← 所有指南

Shopify 平均客單價:如何計算 AOV 並提高營收

你的 Shopify 平均客單價(AOV)是特定期間內的總營收除以訂單數,Shopify 數據分析就會顯示這個數字。要提高它,就在每個步驟給顧客一個相關的理由多買一點:組合優惠、多件優惠、免運或滿額贈門檻、cart drawer 加購,以及一鍵結帳後優惠。用轉換率和每筆訂單利潤來檢驗每項變更,而不是只看 AOV。
目錄
  1. Shopify 平均客單價:代表什麼、為什麼重要
  2. 如何計算 Shopify AOV 並在數據分析中找到它
  3. 提高 Shopify 平均客單價的實用方法
  4. 如何測試 AOV 優惠而不影響轉換
  5. 常見問題

Shopify 平均客單價:代表什麼、為什麼重要

簡單的定義

你的 Shopify 平均客單價,是顧客在你商店單筆訂單中平均花費的金額。它告訴你每筆訂單帶來多少營收,也是少數不必多買流量就能影響的電商指標之一。

在基本的營收公式中,AOV 和轉換率、流量並列:訪客數,乘以購買者的比例,再乘以每次購買的金額。改善三者中的任何一項都能提高營收。對於已經有穩定流量、卻感受到每位顧客獲客成本壓力的商店來說,AOV 通常是很實用的槓桿。

為什麼 AOV 值得重視

每筆訂單都有一些不會隨訂單金額同步成長的成本:獲取顧客、付款手續費的固定部分、揀貨包裝,而且通常還有運費。當每筆訂單的價值更高,這些成本就會分攤到更多營收上,可能改善每筆訂單的毛利。較高的 AOV 也可以讓你在維持獲利的同時,有更多空間投入獲客。

話雖如此,較高的 AOV 並不自動代表更好。如果某個手法拉高了 AOV,卻降低了轉換率,或依賴會吃光毛利的折扣,你最後可能每筆訂單營收更多,整體利潤卻更少。閱讀本指南其餘部分時,請記住這一點。

怎樣算是「好的」AOV?

沒有放諸四海皆準的答案。AOV 會因利基市場、價格帶、商品類別和顧客類型而有很大差異。販售單件高單價商品的商店,和販售顧客會重複購買之消耗品的商店,看起來會非常不同。與其追逐外部數字,不如把你的 AOV 和你自己的歷史資料、通路和毛利比較。目標是在你的基準之上穩定、有獲利地改善。

如何計算 Shopify AOV 並在數據分析中找到它

AOV 公式

計算方式很簡單:

AOV = 總營收 ÷ 訂單數

以下是用虛構數字舉例,不是基準值:如果一家商店上個月從 600 筆訂單創造了 US$30,000 營收,它的 AOV 就是 US$30,000 ÷ 600 = US$50。如果下個月同樣 600 筆訂單創造了 US$33,000,AOV 就提高到 US$55。

對「營收」包含哪些項目要保持一致。決定你是否計入運費、稅金、退款和折扣,然後每次都使用同樣的定義,讓比較保持有效。Shopify 的報表有自己的定義,所以在把報表數字和你在試算表中算出的數字比較之前,先確認報表是怎麼計算的。

在 Shopify 哪裡找到 AOV

你不需要手動計算:你的 Shopify 數據分析就會顯示平均客單價。

  1. 在你的 Shopify 後台中,開啟數據分析(Analytics)。
  2. 找到平均客單價(average order value)指標,並調整日期範圍來比較不同期間(例如本月和上個月)。
  3. 在報表中查看平均客單價隨時間的變化,而不是只看單一數字。
  4. 在報表允許的情況下,依銷售管道、商品或顧客類型細分資料。

你能看到的報表和細分方式可能取決於你的 Shopify 方案,而且 Shopify 會不時更新數據分析畫面,所以你後台中的實際標籤可能不同。

不要只看單一平均值

平均數可能誤導人。少數異常大的訂單,例如批發採購或企業禮品訂單,可能把平均值拉高,掩蓋一般顧客真正的花費。要看到更真實的樣貌:

