廣告效果·營銷指標計算器
輸入廣告費用、展示次數、點選次數、轉化次數，計算CTR、CPC、CPM、CVR、CPA。LTV·CAC分析中還可基於客戶生涯價值計算ROAS、ROI和回收期。
[[ labels.section_campaign ]]
| 廣告費用 |
元
|
|---|---|
| 展示次數（曝光量） | |
| 點選次數 | |
| 轉化次數（CV） |
[[ labels.section_ltv ]]
| 平均訂單金額（AOV） |
元
|
|---|---|
| 年購買頻次 |
次/年
|
| 客戶留存年限 |
年
|
| 毛利率 |
%
|
| 客戶獲取成本（CAC） |
元
|
毛利率對應的保本ROAS一覽
廣告盈利所需的最低ROAS取決於商品毛利率。毛利率越低，需要越高的ROAS。
| 毛利率 | 保本ROAS | 廣告費10萬元時的保本銷售額 |
|---|---|---|
| 20% | 500% | 廣告費 100,000 元 → 保本銷售額 500,000 元 |
| 25% | 400% | 廣告費 100,000 元 → 保本銷售額 400,000 元 |
| 30% | 333% | 廣告費 100,000 元 → 保本銷售額 333,000 元 |
| 35% | 286% | 廣告費 100,000 元 → 保本銷售額 286,000 元 |
| 40% | 250% | 廣告費 100,000 元 → 保本銷售額 250,000 元 |
| 45% | 222% | 廣告費 100,000 元 → 保本銷售額 222,000 元 |
| 50% | 200% | 廣告費 100,000 元 → 保本銷售額 200,000 元 |
| 60% | 167% | 廣告費 100,000 元 → 保本銷售額 167,000 元 |
| 70% | 143% | 廣告費 100,000 元 → 保本銷售額 143,000 元 |
| 80% | 125% | 廣告費 100,000 元 → 保本銷售額 125,000 元 |
保本ROAS = 1 ÷ 毛利率 × 100。低於此ROAS則廣告費超過毛利，導致虧損。
Tips
- CTR的行業平均值因廣告型別差異顯著。Google搜尋廣告通常為2～5%，展示廣告約為0.05～0.5%，社交媒體廣告約為0.5～1.5%。將自身CTR與這些基準對比，可以快速判斷是否存在最佳化空間。
- ROAS 100%意味著廣告費與銷售額持平，並不代表盈利。真正實現盈利，需要ROAS超過"1 ÷ 毛利率"。例如毛利率40%時，保本ROAS為250%（銷售額須為廣告費的2.5倍）。ROAS再高，若毛利率過低也會虧損。
- LTV/CAC比率以3:1以上為健康標準。若比率接近1:1，說明獲客成本已將利潤消耗殆盡。可通過提升LTV（促進復購、提高客單價）或降低CAC（最佳化廣告效率、加強SEO）來改善。
- CPA（每次轉化費用）並非越低越好。高客單價、高LTV的商品，即使CPA較高也可能具備良好的盈利性。應以CPA與LTV的比值來綜合評估廣告效率，而非單獨看CPA的絕對值。
- 回收期越長，現金流風險越高。SaaS及訂閱制產品通常以12～18個月內回收為健康目標。若回收期過長，可考慮適當提價或降低使用者流失率（Churn Rate）來縮短回收週期。
常見問題
閒話 ― ROAS盈利卻仍然虧損的原因
"ROAS 300%"意味著每投入1元廣告費可帶來3元銷售額，乍看之下表現優異。然而，若商品毛利率只有30%，實際情況就變成了"投入1元廣告費，賣出3元，手中留下的毛利僅有0.9元——反而實際虧損0.1元"。由此可見，ROAS超過100%並不等於盈利，真正的保本點，取決於ROAS是否超過"1 ÷ 毛利率"這條隱藏的門檻。毛利率20%時最低需要ROAS 500%，毛利率50%時則只需ROAS 200%即可回本。
LTV/CAC這一指標最早在SaaS（訂閱制軟體）領域興起。有趣的是，風險投資人David Skok等人在2010年代初提出了"LTV/CAC ≥ 3:1"這一參考標準之後，它幾乎在一夜之間成為SaaS初創企業估值的核心指標，此後又逐漸被電商、移動應用、B2B服務等各類行業廣泛採用，演變成一條跨行業的通用經驗法則。不過，3:1終歸只是一個經驗參考值而非鐵律——處於高速增長階段的企業有時會刻意維持1.5:1左右的比率，以更激進的節奏持續投入獲客，這種"先虧損換增長"的打法在實踐中並不罕見。
營銷指標中一個常被忽視的陷阱，是"歸因（Attribution）"問題。當用戶經歷"搜尋廣告→展示廣告→社交廣告→自然搜尋"等多個觸點後才最終完成轉化時，如何把這次轉化歸功於某一個廣告渠道，會對ROAS的評估結果產生重大影響。本工具為了計算簡便，以末次點選歸因（將全部轉化歸因於最後接觸的廣告）為前提進行計算，但在實際廣告運營中，建議同時參考Google Analytics 4的資料驅動歸因模型，才能獲得更全面、更接近真相的效果評估。