數字沒有錯，但結論錯了：六種常見的統計陷阱

報表最危險的狀態不是算錯，而是算對了卻被讀錯。算錯遲早會被發現，讀錯則會安靜地引導一連串決策走向錯誤方向，而且過程中每個人都覺得自己在用數據做事。

這篇整理六種在行銷場景中最常出現的統計陷阱，每一種都附上辨識方式與正確的看法。它們不需要統計背景就能理解，但知道與不知道的差別非常大。

一、平均數掩蓋分布

平均客單價一千二，聽起來很清楚。實際情況可能是九成的訂單落在四百元，一成的訂單超過八千元，兩群人的行為模式完全不同，卻被壓成一個數字。

依據這個平均數去設計免運門檻、推薦組合或分眾溝通，等於同時對兩群人做了不適合的事。

  • 辨識方式：畫出分布圖，或至少看中位數與平均數的差距
  • 差距超過兩成就要警覺，代表分布明顯偏斜
  • 正確做法：先分群再算平均，讓每一群的平均都有意義
  • 實務建議：報表上同時呈現中位數，成本幾乎為零

二、比率的分母不一樣

這個月轉換率從百分之二升到百分之三，看起來成長五成。但如果這個月的流量來源結構改變了——上個月有大量低意圖的社群流量，這個月沒有——那麼分母的組成不同，兩個數字根本不能直接比。

辨識方式是每次比較比率之前，先確認分母的組成是否穩定。如果流量來源佔比變動超過一成，比率的變化就要重新解讀。

正確做法是分渠道各自比較，或至少在報表上標注來源結構的變化。這件事在活動期間特別重要，因為活動幾乎一定會改變流量組成。

三、倖存者偏差

分析成功案例找出共同點，然後把那些共同點當成成功要素。問題在於，失敗的案例可能也有同樣的共同點，只是沒有被納入分析。

行銷場景中最常見的版本是分析回購客戶的行為特徵，得出「有加入會員的人回購率高」的結論，然後把資源大量投在推廣加入會員上——但真正的因果可能相反：本來就打算回購的人才會去加入會員。

  • 辨識方式：問一句「沒有成功的那一群，這個特徵的比例是多少」
  • 如果無法取得失敗樣本，結論就只能當成假設而非依據
  • 正確做法：用對照組比較，而不是只看成功組的內部特徵

四、迴歸平均值被當成成效

某週表現特別差，於是做了調整，下週回到正常水準，於是認定調整有效。實際上極端值本來就傾向回到平均，即使什麼都不做也會回升。

這個陷阱之所以難防，是因為介入的時機通常就是表現最差的時候——那正是最容易出現迴歸的時候。結果是我們系統性地高估了所有補救措施的效果。

辨識方式：看介入前的數值是不是異常值。如果是，就把判斷期間拉長到四週以上，並與去年同期比較，而不是只看介入後的一週。

五、辛普森悖論：整體與分群方向相反

整體轉換率下降，但每一個渠道的轉換率都上升。這種看似矛盾的情況真實存在，原因是各渠道的流量佔比改變了——低轉換渠道的佔比大幅提高，把整體平均拉下來。

這在擴張期特別常見：開始投放上游流量之後，整體轉換率一定會下降，但這不代表操作變差，反而可能是策略正確的訊號。

  1. 辨識方式：整體指標與分群指標方向相反時，先看各群的佔比是否改變
  2. 正確做法：報表同時呈現整體與分群，並標示各群佔比的變化
  3. 決策原則：擴張期看分群趨勢，穩定期才看整體平均

六、選擇性的比較基準

同樣一組數字，跟上個月比是成長，跟去年同期比是衰退，跟三年前比是大幅成長。基準選擇本身就決定了結論，而多數報表只呈現其中一種。

這不一定是刻意誤導，更多時候是無意識的：人會傾向選擇支持自己既有判斷的基準。防範方式是把基準寫進報表規範，固定同時呈現兩到三種，而不是每次臨時決定。

  • 月比：反映短期變化，但受季節與天數影響大
  • 年同期比：排除季節性，最適合判斷趨勢
  • 近十二個月滾動平均：最平滑，適合看長期方向
  • 三種一起看，方向一致才是可靠的結論