  • 查看訂單金額中位數和最常見的訂單金額。這些數字比平均數更適合當作門檻和優惠的參考依據。
  • 依顧客類型細分。新顧客和回購顧客的行為通常不同。
  • 依通路和裝置細分。付費社群廣告、電子郵件、自然搜尋、電腦和手機,可能產生非常不同的購物籃。
  • 依首次購買的商品細分。這能看出哪些入門商品還有加購空間。

在改動任何東西之前,先記下你的基準 AOV、中位數、轉換率和每筆訂單利潤。沒有這個基準,你就無法判斷某個手法是否有效。

提高 Shopify 平均客單價的實用方法

持久的 AOV 改善,通常來自讓更大的購物籃感覺更划算,或是更完整的解決方案,而不是給顧客壓力。以下每個手法都在購買旅程的不同時刻發揮作用,所以可以層層疊加,而不是彼此替代。

商品組合

組合優惠把互補的商品打包成單一優惠,例如入門套組、「完整保養流程」組合或主題系列。它們有效是因為省去了做決定的力氣:顧客不必自己想清楚哪些東西該搭在一起。

好的組合從你的訂單資料開始。看看哪些商品已經常出現在同一筆訂單中,再把這些組合打包起來。讓優惠容易理解,並確保組合價格有吸引力、又不會毀掉毛利。如果你想在店面上建立固定、階梯式或任選組合,可以用 Moon Bundles 設定商品組合,然後在你自己的數據分析中觀察它們對 AOV 和轉換的影響。想看逐步教學,請參考我們的如何在 Shopify 建立商品組合指南。

多件優惠與數量折扣

多件優惠獎勵購買更多同款商品的顧客:例如買兩件或三件而不是一件時,單價更划算。數量折扣用級距遵循同樣的邏輯。它們適合會被消耗、送禮或分享的商品,例如保養品、保健食品、咖啡、寵物用品或基本款服飾。

設計級距時,讓升級的幅度感覺很小、獎勵很清楚。避免設太多級距,那會造成混淆。確認每個級距仍保有可接受的毛利,因為折扣通常會套用到該級距的每一件商品。使用 Moon Bundles 的數量折扣,折扣會自動套用,省下的金額也會顯示在商品頁面上。

免運與滿額贈門檻

門檻給顧客一個目標:多花一點,就能解鎖一項好處。最常見的兩種形式是購物車金額超過一定數字就免運,以及購物車金額超過一定數字就送贈品。

  • 免運門檻:常見的做法是把它設在略高於你的訂單金額中位數,讓大多數顧客覺得伸手可及。遠高於一般消費金額的門檻往往會被忽略。
  • 滿額贈門檻:選一個感知價值高、對你來說成本低的贈品,最好是能介紹新商品或鼓勵回購的東西。

在購物車中顯示達到門檻的進度,讓顧客隨時知道還差多少。如果你想自動化這件事,Moon Bundles 的階梯式滿額贈會在購物車中加入即時進度條,級距由你設定(免運、贈品、訂單折扣),每個購物車最多兩份贈品。

想想門檻對毛利的影響。對本來就會達標的訂單來說,免運會讓你付出真金白銀,所以要測試門檻,而不是用猜的。

Cart drawer 加購與交叉銷售

Cart drawer 是顧客確認自己即將購買什麼的地方,因此很自然適合放相關的建議。加購(upsell)是推薦購物車中商品的更好或更大版本。交叉銷售(cross-sell)則是推薦能搭配它的商品。

讓購物車優惠保持輕量:

  • 顯示一到三個建議,而不是一長串輪播。
  • 選擇和購物車內容明顯相關的商品。
  • 偏好價格較低、讓人容易答應的加購品。
  • 讓加入商品只需點一下,不必讓顧客離開購物車。

這裡的風險是分心。如果建議不相關,或把結帳按鈕擠到頁面下方,轉換率可能下降。這就是為什麼購物車的變更一定要經過測試。Moon Bundles cart drawer 把免運進度、社會認同、交叉銷售和折扣碼整合到一個配合你佈景主題的側滑購物車中。

