Conversion Rate v mobilním marketingu: co to je, typy konverze a jak počítat

Co je Conversion Rate v mobilním marketingu?

Conversion Rate (CR) — procento uživatelů, kteří provedli cílovou akci z celkového počtu návštěvníků stránky nebo obrazovky. V mobilních aplikacích se Conversion Rate měří pro každou fázi trychtýře: od načtení stránky produktu po dokončení objednávky. Metrika ukazuje účinnost rozhraní, přesvědčivost nabídky a kvalitu provozu. Nízký Conversion Rate při vysokém provozu — signál problému s UX nebo nesouladu s očekáváním uživatele.

Conversion Rate v kontextu mobilní analytiky

Mobilní analytika považuje Conversion Rate za klíčový ukazatel ROI marketingových kampaní. Pokud reklama přivede 10 000 uživatelů, ale konvertuje se pouze 50 (CR = 0,5 %) — CAC je příliš vysoký a kampaň je ztrátová. Conversion Rate je propojen se všemi aspekty produktu: rychlostí načítání, kvalitou obsahu, jednoduchostí platby, důvěrou ve značku. Podle Google může zvýšení Conversion Rate o 1 % u aplikace se 100 000 návštěvníky měsíčně přidat 1 000 nových zákazníků bez dodatečných nákladů na provoz.

Conversion Rate vs Retention Rate

Conversion Rate — metrika prvního kontaktu: dosáhl uživatel cíle dnes? Retention Rate — metrika dlouhodobých vztahů: vrátí se uživatel zítra? Aplikace může mít vysoký Conversion Rate (30 % se registruje), ale nízký Retention Rate (5 % se vrací 7. den). Zdravý produkt vyvažuje obě metriky: konverze bez retence vytváří „jednorázové" uživatele, retence bez konverze — neplacené publikum.

Typy konverze: mikrokonverze a makrokonverze

Conversion Rate se dělí na dvě úrovně: mikrokonverze (mezilehlé kroky) a makrokonverze (konečný cíl). Analýza obou úrovní umožňuje vytvořit úplný trychtýř a najít fázi, ve které se uživatelé ztrácejí. Bez mikrokonverzí víte, že CR je nízký, ale nevíte — proč.

Mikrokonverze: mezilehlé kroky

Mikrokonverze — akce, které přibližují uživatele konečnému cíli. Pro e-commerce: zobrazení produktu, přidání do košíku, zahájení objednávky, vyplnění adresy. Každá mikrokonverze má svůj vlastní CR: například 40 % uživatelů přidá produkt do košíku, 20 % zahájí objednávku, 10 % dokončí nákup. Analýza mikrokonverzí ukazuje, ve které fázi trychtýře dochází k největší ztrátě uživatelů. Fáze s maximálním poklesem — primary drop-off point — vyžaduje prioritu optimalizace.

Makrokonverze: konečný cíl

Makrokonverze — konečná akce, kvůli které byl produkt vytvořen. Pro internetový obchod — nákup, pro streamovací službu — předplatné, pro hru — nákup předmětu ve hře. Makrokonverze je právě ten Conversion Rate, který se uvádí ve zprávách. Optimalizace makrokonverze bez pochopení mikrokroků — střelba naslepo. Systematické CRO začíná mikrokonverzemi.

Vlastní konverze a sledování událostí

Sledování událostí (event tracking) umožňuje definovat vlastní konverze pro jakoukoli akci v aplikaci. Firebase, Amplitude a Mixpanel podporují vlastní události. Příklad: lze sledovat konverzi „sledování videa do konce", „odeslání pozvánky příteli", „dokončení úrovně ve hře". Čím více vlastních konverzí je sledováno, tím přesnější je analýza chování uživatelů a tím rychleji se nacházejí body růstu.

Jak se počítá Conversion Rate?

