轉換率怎麼算？一篇搞懂轉換率公式、實際案例與常見錯誤

想知道轉換率怎麼算，最核心的答案只有一句話：轉換率 = 完成目標的人數 ÷ 觀察母體人數 × 100%。
但真正困難的地方，不是公式本身，而是你要先定義「什麼算轉換」、「分母該用誰」、「期間怎麼切」，否則算出來的數字很容易失真。

這篇文章會從基本概念、常見情境、實際案例，到常犯錯誤一次講清楚，讓你不只會算，還知道怎麼正確解讀。

一、先搞懂轉換率的核心概念

轉換率的本質，是衡量有多少人從「接觸」走到「完成目標」。先定義清楚轉換事件與觀察對象，公式才有意義。

1. 什麼是轉換率？

轉換率，指的是在一段時間內，完成特定目標行為的人數，占總觀察人數的比例。
這個「目標行為」可以是下單、填表、註冊、預約試用、加入會員，甚至是下載白皮書。

常見的轉換目標包括：

• 電商：完成訂單
• SaaS：註冊帳號、申請試用
• B2B：表單送出、預約顧問
• 內容網站：訂閱電子報
• 廣告活動：點擊後完成特定動作

換句話說，轉換率不是單指「成交率」，而是你定義的關鍵行動達成率。

2. 轉換率怎麼算？最基本的轉換率計算公式

轉換率怎麼算？最基本公式是：轉換率 = 轉換次數 ÷ 總訪客數 × 100%。
如果有 1,000 人進站，最後有 50 人下單，轉換率就是 5%。

公式可寫成：

轉換率 =（完成目標的人數 ÷ 總人數）× 100%

例如：

• 官網訪客 2,000 人
• 表單送出 80 人

則：

轉換率 = 80 ÷ 2,000 × 100% = 4%

這裡要注意，實務上「總人數」不一定是訪客，也可能是：

• 點擊廣告的人數
• 到達某頁的人數
• 加入購物車的人數
• 業務接觸的潛在客戶數

所以，當你問轉換率怎麼算，真正該問的是：你想衡量哪一段流程的轉換？

延伸閱讀:轉換率多少算高?

3. 轉換率算法有哪些差異？分母、分子與期間設定重點

轉換率算法最大的差異，通常來自分母、分子與統計期間設定不同。
同一組業務結果，只要口徑不同，算出的轉換率就可能完全不同。

先看最常見的差異：

項目	常見選項	影響
分子	訂單數、成交人數、表單數、MQL、SQL	決定你在看哪個目標
分母	訪客數、工作階段、點擊數、名單數	決定轉換率高低基準
期間	日、週、月、活動檔期	影響波動與判讀穩定性

第一，分母要對應你要分析的階段。

常見分母包含：

• 曝光數
• 廣告點擊數
• 網站訪客數
• 登入頁訪客數
• 加入購物車人數
• 表單開啟人數
• 業務拜訪名單數

例如你要看廣告素材表現，分母可能是曝光或點擊； 你要看網站頁面成效，分母通常會是訪客數； 你要看購物流程優化，分母可能會變成加入購物車人數。

第二，分子要清楚定義「什麼才算成功轉換」。

以 B2B 名單型行銷為例，各階段的轉換意義其實不同：

• 表單送出，不等於有效名單
• 有效名單，不等於 MQL
• MQL，不等於 SQL
• SQL，也不等於最終成交

如果將不同階段的指標混在一起計算，就很容易造成判斷偏差，進而影響決策方向。

第三，期間一定要一致。

例如：

你用 4 月整月的訪客數當分母 卻只用 4/1 到 4/15 的訂單數當分子

實務上最常見的三個口徑問題：

1. 用訪客數還是瀏覽次數當分母
   • 以訪客數為分母，偏向看「有多少人成功轉換」
   • 以瀏覽次數為分母，偏向看「每次曝光的轉換效率」
2. 用訂單數還是成交客戶數當分子
   • 訂單數適合電商
   • 成交客戶數更適合 B2B 或高單價服務
3. 用自然月還是活動期間
   • 活動期流量集中，轉換率可能短期拉高
   • 自然月更適合長期比較

如果企業內部沒有先統一口徑，常會出現「行銷說 6%，業務說 18%，主管看不懂到底哪個才對」的情況。

二、轉換率計算的常見情境與公式套用

不同商業模式，轉換率算法不完全一樣。最實用的方式，是依照實際流程拆成多段漏斗來看。

1. 電商下單轉換率計算：流量、加入購物車與訂單的關係

電商最常用的轉換率，是下單人數或訂單數 ÷ 網站訪客數。
但若只看最終下單率，常會忽略中間卡住的步驟。

常見電商漏斗可拆成：

• 商品頁瀏覽
• 加入購物車
• 進入結帳
• 完成付款

對應公式例如：

加入購物車率 = 加入購物車人數 ÷ 商品頁訪客數 × 100%
結帳率 = 進入結帳人數 ÷ 加入購物車人數 × 100%
付款完成率 = 完成訂單人數 ÷ 進入結帳人數 × 100%
整體下單轉換率 = 完成訂單人數 ÷ 全站訪客數 × 100%

