轉換率該跟誰比：四種基準的取得方式
「我們的轉換率是百分之一點八，這樣算好還是不好？」這是最常被問、也最難回答的問題之一。
難回答的原因不是缺乏資料，是問題本身缺少前提。轉換率的意義完全取決於跟什麼比。同一個數字在不同的比較基準下，可以是優秀，也可以是災難。
這篇整理四種可用的基準，以及各自的取得方式與適用情境。
一、為什麼業界平均幾乎沒有用
公開的業界平均數字有三個問題。第一，它的定義不明。是所有流量的轉換率，還是排除機器人之後的？是首次訪客還是包含回訪？
第二，它的樣本組成不明。同樣是「電商」，客單價八百與客單價八萬的網站，轉換率本來就會差十倍以上。
第三，它無法反映流量來源的組成。品牌流量佔七成的網站，轉換率必然高於以廣泛廣告為主的網站，這跟網站好壞無關。
所以用業界平均做判斷，得到的結論通常是錯的，或者至少是無法據以行動的。
- 定義不明：不知道分母與分子怎麼算
- 樣本不明：客單價與商業模式差異極大
- 流量組成不同：品牌流量比例影響巨大
二、基準一：自己的歷史資料
這是最可靠、也最容易取得的基準。跟三個月前的自己比、跟去年同期的自己比。
使用時的條件是口徑必須一致：同樣的轉換定義、同樣的流量範圍、同樣的裝置組合。
這個基準的限制是它只能告訴你有沒有進步，不能告訴你還有多少空間。所以它適合日常管理，不適合設定目標。
三、基準二：自己的最佳區段
把流量拆成不同的區段，找出表現最好的那一段，用它當作其他區段的參考。
例如：品牌搜尋流量的轉換率是百分之六，廣泛廣告是百分之零點八。這兩個數字之間的差距，就是意圖差異造成的自然落差。
但如果同樣是品牌搜尋，桌機是百分之六而手機只有百分之一點五，那就不是意圖差異，是體驗問題。
這種內部比較的價值在於它自動控制了商業模式、客單價與品牌認知等變因。
- 把流量拆成區段後互相比較
- 同意圖不同裝置的落差指向體驗問題
- 內部比較自動控制了多數變因
四、基準三：實際的競爭對手
這個基準最有價值，也最難取得。多數情況下你無法知道競爭對手的轉換率。
但有幾個間接方式可以估算。第一是公開財報或年報中的營收與流量資訊。第二是流量估算工具搭配公開的客單價資訊。第三是產業內的非正式交流。
估算出來的數字精確度有限，但用來判斷自己是明顯落後、大致相當、還是明顯領先，通常已經足夠。
五、基準四：理論上限
第四種基準不是跟別人比，是跟「如果一切都做對」的情況比。
做法是把轉換路徑拆成各個步驟，逐一估算每一步的合理留存率，相乘後得到理論值。
例如：進站後看到主要商品的比例、加入購物車的比例、進入結帳的比例、完成付款的比例。四個數字各自都有可以參考的合理區間。
把實際值與理論值並排，可以立刻看出是哪一步拖累了整體。這是四種基準裡最能指向行動的一種。
- 拆解路徑並估算各步驟的合理留存率
- 相乘得到理論上限
- 與實際值並排即可定位問題步驟
六、四種基準的搭配使用
日常管理用基準一，判斷有沒有退步。
設定改善目標用基準四，因為它指出具體的改善位置。
評估市場位置用基準三，通常在年度規劃或募資時使用。
診斷特定問題用基準二，因為它能排除多數干擾變因。
四種都不需要業界平均。如果一定要用，只把它當成一個非常粗略的方向感，不要據以設定目標。
七、比較時必須控制的五個變因
- 流量來源組成：品牌與非品牌的比例
- 裝置組合：行動與桌機的比例
- 新舊訪客比例
- 季節與檔期因素
- 轉換的定義是否一致
八、一個實際的判讀範例
一個客戶的整體轉換率是百分之一點四，看起來偏低。
拆解後發現：桌機百分之三點一、手機百分之零點六，而手機佔流量的七成八。
再往下拆，手機的結帳頁完成率只有桌機的三分之一。實地測試後發現，手機版的付款按鈕在部分機型上被鍵盤遮住。
修正之後三週，整體轉換率上升到百分之二點二。這個問題如果只看整體數字並跟業界平均比較，永遠不會被發現。
九、什麼時候轉換率不該是主要指標
三種情況。第一是決策週期長的高單價服務，網站的角色是建立信任而非直接成交。
第二是流量量體很小，轉換率的統計波動大於真實變化。
第三是同時有線下成交管道，網站的貢獻無法完整反映在線上轉換上。
這三種情況下，建議改用詢問品質、進入決策頁的比例、或者總詢問量作為主要指標。
常見問題
業界平均轉換率可以參考嗎？
只能當成非常粗略的方向感。它的定義、樣本組成與流量結構都不明，不適合用來設定目標或判斷成效。
轉換率多少算好？
沒有絕對標準。建議用自己的歷史資料、內部最佳區段與理論上限三種基準判斷，而非跟外部平均比較。
流量很少時怎麼判斷轉換率？
量體小的時候統計波動大於真實變化，建議改看總詢問量或進入決策頁的比例，並拉長觀察期間。
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 8 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。