Konverzió növelése a webáruházban: mit mutatnak az adatok

Röviden: így lehet növelni a webáruház konverziós arányát

A webáruház konverziós aránya azt mutatja meg, hogy a látogatások (munkamenetek) hány százaléka végződik vásárlással. A Littledata 436 Shopify áruházat felölelő benchmarkjában 2026 júliusa és októbere között a medián 1,4% volt, a legjobb 20% pedig 2,7% fölött teljesített; az uptain 2025-ös jelentése szerint a németországi kis- és közepes webáruházak átlaga 2023 I. negyedéve és 2025 I. negyedéve között 2,01% volt. A konverzió növelése azzal kezdődik, hogy meg kell találni a tölcsérnek azt a lépését, ahol a legtöbb vásárló lemorzsolódik, majd az adatokkal alátámasztott tényezőkön kell dolgozni: oldalsebesség, a pénztár költségei és akadályai, szállítási és visszaküldési információk, expressz fizetés, a termékoldal tartalma, valamint a keresés és a szűrők.

Az útmutató minden számadata elsődleges forrásból származik, 2026. november 3-i ellenőrzés szerint: a Shopify és a Google dokumentációjából, a web.dev oldalról, a Baymard Institute-tól és a benchmarkok kiadóitól. A benchmarkokat szoftverszolgáltatók készítik a saját ügyfeleik áruházainak mérése alapján, ezért csak durva tájékozódásra alkalmasak, hivatalos statisztikának nem tekinthetők. A kifejezetten mobilos problémákkal külön cikk foglalkozik: Miért nem ad el a webáruház mobilon.

Mi a webáruház konverziós aránya, és hogyan kell kiszámolni

Az alapképlet egyszerű: konverziós arány = vásárlással záruló munkamenetek ÷ összes munkamenet × 100. Ha egy áruháznak 20 000 munkamenete van, és ebből 300 rendeléssel végződik, a konverziós aránya 1,5%. A részletek mégis számítanak, mert a Shopify és a Google Analytics 4 mást számol.

A Shopify és a GA4 számai ritkán egyeznek. Az egyik ok a sütikhez adott hozzájárulás: a Google hozzájárulási módról (consent mode) szóló dokumentációja szerint az alapszintű megvalósításban a Google-címkék mindaddig blokkolva vannak, amíg a látogató nem járul hozzá, és a hozzájárulást megtagadó látogatókra a GA4 nem készít modellezett adatot. A speciális megvalósításban a címkék süti nélküli pingeket küldenek, és a GA4 modellezéssel tölti ki a hiányokat. Az EU-ban sütibannerrel működő áruházaknál ezért jobb az áruházat egyetlen eszközön belül a saját korábbi adataival összevetni, mint keverni a Shopify és a GA4 számait.

A konverziós arány a bevétel három tényezőjének egyike: munkamenetek × konverziós arány × átlagos rendelési érték. Egy havi 20 000 munkamenetes mintaáruházban 1,5% konverziós arány és 60 € átlagos rendelési érték mellett a bevétel 18 000 €. Ugyanekkora forgalom és rendelési érték mellett 1,8% konverziós aránnyal a bevétel 21 600 €. Ezért a konverzió javítása gyakran olcsóbb, mint újabb forgalmat vásárolni.

Átlagos webáruház konverziós arány: benchmarkok

2026. november 3-án nem volt fellelhető hivatalos, szabadon hozzáférhető statisztika a webáruházak átlagos konverziós arányáról sem Németországra, Ausztriára és Svájcra, sem Közép-Európára. A német cikkekben gyakran idézett Statista-adat (a Handelsverband Österreich 2022-es adata) csak bejelentkezés után érhető el. Magyar olvasóknak: a magyarországi webáruházakra vonatkozó hivatalos átlagot sem sikerült találni. Az alábbi három benchmark nyilvános, és leírja, hogyan mér:

Az átlagok iparáganként eltérnek. A Littledata 2026 júliusa és októbere közötti adataiban a medián a szépségápolás és bőrápolás területén 2,5%, az egészség és étrend-kiegészítők körében 2,4%, az élelmiszer és ital kategóriában 2,3%, a divat, valamint az otthon és bútor kategóriában egyaránt 1,0% volt. Az uptain német adataiban a dohányáru és e-cigaretta érte el a legmagasabb arányt, 7,30%-ot, és a megszokásból vásárolt termékek konvertáltak a legjobban. Az uptain azt is jelzi, hogy a konverzió a negyedik negyedévben rendszeresen emelkedik a Black Friday és a karácsony miatt.

