.webp){kind=logo}
เครื่องคำนวณอัตราคอนเวอร์ชันฟรี ไม่ต้องสมัคร
เครื่องคำนวณอัตราคอนเวอร์ชัน
คำนวณอัตราคอนเวอร์ชัน จำนวนคอนเวอร์ชันที่คาดว่าจะได้ หรือจำนวนการเข้าชมที่ต้องใช้ กรอกรายได้และต้นทุนเพื่อดูอัตราจุดคุ้มทุน ทดสอบการเปลี่ยนแปลง และหาจุดที่คนหลุดออกจากฟันเนลมากที่สุด
เจาะลึกกว่าตัวเลขเดียว
หาจุดที่คนหลุดออกจากฟันเนล หรือตรวจสอบว่าการเปลี่ยนแปลงส่งผลต่ออัตราคอนเวอร์ชันจริงหรือไม่
1
100%
2
ไปต่อ 62.0%
3
ไปต่อ 17.7%
4
ไปต่อ 47.3%
5
ไปต่อ 46.2%
6
—
7
—
8
—
อัตราคอนเวอร์ชันโดยรวม
2.40%
จุดรั่วที่ใหญ่ที่สุด: ดูสินค้า → เพิ่มลงตะกร้า
มีเพียง 17.7% ที่ไปต่อ และมีคนหลุดออก 5,100 คนในขั้นตอนนี้
หากเพิ่มอัตราการไปต่อในขั้นตอนใดขั้นตอนหนึ่งขึ้น 10% จะได้คอนเวอร์ชันในขั้นตอนสุดท้ายเพิ่มประมาณ 24 เพราะแต่ละขั้นตอนส่งคนต่อไปยังขั้นตอนถัดไป เริ่มจากจุดรั่วที่ใหญ่ที่สุด ซึ่งมีสัดส่วนคนไปต่อต่ำที่สุด โดยทั่วไปจุดนี้มีโอกาสปรับปรุงได้มากที่สุด
คุณกำลังเปรียบเทียบอะไร?
เวอร์ชัน A
2.40%
อัตราคอนเวอร์ชัน
เวอร์ชัน B
2.90%
อัตราคอนเวอร์ชัน
ผลลัพธ์
การเปลี่ยนแปลงสัมพัทธ์
+20.8%
ผลต่าง
+0.50 จุดเปอร์เซ็นต์
ระดับความเชื่อมั่น
97.2%
จำนวนการเข้าชมที่ต้องใช้ต่อเวอร์ชัน
ที่ทำได้
เวอร์ชัน B มีอัตราคอนเวอร์ชันสูงกว่าเวอร์ชัน A อยู่ 20.8% ด้วยระดับความเชื่อมั่น 97.2% ผลต่างนี้มีแนวโน้มสูงมากที่จะเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญ
เช็กทราฟฟิกที่อยู่เบื้องหลังอัตราคอนเวอร์ชันของคุณ
อัตราคอนเวอร์ชันจะมีประโยชน์แค่ไหน ขึ้นอยู่กับการเข้าชมที่นำมาคำนวณด้วย
เครื่องมือเช็กทราฟฟิกเว็บไซต์
ฟรีของ SparkTraffic แสดงว่าเว็บไซต์ได้รับทราฟฟิกจากการค้นหาบน Google มากแค่ไหน ต้องการผู้เข้าชมเพิ่มเพื่อทดสอบหน้าเว็บ? ดู
บริการทราฟฟิกเว็บไซต์ของ SparkTraffic
ได้เลย
เช็กทราฟฟิกเว็บไซต์ฟรี
วิศวกรของ Google ทำการทดสอบ A/B ครั้งแรกในปี 2000 และในปี 2011 บริษัททำการทดสอบมากกว่า 7,000 ครั้ง ตามบทความของ Wikipedia เรื่องการทดสอบ A/B บทความเดียวกันระบุว่าปัจจุบัน Google และ Microsoft ต่างทำการทดสอบมากกว่า 10,000 ครั้งต่อปี ทีมขนาดใหญ่ทดสอบมากขนาดนี้ด้วยเหตุผลง่ายๆ: อัตราคอนเวอร์ชันที่เพิ่มขึ้นเพียงเล็กน้อยช่วยเพิ่มยอดขายจากผู้เข้าชมที่เว็บไซต์มีอยู่แล้ว
ทีมส่วนใหญ่ยังประเมินอัตรานี้จากการหารตัวเลขเพียงครั้งเดียวในแดชบอร์ด เครื่องคำนวณฟรีด้านบนช่วยหาอัตราคอนเวอร์ชัน จำนวนคอนเวอร์ชันที่คาดว่าจะได้ หรือจำนวนการเข้าชมที่คุณต้องการ อีกทั้งยังแสดงความน่าเชื่อถือของตัวเลข แปลงเป็นมูลค่าเงิน หาขั้นตอนที่อ่อนแอที่สุดในฟันเนล และตรวจสอบว่าผลการทดสอบสะท้อนความแตกต่างจริงหรือไม่ คู่มือนี้อธิบายวิธีอ่านผลลัพธ์แต่ละส่วนและวิธีนำไปใช้
อัตราคอนเวอร์ชันวัดอะไร และทำไมเว็บไซต์เดียวจึงมีอัตราต่างกันได้สามค่า
อัตราคอนเวอร์ชันคือสัดส่วนของผู้เข้าชมที่ทำเป้าหมายที่คุณให้ความสำคัญสำเร็จ เช่น ซื้อสินค้า สมัครสมาชิก หรือกรอกแบบฟอร์มผู้สนใจ บทความของ Wikipedia เรื่องการปรับปรุงอัตราคอนเวอร์ชัน ยกตัวอย่างง่ายๆ: เว็บไซต์มีผู้เข้าชม 200 คนในหนึ่งวัน ในจำนวนนี้มี 30 คนสมัครรับจดหมายข่าว อัตราคอนเวอร์ชันของวันนั้นจึงเท่ากับ 15%
