網站轉換率怎麼算才準？多少算正常、流量少怎麼判斷有沒有進步

作者｜瞻新資訊　陳俊鳴顧問（資深SEO顧問・搜尋流量與銷售漏斗規劃）

老闆問：「網站的轉換率現在多少？」行銷窗口打開後台，報了一個數字。老闆接著問：「那算好還是不好？」這時候多半就答不上來了。

答不上來，通常不是數字算錯，而是那個數字本身沒講清楚：是除以人數，還是除以造訪次數？電話和 LINE 算不算？拿來比的「業界平均」，量的又是哪一種網站？

網站轉換率要算得準，先要講清楚三件事：哪一種行動算轉換、除以誰、算哪一段時間。 這篇照這個順序講，再回答兩個最常被問的問題：多少算正常；流量不多的網站，又該怎麼判斷自己有沒有進步。寫的對象是靠詢問表單、電話、LINE 接案的服務型官網，電商的數字只拿來對照。

網站轉換率的公式只有一行：難的是分子、分母與期間各放什麼

先講定義。網站轉換率，是「來網站的人裡面，有多少比例做了你希望他做的那件事」。 寫成轉換率的計算公式：

網站轉換率 ＝ 完成目標行動的次數（或人數）÷ 造訪的次數（或人數）× 100%

Nielsen Norman Group 的說法更短：轉換率是採取了期望行動的使用者所占的百分比，而且那個行動不一定是購買，只要是對生意重要的指標都算。轉換率的英文是 conversion rate，報表與廣告後台常縮寫成 CVR。

算式一行就寫完，麻煩在括號裡的字。拿一家假設的辦公室裝修公司來看（以下數字都是為了示範怎麼算而假設的）。上個月它的官網有 900 位使用者、造訪了 1,200 次；收到 24 筆詢問表單，來自 23 個人，其中一位送了兩次；另外，電話按鈕被點了 30 次，LINE 按鈕被點了 26 次。

上個月的轉換率是多少？至少有三個答案：

• 只算表單、除以造訪次數：24 ÷ 1,200 ＝ 2.0%
• 只算表單、除以人數：23 ÷ 900 ≈ 2.6%
• 表單、電話、LINE 都算，除以造訪次數：假設做了其中任何一件事的造訪有 66 次，66 ÷ 1,200 ＝ 5.5%

同一個月、同一個網站，三個數字都沒算錯，差別只在分子和分母放了什麼。 所以報轉換率之前，得先交代分子是哪一種行動、分母是誰、算的是哪一段時間。下面一件一件來。

轉換率的分子：詢問表單、電話、LINE，哪些才算一次轉換

服務型官網不像網路商店，有「付款成功」這個明確的終點。訪客表達興趣的方式通常有三種：送出詢問表單、點電話、點 LINE。這三種，網站量得到的東西並不一樣。

• 表單：量得到「成功送出」，內容也留得下來，是三種裡最可靠的。
• 電話按鈕：網站只知道有人點了按鈕，不知道電話有沒有撥通、談了什麼。
• LINE 按鈕：網站只知道有人點了，不知道他有沒有加好友、有沒有真的傳訊息。

打個比方。表單像客人填好的訂位單，白紙黑字；電話和 LINE 的點擊，比較像有人伸手推了一下店門，有沒有走進來，網站這一端看不到。

比較穩當的做法，是把「成功送出表單」當成主要轉換，單獨算一個轉換率；電話與 LINE 的點擊另外記成次要轉換，不要加在一起報成一個數字。 加在一起，數字會變好看，卻分不出是詢問變多了，還是手機訪客隨手多點了幾下。

還有三個細節會影響分子：

1. 同一個人送兩次算幾次。 用人數當分母，他只算一個人；用造訪次數當分母，要看兩次是不是在同一次造訪裡送的。
2. 測試與垃圾訊息要扣掉。 自己人測試時送的、機器人灌進來的垃圾訊息，都不是詢問。
3. 「按下送出」不等於「送出成功」。 欄位沒填對被擋下來的那一次不該算。事件要設在成功之後，做法在 GA4 的安裝與事件設定那一篇有說明。

