌신하세요. 그 시점까지 가면, 데이터에 따르면 6개월 후에도 계속할 확률이 78%입니다.
결론
칼로리 추적 이탈 곡선은 가파르고, 앞쪽에 집중되어 있으며, 예측 가능합니다. 시작하는 대다수의 사람들은 첫 달 이내에 그만둘 것입니다. 이는 의지력의 실패가 아닙니다. 마찰, 기대치, 그리고 디자인의 실패입니다.
좋은 소식은 곡선이 꺾인다는 것입니다. 매일 추적할수록 다음 날 그만둘 확률이 줄어듭니다. 처음 두 주가 가장 힘듭니다. 처음 90일이 시험대입니다. 그 이후에는 여러분에게 유리한 확률이 작용합니다.
앱 회사로서 우리의 임무는 그 곡선을 평탄하게 만드는 것입니다. 게임화 기법이나 죄책감 기반 알림이 아니라, 식사 기록의 핵심 행위를 빠르고 간단하게 만들어 마찰이 거의 사라지도록 하는 것입니다. 그것이 AI 기반 사진 기록이 하는 일입니다. 그것이 Nutrola가 이뤄진 이유입니다.
하지만 어떤 앱도 여러분을 대신해 일을 해주지는 않습니다. 데이터가 보여주는 것은, 무엇보다도 지속성이 정확성보다 더 중요하다는 것입니다. 장기적으로 성공하는 사용자는 모든 그램을 완벽하게 기록하는 사람들이 아닙니다. 그들은 매일, 비록 불완전하더라도, 나쁜 날 이후에도, 끊어진 연속성 이후에도 계속 나타나는 사람들입니다.
이탈 곡선은 운명이 아닙니다. 그것은 지도입니다. 이제 여러분은 절벽이 어디에 있는지 알게 되었습니다.
이 분석은 1,208,614개의 Nutrola 계정에서 익명화된 집계 사용 데이터를 기반으로 합니다. 개별 사용자 데이터는 공유되거나 식별 가능하지 않았습니다. Nutrola의 개인정보 보호정책은 모든 데이터 처리 관행을 규율합니다. 방법론에 대한 질문은 research@nutrola.com으로 문의하세요.
Nutrola는 모든 요금제에서 광고 없이 월 €2.50부터 이용 가능합니다. 자세한 내용은 nutrola.com에서 확인하세요.