Az eszközönkénti eredmények is eltérnek, és a források itt ellentmondanak egymásnak. A Littledata 2026 júliusa és októbere közötti mintájában a medián mobilon 1,5%, asztali gépen 1,4% volt. Az uptain 2023 I. negyedéve és 2025 I. negyedéve közötti német adataiban viszont az asztali gépek 0,61 százalékponttal jobban konvertáltak, mint a mobilok. Egy áruház saját, eszközönkénti bontása a Shopifyban vagy a GA4-ben többet mond bármilyen átlagnál.

Mit jelent ez a gyakorlatban? Egy 0,5%-on álló áruház a Littledata mintájának alsó ötödébe tartozik, és valószínűleg javítható hibája van. Egy 3%-os áruház a felső ötödben van, további növekedést inkább kisebb lépésekből érhet el. A benchmarkok mögött álló cégek mérőszoftvert vagy kosárvisszaszerző szoftvert árulnak, és a saját ügyfeleiket mérik; a mintáik nem reprezentatívak az összes webáruházra.

Hol morzsolódnak le a vásárlók: a konverziós tölcsér a Shopify Analyticsben

Egyetlen konverziós arányból nem derül ki, hol van a probléma. A Shopify „Conversion rate breakdown” jelentése négy lépésben mutatja a tölcsért, a Littledata pedig ugyanezekre a lépésekre közöl mediánokat 2026 júliusa és októbere közötti GA4-adatokból:

A jelentés beállítható nyitott tölcsérként (a lépések tetszőleges sorrendben) vagy zárt tölcsérként (csak a lépéseket sorrendben teljesítő munkamenetek). A Google Analytics 4-ben a „Purchase journey” jelentés a Reports > Life cycle > Monetization menüpontban a session_start, view_item, add_to_cart, begin_checkout és purchase lépéseket mutatja. Felhasználókat számol, nem munkameneteket, és csak beállított e-kereskedelmi eseményekkel működik.

Azzal a lépéssel érdemes kezdeni, ahol a legnagyobb a különbség az áruház saját korábbi adataihoz vagy a fenti mediánokhoz képest. A tölcsér eszközök és forgalmi források szerinti bontása gyakran megmutatja, hogy a probléma csak egyetlen szegmensben jelentkezik.

Oldalsebesség és Core Web Vitals

A Google három Core Web Vitals mutatóval méri a betöltést, a reakciókészséget és a vizuális stabilitást. Egy oldal akkor felel meg, ha az oldalbetöltések 75. percentilise, mobilon és asztali gépen külön mérve, eléri a „good” (jó) küszöböt. A küszöbértékek a web.dev 2026. novemberi állapota szerint:

A két oszlop közötti értékek „needs improvement” (javítandó) minősítést kapnak. A Shopify Analyticsben saját „Web performance” jelentések vannak az LCP-re, az INP-re és a CLS-re, így egy Shopify áruház külön eszköz nélkül is látja ezeket az értékeket.

A legegyértelműbb bizonyíték arra, hogy a sebesség hat az eladásokra, egy kontrollált tesztből származik. A web.dev oldalon 2021 márciusában közzétett esettanulmány szerint a Vodafone A/B tesztet futtatott egy nyitóoldalon: a 31%-kal jobb LCP-jű változat 8%-kal több eladást hozott. Ez egyetlen cég és egyetlen oldal, nem garancia, de valódi kísérlet volt, nem korreláció. A lassú áruház leggyakoribb okait és a mobil sajátosságait a Miért nem ad el a webáruház mobilon című cikk tárgyalja.

Akadályok a pénztárban: mit mutatnak a Baymard adatai

A Baymard Institute szerint a dokumentált kosárelhagyási arány átlaga 70,22%, 50 tanulmány alapján számolva (a lista utolsó frissítése: 2025. szeptember 22.). Ennek nem mindegyike javítható: a Baymard amerikai online vásárlók körében végzett felmérésében 42% azért hagyta el a kosarát, mert csak nézelődött. Az alábbi arányok már e csoport nélkül értendők, és a leggyakoribb okok konkrét beavatkozási pontokra mutatnak:

A Baymard tesztjei azt is mutatják, hogy egy ideális pénztár akár 12–14 űrlapelemből is állhat, csak az űrlapmezőket számolva pedig 7–8-ból, miközben az átlagos amerikai pénztár alapértelmezetten 23,48 űrlapelemet jelenít meg. A Baymard szerint egy átlagos nagy webáruház jobb pénztártervezéssel 35,26%-kal növelheti a konverziós arányát. Ez a szám nagy amerikai és uniós webáruházak tesztjeiből származik, ezért egy kis áruház a lehetőség jelzéseként, ne előrejelzésként tekintsen rá.