อัตราคอนเวอร์ชัน = คอนเวอร์ชัน ÷ การเข้าชม × 100
คอนเวอร์ชัน = การเข้าชม × อัตราคอนเวอร์ชัน ÷ 100
การเข้าชมที่ต้องการ = คอนเวอร์ชัน ÷ อัตราคอนเวอร์ชัน × 100
สูตรนั้นง่าย แต่ข้อมูลที่ใช้ไม่ง่าย เครื่องมือวิเคราะห์นับเซสชัน (การเข้าชมแต่ละครั้ง) และผู้ใช้ (คนหรืออุปกรณ์) แยกกัน และหลายทีมนับหลายเป้าหมายพร้อมกัน แต่ละทางเลือกทำให้ผลลัพธ์เปลี่ยนไป และไม่มีทางเลือกใดผิดในตัวเอง
ตัวอย่าง: ร้านค้าแห่งหนึ่งบันทึกคำสั่งซื้อ 300 รายการในหนึ่งเดือน ข้อมูลวิเคราะห์แสดง 20,000 เซสชันและผู้ใช้ 14,000 คน อัตราที่คิดจากเซสชันคือ 1.50% ส่วนอัตราที่คิดจากผู้ใช้คือ 2.14% หากทีมนับการสมัครรับจดหมายข่าว 500 รายการเป็นคอนเวอร์ชันด้วย อัตราจะเพิ่มเป็น 4.00% ตัวเลขทั้งสามค่าถูกต้อง แต่บอกเรื่องราวต่างกันสามแบบ
ความคลาดเคลื่อนแบบที่สามมาจากกฎความเป็นส่วนตัว เมื่อแบนเนอร์คุกกี้เปิดให้ผู้เข้าชมปฏิเสธการวิเคราะห์ เครื่องมือวิเคราะห์จะนับเฉพาะผู้เข้าชมที่ยินยอม แต่ระบบคำสั่งซื้อนับทุกคำสั่งซื้อ อัตราคอนเวอร์ชันจึงดูสูงกว่าความเป็นจริง
แนวทางที่ใช้ได้จริงคือกำหนดนิยามเดียวก่อนเปรียบเทียบ: เป้าหมายหลักหนึ่งอย่างที่มีคุณค่าจริงต่อคนจริง ตัวหารหนึ่งประเภท (เซสชัน ผู้ใช้ หรือคลิก) และช่วงวันที่เดียวกันพร้อมตัวกรองเดียวกันสำหรับตัวเลขทั้งสองค่า วิธีนี้ใช้ได้เพราะอัตราคอนเวอร์ชันเป็นอัตราส่วน และอัตราส่วนจะเปรียบเทียบกันได้ก็ต่อเมื่อตัวตั้งและตัวหารถูกวัดด้วยวิธีเดียวกันทุกครั้ง
วิธีใช้เครื่องคำนวณอัตราคอนเวอร์ชันฟรี
ข้อผิดพลาดเกี่ยวกับอัตราคอนเวอร์ชันส่วนใหญ่เกิดในสเปรดชีต การพิมพ์อัตรา 0.024 ลงในเซลล์ที่ต้องการค่า 2.4% ทำให้หน้าเว็บดูแย่ลงร้อยเท่า การนำคำสั่งซื้อของเดือนหนึ่งหารด้วยการเข้าชมของอีกเดือนทำให้เดือนที่เงียบดูเหมือนวิกฤต เครื่องคำนวณพื้นฐานยังหยุดแค่การหารครั้งเดียว คุณจึงยังต้องมีสูตรแยกสำหรับรายได้ ต้นทุน อัตราจุดคุ้มทุน และการทดสอบ
SparkTraffic เป็นแพลตฟอร์มทราฟฟิกเว็บไซต์ที่ช่วยธุรกิจเพิ่มการเข้าชมผ่านแคมเปญทราฟฟิก SEO แบบออร์แกนิก SEO บน Maps สำหรับพื้นที่ และแบ็กลิงก์ การเข้าชมจะคุ้มค่าก็ต่อเมื่อเปลี่ยนเป็นผลลัพธ์ เราจึงสร้างเครื่องคำนวณนี้ให้ทำงานร่วมกับเครื่องมือตรวจสอบทราฟฟิกเว็บไซต์ฟรีของเรา: เครื่องมือหนึ่งแสดงจำนวนการเข้าชมเว็บไซต์ ส่วนอีกเครื่องมือแสดงว่าการเข้าชมเหล่านั้นมีมูลค่าเท่าไร เครื่องคำนวณทำงานในเบราว์เซอร์ของคุณ ไม่ต้องมีบัญชี และแสดงสูตรที่ใช้คำนวณทุกผลลัพธ์
ขั้นตอนที่ 1: เลือกสิ่งที่คุณนับ
สวิตช์ด้านบนกำหนดฐานในการคำนวณอัตรา: การเข้าชม คลิกโฆษณา หรือผู้สนใจ การเข้าชมเหมาะกับเว็บไซต์หรือหน้าแลนดิ้งเพจ คลิกโฆษณาเหมาะกับแคมเปญแบบชำระเงินและอีเมล ส่วนผู้สนใจจะเปลี่ยนผลลัพธ์เป็นลูกค้า คุณจึงได้อัตราการเปลี่ยนผู้สนใจเป็นลูกค้าสำหรับทีมขาย
ขั้นตอนที่ 2: เลือกตัวเลขที่คุณต้องการหา