假設某月數據如下：

• 全站訪客：10,000
• 商品頁訪客：6,000
• 加入購物車：900
• 進入結帳：500
• 完成訂單：300

則可得：

• 加入購物車率 = 900 ÷ 6,000 = 15%
• 結帳率 = 500 ÷ 900 ≈ 55.6%
• 付款完成率 = 300 ÷ 500 = 60%
• 整體下單轉換率 = 300 ÷ 10,000 = 3%

這種拆法比只看 3% 更有價值，因為你能立刻知道問題出在流量品質、購物車誘因，還是結帳流程。

2. B2B 名單轉換率計算：表單送出、MQL 與 SQL 怎麼看

B2B 的轉換率，通常不只看一次成交，而是看名單在銷售漏斗中的推進效率。
因此分階段計算，比單看成交率更能反映真實狀況。

常見定義如下：

• Leads：原始名單
• MQL：符合行銷判定標準的名單
• SQL：經業務確認可跟進的名單
• Closed Won：最終成交

常見公式：

表單轉換率 = 表單送出數 ÷ 活動頁訪客數 × 100%
MQL 率 = MQL 數 ÷ Leads 數 × 100%
SQL 率 = SQL 數 ÷ MQL 數 × 100%
成交率 = 成交數 ÷ SQL 數 × 100%
整體名單成交轉換率 = 成交數 ÷ Leads 數 × 100%

舉例來說：

• 活動頁訪客：5,000
• 表單送出：250
• MQL：120
• SQL：60
• 成交：12

則：

• 表單轉換率 = 250 ÷ 5,000 = 5%
• MQL 率 = 120 ÷ 250 = 48%
• SQL 率 = 60 ÷ 120 = 50%
• 成交率 = 12 ÷ 60 = 20%
• 整體名單成交轉換率 = 12 ÷ 250 = 4.8%

B2B 最容易忽略的是：表單多，不代表有效名單多。
如果表單轉換率很高，但 MQL 或 SQL 很低，往往代表投放對象太寬，名單品質不足。

3. 廣告投放成效怎麼評估？從點擊到成交的轉換率算法

廣告成效不能只看點擊率，從點擊到成交的轉換率更接近商業結果。
特別是在廣告成本上升的情況下，只看流量不看轉換，容易高估投放成效。

常見廣告鏈路：

• 曝光
• 點擊
• 到站
• 註冊／表單
• 成交

對應指標包括：

指標	公式	用途
點擊率 CTR	點擊數 ÷ 曝光數 × 100%	看素材吸引力
到站轉換率	到站數 ÷ 點擊數 × 100%	看頁面載入與跳失
表單轉換率	表單數 ÷ 到站數 × 100%	看頁面說服力
成交轉換率	成交數 ÷ 點擊數或到站數 × 100%	看整體效益

在廣告投放中，常見有三種層次的轉換思維：

點擊率（CTR）：曝光後有多少人點擊 落地頁轉換率：點擊進站後有多少人完成表單或下單 最終成交轉換率：從點擊或訪客到實際成交的比例

這樣拆開看，你才知道是廣告素材有問題，還是落地頁、業務跟進、報價流程出了問題。

延伸閱讀:廣告轉換率實務解析：怎麼算、為什麼低、怎麼做優化

三、實際案例解析：用數字看懂轉換率怎麼算

理解公式後，最好透過實際案例驗算。只要把流程、分母、分子先對齊，轉換率其實不難算。

1. 案例一：官網活動頁的轉換率計算步驟

活動頁轉換率的標準做法，是先確認活動目標，再用訪客數對應目標完成數計算。
如果目標是下載電子書，分子就應是成功下載數，而不是單純按鈕點擊數。

假設一場白皮書下載活動，7 天內數據如下：

• 活動頁訪客：3,200
• 點擊下載按鈕：480
• 成功送出表單：240
• 成功下載：216

則可以分成三層看：

按鈕點擊率 = 480 ÷ 3,200 × 100% = 15%
表單完成率 = 240 ÷ 480 × 100% = 50%
最終下載轉換率 = 216 ÷ 3,200 × 100% = 6.75%