一鍵結帳後加購

結帳後加購會在顧客付款之後、到達感謝頁面之前出現。因為原本的訂單已經完成,顧客在主要購買上不必承擔任何風險,一鍵優惠也讓他們不必重新輸入付款資訊就能加購商品。

這裡通常很適合推互補商品、補充包或配件。讓優惠和剛買的東西相關,並只提供一個清楚的選擇。由於它發生在付款之後,不會影響主要訂單的轉換,因此是相對低風險的 AOV 提升方式。優惠的設定方式取決於你使用的 App:在 Moon Bundles 中,結帳後頁面加購從 Essential 方案起就包含在內(每月 US$19.99,提供 7 天免費試用)。我們的 Shopify 結帳後加購指南說明了該顯示哪些優惠、如何設定,以及要追蹤哪些指標。

手法比較

手法 出現位置 最適合的情況 主要風險
商品組合 商品頁面、商品系列頁面 商品本來就常被一起購買 折扣太深,侵蝕毛利
多件優惠 商品頁面 商品屬於消耗品或適合送禮 對本來就會賣出的商品打折
免運或滿額贈門檻 購物車、公告列 門檻略高於一般訂單金額 本來就達標的訂單仍要負擔運費或贈品成本
Cart drawer 加購 Cart drawer 加購品相關且價格低 讓顧客從結帳分心
結帳後加購 付款之後 優惠和剛買的商品相符 不相關的優惠傷害顧客體驗

AI 能派上用場的地方

決定向哪位顧客推薦哪件商品,正是自動化能幫上忙的地方。推薦邏輯可以運用商品目錄和訂單資料提出相關的加購品,而不是依賴固定清單。Moon Bundles 也有 MCP 連接器:把它加到 Claude 或 ChatGPT 等 AI 助理之後,助理就能讀取你的商品目錄、草擬優惠並回答關於你數字的問題,而且在你核准之前,什麼都不會上線。想更進一步,請看協助管理 Moon Bundles 優惠的 AI Agents和電商專用的 Claude Cowork。不論你用什麼工具,都把它們的建議當成要測試的假設,而不是保證。

如何測試 AOV 優惠而不影響轉換

不只量測 AOV

如果 AOV 是你唯一的成功指標,你可能會不小心核准一項傷害生意的變更。同時追蹤一小組指標:

  • 平均客單價,可以的話再加上中位數。
  • 轉換率,用來發現優惠帶來的阻力。
  • 每位訪客營收,把 AOV 和轉換率合成一個數字。
  • 每筆訂單利潤,扣除折扣、贈品成本和運費之後。
  • 回購行為,看看優惠是吸引還是趕走了好顧客。

每位訪客營收和每筆訂單利潤是最清楚的訊號。提高了 AOV、卻降低每位訪客營收的優惠,不算成功。

簡單的測試流程

  1. 記錄你的基準。在一段正常期間內,記下 AOV、訂單金額中位數、轉換率和每筆訂單利潤。
  2. 挑一項變更。推出單一組合、單一門檻或單一購物車優惠。同時改好幾樣東西,結果就無法解讀。
  3. 事先定義成功。在看任何資料之前,決定哪個指標必須改善、哪個指標不能下降。
  4. 謹慎分流或比較期間。正式的 A/B 分流最理想,因為它能排除季節性和促銷活動的影響。如果你只能比較不同期間,就避免在特賣活動或大型行銷活動期間進行測試。
  5. 跑得夠久。讓測試涵蓋完整的每週循環,並累積足夠的訂單,避免對雜訊做出反應。
  6. 保留、調整或撤回。保留能提高每位訪客營收和利潤的變更,調整其他的,並移除任何傷害轉換的東西。

如果你用 Moon Bundles 執行優惠,跨模組 A/B 測試包含在 Pro 方案中(每月 US$39.99):你把流量分給同一個優惠的兩個版本,並追蹤每位訪客營收。方案詳情請見價格頁面。