แท็บทั้งสามใช้หาอัตราคอนเวอร์ชัน คอนเวอร์ชันที่คาดว่าจะได้ หรือการเข้าชมที่ต้องการ คุณกรอกตัวเลขสองค่าที่ทราบ แล้วเครื่องคำนวณจะหาค่าที่สามให้ เช่น เป้าหมาย 300 คอนเวอร์ชันที่อัตรา 3% ต้องใช้การเข้าชมประมาณ 10,000 ครั้ง
ขั้นตอนที่ 3: กรอกตัวเลขของคุณ
คุณพิมพ์รูปแบบย่อ เช่น 10k หรือ 1.2m ใช้ปุ่มเลือกค่าด่วน หรือใช้จุลภาคเป็นจุดทศนิยมได้หากประเทศของคุณเขียนตัวเลขแบบนั้น ผลลัพธ์จะอัปเดตขณะคุณพิมพ์ ด้านล่างจะแสดงสูตร ช่วงความเชื่อมั่น 95% และสรุปด้วยภาษาที่เข้าใจง่าย
ขั้นตอนที่ 4: เพิ่มข้อมูลเงินและเป้าหมายในตัวเลือกขั้นสูง
มูลค่าต่อคอนเวอร์ชันและต้นทุนทราฟฟิกหรือโฆษณาช่วยเพิ่มข้อมูลรายได้ต่อการเข้าชม ต้นทุนต่อคอนเวอร์ชัน ROAS (ผลตอบแทนจากค่าโฆษณา) และอัตราจุดคุ้มทุน อัตราเป้าหมายและระยะเวลาเป็นวันแสดงว่าเป้าหมายนั้นจะเพิ่มคอนเวอร์ชันและรายได้เท่าไร รองรับสิบสกุลเงินสำหรับแคมเปญระหว่างประเทศ
ขั้นตอนที่ 5: หาจุดรั่วไหล ทดสอบการเปลี่ยนแปลง คัดลอกและแชร์
เครื่องมือหาจุดรั่วไหลในฟันเนลแสดงว่าคนออกจากกระบวนการระหว่างขั้นตอนใด การทดสอบ A/B และการตรวจสอบช่วงเวลาช่วยบอกว่าความแตกต่างระหว่างสองเวอร์ชันหรือสองช่วงเวลามีแนวโน้มเป็นความแตกต่างจริงหรือไม่ ปุ่มคัดลอกผลลัพธ์สร้างสรุปแบบข้อความธรรมดาสำหรับรายงาน ส่วนแชร์ลิงก์ช่วยให้เพื่อนร่วมงานเปิดการคำนวณเดียวกันได้ทุกประการ
ลำดับนี้ใช้ได้เพราะสอดคล้องกับการตัดสินใจจริง: เริ่มจากอัตรา ตามด้วยความน่าเชื่อถือ มูลค่าเงิน แล้วจึงหาวิธีแก้ไข แต่ละช่องเพิ่มเติมช่วยเพิ่มข้อมูลเชิงลึกอีกหนึ่งระดับ คุณจึงไม่ต้องกรอกข้อมูลที่คุณไม่มี
วิธีแยกอัตราคอนเวอร์ชันที่แท้จริงออกจากช่วงที่โชคดี
อัตราคอนเวอร์ชันจากกลุ่มตัวอย่างขนาดเล็กอาจผันผวนมาก ยอดขายเพิ่มเพียงสามรายการในวันที่เงียบอาจทำให้อัตราของหน้าแลนดิ้งเพจใหม่เพิ่มเป็นสองเท่า และยอดขายที่หายไปสามรายการอาจทำให้อัตราลดลงครึ่งหนึ่ง ทีมที่ตอบสนองต่อความผันผวนเหล่านี้มักปิดหน้าเว็บที่ดีหรือเก็บหน้าเว็บที่อ่อนแอไว้ เพราะตัวเลขดูน่าเชื่อถือในวันที่ตรวจสอบ
ตัวอย่าง: หน้า A ได้ 6 คอนเวอร์ชันจากการเข้าชม 100 ครั้ง คิดเป็นอัตรา 6% ช่วงความเชื่อมั่น 95% อยู่ระหว่าง 2.78% ถึง 12.48% ดังนั้นอัตราที่แท้จริงอาจต่ำกว่าครึ่งหนึ่งหรือสูงกว่าสองเท่าของค่าที่คุณเห็น หน้า B ได้ 120 คอนเวอร์ชันจากการเข้าชม 2,000 ครั้ง คิดเป็น 6% เช่นกัน แต่มีช่วงตั้งแต่ 5.04% ถึง 7.13% อัตราเท่ากัน แต่มีเพียงหน้า B ที่ให้ตัวเลขซึ่งคุณใช้วางแผนได้
เครื่องคำนวณสร้างช่วงนี้ด้วยวิธี Wilson score interval ซึ่งเป็นวิธีมาตรฐานที่อธิบายไว้ในบทความของ Wikipedia เรื่องช่วงความเชื่อมั่นของสัดส่วนทวินาม พูดง่ายๆ คือช่วงนี้แสดงว่าอัตราในระยะยาวน่าจะอยู่ตรงไหนมากที่สุด วิธีนี้ยังแม่นยำสำหรับกลุ่มตัวอย่างขนาดเล็กและอัตราที่ใกล้ศูนย์ ซึ่งเป็นระดับที่เว็บไซต์ส่วนใหญ่พบ
แนวทางที่ใช้ได้จริงคืออ่านช่วงความเชื่อมั่นก่อนอ่านอัตราหลัก การเปลี่ยนแปลงที่เล็กกว่าแถบความผันผวนใต้ช่วงความเชื่อมั่นอาจเกิดจากความบังเอิญ ตามเกณฑ์คร่าวๆ เครื่องคำนวณจะระบุผลลัพธ์ที่มีคอนเวอร์ชันน้อยกว่า 30 ครั้งว่าเป็นกลุ่มตัวอย่างขนาดเล็ก วิธีนี้ใช้ได้เพราะความกว้างของช่วงขึ้นอยู่กับจำนวนคอนเวอร์ชันเป็นหลัก ข้อมูลเพิ่มอีกไม่กี่สัปดาห์จึงมักตอบคำถามที่การออกแบบใหม่ก็อาจตอบไม่ได้