這裡的重點不是只得到 6.75%，而是知道：

• 標題與 CTA 是否吸引人：看點擊率
• 表單是否太長：看表單完成率
• 下載流程是否順暢：看最終完成率

如果你只看最終數字，很難知道該優化哪一段。

2. 案例二：業務開發漏斗中的轉換率算法拆解

業務開發的轉換率，最適合用漏斗拆解，不要只看最後簽約率。
因為每一段流失，都代表不同的管理問題。

假設某 B2B 團隊一個月的開發數據如下：

• 開發名單：400
• 成功接通：160
• 完成會議：64
• 提案報價：24
• 最終成交：8

可得：

接通率 = 160 ÷ 400 = 40%
會議轉換率 = 64 ÷ 160 = 40%
提案率 = 24 ÷ 64 = 37.5%
成交率 = 8 ÷ 24 = 33.3%
整體開發成交率 = 8 ÷ 400 = 2%

從管理角度來看：

• 接通率低：名單品質或開發話術有問題
• 會議率低：需求引導不足
• 提案率低：客戶痛點未確認完整
• 成交率低：方案或價格競爭力不足

這種分段分析，比一句「本月成交率 2%」更有行動價值。

3. 案例三：搭配轉換率計算機快速驗算與比對

轉換率計算機適合做快速驗算，但前提是口徑要一致。
否則同樣輸入數字，得出的結果看似正確，實際上卻無法比較。

最簡單的手動驗算方式如下：

1. 先確認轉換目標
2. 確認分母代表的母體
3. 確認期間一致
4. 套入公式
5. 與前期、不同渠道交叉比對

例如你要比較兩個廣告渠道：

渠道	點擊數	表單數	表單轉換率
A	1,200	72	6%
B	800	64	8%

單看轉換率，B 較高；但若再加上成本：

渠道	花費	表單數	單筆名單成本
A	24,000	72	333
B	32,000	64	500

這時就會發現，B 的轉換率雖高，但未必比較有效率。
所以轉換率計算機很適合算比例，但決策不能只看比例。

四、轉換率計算常見錯誤與判讀盲點

轉換率最大的風險，不是算不出來，而是算對公式卻看錯結果。以下是實務上最常見的三種錯誤。

1. 把不同流量來源混在一起，導致轉換率計算失真

不同流量來源的意圖差很多，混在一起算，常會掩蓋真正問題。
自然流量、品牌字廣告、陌生開發流量，本來就不該用同一個平均值直接比較。

例如：

• 品牌關鍵字流量通常轉換率較高
• 社群冷流量通常轉換率較低
• EDM 再行銷流量常比首次訪客高

如果你把這些來源全部合併後得到 4%，這個數字未必有錯，但幾乎沒有優化價值。更好的做法是至少拆成：

• 流量來源
• 裝置類型
• 新客／回訪
• 活動檔期／平日

只有拆分後，你才知道真正高轉換的渠道在哪裡。

2. 只看單一數字，忽略樣本數、週期與產業基準

轉換率必須搭配樣本數與觀察週期一起看，否則容易誤判。
10 次訪問成交 2 次的 20%，未必比 10,000 次訪問成交 500 次的 5% 更值得高興。

判讀時至少要一起看三件事：

• 樣本數夠不夠
• 觀察週期是否一致
• 是否符合自身產業情境

例如某活動頁昨天來了 20 人、成交 4 人，轉換率 20%；
但這可能只是短期波動，不足以代表真實表現。

根據一般產業觀察：

• 電商整站轉換率常以低個位數為常見區間
• B2B 表單轉換率會因流量來源與表單難度差異很大
• 高單價服務的最終成交率常低於前段名單轉換率很多

因此，轉換率高低不能脫離情境單獨評價。

3. 轉換率高不一定代表績效好：還要搭配客單價與成本

轉換率只是效率指標，不是完整績效指標。
如果高轉換率來自低客單價或高獲客成本，整體獲利可能反而更差。

最常需要一起看的指標有：

• 客單價
• 廣告成本
• 單筆獲客成本 CAC
• 毛利
• ROAS／ROI
• 回購率

舉例來說：

方案	轉換率	客單價	獲客成本	結果
A	8%	600	250	可能利潤有限
B	4%	3,000	500	可能更有價值

所以真正成熟的分析，不會只問「轉換率怎麼算」，而會進一步問：

• 這個轉換值不值得？
• 這個渠道有沒有利潤？
• 這個高轉換能不能規模化？

五、用 FineBI 提升轉換率分析效率

當企業開始認真看待轉換率，問題通常就不再只是「公式怎麼算」，而是「這個數字能不能被穩定算出來、持續追蹤，並真正拿來做決策」。尤其當資料已經分散在廣告平台、官網、CRM 與業務系統裡，轉換率分析的難點往往不在計算本身，而在資料整合、口徑一致與分析效率。這也是 FineBI 真正能發揮價值的地方。

