銷售漏斗是什麼?用電商購買流程解釋
銷售漏斗是把顧客從第一次看見商品,到加入購物車、完成付款、回購與推薦的流程拆成階段,讓品牌知道人在哪裡流失、該用什麼內容承接、要看哪些 KPI。以電商來說,漏斗不是抽象模型,而是每天會出現在廣告、商品頁、結帳頁、Email、LINE 與會員經營裡的成交設計。
例如一個保養品品牌,使用者可能先從 SEO 文章認識成分,再點進商品頁看評價,接著加入購物車,看到運費後暫時離開,兩天後收到廢棄購物車提醒才完成首購。這一整段,就是電商銷售漏斗要處理的範圍。
為什麼漏斗會越往下人越少
漏斗會越往下人越少,原因是每個階段都有不同阻力:有人只看不點,有人點進來卻不信任商品,有人加入購物車後被運費、付款方式或退換貨疑慮卡住。真正有經驗的電商不會只問「流量夠不夠」,會先問「最大流失點在哪一段」。
| 漏斗階段 | 常見行為 | 常見流失原因 | 優先觀察指標 |
|---|---|---|---|
| 曝光 | 看到廣告、社群貼文或搜尋結果 | 標題不清楚、受眾不精準 | 曝光、CTR |
| 點擊 | 進入商品頁或導購內容 | 承諾與頁面內容不一致 | 自然流量、跳出情況 |
| 瀏覽 | 查看規格、評價、FAQ | 資訊不足、信任感不夠 | 停留時間、商品頁轉換率 |
| 加購 | 加入購物車 | 價格猶豫、規格不確定 | 加入購物車率 |
| 結帳 | 填寫資料、選擇付款 | 運費太晚揭露、表單太長 | 結帳完成率、購物車放棄率 |
| 付款 | 完成訂單 | 付款方式不足、金流信任疑慮 | 付款成功率 |
電商漏斗不只到首購,還包含回購
電商銷售漏斗如果只做到首購,通常會讓廣告成本越來越重。首購只是顧客關係的起點,後面還有補貨提醒、會員分群、Email 行銷、LINE 官方帳號訊息、滿額優惠、推薦獎勵與高客單組合包。
我的判斷是,毛利有限的台灣中小電商品牌,不能把每一筆訂單都當成一次性交易。只要產品有消耗週期或搭配購買情境,回購率和 LTV 就會直接影響整套漏斗能不能長期成立。
電商銷售漏斗有哪些階段?
電商銷售漏斗通常包含認知、興趣、評估、加入購物車、結帳、付款、回購與推薦。每一段都需要不同內容、CTA 與 KPI,不能只用同一張商品頁承接所有顧客。
| 階段 | 顧客狀態 | 主要任務 | 常見內容或機制 |
|---|---|---|---|
| 認知 | 剛知道品牌或需求 | 讓對的人看見商品 | SEO、社群、廣告、導購內容 |
| 興趣 | 願意了解更多 | 說清楚產品適合誰 | 商品分類頁、選購指南、短影音 |
| 評估 | 正在比較品牌與價格 | 降低猶豫與比較成本 | 評價、比較表、FAQ、保固資訊 |
| 加入購物車 | 有購買意圖但尚未付款 | 維持動機 | 免運門檻、組合包、庫存提醒 |
| 結帳 | 準備完成訂單 | 減少摩擦 | 簡化表單、多元付款、清楚運費 |
| 回購 | 已購買過 | 提高 LTV | Email、LINE、會員點數、補貨提醒 |
認知階段:讓對的人看見商品
認知階段的重點是讓有需求的人看見商品,而不是單純追求最大曝光。SEO 可以承接主動搜尋需求,社群適合建立熟悉感,廣告則能快速測試受眾與訊息。
這一段要看的 KPI 包含曝光、CTR、自然流量與新訪客比例。如果點擊率低,通常是標題、素材或受眾有問題;如果流量進站後很快離開,問題多半在承接頁與搜尋意圖不一致。
評估階段:降低猶豫與比較成本
評估階段要處理的是信任與說服。顧客已經知道商品,但還在比較規格、價格、評價、保固、配送與退換貨條件。商品頁如果只放情緒化文案,卻沒有明確資訊,很容易在這一段流失。
好的商品頁會讓顧客不用開太多分頁比較。例如尺寸表、成分表、使用情境、常見問題、真實評價與商品比較表,都會影響商品頁轉換率和加入購物車率。
結帳階段:減少購物車放棄
結帳階段的任務是讓已經想買的人順利付款。這一段最怕突然出現隱藏成本,例如最後一步才看到運費、付款方式不支援、退換貨規則找不到,或表單欄位多到讓人放棄。
購物車放棄不是小問題,它通常代表前面花錢買來的流量在臨門一腳流失。可以搭配 購物車放棄漏斗、結帳完成率與付款成功率一起檢查。
回購階段:把一次購買變成會員資產
回購階段要把訂單資料變成可經營的會員資產。可用 Email、LINE 官方帳號、會員點數、補貨提醒、生日禮、滿額門檻與推薦機制,讓首購客進入下一次購買情境。
這裡不一定需要大型 CRM 專案,很多品牌先用基本會員分群就能開始:新客、近 30 天購買者、加購未結帳者、高客單客、超過補貨週期未回購者。重點是每群人收到的訊息要不同。
銷售漏斗、行銷漏斗、銷售管道差在哪?