วิธีแปลงอัตราคอนเวอร์ชันเป็นรายได้ต่อการเข้าชมและอัตราจุดคุ้มทุน
อัตราคอนเวอร์ชันไม่มีป้ายราคากำกับ อัตรา 1.92% อาจยอดเยี่ยมสำหรับร้านค้าที่ได้ทราฟฟิกราคาถูก แต่ขาดทุนสำหรับร้านค้าที่จ่ายแพงต่อคลิก ทีมที่เปรียบเทียบช่องทางด้วยอัตราเพียงอย่างเดียวมักตัดช่องทางที่ทำเงินมากที่สุด เพราะอัตราของช่องทางนั้นดูต่ำกว่า
ตัวอย่าง: แคมเปญหนึ่งสร้างการเข้าชม 12,500 ครั้งและ 240 คอนเวอร์ชัน คิดเป็นอัตรา 1.92% แต่ละคอนเวอร์ชันมีมูลค่า $75 และทราฟฟิกมีต้นทุน $3,000 รายได้ต่อการเข้าชมคือ $1.44 ต้นทุนต่อการเข้าชมคือ $0.24 ต้นทุนต่อคอนเวอร์ชันคือ $12.50 และ ROAS คือ 6.00× อัตราจุดคุ้มทุนคือ 0.32% ดังนั้นอัตราจึงลดลงได้อีกมากก่อนที่แคมเปญจะไม่คุ้มต้นทุน หากทราฟฟิกเดียวกันมีต้นทุน $30,000 อัตราจุดคุ้มทุนจะเป็น 3.20% และแคมเปญจะขาดทุนที่อัตรา 1.92%
รายได้ต่อการเข้าชม = อัตราคอนเวอร์ชัน × มูลค่าต่อคอนเวอร์ชัน
ต้นทุนต่อคอนเวอร์ชัน = ต้นทุน ÷ คอนเวอร์ชัน
อัตราจุดคุ้มทุน = ต้นทุนต่อการเข้าชม ÷ มูลค่าต่อคอนเวอร์ชัน × 100
แนวทางที่ใช้ได้จริงคือใช้อัตราจุดคุ้มทุนเป็นเกณฑ์ขั้นต่ำของทุกช่องทาง และเปรียบเทียบช่องทางด้วยรายได้ต่อการเข้าชม วิธีนี้ใช้ได้เพราะผู้เข้าชมจากการค้นหา โฆษณา และอีเมลมีความตั้งใจต่างกัน อัตราจึงไม่เท่ากัน รายได้ต่อการเข้าชมทำให้ทุกช่องทางอยู่บนมาตรวัดเดียวกัน: การเข้าชมหนึ่งครั้งมีมูลค่าเท่าไรต่อธุรกิจของคุณ
มูลค่าต่อคอนเวอร์ชันที่ตรงตามจริงจึงสำคัญ สำหรับผู้สนใจ มูลค่านี้คือมูลค่าดีลเฉลี่ยคูณด้วยสัดส่วนผู้สนใจที่กลายเป็นลูกค้า มูลค่าที่สูงเกินจริงทำให้ทุกช่องทางดูมีกำไรบนกระดาษและซ่อนปัญหาที่แท้จริง
วิธีหาจุดรั่วไหลที่ใหญ่ที่สุดในฟันเนลของคุณ
อัตราคอนเวอร์ชันสุดท้ายไม่ได้บอกว่าคนออกจากกระบวนการตรงไหน บทความของ Wikipedia เรื่องการตลาดเพื่อสร้างคอนเวอร์ชัน แสดงฟันเนลง่ายๆ: คน 100% เห็นโฆษณา 30% คลิก และ 6% ซื้อสินค้า ฟันเนลนี้มีอัตราแยกกันสองค่า และแต่ละขั้นตอนอาจมีปัญหาด้วยเหตุผลต่างกัน
ตัวอย่าง: ร้านค้าแห่งหนึ่งมีการเข้าชม 10,000 ครั้ง มี 6,200 คนดูสินค้า (62%) มี 1,100 คนเพิ่มสินค้าลงตะกร้า (17.7%) มี 520 คนเริ่มชำระเงิน (47.3%) และ 240 คนซื้อ (46.2%) อัตราสุดท้ายคือ 2.40% จุดรั่วไหลที่ใหญ่ที่สุดอยู่ระหว่างการดูสินค้ากับตะกร้า ซึ่งมีคนออกไป 5,100 คน
อัตราของแต่ละขั้นตอนในฟันเนลคูณต่อกัน การเพิ่มขึ้น 10% ในขั้นตอนใดขั้นตอนหนึ่งช่วยเพิ่มการซื้อประมาณ 24 รายการในตัวอย่างนี้ เพราะแต่ละขั้นตอนส่งต่อไปยังขั้นตอนถัดไป บทความเรื่องการทดสอบ A/B ของ Wikipedia อธิบายประเด็นเดียวกัน: ในฟันเนลการซื้อสินค้าอีคอมเมิร์ซ แม้อัตราการออกลดลงเพียงเล็กน้อยก็อาจเพิ่มยอดขายได้อย่างมาก