1. 為什麼企業需要用 BI 工具整合轉換率計算與報表

企業在做轉換率分析時，最常遇到的問題不是沒有數據，而是數據分散在不同系統，彼此之間很難對得起來。廣告點擊數可能在 Google Ads 或 Meta Ads，到站與行為資料在網站分析工具，表單名單進到 CRM，成交結果又留在 ERP 或業務系統。每個系統都只記錄流程中的一段，若中間缺乏整合，最後算出來的轉換率就很容易因口徑不同而失真。

這也是為什麼很多企業明明已經在追蹤轉換率，卻還是很難把分析做深。因為一旦依賴人工彙整 Excel，不只更新速度慢，也容易出現版本混亂、協作困難與資料錯置等問題。表面上看起來，大家都在看報表；但實際上，每個部門可能都在用不同的數字解讀同一個流程。

從這個角度來看，企業真正需要的其實不是一個能幫忙計算公式的工具，而是一套能把跨系統資料整合起來、讓全公司看到同一套轉換路徑的分析機制。Excel 更像是單點整理資料的文件工具，而 FineBI 更適合扮演企業級分析平台的角色，讓轉換率不只是被算出來，而是能被持續使用、持續優化。

2. FineBI 如何串接廣告、CRM 與官網資料，建立轉換率儀表板

FineBI 的價值，在於可以把原本分散的資料串成同一條分析路徑，建立統一口徑的轉換率儀表板。當行銷、業務與管理層都看到同一組數字時，轉換率分析才真正具備決策意義，而不只是各部門各看各的報表。

在實務上，企業通常會把廣告平台的曝光與點擊資料、官網或活動頁的到站與表單行為、CRM 中的 Leads、MQL、SQL，以及 ERP 或訂單系統裡的成交與營收資料整合進同一套分析架構。這樣一來，原本被切散在不同系統裡的流程，就能被還原成一條完整的漏斗，從曝光、點擊、到站、表單提交、名單轉化，到最終成交與營收，都能放在同一個視角下追蹤。

更關鍵的是，FineBI 並不只是給數據或 IT 部門使用的工具。它採用拖拉式操作與直覺化介面，對已經熟悉 Excel 的使用者來說，上手門檻相對低。實務導入中，行銷與業務人員通常不需要撰寫程式，就能自己切換維度、查看轉換漏斗、調整分析視角。這讓轉換率分析不再只停留在少數人手上，而能真正被各部門日常使用。

當業務團隊也能直接參與分析，而不是只被動接收報表時，轉換率數據才會開始影響實際行動，從名單篩選、跟進策略到成交判斷，都能更貼近數據。

3. 實務場景：行銷與業務如何用 FineBI 找出高轉換渠道

FineBI 的實務價值，不只是把轉換率呈現在看板上，而是幫助團隊進一步看懂：到底是哪一個渠道、哪一類客群、哪一個流程節點，真正影響了最終成交。這也是企業從「知道轉換率」走向「優化轉換率」的關鍵一步。

例如，行銷團隊通常會想知道，哪一個廣告來源帶來的名單品質最好；業務團隊則更在意，哪些名單最容易從 MQL 進到 SQL，最後成功成交；而管理層關心的，往往不是單一轉換率數字，而是每個渠道背後的營收貢獻、獲客成本與整體投資效益。若只看靜態報表，這些問題通常需要反覆拉資料、重新整理；但在 FineBI 裡，則可以透過互動式儀表板，直接從渠道、地區、產品、業務負責人或時間維度切換分析視角。

也因為工具本身簡單易用，這些分析不需要完全依賴資料部門產出。行銷可以即時調整投放策略，業務可以快速判斷名單優先順序，主管也能隨時掌握整體轉換與營收表現。當分析權限被下放，數據的價值才會真正被放大。

最後你不只會得到「哪個渠道轉換率高」，還能回答更有價值的問題：哪個渠道雖然流量少但成交品質高？哪一頁的表單完成率突然下降？哪個業務團隊的跟進效率最好？哪種產品組合雖轉換率普通，但營收貢獻最高？

對希望 BI 真正在企業內被使用、需要業務部門一起參與分析、又重視導入落地效果的企業而言，FineBI 的價值不在於多做一張報表，而在於讓數據被更多人理解、使用，並真正影響決策。

如果你的團隊已經開始在意「轉換率怎麼算」，那下一步通常就不只是把公式記熟，而是建立一套能持續追蹤、快速更新、跨部門對齊的分析機制。當資料被整合起來，轉換率才不會只是報表上的一個數字，而會變成推動成長決策的起點。