七、一份簡單的防呆檢查

在每次要根據數字下判斷之前，花兩分鐘問這五題，可以擋掉大部分的誤讀。

  1. 這個平均數背後的分布長什麼樣子
  2. 比較的兩組資料，分母組成一樣嗎
  3. 我是不是只看了成功的那一群
  4. 介入之前的數值是不是異常值
  5. 換一個比較基準，結論會不會改變

五題都能回答，結論的可信度會高很多；有任何一題卡住，就代表這個判斷需要更多資料才能成立。

八、為什麼這件事值得花時間

行銷決策的成本通常不在單次執行，而在方向錯誤持續累積。一個因為誤讀而做出的策略調整，可能要三到六個月才會顯現問題，而那時候已經投入了大量預算與人力。

這六種陷阱的共同特徵是：它們都不會讓數字看起來有問題。報表照樣漂亮、圖表照樣整齊、會議照樣順利，錯誤藏在解讀那一層，而解讀是唯一沒有系統會幫你檢查的環節。

把這五題做成報表的固定欄位，或至少貼在自己的螢幕旁邊，是投報率極高的一個小習慣。

九、三個真實情境的完整推演

第一個情境：某電商發現本月轉換率從百分之二點一掉到百分之一點六，主管要求檢討到達頁。實際查下去，該月因為節慶檔期投放了大量上游曝光型廣告，帶進的流量多了六成，而這批流量的意圖明顯較低。分渠道看，每一個既有渠道的轉換率其實都持平或微升。真正該檢討的不是到達頁，而是這批新流量的後續培養機制有沒有建立。

第二個情境：某服務業分析近一年的成交客戶，發現八成都曾經下載過白皮書，於是決定把預算大量投入白皮書推廣。但沒有人去看未成交名單中下載白皮書的比例——實際上也有七成五。這個特徵幾乎沒有區辨力，真正有區辨力的是有沒有參加過線上說明會，成交組六成、未成交組一成八。差別就在有沒有找對照組。

第三個情境：某品牌某週廣告成效特別差，緊急更換了全部素材，隔週成效回升三成，團隊據此認定新素材有效並全面替換。但把時間拉長到八週來看，那個特別差的一週是明顯的異常低點，前後六週都在正常區間，而換素材後的數值也只是回到區間內。真正該做的是找出那一週異常的原因，而不是把整套素材換掉。

十、把防呆變成團隊習慣的三個做法

  • 報表模板固定放入中位數、分母組成與三種比較基準，讓人不需要主動想起來
  • 任何要動用超過一定金額的決策，簡報必須回答那五個檢查題，寫成一頁附件
  • 每季挑一個過去做過的判斷回頭複驗，看當時的結論在更長期的資料下是否仍然成立

第三項最有價值也最少人做。回頭複驗會發現，有些當時很有把握的結論其實只是雜訊，而有些被否決的方向其實方向正確只是樣本不足。這種校正經驗累積下來，比讀十本統計書更能提升團隊的判讀能力。

數據素養的核心不是會算，而是知道什麼時候不能相信自己算出來的東西。六種陷阱背後其實是同一個提醒：數字只描述了它測量到的部分，而決策需要的是完整的圖像。中間那段差距，只能靠有意識的提問來補。

延伸閱讀

關於作者與審稿

冠誠數位行銷（GuanCheng Martech）的顧問團隊撰寫這篇文章。團隊累積 295 個專案，服務 308 家客戶，操作範圍包含 SEO 自然排名、AEO 答案引擎、GEO 與 LLMO 佈局、Google 與 Meta 廣告投放、電商維運與數據歸因分析。

文章裡的數字來自冠誠數位行銷實際經手的客戶帳戶與後台報表，客戶名稱與可識別資訊都已經移除。內容由負責該領域的冠誠顧問審稿後發佈，最後更新日期為 2026 年 9 月 6 日。讀完有問題，可以到冠誠數位行銷官方網站的預約諮詢頁面留下聯絡方式，我們會用你提供的時段回電。