อัตรา conversion ของร้านค้าออนไลน์ คือสัดส่วนของการเข้าชมร้าน ที่จบลงด้วยคำสั่งซื้อ เป็นตัวเลขแรก ๆ ที่เจ้าของร้านเช็ก และเป็นตัวเลขที่อ่านผิดได้ง่ายที่สุดตัวหนึ่ง อัตราที่ดูต่ำ อาจถือว่าดีแล้วสำหรับสินค้าที่คุณขาย ส่วนอัตราที่ดูปกติ อาจซ่อนหน้าชำระเงิน ที่พังเงียบ ๆ บนมือถือไว้
คู่มือนี้วางค่าเฉลี่ยที่มีการเผยแพร่ ไว้ในบริบทที่ถูกต้อง แล้วแสดงวิธีได้อัตราที่เชื่อถือได้ จาก Google Analytics 4 (GA4) และวิธีหาขั้นตอนใน funnel (ลำดับขั้นก่อนการซื้อ) ที่ลูกค้าส่วนใหญ่ถอดใจ
คำตอบสั้น ๆ
- แค่ไหนถือว่าปกติ: ค่าเฉลี่ยที่ถูกอ้างถึงบ่อย อยู่ระหว่างประมาณ 1% ถึง 3% แต่อัตราต่างกันได้หลายเท่า ตามประเภทธุรกิจ ราคา อุปกรณ์ และแหล่งทราฟฟิก ให้มองค่าเฉลี่ยเป็นบริบทคร่าว ๆ ไม่ใช่เป้าหมาย
- สูตร: คำสั่งซื้อ ÷ เซสชัน × 100 เช่น คำสั่งซื้อ 240 รายการจาก 12,000 เซสชัน คืออัตรา conversion 2% คุณจะใช้จำนวนผู้ใช้แทนเซสชันก็ได้ แค่อย่าสลับไปมา
- อะไรฉุดไว้: มักเป็นขั้นตอนเดียวใน funnel ไม่ใช่ทั้งร้าน ให้วัดแต่ละขั้น ตั้งแต่การดูสินค้าจนถึงการซื้อ แยกตามอุปกรณ์และแหล่งทราฟฟิก แล้วแก้จุดที่ลูกค้าหลุดมากที่สุดก่อน
อัตรา conversion ปกติ คือเท่าไร?
ถ้าค้นหาอัตรา conversion เฉลี่ยของร้านค้าออนไลน์ คุณจะเจอตัวเลขที่ไม่ตรงกัน:
- Littledata เก็บข้อมูลร้าน Shopify 2,800 ร้านในปี 2023 และพบค่าเฉลี่ย 1.4% โดยร้านกลุ่ม 10% แรก มีอัตราสูงกว่า 4.7% เดสก์ท็อปเฉลี่ย 1.9% มือถือ 1.2%
- Dynamic Yield เก็บข้อมูลย้อนหลัง 12 เดือนล่าสุด แบบต่อเนื่อง ณ เวลาที่เขียน (สิงหาคม 2026) ค่าเฉลี่ยทั่วโลกอยู่ที่ 2.72% ตั้งแต่ 0.72% สำหรับสินค้าหรูและเครื่องประดับ ไปจนถึง 5.39% สำหรับความงามและของใช้ส่วนตัว โดยมือถือ (2.88%) สูงกว่าเดสก์ท็อป (2.37%)
สองแหล่งนี้เห็นไม่ตรงกัน แม้แต่เรื่องที่ว่ามือถือหรือคอมพิวเตอร์ ให้ conversion ดีกว่ากัน แต่ก็ไม่มีใครผิด เพราะวัดร้านค้า ช่วงเวลา และทราฟฟิกที่ต่างกัน ด้วยวิธีที่ต่างกัน
ทำไมอัตราของคุณไม่เหมือนค่าเฉลี่ย
ร้านขายโซฟาอาจถือว่าทำได้ดี ที่อัตราซึ่งร้านขายกาแฟควรเป็นห่วง การเปรียบเทียบที่บอกอะไรได้มากที่สุด คือเทียบร้านของคุณกับตัวเอง เดือนนี้เทียบกับเดือนเดียวกันของปีที่แล้ว บวกภาพรวมสามเดือนล่าสุด โดยคำนวณด้วยวิธีเดียวกันทุกครั้ง คู่มือ KPI ของเว็บไซต์ ของเราอธิบายว่า ควรติดตามอะไรควบคู่กัน
อัตรา conversion ไม่ใช่ทั้งหมด