分子怎麼定沒有標準答案，但定了就不要換；中途把電話點擊加進來，轉換率會突然變高，那不是進步，是定義變了。

轉換率的分母：工作階段、使用者、廣告點擊，算出來不一樣

分母有三種常見的選擇，三種都有官方的算法。

先解釋兩個詞。「工作階段」是一次造訪：依 Google Analytics 的指標說明，預設在使用者閒置 30 分鐘後，工作階段就會結束，下次再來算新的一次。「使用者」則是不重複的訪客。同一個人這個月來了三次，是 1 位使用者、3 個工作階段。

要留意的是，沒有會員登入的網站，GA4 主要靠瀏覽器認人：報表識別資訊的說明寫道，在網站上，裝置 ID 的值取自用戶端 ID。同一個人用手機和電腦各來一次，就可能被算成兩位使用者。

前兩列是 Google Analytics 說明中心的原文。第三列出自 Google Ads 對轉換率的定義，它舉的例子是 1,000 次互動帶來 50 次轉換，轉換率就是 5%。

三種算出來本來就不會一樣。廣告的轉換率只算點了廣告的人，跟全站所有訪客不是同一群人；拿廣告後台的轉換率跟 GA4 的全站數字比，是拿不同的分母在比。

服務型官網該用哪一個？拿人當分母，通常比較貼近你想知道的事。要花錢請人裝修辦公室的訪客，很少第一次來就詢問，多半會回來看兩三次。用工作階段算，他前兩次只看不問，都被算成沒轉換；用使用者算，問的是「來過的人裡面，有幾成最後開口了」。它不完美，跨裝置的訪客會被拆開，但方向比較對。

Nielsen Norman Group 在前面那篇文章也說，算不重複的訪客或算每一次造訪都可以，重點是每一期都用同一種算法。選哪一種分母不是對錯的問題，混著用才是：這個月報使用者的、下個月報工作階段的，兩個數字不能放在一起比。

GA4 的轉換率在哪裡看：重要事件發生率的兩份報表與三個設定

打開 GA4 找「轉換率」，會找不到這三個字。2024 年 3 月，Google 宣布用「重要事件」取代 Analytics 裡原本的「轉換」（英文是 key events，也有人譯成關鍵事件）；「轉換」這個詞，現在留給 Google Ads 用來衡量廣告成效。原本的轉換率，也就改叫「重要事件發生率」。

要看到這個數字，有三個設定得先確認。

第一，代表詢問的事件有沒有標成重要事件。 依官方的操作說明，位置在「管理」的「資料顯示」底下的「事件」，一個標準資源最多可以標 30 個，標完最多要等 24 小時才會出現在標準報表。這一頁有一句話很重要：標示只會影響之後產生的報表資料，不會影響歷來資料。今天才標，上個月的轉換率就算不出來；所以網站一上線，就該先把這件事做完。

第二，報表裡看的是哪一種重要事件。 「工作階段重要事件發生率」在「報表」的「獲客」底下的「流量開發」報表；「使用者重要事件發生率」在同一區的「獲取新客」報表。如果表單送出、電話點擊、型錄下載都被標成重要事件，合在一起看到的，就是「做了其中任何一件事」的比率，也就是前面例子裡 5.5% 的那一種。官方說明寫的是可以選擇重要事件來縮小分析範圍：在欄位的選單改選代表「表單成功送出」的那個事件，看到的才是主要轉換的轉換率。

第三，重要事件的計算方法。 Google 在計算方法的說明裡建議用「每個事件一次」，同一次造訪觸發五次就算五次；另一種「每個工作階段一次」是舊版留下來的算法，只算一次。這個設定影響的是「重要事件」的次數。拿重要事件的次數自己除以工作階段數，得到的不是官方的發生率；發生率算的是「有發生的工作階段占幾成」，同一次造訪送兩次表單，只算一個。