แนวทางที่ใช้ได้จริงคือเริ่มจากขั้นตอนที่มีสัดส่วนคนไปต่อได้น้อยที่สุด ขั้นตอนนั้นมักมีโอกาสปรับปรุงมากที่สุด ความพยายามเท่ากันจึงให้ผลเพิ่มขึ้นมากกว่า ก่อนเปลี่ยนแปลงสิ่งใด การดูบันทึกเซสชันจริงหรือถามลูกค้าสักสองสามคนว่าทำไมหยุดจึงคุ้มค่า ราคาที่ไม่แสดง วันจัดส่งที่ไม่ชัดเจน หรือการบังคับสมัครบัญชี มักอธิบายจุดรั่วไหลได้เร็วกว่าการทดสอบใดๆ
วิธีอ่านผลทดสอบ A/B หรือเปรียบเทียบช่วงเวลาโดยไม่หลอกตัวเอง
การทดสอบ A/B แสดงหน้าเว็บสองเวอร์ชันให้ผู้เข้าชมสองกลุ่ม แล้วเปรียบเทียบอัตราคอนเวอร์ชัน วิธีนี้มีประสิทธิภาพสูง Wikipedia รายงานว่าในปี 2012 พนักงาน Microsoft คนหนึ่งทดสอบวิธีแสดงหัวข้อโฆษณาแบบใหม่บน Bing และภายในไม่กี่ชั่วโมง รูปแบบใหม่เพิ่มรายได้ 12% โดยไม่กระทบตัวชี้วัดประสบการณ์ผู้ใช้ วิธีเดียวกันนี้ยังสร้างผู้ชนะที่ไม่ใช่ผู้ชนะจริงได้ หากทีมหยุดทดสอบเร็วเกินไป
ตัวอย่าง: เวอร์ชัน A ได้ 48 คอนเวอร์ชันจากการเข้าชม 2,000 ครั้ง (2.40%) และเวอร์ชัน B ได้ 58 คอนเวอร์ชันจาก 2,000 ครั้ง (2.90%) B ดูดีกว่า 20.8% แต่มีระดับความเชื่อมั่นเพียง 67.5% ความแตกต่างขนาดนี้ต้องใช้การเข้าชมประมาณ 16,195 ครั้งต่อเวอร์ชัน หากอัตราเท่าเดิมแต่แต่ละเวอร์ชันมีการเข้าชม 10,000 ครั้ง ระดับความเชื่อมั่นจะเพิ่มเป็น 97.2%
เครื่องคำนวณใช้การทดสอบ z สำหรับสองสัดส่วน ซึ่งเป็นการทดสอบมาตรฐานว่าอัตราสองค่าต่างกันมากกว่าที่จะเกิดจากความบังเอิญหรือไม่ อีกทั้งยังประมาณจำนวนการเข้าชมที่แต่ละเวอร์ชันต้องใช้เพื่อให้ได้ระดับความเชื่อมั่น 95% ด้วยอำนาจการทดสอบ 80% ซึ่งหมายความว่าการทดสอบจะตรวจพบความแตกต่างจริงขนาดนั้นได้สี่ครั้งจากห้าครั้ง บทความของ Wikipedia เรื่องนัยสำคัญทางสถิติ อธิบายแนวคิดนี้อย่างละเอียดขึ้น
แนวทางที่ใช้ได้จริงคือกำหนดขนาดกลุ่มตัวอย่างก่อนเริ่มทดสอบ และหยุดเมื่อครบจำนวนเท่านั้น การทดสอบให้ผลดีที่สุดเมื่อทำต่อเนื่องเป็นสัปดาห์เต็ม เปลี่ยนทีละอย่าง และรักษาสัดส่วนแหล่งทราฟฟิกของทั้งสองเวอร์ชันให้เหมือนกัน การเปรียบเทียบช่วงเวลาต้องใช้แหล่งทราฟฟิกเดียวกันและวันเดียวกันของสัปดาห์ วิธีนี้ใช้ได้เพราะผู้ชนะที่ไม่ใช่ผู้ชนะจริงส่วนใหญ่มาจากการหยุดเร็ว รูปแบบพฤติกรรมตามวันในสัปดาห์ และการเปลี่ยนแหล่งทราฟฟิก ไม่ใช่จากตัวหน้าเว็บ
ทำไมอัตราคอนเวอร์ชันที่ดีขึ้นจึงมักคุ้มกว่าทราฟฟิกที่มากขึ้น และเมื่อไรที่ไม่เป็นเช่นนั้น
เมื่อผลลัพธ์ไม่ดี แนวคิดแรกมักเป็นการซื้อทราฟฟิกเพิ่ม แนวคิดตรงข้ามคือการดันอัตราให้สูงขึ้นไม่ว่าจะด้วยวิธีใด ทั้งตัวนับเวลาถอยหลังปลอม ค่าธรรมเนียมแอบแฝง หรือช่องที่ติ๊กไว้ล่วงหน้า ทางลัดทั้งสองแบบล้มเหลวด้วยเหตุผลเดียวกัน: มองข้ามคนที่อยู่อีกฝั่งของหน้าจอ
บทความของ Wikipedia เรื่องการปรับปรุงอัตราคอนเวอร์ชันระบุว่า อัตราคอนเวอร์ชันที่ดีขึ้นช่วยเพิ่มผู้สนใจหรือยอดขายโดยไม่ต้องจ่ายค่าทราฟฟิกเพิ่ม ผลที่คาดหวังนี้จะเกิดขึ้นก็ต่อเมื่อเป็นการปรับปรุงที่แท้จริงสำหรับผู้เข้าชมจริง
ตัวอย่าง: ในแคมเปญข้างต้น การเพิ่มจาก 1.92% เป็น 3.00% ช่วยเพิ่ม 135 คอนเวอร์ชัน มูลค่า $10,125 จากการเข้าชม 12,500 ครั้งเท่าเดิม หากต้องการ 135 คอนเวอร์ชันนั้นจากทราฟฟิกเพิ่มเพียงอย่างเดียว จะต้องมีการเข้าชมเพิ่มประมาณ 7,031 ครั้ง คิดเป็นต้นทุนประมาณ $1,688 ที่ต้นทุนปัจจุบัน $0.24 ต่อการเข้าชม ตัวเลือกขั้นสูงแสดงทั้งสองแนวทาง คุณจึงเปรียบเทียบต้นทุนของแต่ละทางได้