銷售漏斗、行銷漏斗與銷售管道的差別在於視角不同:行銷漏斗偏前段吸引與教育,銷售漏斗偏成交與回購設計,銷售管道 Sales Pipeline 則偏團隊管理與案件推進。
| 概念 | 主要視角 | 電商常見用途 | 容易誤用的地方 |
|---|---|---|---|
| 行銷漏斗 | 吸引與教育 | SEO、社群、廣告、內容導購 | 只做到流量,沒有成交承接 |
| 銷售漏斗 | 從興趣到成交與回購 | 商品頁、購物車、結帳頁、再行銷 | 把首購當終點 |
| 銷售管道 | 團隊管理 | 較常見於 B2B 或高單價諮詢型商品 | 拿來硬套一般電商訂單流程 |
行銷漏斗偏前段,銷售漏斗偏成交設計
行銷漏斗處理的是如何吸引、教育與培養興趣;銷售漏斗更靠近商品頁、加購、結帳、付款與回購。對電商來說,前段流量只是開始,後段承接才會決定營收穩不穩。
| 項目 | 行銷漏斗 | 銷售漏斗 |
|---|---|---|
| 主要問題 | 誰會看見品牌 | 誰會完成訂單並回購 |
| 常見資產 | 文章、社群內容、廣告素材 | 商品頁、購物車、結帳頁、會員流程 |
| 核心 KPI | 曝光、CTR、自然流量 | CVR、AOV、CAC、LTV、回購率 |
銷售管道 Sales Pipeline 是團隊管理視角
銷售管道 Sales Pipeline 比較像團隊內部管理工具,用來追蹤名單、提案、報價、成交機率與負責人。一般電商訂單速度快、單價較低,不一定需要用 Pipeline 管每一位顧客。
| 比較項目 | 銷售漏斗 | 銷售管道 |
|---|---|---|
| 核心視角 | 買家如何前進或流失 | 團隊如何管理案件 |
| 常見場景 | 電商、訂閱、會員經營 | B2B、業務提案、高單價服務 |
| 主要問題 | 哪一段轉換率低 | 哪個案件需要跟進 |
如何設計第一版電商銷售漏斗?
第一版電商銷售漏斗應從主要客群、購買情境、內容與 CTA、名單承接、再行銷、結帳摩擦與回購流程開始設計。先做能觀測、能修正的版本,比一開始追求完整自動化更實際。
第 1 步:定義主要客群與購買情境
先分清楚新客、回購客與高客單客,因為這三種人需要的內容不同。新客需要信任,回購客需要提醒,高客單客需要更完整的比較與保證。
| 客群 | 購買情境 | 主要疑慮 | 優先設計 |
|---|---|---|---|
| 新客 | 第一次接觸品牌 | 品質、評價、退換貨 | 商品頁信任資訊、首購引導 |
| 回購客 | 用完後需要補貨 | 是否有更划算組合 | 補貨提醒、會員點數、組合包 |
| 高客單客 | 一次買多件或高價商品 | 規格、保固、付款彈性 | 比較表、分期付款、客服問答 |
第 2 步:替每個階段安排內容與 CTA
內容不能只集中在品牌介紹。認知階段需要導購內容,評估階段需要比較與評價,加購階段需要降低猶豫,結帳階段需要明確下一步。
| 漏斗階段 | 內容資產 | CTA | 衡量指標 |
|---|---|---|---|
| 認知 | SEO 文章、社群短文、廣告素材 | 看選購指南、進入分類頁 | CTR、自然流量 |
| 評估 | 比較文、評價、FAQ、規格表 | 查看商品、加入購物車 | 商品頁轉換率、加購率 |
| 加購 | 免運門檻、組合優惠、庫存提醒 | 前往結帳 | 購物車放棄率 |
| 回購 | 補貨提醒、會員訊息、推薦搭配 | 再次購買、升級組合 | 回購率、LTV |
第 3 步:建立名單承接與再行銷
沒有名單承接的流量,很容易變成一次性瀏覽。至少要建立 Email、LINE 官方帳號、會員註冊、再行銷名單與廢棄購物車提醒,讓還沒下單的人有回來的路徑。