💡 小提醒

GA4 左側選單的報表名稱與位置，會因帳戶的設定而不同。找不到「流量開發」或「獲取新客」時，有編輯權限的人可以把報表重新加回選單。

網站轉換率多少算正常：常見的平均值量的是電商與廣告頁

「轉換率多少算高、多少算正常」是最多人想知道的一題，也是網路上答案最亂的一題。先講結論：網站轉換率沒有一個通用的正常值；查得到出處的平均值，量的多半是購物網站與廣告到達頁，不是服務型官網。

這次查證，只留下講得出樣本與算法的來源：

第一列來自 Mastercard 旗下的個人化工具商 Dynamic Yield 公開的基準資料，第二列是到達頁工具商 Unbounce 的基準報告；兩份都是工具商拿自己平台上的資料整理的，數字是 2026 年 10 月 12 日查到的。

這兩份有三個地方跟服務型官網不一樣。

第一，轉換的種類不同。在網路上買一件日用品，跟開口詢問一個要簽約的案子，門檻差很多。Nielsen Norman Group 在前面那篇談轉換率的文章寫道，衝動購買型的商品，轉換率往往高於要研究好幾個月、還要委員會核准才簽約的複雜服務。

第二，頁面的種類不同。到達頁是為了一檔廣告做的單一頁面，來的人都點了廣告，頁面上也只有一件事可以做（Landing Page 跟企業官網差在哪有完整說明）。整個官網的訪客，有一大部分是搜尋一個問題進來看文章的，本來就不是來詢問的。拿到達頁的 6.6% 去要求整個官網，就像拿專櫃的成交率，去要求整棟百貨公司的來客。

第三，地區不同。這些都是國外的資料；同一份電商基準裡，亞太區的平均只有全球的一半多一點。亞太不等於台灣，但這已經說明，數字不能跨地區直接搬。

那服務型或 B2B 官網的平均值呢？這次查到兩份有這類數字的來源，一份來自歸因工具商，一份來自美國的搜尋行銷公司。兩份都沒有交代樣本是幾家公司、在哪些國家，其中一份連分母是什麼都沒寫，所以本文不引用。老實說：服務型官網目前找不到一份方法交代清楚、可以拿來當及格線的平均值。

倒是 GA4 自己有一個功能可以參考，叫基準化。開啟之後，首頁的總覽資訊卡會顯示同業群組的中位數，以及第 25 到第 75 個百分位數的範圍，可以選的指標就包含工作階段與使用者的重要事件發生率。要先到「管理」的「帳戶設定」開啟「根據輸入內容和業務洞察資料建立模型」，資料從 2024 年 5 月 30 日起算，而且同業群組要納入一定數量的網站，系統才會提供基準。

它的限制也要知道：同業群組是系統依產業類別指派的，而每個網站自己決定哪些事件算「重要」，定義並不一致。當參考可以，當及格線不行。

繞了一圈，還是 Nielsen Norman Group 講得最實在：對你的網站來說，好的轉換率，就是比你以前高。跟自己的過去比，前提是分子、分母、期間三件事都沒有換。

轉換率下降不一定是變差：先看詢問件數，再看分母多了誰

轉換率是一個比率。分子沒變、分母變了，它也會動。

回到那家辦公室裝修公司。假設某個月，一篇談辦公室隔間材質的文章被很多人搜到，造訪次數從 1,200 變成 2,400，詢問一樣是 24 筆。轉換率從 2.0% 掉到 1.0%，腰斬。生意有沒有變差？沒有。詢問一筆都沒少，只是多了一群來查資料的人。

