Własna aplikacja mobilna: 2× wyższy przychód i częstsze zamówienia już w pierwszym roku (badanie 1 337 restauracji)

Jak robiliśmy badanie (czytaj jeśli lubisz szczegóły)

Metoda badania

Największą pułapką w mierzeniu „czy aplikacja działa” jest efekt selekcji: aplikację instalują z reguły najwierniejsi klienci, więc samo porównanie „z aplikacją vs bez” niczego nie dowodzi — pokazałoby tylko, że lojalni są lojalni. Rozwiązaliśmy to inaczej: dla każdego klienta porównaliśmy jego własne zamówienia przed zainstalowaniem aplikacji i po. Ten sam człowiek jest swoim punktem odniesienia, więc jego „typ” (czy jest wiernym, czy okazjonalnym klientem) nie ma znaczenia — liczy się tylko zmiana w jego zachowaniu.

Żeby porównanie było uczciwe, użyliśmy symetrycznych okien: tyle samo czasu przed instalacją, ile po (3, 6 i 12 miesięcy). Liczyliśmy częstotliwość zamówień, a nie ich surową sumę — dzięki temu klient, który ma aplikację od dwóch lat, jest porównywalny z tym, który ma ją od pół roku. Wykluczyliśmy też zamówienia anulowane i nieopłacone, żeby liczyć wyłącznie sprzedaż, która faktycznie doszła do skutku.

Kto wszedł do badania (i dlaczego akurat 72 468 osób).

Aplikacje ma ponad 523 000 klientów, ale do analizy „przed vs po” celowo dopuściliśmy tylko tych, których dało się uczciwie porównać — czyli mających historię zamówień zarówno sprzed instalacji aplikacji, jak i po niej. W praktyce oznaczało to trzy warunki jednocześnie: instalacja od 2019 roku, pełne okno obserwacji po instalacji (np. dla wyniku półrocznego — co najmniej 6 miesięcy od instalacji) oraz co najmniej jedno zamówienie przed instalacją, żeby w ogóle było z czym porównywać. Ten ostatni warunek jest najważniejszy i celowo działa na naszą niekorzyść: wyklucza klientów, którzy zaczęli zamawiać dopiero po zainstalowaniu aplikacji — a więc tych z potencjalnie największym wzrostem (z zera na regularne zamówienia). Innymi słowy, prawdziwy efekt na całej bazie jest najpewniej wyższy niż to, co pokazujemy; wybraliśmy ostrożniejszą, trudniejszą do podważenia próbę.

Wyniki badania

Różnica jest duża: +65% zamówień i +88% przychodu w oknie półrocznym, a w rocznym aż +87% zamówień i +129% przychodu. W liczbach bezwzględnych: ci sami klienci złożyli średnio 4,1 zamówienia po instalacji aplikacji wobec 2,5 przed, a ich przychód wzrósł z 685 zł do 1 288 zł na klienta (okno półroczne). To nie są nowi klienci — to dokładnie te same osoby, które po zainstalowaniu aplikacji zaczęły zamawiać częściej i wydawać więcej.

Weryfikacja wyników

Dla pewności sprawdziliśmy wynik na trzy dodatkowe sposoby:

• Krzywa trwałości — czy to nie „efekt nowości”. Policzyliśmy efekt osobno dla okna 3-, 6- i 12-miesięcznego. Gdyby aplikacja dawała tylko chwilowy zryw entuzjazmu tuż po instalacji, efekt malałby z czasem. Stało się odwrotnie: +41% po kwartale, +65% po pół roku, +87% po roku. Efekt nie gaśnie — pogłębia się. To samo widać w liczbach bezwzględnych: średnia zamówień na klienta rośnie z 2,5 przed instalacją do 4,1 po pół roku i niemal 6 w skali roku.
• Grupa kontrolna — czy to nie ogólny trend rynku. Wzięliśmy 645 603 klientów bez aplikacji i sprawdziliśmy, jak zmienia się ich częstotliwość zamówień w czasie (porównując pierwszą połowę ich historii z drugą). Tymczasem klienci bez aplikacji nie rosną — ich aktywność w drugiej połowie historii jest wyraźnie niższa niż w pierwszej. To znaczy, że wzrost +65–87% u klientów z aplikacją jest realnym efektem aplikacji, a nie tłem rynkowym. Co więcej, mierzony względem tego, co działoby się bez aplikacji, efekt jest jeszcze większy.
• Stabilność bazy rok do roku — czy rynek sam nie „rośnie”. Sprawdziliśmy dodatkowo, ile zamówień na klienta składa cała baza w kolejnych latach. Okazała się płaska: 2,50 w 2024 i 2,52 w 2025 — praktycznie bez zmian. Skoro przeciętny klient nie zamawia z roku na rok częściej sam z siebie, to skok o 65–87% po instalacji aplikacji nie może być efektem ogólnego wzrostu rynku. Musi pochodzić z aplikacji.

Spójność na poziomie każdej restauracji. Przeanalizowaliśmy każdą restaurację z osobna. Wśród lokali z wiarygodną próbą (co najmniej 100 klientów w analizie) 99% odnotowało wzrost liczby zamówień — na 134 takie restauracje tylko jedna nie urosła. Mediana wzrostu (+64%) pokryła się z wynikiem dla całej bazy klientów (+65%), co potwierdza, że efekt nie jest średnią ukrywającą porażki, lecz regułą działającą restauracja po restauracji.

Ważne zastrzeżenie do wyników

Porównanie „przed vs po” na tym samym kliencie jest mocną metodą, ale nie idealnym eksperymentem laboratoryjnym — nie losowaliśmy, kto dostanie aplikację. Dlatego najpewniejszy jest spójny obraz z czterech niezależnych sprawdzianów: porównania na tym samym kliencie, rosnącej krzywej trwałości, grupy kontrolnej bez aplikacji i stabilnego trendu bazy rok do roku. Wszystkie cztery wskazują w tę samą stronę. Warto też pamiętać, że część efektu w pierwszym kwartale to naturalny entuzjazm po instalacji — ale skoro w oknie rocznym efekt jest jeszcze większy, nie jest to wyłącznie „miodowy miesiąc”.

Data przeprowadzenia badania

Czerwiec 2026 (analiza danych z systemu na dzień 28 czerwca 2026).

Badany okres

Dane z ponad 13 lat — od stycznia 2013 do czerwca 2026.

Zakres analizowanych danych

72 468 klientów z 1 337 restauracji korzystających z UpMenu, w 69 krajach, na podstawie 1 205 843 zamówień. Łącznie z aplikacji UpMenu korzysta ponad 523 000 klientów; do analizy „przed vs po” weszli ci, którzy mają historię zamówień zarówno sprzed instalacji, jak i po niej.