- 商品頁提供明確加入會員或領取首購優惠入口。
- 加購未結帳者進入廢棄購物車提醒流程。
- 瀏覽高價商品但未加購者,後續提供比較內容或評價內容。
- 已首購者依商品週期設定補貨提醒。
第 4 步:檢查結帳與付款摩擦
結帳頁要檢查的是阻力,不是美感。運費是否太晚出現、表單是否太長、付款方式是否符合台灣消費習慣、退換貨是否清楚,這些都會影響結帳完成率。
| 檢查項目 | 可能問題 | 建議修正 |
|---|---|---|
| 運費揭露 | 最後一步才顯示運費 | 商品頁與購物車先顯示免運門檻 |
| 付款方式 | 付款選項太少 | 支援信用卡、超商付款、行動支付等常用方式 |
| 表單欄位 | 要求過多非必要資訊 | 只保留完成配送與付款所需欄位 |
| 信任資訊 | 看不到退換貨或客服入口 | 在購物車與結帳頁放清楚連結 |
銷售漏斗不是線性流程:電商買家會來回比較
電商銷售漏斗不是顧客一路從認知走到付款的直線流程。真實買家常會跳階、回訪、比價、看評價、等待優惠,再回到商品頁或購物車。
這是許多漏斗設計失準的地方:品牌以為顧客不買就是沒興趣,但實際上顧客可能只是缺一個評價、一個尺寸答案、一個免運門檻,或一封提醒訊息。
為什麼使用者會從結帳退回評估階段
使用者從結帳退回評估階段,通常代表購買意圖存在,但信任或成本問題尚未被解決。
- 運費或總價超出預期,顧客回頭比較其他品牌。
- 評價不足,顧客暫停付款去搜尋開箱或心得。
- 規格、尺寸、保存方式不清楚,顧客不敢下單。
- 付款方式不符合習慣,顧客打算晚點再處理。
- 優惠節奏太固定,顧客被訓練成等折扣。
用再行銷與內容補上回頭路徑
再行銷的重點不是一直推折扣,而是補上顧客回頭決策需要的內容。對加購未結帳者,可以用 Email 或 LINE 提醒購物車;對看過商品但未加購者,可以提供評價、比較表或常見問題。
文字版流程可以這樣設計:瀏覽商品頁但未加購,隔天提供評價內容;加入購物車但未結帳,數小時後提醒購物車與運費門檻;首購完成後,依商品週期寄送補貨提醒;高滿意度顧客,再導向推薦或組合購買。
每個漏斗階段該追哪些 KPI?
銷售漏斗 KPI 要依階段設定:前段看曝光、CTR、自然流量;中段看商品頁轉換率與加入購物車率;後段看結帳完成率、AOV、CAC、LTV、回購率與毛利率。
| 階段 | 主要 KPI | 代表意義 | 常見優化方向 |
|---|---|---|---|
| 認知 | 曝光、CTR、自然流量 | 是否讓正確受眾進站 | 調整關鍵字、素材、標題與受眾 |
| 評估 | 商品頁轉換率、停留時間、加購率 | 商品頁是否說服顧客 | 補評價、比較表、FAQ、保固資訊 |
| 結帳 | 結帳完成率、購物車放棄率 | 付款流程是否順暢 | 減少欄位、提早揭露運費、增加付款方式 |
| 訂單 | AOV、CAC、ROAS、毛利率 | 單筆訂單是否有利潤 | 組合包、滿額門檻、控制取得成本 |
| 回購 | LTV、回購率、推薦率 | 顧客是否留下來 | 會員分群、補貨提醒、Email 與 LINE 經營 |
不要只看 ROAS,要一起看毛利與 LTV
只看 ROAS 容易誤判漏斗品質。ROAS 看起來漂亮,不代表扣掉廣告費、物流、折扣、金流與商品成本後還有足夠毛利;首購虧損也不一定錯,前提是 LTV 能補回來。
比較穩的判斷規則是:新客漏斗看 CAC 與首購毛利,回購漏斗看 LTV 與回購率,高客單商品再看 AOV 與結帳完成率。若要延伸衡量,可接著檢查 電商 KPI 定義 與 GA4 轉換設定。
AI 可以怎麼用在電商銷售漏斗?