反過來也一樣。停掉一檔帶來很多無效點擊的廣告，造訪次數少一半，詢問沒變，轉換率就翻倍，網站其實什麼都沒改。

看轉換率的時候，旁邊一定要放兩個數字：轉換的件數，和分母的大小；三個數字一起看，才知道是誰在動。

如果是分母變了，再往下問一句：多出來或少掉的，是哪一種進站頁、哪一個來源的訪客。全站混在一起看容易誤判，分群判讀的方法在網站分析怎麼判讀那一篇談過，這裡不重複。

來源也一直在變。Google Analytics 在 2026 年 5 月的更新裡，替預設管道群組加了「AI 助理」管道，看得到從 ChatGPT、Gemini、Claude 這類聊天機器人過來的訪客。新來源一開始人數很少，轉換率會大起大落，要照下一節的方法連範圍一起看。

文章帶來的流量越成功，全站的轉換率越容易往下掉；所以服務型官網不適合只盯全站的數字，另外算「從服務頁進站的訪客」的轉換率會比較有用。

流量少的網站，轉換率要連誤差範圍一起看

每個月只有一兩千次造訪、二三十筆詢問的網站，還有一個更根本的問題：數字太少，本來就會跳。

丟十次銅板，出現七次正面並不稀奇，沒有人會因此說這枚銅板有問題。轉換率也一樣。上個月 24 筆、這個月 30 筆，可能是網站變好了，也可能只是運氣。

統計學處理這件事的工具叫「信賴區間」：不把轉換率當成一個點，而是算出一個範圍，意思是「真正的轉換率大概落在這裡面」。美國國家標準暨技術研究院（NIST）的統計手冊，在比例的信賴區間一節介紹的是威爾森（Wilson）法，並提到最常見的那條簡單公式，下限有可能算出負數。

威爾森法用試算表就能算。設 n 是分母（工作階段數或使用者數），p 是轉換率（寫成小數），95% 的區間分四步：

1. 算出 p：轉換數 ÷ n。
2. 中心 ＝（p ＋ 1.92 ÷ n）÷（1 ＋ 3.84 ÷ n）。
3. 幅度 ＝ 1.96 × 根號〔p ×（1 − p）÷ n ＋ 0.96 ÷ n 的平方〕÷（1 ＋ 3.84 ÷ n）。
4. 區間就是「中心減幅度」到「中心加幅度」。

1.96 是 95% 信心水準對應的數值，3.84、1.92、0.96 分別是它的平方、平方的一半與四分之一。

套進例子：1,200 次造訪、24 筆詢問，轉換率 2.0%，區間大約是 1.4% 到 3.0%。假設改了服務頁之後，下個月同樣 1,200 次造訪，詢問變成 36 筆，轉換率 3.0%，區間大約是 2.2% 到 4.1%。

表面上從 2% 到 3%，成長五成。但兩個月的區間有一段重疊（2.2% 到 3.0%），只憑這兩個月，還不能肯定地說網站變好了。 這是粗略的看法，不是正式的統計檢定；拿來提醒自己別太早下結論，已經夠用。

同樣是 2% 的轉換率，分母越大，範圍越窄（都是照上面的公式算的）：

• 500 次造訪、10 筆：大約 1.1% 到 3.6%
• 2,000 次造訪、40 筆：大約 1.5% 到 2.7%
• 10,000 次造訪、200 筆：大約 1.7% 到 2.3%

樣本小的時候，轉換率後面的小數點沒有意義；10 筆轉換算出來的 2%，真正的值可能是 1% 出頭，也可能是 3% 多。

⚠️ 注意

信賴區間只處理「樣本太少造成的隨機波動」。追蹤碼漏裝、事件重複觸發、內部人員的造訪沒有排除，這些錯誤它看不出來；資料本身不準，算出來的區間也不準。

流量少時怎麼判斷網站有沒有進步：拉長期間、對照去年、回頭看詢問內容

知道數字會跳之後，流量不多的網站有四個做法，可以讓判斷穩一點。

把期間拉長。 一個月不夠就看一季。Nielsen Norman Group 的建議是，如果只要一個答案，就用一個月當期間，而且期間要長到能蓋過隨機的波動。它舉的例子是：很多 B2B 網站週末的流量明顯比較少，因為主要的使用者不在辦公室。所以服務型官網別看單日，也別拿有長假的月份跟平常月份比。