Szállítás, visszaküldés és bizalmi információk

A többletköltségek, a lassú szállítás és a visszaküldés a megszakítás leggyakoribb okai közé tartoznak, a rájuk választ adó információ pedig gyakran túl későn jelenik meg. A Baymard 2026-os termékoldal-benchmarkjában (frissítve: 2026. március 18.) az oldalak 67%-a nem adott becslést a rendelés teljes költségéről a vásárlási rész közelében, 44%-uk pedig a termékoldal fő tartalmában sem megjelenítette, sem belinkelte a visszaküldési feltételeket.

Amit a vásárlónak a pénztár előtt, ideális esetben a „Kosárba” gomb mellett látnia kell:

• Szállítási költség a vásárló országába, és ha van, az ingyenes szállítás határa, a kosárban a még hiányzó összeggel együtt.
• Kézbesítési dátum becslésként („csütörtökig megérkezik”), nem csak „2–4 munkanap”.
• Visszaküldés egy mondatban, a teljes feltételek linkjével.
• Értékelések a termékoldalon, és válasz a negatívakra: a Baymard szerint az oldalak 89%-a nem válaszol a negatív felhasználói értékelésekre.
• Elérhetőségek: telefonszám vagy e-mail-cím és a cégadatok, minden oldalról könnyen megtalálhatóan.

Fizetési módok: expressz fizetés, Shop Pay és PayPal

A Baymard felmérésében az amerikai vásárlók 9%-a azért hagyta félbe a vásárlást, mert kevés volt a fizetési mód, 19%-uk pedig azért, mert nem bízott az oldalban a kártyaadatok megadásakor. Az expressz fizetés mindkét problémára választ ad: a vásárló már elmentett adatokkal hagyja jóvá a fizetést, kártyaszám begépelése nélkül.

A Shopify súgóközpontja szerint a Shopify gyorsított pénztárgombokat (accelerated checkouts) jelenít meg a Shop Payhez és más, ilyet kínáló szolgáltatókhoz, köztük az Apple Payhez, a Google Payhez, az Amazon Payhez és a PayPalhoz. Ezek a pénztár elején, az Express Checkout részben jelennek meg, dinamikus sorrendben, hogy minden vásárló a számára leggyorsabb lehetőséget lássa, és némelyikük a termékoldalon is megjelenhet. A Shopify figyelmeztet, hogy elrejtésük negatívan hathat a konverziós arányra.

A Shopify saját marketingoldala szerint a Shop Pay akár 50%-kal jobb konverziót hoz a vendégként történő vásárláshoz képest (eredetiben: „as much as 50% better conversion compared to guest checkout”), és legalább 10%-kal megelőzi a többi gyorsított pénztárt. A Shopify szerint ezek a számok egy meg nem nevezett globális tanácsadó céggel 2023 áprilisában készített külső tanulmányból származnak. Ezek tehát a gyártó saját állításai, nem független kutatás, és az eredmény egy adott áruházban attól függ, hogy a vásárlói közül hányan használják már a Shop Payt.

Magyarországi kereskedőknek: Magyarország szerepel a Shopify Payments országlistáján, így egy magyar székhelyű áruház bekapcsolhatja a Shopify Paymentst, és vele együtt a Shop Payt is. Hogy a vásárlók melyik fizetési módot részesítik előnyben a DACH-régióban és Közép-Európában, az országonként eltér; az egyes piacok fizetési díjait és szolgáltatóit a Mennyibe kerül egy webáruház Németországban 2026-ban és a Mennyibe kerül egy Shopify webáruház Szlovákiában és Csehországban 2026-ban című cikk tárgyalja.