ในตัวอย่างนี้ ทราฟฟิกเพิ่มเติมมีราคาถูก การซื้อการเข้าชมเพิ่มจึงเป็นทางเลือกที่สมเหตุสมผลระหว่างปรับปรุงหน้าเว็บ สำหรับธุรกิจอื่นที่ค่าคลิกแพง การคำนวณแบบเดียวกันจะชี้ให้ปรับปรุงหน้าเว็บก่อน กลยุทธ์กดดันอาจเพิ่มอัตราได้หนึ่งสัปดาห์ แต่ก็เพิ่มการคืนเงิน ข้อร้องเรียน และการยกเลิกติดตาม อีกทั้งทำให้ผู้เข้าชมเรียนรู้ที่จะไม่ไว้ใจคุณ ทราฟฟิกที่ไม่ตรงกับข้อเสนอให้ผลตรงข้าม: ทำให้อัตราลดลงและทำให้หน้าเว็บที่ดีดูแย่เพราะการเข้าชมที่ไม่เหมาะสม
แนวทางที่ใช้ได้จริงคือใช้ทั้งสองวิธีตามลำดับ: ตรวจสอบว่าทราฟฟิกตรงกับข้อเสนอ ลดอุปสรรคสำหรับผู้เข้าชมจริง แล้วจึงขยายทราฟฟิกที่สร้างคอนเวอร์ชัน วิธีนี้ใช้ได้เพราะทราฟฟิกคุณภาพและหน้าเว็บที่ชัดเจนช่วยส่งเสริมกัน อุตสาหกรรมที่มีกฎเข้มงวดกว่า เช่น การเงินและสุขภาพ มีเงื่อนไขเพิ่มอีกหนึ่งข้อ: ทุกการเปลี่ยนแปลงต้องคงความชัดเจนของการเปิดเผยข้อมูลและการขอความยินยอม เพราะความไว้วางใจเป็นส่วนหนึ่งที่ทำให้เกิดคอนเวอร์ชันในตลาดเหล่านั้น
คำถามที่พบบ่อย
What is a good conversion rate?
ไม่มีอัตราที่ดีแบบใช้ได้กับทุกกรณี เพราะขึ้นอยู่กับเป้าหมาย ราคา แหล่งทราฟฟิก และอุปกรณ์ การสมัครรับจดหมายข่าวฟรีมีโอกาสเกิดคอนเวอร์ชันมากกว่าการซื้อสินค้าราคาแพงมาก เกณฑ์เปรียบเทียบที่มีประโยชน์ที่สุดคืออัตราในอดีตของคุณสำหรับเป้าหมายเดียวกัน และอัตราจุดคุ้มทุน ซึ่งแสดงอัตราต่ำสุดที่ทราฟฟิกของคุณยังคุ้มต้นทุน
How do I calculate conversion rate?
คุณนำคอนเวอร์ชันหารด้วยการเข้าชม แล้วคูณด้วย 100 เช่น 240 คอนเวอร์ชันจากการเข้าชม 10,000 ครั้ง ให้อัตราคอนเวอร์ชัน 2.40% ตัวเลขทั้งสองต้องใช้ช่วงวันที่และตัวกรองเดียวกัน มิฉะนั้นผลลัพธ์จะทำให้เข้าใจผิด
Should I use sessions or users to calculate conversion rate?
ใช้ได้ทั้งสองแบบหากใช้อย่างสม่ำเสมอ เซสชันเหมาะกับรายงานหน้าเว็บและแคมเปญ เพราะการเข้าชมแต่ละครั้งเป็นโอกาสใหม่ในการสร้างคอนเวอร์ชัน ผู้ใช้เหมาะกับเส้นทางที่ยาวกว่า ซึ่งคนเข้าชมหลายครั้งก่อนซื้อ ข้อผิดพลาดคือการใช้ปะปนกัน เช่น ใช้เซสชันของเดือนนี้กับผู้ใช้ของเดือนที่แล้ว
How many conversions do I need before I trust the rate?
เกณฑ์ขั้นต่ำคร่าวๆ คือรอให้มีประมาณ 30 คอนเวอร์ชัน และตรวจสอบช่วงความเชื่อมั่น 95% ใต้ผลลัพธ์ หากช่วงยังกว้าง อัตราอาจเปลี่ยนมากเมื่อมียอดขายเพิ่มอีกไม่กี่รายการ สำหรับการทดสอบ A/B จำนวนการเข้าชมที่ต้องการต่อเวอร์ชันจากเครื่องมือตรวจสอบ A/B เป็นแนวทางที่ดีกว่าการใช้จำนวนตายตัว
What is a break-even conversion rate?
คืออัตราคอนเวอร์ชันต่ำสุดที่ทราฟฟิกของคุณคุ้มต้นทุน คำนวณจากต้นทุนต่อการเข้าชมหารด้วยมูลค่าหนึ่งคอนเวอร์ชัน แล้วคูณด้วย 100 เช่น ต้นทุนต่อการเข้าชม $0.24 และมูลค่าต่อคอนเวอร์ชัน $75 ให้อัตราจุดคุ้มทุน 0.32%
Why does my conversion rate drop when my traffic grows?