跟去年同期比，不只跟上個月比。 很多服務有淡旺季。這個月比上個月好，可能只是旺季到了。

改了什麼、哪一天改的，要記下來。 一次只改一個地方，前後各留夠長的時間。同一個月換了表單、改了首頁、又開了廣告，數字變了也分不出是誰的功勞。該改哪裡、怎麼改是另一個題目，這篇不展開。

回頭讀每一筆詢問的內容。 一個月二十幾筆，讀得完。問的是不是你有做的服務、是不是你要的客戶、有沒有留下可以聯絡的方式。流量少的網站，「有效詢問的件數」往往比轉換率更能說明網站有沒有進步。 假設某個月 24 筆裡有 20 筆是對的客戶，另一個月 36 筆裡只有 12 筆是，前一個月其實比較好，轉換率卻比較低。

至於訪客為什麼不詢問，數字幫不上忙，要直接看人怎麼用。找五位接近真實客戶的人實際操作一遍，做法在 UI/UX 設計流程那一篇的可用性測試一節。流量少、量不出差別的時候，觀察五個人怎麼用，得到的資訊比再等三個月的報表多。

A/B 測試要多少流量才值得做：先用公式估樣本數

A/B 測試是把訪客隨機分成兩組，一組看舊版，一組看新版，再比兩組的轉換率。兩組在同一段時間進行，淡旺季、廣告這些外在因素對兩邊的影響一樣，所以它是判斷「改版有沒有用」最可靠的方法。

問題是它很吃流量。要多少，可以先算一遍。微軟的研究人員 2009 年發表在期刊上的線上對照實驗指南給了一條估算式，假設 95% 的信心水準與 80% 的檢定力：

每一組需要的人數 ＝ 16 × p ×（1 − p）÷ 差距的平方

p 是目前的轉換率，差距是新舊兩版轉換率相減，兩個都寫成小數。論文自己舉的例子：一個有 5% 使用者會購買的購物網站，想驗出 5% 的相對變化（從 5% 到 5.25%），每一組需要將近 122,000 位使用者；只想驗出 20% 的變化，就降到 7,600 位。

差距在算式裡是平方，所以想驗出的變化每縮小一半，需要的人數就變成四倍。

把服務型官網的數字放進去。假設目前的轉換率是 2%：

• 想驗出從 2% 提高到 3%（差距 0.01）：每一組大約 3,100 人，兩組合計約 6,300 人。
• 想驗出從 2% 提高到 2.4%（差距 0.004）：每一組大約 19,600 人，兩組合計約 39,200 人。

那家裝修公司每個月 900 位使用者。第一種要跑大約七個月，第二種要三年半以上。每個月不到一千位使用者的服務型官網，拿詢問當指標做 A/B 測試，多半要跑好幾個月到好幾年，並不划算。

Nielsen Norman Group 在 A/B 測試的入門文章裡說得更直接：要得到統計上顯著的結果，常常需要幾千位使用者，所以流量少的頁面不適合做 A/B 測試。它舉的例子是基準 3%、想驗出 20% 的相對變化、顯著水準 95%，需要的樣本是 13,000 位使用者。同一篇也提醒，太早停止測試容易得到錯的結論，而且 A/B 測試只告訴你哪一版比較好，不會告訴你為什麼。

流量夠、決定要做的話，前面那篇論文還有兩個提醒：樣本不夠就開跑，是常見的錯誤；就算人數很快湊齊，也建議至少跑一到兩週，並以整週為單位，因為平日和週末來的往往是不同的人。

值不值得做，可以照這個順序判斷：

1. 用上面的算式估一次需要的人數。
2. 除以那個頁面每個月的使用者數，換算成要跑幾個月。
3. 算出來要跑好幾個月，就先不做，回到上一節的四個做法；流量夠的頁面（例如廣告到達頁）再考慮。