A termékoldal tartalma

Szinte minden vásárlás egy termékoldalon keresztül történik. A Baymard 2026-os, több mint 30 000 értékelésen alapuló termékoldal-benchmarkjában az asztali oldalak 52%-ánál, a mobiloldalak 62%-ánál és az alkalmazások 64%-ánál a termékoldal összélménye „mediocre” (közepes) vagy annál rosszabb minősítést kapott. A benchmark konkrét hiányosságokat sorol fel:

Ugyanezen kutatás szerint a felhasználók 42%-a a termékfotókból próbálja megítélni a termék méretét. Egy kis áruház számára a gyakorlati sorrend: méretet és használatot mutató fotók, olyan leírás, amely megválaszolja az ügyfélszolgálathoz leggyakrabban érkező kérdéseket, jól látható ár és szállítási költség, értékelések, valamint egy világos mondat a visszaküldésről.

Keresés és szűrők

A Baymard nagyszabású tesztjeiben a résztvevők nagyjából fele a keresést választotta a termékek megtalálásának kedvelt módjaként. A Baymard 2026-os keresési benchmarkja (frissítve: 2026. április 29.) szerint az oldalak 56%-a nem támogatja megfelelően a felhasználók keresési igényeit. A problémás oldalak aránya a keresés típusától függ:

• pontos terméknév: az oldalak 12%-ánál van probléma,
• terméktípus („téli kabát”): 20%,
• tulajdonság („vízálló”): 39%,
• felhasználási cél („túrázáshoz”): 43%,
• kompatibilitás („iPhone 15-höz”): 44%,
• rövidítések és szimbólumok: 54%,
• nem termékre vonatkozó keresések, például szállítás vagy visszaküldés: 66%.

A szűrőknél a Baymard 2025-ös terméklista-benchmarkja (frissítve: 2025. szeptember 9.) az asztali oldalak 58%-át és a mobiloldalak 78%-át „mediocre” vagy rosszabb minősítéssel értékelte. Az oldalak 51%-a nem kínálta az öt alapvető szűrőtípust: ár, átlagos értékelés, szín, méret és márka.

A Shopifyban a keresést és a szűrőket az ingyenes Shopify Search & Discovery alkalmazásban lehet beállítani, amely a keresést, a szűrőket és a termékajánlásokat is kezeli. A Shopify súgóközpontja szerint az 5 000-nél több terméket tartalmazó kollekciók nem jelenítenek meg szűrőket, és egy szűrő legfeljebb 100 értéket mutat az áruházban, ezért a nagyon nagy kollekciókat érdemes felosztani. A Shopify Analyticsben van jelentés a találat nélküli keresésekről („Top online store searches with no results”) és a kattintás nélküli keresésekről („Searches with no clicks”): ezek megmutatják, mit keresnek a vásárlók, és mit nem találnak.

Hogyan érdemes rangsorolni és tesztelni a változtatásokat

Egy jól bevált munkasorrend:

1. Először a hibákat kell kijavítani. Nem működő pénztárlépések, az oldalt lassító alkalmazások, hiányzó fizetési módok: a Baymard szerint a távozó vásárlók 17%-a hibák miatt hagyta ott a vásárlást. A hibák javításához nem kell A/B teszt.
2. A tölcsér leggyengébb lépésével kell kezdeni. Az áruház kosárba helyezési és pénztárbefejezési arányát a saját korábbi adataival és a fenti mediánokkal érdemes összevetni.
3. Minden ötletet pontozni kell a várható hatás, az érintett látogatók aránya és a ráfordítás szerint. A termékoldal-sablon módosítása minden termékre hat; egyetlen nyitóoldal módosítása csak annak látogatóira.
4. Ami bizonytalan, azt tesztelni, ami biztos, azt mérni kell. Az előre feltüntetett szállítási költség egyszerűen élesíthető és figyelhető; egy új termékoldal-elrendezés viszont megér egy tesztet.

A/B tesztek a Shopifyban: a 2026. június 5-én bejelentett frissítés óta a Shopify Rollouts segítségével a témák, a pénztár és az ügyfélfiókok beállításai ütemezhetők, fokozatosan élesíthetők és A/B tesztelhetők, az admin Markets > Rollouts menüpontjában. A Shopify súgóközpontja szerint a rolloutok a Basic csomagtól érhetők el, a kísérletek (A/B tesztek) viszont csak a Grow csomagtól. Vintage témákon nem működnek, egy rollouton belül a Liquid sablonok nem módosíthatók, az eredmények pedig nem szűrhetők eszköz vagy ország szerint. A Liquid sablonokat módosító tesztekhez ezért más eszköz kell.