Výpočet Conversion Rate se provádí podle vzorce: (Počet konverzí / Počet návštěvníků) * 100 %. V praxi však volba jmenovatele a čitatele závisí na kontextu. CR lze počítat pro obrazovku, pro kampaň, pro segment uživatelů — a každý výpočet poskytuje jiné informace. Je důležité předem stanovit metodologii, aby údaje byly srovnatelné mezi obdobími.

Základní výpočet: konverze pro jednu fázi

Nejjednodušší případ: na stránku produktu vstoupilo 1000 lidí, 50 nakoupilo — CR = 5 %. Problém: tento výpočet nezohledňuje, že část nákupů mohla být provedena později (prostřednictvím push oznámení nebo e-mailu). Pro přesnost použijte okenní konverzi (atribuční okno): například 7 dní od první návštěvy. Firebase a Adjust umožňují nastavit atribuční okno od 1 do 30 dnů — volba závisí na cyklu rozhodování o nákupu ve vaší kategorii.

Trychtýř konverze: od kroku ke kroku

Trychtýř (funnel) — posloupnost fází, kterými uživatel prochází od vstupu k cíli. Conversion Rate v každé fázi se vypočítá jako poměr počtu uživatelů, kteří dosáhli dalšího kroku, k počtu uživatelů v aktuálním kroku. Příklad: 1000 → 400 (CR = 40 %) → 150 (CR = 37,5 %) → 50 (CR = 33,3 %). Fáze s nejnižším CR — primary bottleneck — vyžaduje prioritu optimalizace. Budování trychtýře se provádí pomocí SQL nebo vizuálních analytických nástrojů.

-- Konverzní trychtýř: zobrazení → košík → nákup
WITH steps AS (
    SELECT
        user_id,
        MAX(CASE WHEN event_type = 'view_product' THEN 1 ELSE 0 END) AS viewed,
        MAX(CASE WHEN event_type = 'add_to_cart' THEN 1 ELSE 0 END) AS cart,
        MAX(CASE WHEN event_type = 'purchase' THEN 1 ELSE 0 END) AS purchased
    FROM user_events
    GROUP BY user_id
)
SELECT
    SUM(viewed) AS total_viewed,
    SUM(cart) AS total_cart,
    SUM(purchased) AS total_purchased,
    ROUND(SUM(cart) * 100.0 / SUM(viewed), 1) AS view_to_cart_pct,
    ROUND(SUM(purchased) * 100.0 / SUM(cart), 1) AS cart_to_purchase_pct
FROM steps;

Chyby při výpočtu Conversion Rate

První chyba — výpočet CR na příliš malém vzorku. Při 50 návštěvnících a 5 konverzích je CR = 10 %, ale interval spolehlivosti — od 3 % do 22 %. Pro statistickou významnost je potřeba alespoň 1000 návštěvníků. Druhá chyba — nezohlednění časového zpoždění mezi návštěvou a konverzí. Pokud je atribuční okno příliš krátké, CR bude podhodnocen. Třetí — výpočet CR pro různé kanály provozu dohromady: organický provoz může mít CR 5 % a placený — 1,5 %, aritmetický průměr není informativní.

import pandas as pd

def conversion_funnel(data, steps_order):
    funnel = {}
    for i, step in enumerate(steps_order):
        users_at_step = data[data[step] == 1]['user_id'].nunique()
        funnel[step] = users_at_step
        if i > 0:
            prev_step = steps_order[i - 1]
            cr = round(users_at_step / funnel[prev_step] * 100, 1)
            print(f"{prev_step} → {step}: {cr}%")
    return funnel

data = pd.read_csv('events.csv')
steps = ['viewed', 'cart', 'purchased']
funnel_data = conversion_funnel(data, steps)

Normy Conversion Rate podle kategorií aplikací

Normy Conversion Rate závisí na typu cílové akce, kategorii aplikace a geografii. Pro e-commerce je medián CR na mobilních zařízeních — 2,3 % (podle Google 2025). Pro předplatné aplikace — 4,8 %, pro hry (nákup předmětů ve hře) — 3,5 %, pro registraci na událost — 15-30 %. CR se výrazně liší mezi zeměmi: USA — 3,2 %, EU — 2,8 %, Asie — 1,8 %.