要避免的常見錯誤

  • 憑感覺設定門檻。以你自己的訂單金額中位數為基準,並測試多個級距。
  • 折扣過度。深度折扣會提高訂單金額,卻可能吃光利潤,還會讓顧客養成等優惠的習慣。
  • 疊加太多彈出視窗和優惠。每多一個提示就多一分阻力。從一層開始,確定有幫助後再加下一層。
  • 忽略手機版。很多顧客用手機瀏覽和購買,所以要檢查每個優惠在小螢幕上的外觀和行為。
  • 太早下判斷。短短幾天的資料很少能說出真相。

整合起來

合理的工作順序是先量測你的基準,再從最適合你商品目錄的優惠開始:在商品頁面上推組合優惠或多件優惠、在購物車設定門檻,並在 cart drawer 中提供相關建議。核心體驗穩定之後,再加入一鍵結帳後優惠,因為它在成交之後增加營收,不會影響結帳轉換。定期檢視數字,並透過小而可量測的步驟持續提高你的 Shopify 平均客單價,而不是一次大改造。

如果你寧願用一個 App 來執行這些層次,Moon Bundles 涵蓋組合優惠、多件優惠、階梯式滿額贈、cart drawer 和一鍵結帳後加購。免費方案包含一個自選模組,App 帶來的營收在 US$500 以內免費,每個付費方案則包含全部四個模組。如果你還在比較工具,我們整理的最佳 Shopify 組合優惠 App 並列比較了評分、價格和涵蓋範圍。

常見問題

Shopify 商店怎樣的平均客單價算好?

好的 AOV 取決於你的商品、定價、顧客和商業模式,所以沒有一個適用於每家 Shopify 商店的目標。把你的數字和你自己過去的成績比較,如果有資料,也可以和商品結構與市場相似的商家比較。觀察變化時,要同時看訂單量和利潤,因為光是 AOV 較高,並不能說明商店是否更健康。

為什麼 Shopify AOV 在不同利基市場之間差異很大?

AOV 之所以不同,是因為商品價格、購買頻率、組合大小和顧客需求因利基市場而異。販售高價商品的商店,平均值自然可能和販售經常購買之低價商品的商店不同。折扣、運費和售出商品的結構也會影響比較。把外部基準當作參考背景,而不是目標,並確保這些數字使用可比較的定義和期間。

平均客單價和每位顧客營收一樣嗎?

不一樣。AOV 衡量的是每筆訂單的營收,每位顧客營收則衡量在選定期間內歸屬於每位不重複顧客的營收。下了好幾筆訂單的顧客,可能在 AOV 中被計算多次,但在顧客層級的計算中通常只算一次。確切的數字也取決於商店如何定義營收,所以比較指標之前,先確認是否包含折扣、退款、稅金或運費。

Shopify AOV 會不會在商店利潤下降時反而上升?

會。即使利潤下降,AOV 也可能上升,例如較大的訂單依賴深度折扣、高昂運費或低毛利商品時。AOV 追蹤的是每筆訂單的營收,而不是製作和履行那筆訂單的成本。把它和貢獻毛利、出貨費用、退款和轉換率一起評估,才能了解 AOV 的變化是否真的在創造價值,而不只是拉高結帳總額。

檢視 Shopify AOV 時,我應該用平均數還是中位數?

用平均數了解所選訂單中每筆訂單的總營收,並考慮用中位數來看位於中間的訂單金額,避免它受大訂單太多影響。少數異常大的購買可能把平均數往上拉,讓一般訂單看起來比實際更大。同時檢視兩者,有助於解釋資料的變化,特別是當訂單金額差異很大時。

我應該如何比較不同報表期間的 Shopify AOV?

比較使用相同營收定義、幣別和訂單條件的期間,並考量商品結構、折扣和獲客來源的差異。季節性或促銷造成的變化會改變訂單類型,所以 AOV 的變動不一定反映顧客行為的長期改變。檢視 AOV 時,也一併看訂單數和利潤指標,讓比較有完整的背景。