ทราฟฟิกใหม่มักมาจากกลุ่มผู้ชมที่กว้างขึ้นและมีความตั้งใจต่ำกว่า อัตราเฉลี่ยจึงลดลงแม้หน้าเว็บยังเหมือนเดิม อัตราของแต่ละแหล่งและรายได้ต่อการเข้าชมสะท้อนภาพจริงได้ดีกว่าอัตรารวม อัตราที่ต่ำลงแต่รายได้เพิ่มขึ้นมากยังอาจเป็นผลลัพธ์ที่ดีกว่า
อัตราคอนเวอร์ชัน
การเข้าชม
การเข้าชม
จำนวนการเข้าชมที่ต้องใช้
จำนวนเซสชันจากเครื่องมือวิเคราะห์ของคุณในช่วงวันที่เดียวกัน จะกรอกเป็น 10k ก็ได้
คอนเวอร์ชัน
คอนเวอร์ชัน
ยอดขาย ยอดสมัคร หรือลีดจากรายงานเดียวกัน
รายได้ต่อการเข้าชม
ต้นทุนต่อการเข้าชม
ต้นทุนต่อคอนเวอร์ชัน
มูลค่าต่อคอนเวอร์ชัน
คลิก
คลิก
จำนวนคลิกที่ต้องใช้
จำนวนคลิกโฆษณา อีเมล หรือลิงก์ในช่วงวันที่เดียวกัน จะกรอกเป็น 10k ก็ได้
คอนเวอร์ชัน
คอนเวอร์ชัน
คอนเวอร์ชันที่ติดตามได้จากคลิกเหล่านั้น
รายได้ต่อคลิก
ต้นทุนต่อคลิก
ต้นทุนต่อคอนเวอร์ชัน
มูลค่าต่อคอนเวอร์ชัน
ลีด
ลีด
จำนวนลีดที่ต้องใช้
จำนวนลีด ผู้ทดลองใช้ หรือคำขอเดโมในช่วงวันที่เดียวกัน
ลูกค้า
ลูกค้า
ลีดที่กลายเป็นลูกค้าที่ชำระเงิน
รายได้ต่อลีด
ต้นทุนต่อลีด
ต้นทุนต่อลูกค้า
มูลค่าต่อลูกค้า
อัตราคอนเวอร์ชันของคุณ
จำนวน{Conv}ที่คาดว่าจะได้
CR
อัตรา
CR = ({c} ÷ {v}) × 100
{Conv} = {v} × {r}
{Cap} = {c} ÷ {r}
กรอกตัวเลขสองค่าที่คุณทราบเพื่อดูผลลัพธ์
สัดส่วน{many}ที่เกิดคอนเวอร์ชันอยู่ที่ประมาณ 1 ใน {n} จำนวนที่ถึงเป้าหมาย: {c} จากจำนวน{many}ทั้งหมด {v}
ยังไม่มี{conv} ตรวจสอบว่าระบบติดตามคอนเวอร์ชันทำงานได้ก่อนปรับหน้าเว็บ
เมื่อจำนวน{many}อยู่ที่ {v} และอัตราคอนเวอร์ชันอยู่ที่ {r} จำนวน{conv}ที่คาดว่าจะได้คือ {c} คิดเป็นประมาณ 1 ใน {n} ของ{many}ทั้งหมด
หากต้องการให้จำนวน{conv}ถึง {c} ที่อัตราคอนเวอร์ชัน {r} คุณต้องมีจำนวน{many}ประมาณ {v}
จำนวน{Conv}มากกว่าจำนวน{many} ตรวจสอบว่าตัวเลขทั้งสองมาจากรายงานและช่วงวันที่เดียวกัน
อัตราคอนเวอร์ชันไม่สามารถเกิน 100% ได้ ตรวจสอบอัตราที่คุณกรอก
แสดงว่าอัตราจริงอาจต่างจากผลลัพธ์นี้ได้มากแค่ไหน
การคำนวณช่วงความเชื่อมั่นต้องใช้จำนวน{conv}ที่น้อยกว่าจำนวน{many}
ขนาดกลุ่มตัวอย่างเพียงพอ
ขนาดกลุ่มตัวอย่างพอใช้ได้
กลุ่มตัวอย่างขนาดเล็ก
จำนวน{conv}ยังไม่ถึง 30 จึงควรใช้ผลลัพธ์นี้เป็นค่าประมาณคร่าวๆ
การเปลี่ยนแปลงที่น้อยกว่า ±{p} จุดเปอร์เซ็นต์อาจเป็นเพียงความผันผวนของข้อมูล
ความไวต่อการเปลี่ยนแปลง
จำนวน{conv}: ±{n}
ทุกครั้งที่อัตราคอนเวอร์ชันเปลี่ยนไป 0.1 จุดเปอร์เซ็นต์ ผลลัพธ์จะเปลี่ยนไปประมาณ {n}
±0.1 จุดเปอร์เซ็นต์
ที่อัตรา {r1} ต้องใช้ {n1} ส่วนที่อัตรา {r2} ต้องใช้ {n2}
ที่อัตรา {r2} ต้องใช้ {n2}
เพิ่มมูลค่า
เพิ่มต้นทุน
เพิ่มมูลค่าและต้นทุน
กรอกตัวเลขเพื่อดูว่าอัตราคอนเวอร์ชันของคุณสร้างมูลค่าได้เท่าไร
มีกำไร อัตราคอนเวอร์ชันของคุณลดจาก {r} ลงมาได้ถึง {be} ก่อนที่ทราฟฟิกจะไม่คุ้มทุน {cpvL}: {c}. {rev}: {v}
ต่ำกว่าจุดคุ้มทุน คุณต้องมีอัตราคอนเวอร์ชัน {be} เพื่อให้ครอบคลุมต้นทุนทราฟฟิก ({cpvL}: {c}) อัตราปัจจุบันของคุณคือ {r}
{rev}: เฉลี่ย {v} กรอกต้นทุนทราฟฟิกหรือโฆษณาเพื่อดูอัตราจุดคุ้มทุน
กรอกมูลค่าต่อคอนเวอร์ชันและต้นทุนทราฟฟิกหรือโฆษณาในตัวเลือกขั้นสูง เพื่อดูรายได้จากทราฟฟิก ต้นทุนต่อคอนเวอร์ชัน และอัตราจุดคุ้มทุน
({m})
หรือคิดเป็นจำนวน {n} ต่อเดือน