AI 可以用在電商銷售漏斗的客服問答、會員分群、個人化推薦、訊息摘要、流失預測與高意圖名單判斷。它適合提升承接效率,但不能替代商品定位、毛利結構與結帳體驗。
| AI 應用 | 對應階段 | 可處理問題 | 注意事項 |
|---|---|---|---|
| AI 客服 | 評估、結帳 | 尺寸、配送、退換貨、商品推薦 | 答案要接品牌政策與商品資料 |
| 會員分群 | 回購 | 找出高意圖客、沉睡會員、未結帳者 | 資料欄位要乾淨且可追蹤 |
| 個人化訊息 | 評估、回購 | 依瀏覽與購買紀錄推薦內容 | 不要過度頻繁打擾會員 |
| 流失預測 | 回購 | 判斷哪些會員可能不再購買 | 需搭配實際回購週期驗證 |
AI 客服與購前問答
AI 客服最適合處理重複且會影響購買決策的問題,例如尺寸怎麼選、多久出貨、能不能退換貨、哪個商品適合新手、組合包差在哪。這些問題若沒有即時回答,顧客很可能回到評估階段。
但 AI 客服不能隨便自由發揮。商品規格、配送規則、退換貨條件與保固文字要有明確資料來源,否則回答錯一次,就會直接傷害信任。
AI 分群與個人化訊息
AI 分群可以協助品牌辨識高意圖客、沉睡會員、加購未結帳者、近期多次瀏覽同商品者與高客單顧客。這些分群可以對應不同 Email 或 LINE 訊息,而不是全站會員都收到同一封促銷。
- 高意圖客:提供評價、比較表或客服入口。
- 沉睡會員:提供新品、補貨或會員點數提醒。
- 加購未結帳者:提醒購物車與免運門檻。
- 高客單顧客:推薦組合包、訂閱方案或進階商品。
電商銷售漏斗常見失敗原因
電商銷售漏斗失敗,常見原因包含只買流量、沒有名單承接、商品頁信任不足、結帳摩擦太多、優惠策略錯誤、回購流程缺席。這些問題通常不是單一工具能解決,而是流程設計沒有接上。
| 失敗原因 | 會影響的階段 | 可觀察現象 | 修正方向 |
|---|---|---|---|
| 只買流量 | 認知到評估 | 流量增加但訂單不穩 | 補商品頁、名單承接與再行銷 |
| 商品頁信任不足 | 評估 | 停留但不加購 | 補評價、規格、FAQ、退換貨 |
| 結帳摩擦太多 | 結帳 | 購物車放棄率偏高 | 簡化表單、提早揭露總價 |
| 沒有回購流程 | 回購 | 首購後會員沉默 | 建立補貨提醒與會員分群 |
| 優惠策略錯誤 | 評估、回購 | 訂單靠折扣,毛利被壓縮 | 改用滿額、會員分層與組合價 |
只買流量,沒有名單與再行銷
只買流量的典型反例是:廣告導到商品頁,顧客沒買就結束。沒有 Email、LINE、像素、會員註冊或廢棄購物車提醒,等於每次都要重新花錢找同一群人。
我會優先檢查兩件事:第一,流量進站後有沒有被分到可追蹤名單;第二,未成交者有沒有下一段內容承接。如果兩者都沒有,廣告預算越大,浪費也越大。
優惠太早出現,反而訓練顧客等折扣
優惠不是不能做,但太早、太固定、太大方,會讓顧客習慣等折扣,最後傷到毛利。尤其台灣電商常用首購折扣、滿額折扣、節慶活動,如果缺乏分層,很容易變成全站都在等促銷。
| 情境 | 不建議做法 | 較好的做法 |
|---|---|---|
| 新客第一次瀏覽 | 立刻跳大折扣 | 先提供選購指南、評價與首購小誘因 |
| 高意圖但未結帳 | 每次都降價 | 先提醒購物車、運費門檻與保障資訊 |
| 老客回購 | 全站同折扣 | 依會員等級、週期與品類推薦 |
台灣電商品牌的銷售漏斗範例
台灣電商品牌設計銷售漏斗時,應依產品類型調整重點。保養品重視教育與信任,食品重視產地、保存與檔期,課程型電商重視內容證明,選品電商則要強化比較與組合推薦。
保養品電商漏斗
保養品電商可從膚質測驗、成分介紹與使用情境切入,讓新客先理解自己適合哪一類產品。評估階段放真實評價、使用順序、FAQ 與試用組,降低第一次購買的疑慮。
回購階段可以依產品用量設定補貨提醒,例如精華液、乳液或面膜的使用週期不同,訊息時間也應不同。保養品最不該做的是用過度功效宣稱硬推,短期可能有點擊,長期會傷害信任。
食品電商漏斗
食品電商的漏斗核心是信任與復購。認知階段可用產地、製程、保存方式與料理情境吸引流量;評估階段要清楚說明保存期限、配送方式、組合包差異與適合送禮或家庭使用的情境。
節慶檔期適合拉高 AOV,但平日回購更重要。可依購買品項設定補貨提醒,並用家庭號、組合包、訂閱式配送或會員點數提升回購率。
如何判斷你的銷售漏斗下一步要優化哪裡?