อัตรา conversion นับคำสั่งซื้อ ไม่ใช่เงิน รายได้ต่อเซสชัน (อัตรา conversion × มูลค่าคำสั่งซื้อเฉลี่ย) บอกว่าทราฟฟิกเท่าเดิม สร้างรายได้มากขึ้นหรือไม่ ส่วนลดทั้งร้านอาจดันอัตรา conversion ขึ้น แต่ลดกำไร ส่วนการตั้งยอดขั้นต่ำสำหรับส่งฟรีให้สูงขึ้น อาจทำให้อัตราลดลง แต่มูลค่าคำสั่งซื้อสูงขึ้น
วิธีคำนวณอัตรา conversion
อัตรา conversion ของร้านค้าออนไลน์ = คำสั่งซื้อ ÷ เซสชัน × 100
เซสชันหรือผู้ใช้ อัตราที่คิดจากผู้ใช้จะสูงกว่า เพราะลูกค้าจำนวนมาก เข้าชมมากกว่าหนึ่งครั้งก่อนซื้อ GA4 รายงานทั้งสองแบบ (อัตรา key event ต่อเซสชัน และอัตรา key event ต่อผู้ใช้) ให้กรองเฉพาะ event การซื้อ ไม่อย่างนั้นการสมัครสมาชิก และ key event อื่น ๆ จะทำให้ตัวเลขสูงเกินจริง เลือกแบบหนึ่ง แล้วระบุให้ชัด
คำสั่งซื้อไหนนับบ้าง ไม่นับคำสั่งซื้อทดสอบ คำสั่งซื้อที่พนักงานคีย์ให้ลูกค้า ที่สั่งทางโทรศัพท์หรือลูกค้าขายส่ง และคำสั่งซื้อจาก marketplace ที่ไม่เคยผ่านเว็บไซต์ของคุณ ส่วนคำสั่งซื้อที่คืนเงินภายหลัง ให้นับไว้ แต่ติดตามการคืนเงินแยกต่างหาก
ใช้แหล่งเดียวสำหรับทั้งสองตัวเลข คำนวณอัตราใน GA4 ซึ่งวัดคำสั่งซื้อและเซสชันด้วยวิธีเดียวกัน และแยกตามอุปกรณ์ ช่องทาง และแลนดิ้งเพจได้ การเอาคำสั่งซื้อจากระบบร้านค้า มาหารด้วยเซสชันจาก GA4 คือการผสมสองระบบ ที่มีจุดบอดต่างกัน จำนวนคำสั่งซื้อในระบบร้านค้า ยังคงเป็นตัวเลขจริงของยอดขาย จึงควรเทียบกับจำนวนการซื้อใน GA4 ทุกเดือน
ติดตามอีคอมเมิร์ซใน GA4 ให้เชื่อถือได้
GA4 จะเข้าใจร้านค้าก็ต่อเมื่อได้รับ event อีคอมเมิร์ซ ตามที่ Google แนะนำ ซึ่งมักส่งมาจากการเชื่อมต่อ (integration) อย่างเป็นทางการของแพลตฟอร์ม หรือจาก Google Tag Manager สำหรับ conversion ตัวที่สำคัญคือ view_item add_to_cart begin_checkout add_shipping_info add_payment_info และ purchase ซึ่งต้องมี transaction_id value currency และรายการสินค้าที่ซื้อ เอกสารการวัดผลอีคอมเมิร์ซ ของ Google มีรายการครบทั้งหมด และการเชื่อมต่อแต่ละแบบ ก็ส่ง event มาจำนวนไม่เท่ากัน
ตรวจการติดตามก่อนเชื่อตัวเลข
เปิด DebugView ของ GA4 ดูระหว่างที่คุณสั่งซื้อจริง แล้วยกเลิกหรือคืนเงิน เปิดโหมด debug ก่อน (โหมดพรีวิวของ Tag Manager เปิดให้อัตโนมัติ) แล้วเช็กทีละข้อ:
คาดไว้ได้เลยว่า GA4 จะบันทึกการซื้อน้อยกว่าระบบร้านค้า เพราะการปฏิเสธคุกกี้และ ad blocker ซ่อนคำสั่งซื้อบางส่วนไว้ ช่องว่างที่คงที่ยังใช้ดูแนวโน้มได้ แต่ช่องว่างที่กว้างขึ้นกะทันหัน มักแปลว่ามีอะไรพัง การติดตาม conversion ใน GA4 อธิบายเรื่องการทดสอบและความยินยอม อย่างละเอียดกว่านี้
วิเคราะห์ funnel หาจุดที่หลุดมากสุด
อัตรา conversion ตัวเดียว บอกว่ามีปัญหาหรือไม่ ส่วน funnel บอกว่าปัญหาอยู่ตรงไหน ให้สร้าง funnel ใน GA4 เป็น funnel exploration (อยู่ในเมนู Explore):
funnel exploration นับเป็นผู้ใช้ ไม่ใช่เซสชัน ตัวเลขจึงไม่ตรงกับอัตรา conversion ที่คิดจากเซสชัน แต่สำหรับการหาขั้นตอน ที่สัดส่วนลดลงมากที่สุด เรื่องนี้ไม่สำคัญ
แถวที่สองคือ add-to-cart rate ของคุณ เครื่องมือบางตัวหารด้วยเซสชันทั้งหมดแทน แต่การหารด้วยจำนวนคนดูสินค้า จะแยกให้เห็นว่า หน้าสินค้าโน้มน้าวได้ดีแค่ไหน ให้ตั้ง funnel เป็นแบบเปิด (open funnel) ถ้าลูกค้าข้ามขั้นตอนได้ เช่น ใส่ตะกร้าจากหน้าหมวดหมู่ รายงาน Monetisation ของ GA4 ยังมีรายงาน Purchase journey และ Checkout journey สำเร็จรูปให้ด้วย
แยกกลุ่มทุกขั้นก่อนสรุป
funnel ของทั้งเว็บไซต์ผสมลูกค้าที่ต่างกันมาก จึงควรแยกแต่ละขั้นตาม:
- อุปกรณ์ หน้าชำระเงินที่พังบนมือถือ จะเห็นเป็นการหลุดเฉพาะบนมือถือ ระหว่างเริ่มชำระเงินกับการซื้อ
- แหล่งทราฟฟิก แคมเปญโซเชียลใหม่ อาจดึงขั้นแรกให้ต่ำลง ทั้งที่เว็บไซต์ไม่มีอะไรผิด
- แลนดิ้งเพจ หน้าที่มีคนเข้ามาเยอะ แต่ดูสินค้าน้อย กำลังเสียลูกค้าตั้งแต่หน้าประตู
- ลูกค้าใหม่กับลูกค้าเก่า ผู้เข้าชมที่กลับมาซ้ำมักมี conversion ดีกว่า การเปลี่ยนสัดส่วนระหว่างสองกลุ่ม จึงขยับอัตรารวมได้เอง
สมมติว่าอัตราลดจาก 2.0% เหลือ 1.6% เมื่อเดือนที่แล้ว ถ้าเดสก์ท็อปไม่เปลี่ยน แต่อัตราชำระเงินสำเร็จบนมือถือ ดิ่งลงในสัปดาห์ที่อัปเดตปลั๊กอินตัวหนึ่ง แปลว่าคุณเจอบั๊ก ไม่ใช่ปัญหาการออกแบบ แต่ถ้าทุกขั้นคงที่ในแต่ละช่องทาง ขณะที่โฆษณาบนโซเชียล มีสัดส่วนเซสชันเพิ่มเป็นสองเท่า ร้านไม่ได้แย่ลง แต่สัดส่วนทราฟฟิกเปลี่ยนไป
ดูจำนวนด้วย กลุ่มที่มีคำสั่งซื้อแค่สิบกว่ารายการต่อเดือน จะแกว่งไปมาตามความบังเอิญ จึงควรตัดสินจากช่วงเวลาที่ยาวกว่า
แต่ละขั้นมักสะดุดเพราะอะไร
การรู้ว่าขั้นไหนรั่วมากที่สุด ช่วยจำกัดวงสาเหตุที่เป็นไปได้ บางสาเหตุ เช่น ความเร็วและความน่าเชื่อถือ กระทบทุกขั้น นี่คือเหตุผลที่การเปลี่ยนหน้าตาอย่างเดียว ไม่ค่อยแก้ปัญหา conversion ได้ การออกแบบ คอนเทนต์ การพัฒนา และความเร็ว ต้องทำงานร่วมกัน ตามที่ คู่มือออกแบบเว็บไซต์อีคอมเมิร์ซ ของเราอธิบายไว้