หากเพิ่มเฉพาะทราฟฟิก คุณต้องเพิ่มจำนวน{many}อีก {n}{cost}
(ประมาณ {m})
การเข้าชม|ดูสินค้า|เพิ่มลงตะกร้า|ดำเนินการชำระเงิน|ซื้อ
ขั้นตอนใหม่
ชื่อขั้นตอน
จำนวนคนในขั้นตอน
ลบขั้นตอน
ไปต่อ {p}
ขั้นตอนที่ {n} มีคนมากกว่าขั้นตอนก่อนหน้า จำนวนคนในฟันเนลควรลดลงในแต่ละขั้นตอน
กรอกตัวเลขให้ครบทุกขั้นตอน
จุดรั่วที่ใหญ่ที่สุด: {a} → {b}
มีเพียง {p} ที่ไปต่อ และมีคนหลุดออก {n} คนในขั้นตอนนี้
หากเพิ่มอัตราการไปต่อในขั้นตอนใดขั้นตอนหนึ่งขึ้น 10% จะได้คอนเวอร์ชันในขั้นตอนสุดท้ายเพิ่มประมาณ {n} เพราะแต่ละขั้นตอนส่งคนต่อไปยังขั้นตอนถัดไป เริ่มจากจุดรั่วที่ใหญ่ที่สุด ซึ่งมีสัดส่วนคนไปต่อต่ำที่สุด โดยทั่วไปจุดนี้มีโอกาสปรับปรุงได้มากที่สุด
เวอร์ชัน A
เวอร์ชัน B
ช่วงก่อนหน้า
ช่วงปัจจุบัน
กรอกจำนวน{many}และจำนวน{conv}ของทั้งสองฝั่ง
จำนวน{Conv}ต้องไม่เกินจำนวน{many} ตรวจสอบทั้งสองฝั่ง
อัตราคอนเวอร์ชัน
{d} จุดเปอร์เซ็นต์
ที่ทำได้
จำนวน{Cap}ที่ต้องใช้ต่อเวอร์ชัน
จำนวน{Cap}ที่ต้องใช้ต่อช่วงเวลา
ทั้งสองฝั่งมีอัตราคอนเวอร์ชันเท่ากัน
เวอร์ชัน B มีอัตราคอนเวอร์ชันสูงกว่าเวอร์ชัน A อยู่ {l} ด้วยระดับความเชื่อมั่น {c} ผลต่างนี้มีแนวโน้มสูงมากที่จะเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญ
เวอร์ชัน B มีอัตราคอนเวอร์ชันต่ำกว่าเวอร์ชัน A อยู่ {l} ด้วยระดับความเชื่อมั่น {c} ผลต่างนี้มีแนวโน้มสูงมากที่จะเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญ
ช่วงปัจจุบันมีอัตราคอนเวอร์ชันสูงกว่าช่วงก่อนหน้าอยู่ {l} ด้วยระดับความเชื่อมั่น {c} ผลต่างนี้มีแนวโน้มสูงมากที่จะเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญ
ช่วงปัจจุบันมีอัตราคอนเวอร์ชันต่ำกว่าช่วงก่อนหน้าอยู่ {l} ด้วยระดับความเชื่อมั่น {c} ผลต่างนี้มีแนวโน้มสูงมากที่จะเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญ
เวอร์ชัน B ดูดีกว่า แต่ระดับความเชื่อมั่นอยู่ที่ {c} เท่านั้น ควรเก็บข้อมูลต่อ โดยต้องมีจำนวน{many}ประมาณ {n} ต่อเวอร์ชันเพื่อยืนยันผลต่างขนาดนี้
เวอร์ชัน B ดูแย่กว่า แต่ระดับความเชื่อมั่นอยู่ที่ {c} เท่านั้น ควรเก็บข้อมูลต่อ โดยต้องมีจำนวน{many}ประมาณ {n} ต่อเวอร์ชันเพื่อยืนยันผลต่างขนาดนี้
ช่วงปัจจุบันดูดีกว่า แต่ระดับความเชื่อมั่นอยู่ที่ {c} เท่านั้น ควรเก็บข้อมูลต่อ โดยต้องมีจำนวน{many}ประมาณ {n} ต่อช่วงเวลาเพื่อยืนยันผลต่างขนาดนี้
ช่วงปัจจุบันดูแย่กว่า แต่ระดับความเชื่อมั่นอยู่ที่ {c} เท่านั้น ควรเก็บข้อมูลต่อ โดยต้องมีจำนวน{many}ประมาณ {n} ต่อช่วงเวลาเพื่อยืนยันผลต่างขนาดนี้
ยังไม่มีผู้ชนะที่ชัดเจน การยืนยันผลต่างที่เล็กขนาดนี้ต้องใช้จำนวน{many}ประมาณ {n} ต่อเวอร์ชัน จึงจะเชื่อถือผลได้
ยังไม่เห็นการเปลี่ยนแปลงที่ชัดเจน การยืนยันผลต่างที่เล็กขนาดนี้ต้องใช้จำนวน{many}ประมาณ {n} ต่อช่วงเวลา จึงจะเชื่อถือผลได้
ผลในแต่ละช่วงเวลาอาจต่างกันเพราะฤดูกาลหรือสัดส่วนแหล่งทราฟฟิกที่เปลี่ยนไป จึงควรเปรียบเทียบทราฟฟิกจากแหล่งเดียวกัน
กรอกด่วน ({x}):
เป้าหมายจำนวน{Conv}
จำนวน{conv}ที่คุณต้องการ
คำนวณด้วยเครื่องคำนวณอัตราคอนเวอร์ชันของ SparkTraffic:
กรอกตัวเลขก่อน
คัดลอกผลลัพธ์แล้ว
คัดลอกลิงก์แล้ว ลิงก์นี้จะเปิดการคำนวณเดียวกันนี้
รีเซ็ตเครื่องคำนวณแล้ว
ที่อัตรา {t} จำนวน{conv}ที่คุณจะได้คือ {d}{money}{month}