判斷銷售漏斗下一步要優化哪裡,應先找最大流失點,再估算修正後對營收、毛利與 LTV 的影響。不要同時平均優化每一段,資源會被分散。
| 觀察到的問題 | 優先檢查 | 下一步 | 可延伸閱讀 |
|---|---|---|---|
| 有曝光但沒點擊 | 標題、素材、受眾、搜尋意圖 | 重寫導購角度與廣告訊息 | AARRR 漏斗框架 |
| 有流量但不加購 | 商品頁信任、規格、評價 | 優化商品頁與比較內容 | 轉換率與 CRO |
| 加購多但結帳少 | 運費、付款、表單、退換貨 | 修結帳頁與購物車流程 | 轉換率優化 |
| 首購多但回購少 | 商品週期、會員分群、補貨提醒 | 建立 Email 與 LINE 回購流程 | 電商 KPI 定義 |
先修最大流失點,不要平均優化每一段
漏斗優化要有優先順序。若商品頁加購率很低,先修結帳頁通常效果有限;若加購率正常但結帳完成率低,繼續買流量只會放大流失。
實務上可以用三個問題排序:哪一段流失最多、修正成本多高、修正後最可能影響哪個商業指標。這種做法比盲目追新工具更可靠,也更適合毛利有限的中小電商品牌。
銷售漏斗是什麼?
銷售漏斗是把顧客從第一次接觸品牌,到評估、加入購物車、結帳、付款、回購與推薦的流程拆成階段,方便品牌找出流失點並安排內容、CTA 與 KPI。
銷售漏斗和行銷漏斗差在哪?
行銷漏斗偏前段,重點是吸引與教育受眾;銷售漏斗偏成交與回購,重點是商品頁、購物車、結帳頁、再行銷與會員經營。
銷售漏斗和銷售管道 Sales Pipeline 差在哪?
銷售漏斗是買家視角,觀察顧客如何前進或流失;銷售管道是團隊管理視角,常用來追蹤名單、案件、報價與成交機率。
電商一定需要銷售漏斗嗎?
需要。只要品牌有流量、商品頁、購物車、結帳與回購問題,就需要銷售漏斗協助判斷哪一段最影響營收與毛利。
沒有 CRM 可以做銷售漏斗嗎?
可以。第一版電商銷售漏斗可先用 GA4、會員資料、Email 名單、LINE 官方帳號與再行銷名單運作,不必一開始就導入大型 CRM。
電商銷售漏斗最重要的 KPI 是什麼?
常見重要 KPI 包含 CTR、CVR、加入購物車率、結帳完成率、AOV、CAC、LTV、毛利率與回購率。不同階段要看不同指標,不能只看 ROAS。
為什麼我的網站有流量卻沒有訂單?
常見原因是流量與商品頁意圖不一致、商品頁信任資訊不足、價格或規格不清楚、購物車與結帳頁摩擦太多,或沒有再行銷承接未成交訪客。
購物車放棄算銷售漏斗問題嗎?
算。購物車放棄代表顧客已有購買意圖,但在運費、付款、退換貨、表單、總價或信任資訊上遇到阻力,應優先檢查結帳流程。
AI 可以幫銷售漏斗做哪些事?
AI 可協助購前問答、客服摘要、會員分群、個人化推薦、加購未結帳提醒、流失預測與高意圖名單判斷,但仍需要正確商品資料與清楚流程。
小品牌應該先優化流量、商品頁,還是結帳頁?
先看最大流失點。若有曝光沒點擊,先修流量訊息;若有流量沒加購,先修商品頁;若加購多但付款少,先修購物車與結帳頁。
以官方文件、實際設定與量測結果整理 SEO 數據、網站追蹤與分析方法,並標示資料來源與判讀限制。