Faktory ovlivňující Conversion Rate

Rychlost načítání — první faktor. Každá sekunda zpoždění snižuje CR o 0,5-1,5 % (Google Research 2025). Kvalita provozu — druhý faktor: CR z organického vyhledávání je 2-3krát vyšší než z display reklamy. Třetí faktor — důvěra: přítomnost recenzí, hodnocení, SSL certifikátu, politiky vrácení. Čtvrtý — sezónnost: na „černý pátek" CR e-commerce vzrůstá 2-3krát. Pátý — jednoduchost platby: aplikace s Apple Pay a Google Pay vykazují CR o 15-20 % vyšší.

Conversion Rate podle zdrojů provozu

CR z různých kanálů se může lišit 5krát. Organické vyhledávání: 3-5 %, Branded vyhledávání: 8-12 %, Sociální média: 1-2 %, Display reklama: 0,5-1 %, E-mailové newslettery: 4-8 %. Analýza CR podle kanálů umožňuje přerozdělit rozpočet ve prospěch nejkonverznějších zdrojů. Pokud je CR ze sociálních médií 3krát nižší než z vyhledávání, příčinou může být nesoulad kreativů s očekáváním uživatelů nebo špatné cílení.

Jak zvýšit Conversion Rate v mobilní aplikaci?

Zvýšení Conversion Rate (CRO) — proces systematické optimalizace cesty uživatele. Na rozdíl od růstu provozu CRO nevyžaduje dodatečné rozpočty na reklamu a má okamžitý dopad na příjmy. Podíváme se na klíčové metody CRO potvrzené případovými studiemi mobilních produktů.

A/B testování: vědecký přístup k CRO

A/B testování — jediný způsob, jak objektivně posoudit dopad změny na Conversion Rate. Testujte jednu hypotézu najednou: barvu tlačítka, text CTA, umístění prvků, počet polí ve formuláři. Minimální doba testu — 1 týden (aby se zohlednil den v týdnu). Minimální velikost vzorku — 1000 konverzí na variantu pro statistickou významnost. Nástroje: Firebase A/B Testing, Optimizely, Amplitude Experiment.

Optimalizace platební obrazovky

Platební obrazovka — hlavní bod ztráty konverze. V průměru 70 % uživatelů, kteří přidali produkt do košíku, nedokončí nákup. Řešení: snižte počet polí na minimum (e-mail, karta, CVV), přidejte Apple Pay a Google Pay, zobrazte ukazatel průběhu, garantujte bezpečnost. Booking.com zvýšil CR o 12 % pouhým přidáním indikátoru „Zbývají 2 pokoje za tuto cenu" (sociální důkaz + naléhavost).

Zjednodušení registrace

Registrace — druhá nejdůležitější fáze po platbě. Každé další pole snižuje CR o 5-10 %. Nejlepší postupy: přihlášení přes Google/Apple ID (social login), telefonní číslo místo e-mailu, možnost přeskočit registraci a zaregistrovat se později. Podle údajů Mixpanel (2025) aplikace se social loginem vykazují CR registrace o 25 % vyšší než s tradičním formulářem e-mail + heslo.

-- Porovnání CR podle platebních metod
SELECT
    payment_method,
    COUNT(*) AS attempts,
    SUM(CASE WHEN status = 'completed' THEN 1 ELSE 0 END) AS completed,
    ROUND(SUM(CASE WHEN status = 'completed' THEN 1 ELSE 0 END) * 100.0 / COUNT(*), 1) AS cr_pct
FROM payments
WHERE created_at >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY payment_method
ORDER BY cr_pct DESC;