Mintaméret: egy webáruház a látogatásoknak csak kis részét konvertálja, ezért a tesztekhez sok forgalom kell. Az útmutató saját számítása szerint (kétoldali próba, 5% szignifikanciaszint, 80% statisztikai erő) egy 1,4%-os konverziós arányú áruháznak változatonként körülbelül 30 400, összesen nagyjából 60 700 munkamenetre van szüksége ahhoz, hogy megbízhatóan kimutasson egy 20%-os relatív javulást (1,4%-ról 1,68%-ra). 10%-os javuláshoz változatonként mintegy 116 000 munkamenet kell. Egy havi 20 000 munkamenetes áruház így az első tesztet nagyjából három hónapig futtatná. A számok mintaméret-kalkulátorral ellenőrizhetők, például Evan Millerével.

Két gyakori hiba: a teszt leállítása, amint a felület „szignifikáns” eredményt mutat, amit Evan Miller ismételt szignifikanciatesztelési hibának (repeated significance testing errors) nevez, és amely hamis győzteseket eredményez; valamint eltérő szezonú időszakok összehasonlítása, például az októberé a Black Friday heteivel. Azoknak az áruházaknak, amelyeknek túl kevés a forgalmuk egy teszthez, bizonyítékokon, például az ebben az útmutatóban szereplő adatokon alapuló változtatásokat érdemes bevezetniük, és ugyanazokat a tölcsérlépéseket összevetni előtte és utána.

Ellenőrzőlista: a konverzió növelése lépésről lépésre

1. A jelenlegi konverziós arány feljegyzése a Shopify Analyticsből, a mögötte álló definícióval együtt.
2. A GA4-ben ellenőrizni, hogy a konverziós arányhoz a vásárlás az egyetlen használt kulcsesemény.
3. A „Conversion rate breakdown” jelentés megnyitása, és a legnagyobb visszaesést mutató lépés megkeresése eszköz és forgalmi forrás szerint.
4. Összevetés a benchmarkokkal: Littledata-medián 1,4%, a legjobb 20% 2,7% fölött (2026 júliusa és októbere között).
5. A Core Web Vitals ellenőrzése: LCP legfeljebb 2,5 s, INP legfeljebb 200 ms, CLS legfeljebb 0,1.
6. A szállítási költség, az ingyenes szállítás határa és a kézbesítési dátum megjelenítése a pénztár előtt.
7. A visszaküldési feltételek belinkelése minden termékoldalról.
8. Vendégként történő vásárlás engedélyezése, csak a szükséges mezőkkel.
9. Expressz fizetés bekapcsolása: Shop Pay, ahol a Shopify Payments elérhető, továbbá Apple Pay, Google Pay és PayPal.
10. Méretet és használatot mutató fotók, modelles fotók, értékelések és jól látható ár a termékoldalakon.
11. Az öt alapszűrő (ár, értékelés, szín, méret, márka) beállítása, és a találat nélküli keresések havi átnézése.
12. Havonta egy próbarendelés mobilon és asztali gépen.
13. A/B teszt előtt a mintaméret kiszámítása, és a teszt idő előtti leállításának elkerülése.

Ha mindezt egy konkrét áruházban kell végigvenni, a webáruház-audit átnézi a tölcsért, a sebességet, a pénztárt, a fizetést és a mérést, és a megállapításokat aszerint rendezi, mit kell először javítani. Az Alpinefynál ez kisebb áruháznál 690 €, nagyobbnál 1 090 €; az Alpinefy nem áfafizető, így ez a végső ár. Az ingyenes Webcheck körülbelül 30 másodperc alatt ellenőrzi a kezdőlapot.

Források, ellenőrizve 2026. november 3-án: ShopifyQL munkamenet-mutatók, Shopify viselkedési jelentések, munkamenetek a Shopifyban, GA4 dimenziók és mutatók, GA4 Purchase journey, GA4 hozzájárulási mód, Littledata, konverziós arány, Littledata, kosárba helyezési arány, Littledata, pénztárbefejezési arány, uptain Conversion Rate Report 2025, IRP Commerce piaci adatok, Core Web Vitals küszöbértékek, Web Vitals, Vodafone esettanulmány, Baymard, kosárelhagyás, Baymard, termékoldal UX, Baymard, keresési UX, Baymard, terméklisták és szűrők, Shopify gyorsított pénztár, a Shop Pay bekapcsolása, Shopify Payments országok, Shop Pay, külső fizetési szolgáltatók, Shopify árlista (AT), Shopify Search & Discovery, Shopify szűrők, Shopify Rollouts changelog, Rollouts követelmények, Rollouts analitika, Evan Miller mintaméret-kalkulátor, How Not To Run an A/B Test.