เข้าชม ถึงดูสินค้า: ประตูผิด หรือช้า
โฆษณาที่สัญญาอย่างหนึ่ง แต่พาไปลงอีกอย่าง แลนดิ้งเพจที่โหลดช้ามากบนเน็ตมือถือ เมนูที่ไม่ตรงกับวิธีคิดของลูกค้า และช่องค้นหาที่หาอะไรไม่เจอเมื่อสะกดผิด Google ถือว่า Largest Contentful Paint ที่ 2.5 วินาทีหรือน้อยกว่า อยู่ในเกณฑ์ดี ความเร็วของหน้าส่งผลต่อ conversion อย่างไร อธิบายว่าหน้าที่ช้ากว่านั้นทำให้เสียอะไรบ้าง
ลองตรวจเอง เปิดแลนดิ้งเพจห้าหน้าที่มีคนเข้ามากที่สุด บนมือถือระดับกลางที่ใช้เน็ตมือถือ แล้วทดสอบแต่ละหน้าด้วย PageSpeed Insights
ดูสินค้า ถึงใส่ตะกร้า: คำถามที่ไม่มีคำตอบ
ลูกค้าจะออกไป เมื่อมองไม่เห็นราคารวม ระยะเวลาจัดส่ง นโยบายคืนสินค้า ขนาดที่ใช่ หรือจำนวนสินค้าคงเหลือ หรือเมื่อรูปไม่ชัด และตัวเลือกสินค้า (variant) ใช้ยากบนมือถือ คู่มือ การออกแบบหน้าสินค้า ของเราอธิบายว่าแต่ละหน้าต้องมีอะไร
ลองตรวจเอง เรียงสินค้าตามจำนวนการดู แล้วเทียบอัตราการใส่ตะกร้า เริ่มจากสินค้าที่มีคนดูเยอะ แต่อัตราการใส่ตะกร้าต่ำผิดปกติ
ตะกร้า ถึงชำระเงิน: เรื่องไม่คาดคิดและการเปลี่ยนใจ
การทิ้งตะกร้าบางส่วนเป็นเรื่องปกติ ลูกค้าใช้ตะกร้าเช็กยอดรวม หรือเก็บสินค้าไว้ก่อน ค่าเฉลี่ยจาก 50 งานวิจัยของ Baymard Institute ระบุว่า สัดส่วนตะกร้าสินค้าออนไลน์ที่ถูกทิ้งก่อนซื้อ อยู่ที่ประมาณ 70% (70.22% ในข้อมูลอัปเดตเดือนกันยายน 2025) สิ่งที่ไม่ปกติ คือช่องว่างที่กว้างกว่ามากบนอุปกรณ์หนึ่ง หรือช่องว่างที่กว้างขึ้น หลังเปลี่ยนราคาค่าจัดส่ง
ลองตรวจเอง ลูกค้าเห็นค่าจัดส่งโดยประมาณ และวันที่ของจะถึง ก่อนไปถึงตะกร้าหรือไม่?
ชำระเงิน ถึงซื้อ: ติดขัดที่ขั้นสุดท้าย
ในงานวิจัยของ Baymard กับนักช้อปออนไลน์ในสหรัฐฯ ค่าใช้จ่ายเพิ่มเติม เช่น ค่าส่ง ภาษี และค่าธรรมเนียม เป็นเหตุผลที่พบบ่อยที่สุด ในการทิ้งหน้าชำระเงิน ตามมาด้วยการจัดส่งที่ช้า ความไม่ไว้ใจเว็บไซต์เรื่องข้อมูลบัตร การบังคับสร้างบัญชี และหน้าชำระเงินที่รู้สึกยาวเกินไป คู่มือ การปรับปรุงหน้าชำระเงิน ของเราอธิบายวิธีแก้ไว้
ลองตรวจเอง ซื้อของบนมือถือของคุณเอง ด้วยทุกวิธีชำระเงินที่คุณมี แล้วจดทุกจุดที่ต้องหยุดคิด
เปลี่ยนจุดรั่วให้เป็นการแก้ไข
ขั้นตอนทั่วไปอยู่ใน คู่มือการปรับปรุงอัตรา conversion ของเรา สำหรับร้านค้าออนไลน์ สรุปได้เป็นห้าขั้น ทำซ้ำทุกเดือนหรือทุกไตรมาส:
- เลือกจุดรั่วที่คุ้มจะแก้ ขั้นที่เสียลูกค้ามากที่สุด ในกลุ่มที่ใหญ่ที่สุดของคุณ ไม่ใช่เปอร์เซ็นต์ที่แย่ที่สุดในกลุ่มเล็ก ๆ
- หาสาเหตุ ลองเดินตามเส้นทางนั้นบนมือถือ ดูลูกค้าจริงสองสามคนลองใช้ และอ่านอีเมลลูกค้า เพื่อดูคำถามที่คนถามก่อนซื้อ
- เขียนสมมติฐานที่ทดสอบได้ “ลูกค้ามือถือไม่เห็นค่าส่งจนถึงตะกร้า ดังนั้นการแสดงค่าส่งโดยประมาณ บนหน้าสินค้า จะเพิ่มอัตราจากตะกร้าไปชำระเงิน บนมือถือ” ระบุการเปลี่ยนแปลง ตัวชี้วัด และกลุ่มลูกค้า
- แก้หรือทดสอบ แก้บั๊กและจุดติดขัดที่เห็นชัดทันที สำหรับการเปลี่ยนแปลงที่ไม่แน่ใจ ให้ทำ A/B test ถ้ามีคำสั่งซื้อมากพอ ถ้าไม่พอ ให้เทียบช่วงเวลาเต็มสัปดาห์ที่ยาวเท่ากัน ก่อนและหลัง โดยจดแคมเปญและฤดูกาลไว้ด้วย
- เช็กว่าได้ผลไหม ขั้นเดิม กลุ่มเดิม นิยามเดิม เช็กรายได้ต่อเซสชันด้วย และบันทึกผลไว้ เพื่อให้รอบถัดไปต่อยอดได้
คำถามที่พบบ่อย
อัตรา conversion ที่ดีของร้านค้าออนไลน์ คือเท่าไร?
คืออัตราที่เพิ่มขึ้น เมื่อเทียบกับค่าพื้นฐานของคุณเอง ที่สัดส่วนทราฟฟิกใกล้เคียงกัน ค่าเฉลี่ยที่เผยแพร่อยู่ระหว่างประมาณ 1% ถึง 3% แต่ร้านที่ขายสินค้ามูลค่าสูง อาจถือว่าดีแล้วที่ต่ำกว่า 1% ส่วนร้านที่ขายของใช้ประจำวันให้ลูกค้าเก่า อาจสูงกว่านั้นมาก
ทำไม GA4 แสดงการซื้อน้อยกว่าระบบร้านค้า?
สาเหตุหลักคือผู้เข้าชม ที่ปฏิเสธคุกกี้วิเคราะห์ข้อมูล และ ad blocker ที่ทำให้แท็กไม่โหลด วิธีชำระเงินที่ไม่พาลูกค้ากลับมาหน้ายืนยัน และคำสั่งซื้อที่เกิดนอกเว็บไซต์ ก็ทำให้ช่องว่างกว้างขึ้น ให้ตรวจสอบเมื่อช่องว่างเปลี่ยนไปกะทันหัน ไม่ใช่แค่เพราะมีช่องว่าง
ควรรอนานแค่ไหน ก่อนตัดสินว่าได้ผล?
ให้ครอบคลุมสัปดาห์เต็ม เพราะวันธรรมดากับวันหยุดสุดสัปดาห์ มักต่างกัน และรอจนมีคำสั่งซื้อจำนวนที่มีความหมาย ในกลุ่มที่คุณเปลี่ยน สำหรับร้านขนาดเล็ก มักหมายถึงหลายสัปดาห์
ขั้นตอนต่อไป
เริ่มจากการวัดผล ตรวจว่า GA4 บันทึกทุกขั้นใน funnel และจำนวนการซื้อใน GA4 ขยับตามคำสั่งซื้อในระบบร้านค้า จากนั้นสร้าง funnel แยกตามอุปกรณ์และแหล่งทราฟฟิก แล้วเลือกจุดรั่วหนึ่งจุดมาแก้ในเดือนนี้ การแก้หนึ่งจุดที่วินิจฉัยมาอย่างดี และวัดผลอย่างถูกต้อง บอกอะไรคุณได้มากกว่าค่าเฉลี่ยใด ๆ
จุดรั่วสองอย่างที่กระทบทุกขั้น คือหน้าที่โหลดช้า และประสบการณ์ที่แย่บนมือถือ ตรวจจากภายนอกได้ ตรวจสอบเว็บไซต์ฟรี ของเราตรวจทั้งสองเรื่อง เพื่อให้คุณรู้ว่า ควรใส่สองเรื่องนี้ไว้ในรายการหรือไม่ ก่อนเริ่มงานวิเคราะห์ funnel