網站轉換率的月紀錄表：每個月固定記這七欄

談轉換率優化之前，要先有一份量得準的紀錄。把前面講的收成一張每個月填一次的表。這張表的重點不在欄位多寡，在每個月都用同一種算法。

• 期間：幾月幾日到幾月幾日。
• 分母：使用者數與工作階段數，兩個都記。
• 主要轉換的件數：成功送出的詢問表單，扣掉測試與垃圾訊息。
• 次要轉換的件數：電話點擊、LINE 點擊，分開記。
• 有效詢問的件數：讀過內容之後，確定是對的客戶、對的服務的那幾筆。
• 轉換率與範圍：主要轉換 ÷ 分母，連同 95% 的區間。
• 這個月動了什麼：改了哪一頁、開了或停了哪一檔廣告、哪一篇文章流量特別高。

記滿半年，手上就有一條自己的基準線；之後每一次改版有沒有用，都是跟這條線比，不是跟網路上的平均值比。

很多公司的處境是：做過網站，也投過廣告，結果還是沒有詢問、沒有成交。瞻新資訊在網站設計開發的服務說明裡，寫的就是這個情況。遇到這種時候，先別急著重做。把這張表填三個月，弄清楚是來的人不對、來的人太少，還是來了卻沒開口，再決定錢花在哪裡，會比憑感覺改版踏實得多。

常見問題

參考資料

• Conversion Rates — Jakob Nielsen，Nielsen Norman Group，2013-11-24（英文，美國，2026-10-12 查證）
• Analytics 維度和指標 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• 報表識別資訊 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• 轉換率：定義 — Google Ads 說明（繁體中文，官方文件，2026-10-12 查證）
• Evolving Google Analytics for more insightful measurement — Kamal Janardhan，Google 官方部落格，2024-03-21（英文，國際，2026-10-12 查證）
• 將事件標示為重要事件 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• GA4「流量開發」報表 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• GA4「獲取新客」報表 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• 變更重要事件的計算方法 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• eCommerce conversion rate benchmarks — Dynamic Yield（Mastercard 旗下）（英文，工具商彙整自家平台的電商資料，2026-10-12 查證）
• Conversion Benchmark Report — Unbounce，2024 年版（英文，工具商彙整自家平台的到達頁，2026-10-12 查證）
• GA4 基準化 — Google Analytics 說明（繁體中文，官方文件，2026-10-12 查證）
• Google Analytics 新功能 — Google Analytics 說明，2026-05-13「全新 AI 助理流量評估功能」一則（繁體中文，官方更新公告，2026-10-12 查證）
• 7.2.4.1 Confidence intervals — NIST/SEMATECH e-Handbook of Statistical Methods（英文，美國政府機關的統計手冊，2026-10-12 查證）
• Controlled experiments on the web: survey and practical guide — Ron Kohavi 等四人，Data Mining and Knowledge Discovery 第 18 卷，2009（英文，同儕審查期刊論文，2026-10-12 查證）
• A/B Testing 101 — Tim Neusesser，Nielsen Norman Group，2024-08-30（英文，美國，2026-10-12 查證）

ℹ️ 關於本文

本文引用的 Google 官方說明、研究機構文章、統計手冊、期刊論文與工具商的基準資料，以查閱當日（2026 年 10 月 12 日）各來源網站的版本為準；官方文件、報表介面與基準數字會更新，請以各來源的最新內容為準。文中的平均值都來自國外樣本，而且以購物網站與廣告到達頁為主，不代表台灣或服務型官網的實際情形。辦公室裝修公司是為了示範算法而假設的例子，數字不是真實客戶的資料。信賴區間與樣本數的算式是估算用的簡化做法，不能取代正式的統計分析。文中的建議屬一般性的實務整理，實際情形因產業、流量與追蹤設定而異，不構成詢問量、轉換率或成效的保證。