ROAS 很漂亮，為什麼帳上還是沒賺錢？廣告成效的兩個假象
先給答案：ROAS 很漂亮，不代表你有賺錢。廣告後台把 ROAS 算得又高又穩，帳上卻沒多出多少現金，這不是你的錯覺。問題出在兩個地方：一是 ROAS 這個數字本身沒扣掉退貨、稅、成本與手續費，漂亮的倍數底下每一單可能在虧；二是歸因報表看起來精準到個位數，實際上有一大半是平台推估出來的。這篇把這兩個假象拆開，並給一套中小企業自己就能動手的檢查法。
兩個判斷分別來自兩篇 2026 年 9 月的產業文章。零售廣告顧問 Chris Avery 在 Search Engine Land 拆解了一個「11 倍 ROAS 卻每單虧錢」的真實帳戶[1]；行銷顧問 Bengu Sarica Dincer 在 Search Engine Journal 說明為什麼歸因報表比它背後的數據更像真的[2]。以下把兩者整理成台灣中小企業看得懂、用得上的版本。
本文重點
- ROAS 只是「廣告後台認列的營收 ÷ 廣告花費」，它是效率指標，不是獲利指標，中間沒扣退貨、稅、商品成本與金流手續費。[1]
- Chris Avery 的真實案例：11 倍 ROAS 的帳戶，一筆 £100 訂單逐項扣完，每一單最後是負 £0.39。漂亮的倍數把虧損藏起來了。[1]
- 把品牌字與非品牌字混在一起算的「混合 ROAS」會騙人。同一個帳戶品牌字跑到 18 倍、非品牌字只有 3 倍，而品牌字的流量很多本來就會自己成交。[1]
- 歸因報表看起來精準，其實大半是推估。GA4 說 150 筆、Plausible 說 180 筆、CRM 只有 120 個新客戶，三套系統三個數字。[2]
- 解法是以後台真實訂單為錨，先算一筆訂單的貢獻毛利，再把幾套報表當方向參考、不當精準事實。
先看懂 ROAS 到底在算什麼，又沒算什麼
ROAS 的全名是 Return on Ad Spend，廣告投資報酬率。它的算法很單純：廣告後台認列的營收，除以你花的廣告費。花一塊錢廣告換回八塊錢認列營收，就是 8 倍 ROAS。Google 官方把它定義為一種衡量廣告效率的指標，也是智慧出價裡「目標 ROAS」策略的依據。[3]
問題不在這個算法錯，而在它算的東西比多數人以為的窄。ROAS 分子那筆「營收」，是廣告後台在轉換發生當下認列的金額，它沒有往下扣退貨、沒扣稅、沒扣你進貨的商品成本、也沒扣物流與金流手續費。換句話說，ROAS 衡量的是「廣告帶回多少帳面營收」的效率，它從頭到尾沒有回答「這門生意有沒有賺錢」這個問題。這兩件事常被當成同一件，這就是第一個假象的根。
- ROAS（廣告投資報酬率）
- 廣告後台認列的營收 ÷ 廣告花費。是效率指標，衡量每一塊廣告費換回多少帳面營收，不含退貨、稅、成本與手續費。
- 貢獻毛利（Contribution Margin）
- 一筆訂單的售價，扣掉所有跟這筆訂單直接相關的變動成本（商品成本、退貨、金流與物流手續費）之後，真正留下來的錢。判斷廣告賺不賺，要看它而不是 ROAS。
- 增量（Incrementality）
- 廣告真正「多帶來」的成交，也就是沒有這筆廣告就不會發生的那些訂單。品牌字流量很多本來就會自己成交，計進廣告成效會高估效果。
- 歸因（Attribution）
- 把一筆成交的功勞，分配給客戶接觸過的各個廣告與管道。不同的歸因模型會把功勞分給不同的接觸點，得出不同的數字。
- 推估數據（Modeled Data）
- 當追蹤訊號有缺口時，平台用機器學習補出來的估計值。它在報表裡跟實際測到的數字並列，外觀完全一樣、不標示差別。
假象一：11 倍 ROAS，每一單其實在虧錢
Chris Avery 拆解的是一個服飾電商帳戶，報表上的數字很好看，混合 ROAS 來到 11 倍。照直覺，花一塊賺十一塊，這是穩賺的生意。但他把一筆 £100 的訂單往下逐項扣，結論完全相反。[1]
| 拆解步驟 | 金額（Chris Avery 的示範） | 說明 |
|---|---|---|
| 廣告後台認列的轉換金額 | £100.00 | ROAS 分子用的就是這個數字 |
| 扣 28% 退貨後實收 | £72 | 服飾類退貨率高，退掉的營收要拿掉 |
| 再扣增值稅（VAT） | £60 | 稅不是你的錢 |
| 扣商品成本（COGS 約 63%） | £22.20 | 進貨與生產的成本 |
| 扣物流、運費 | £11.20 | 把商品送到客戶手上的成本 |
| 再扣金流、平台手續費 | £8.70 | 每一單都會發生的變動成本 |
| 再扣 11 倍 ROAS 下的廣告成本（約 £9.09） | −£0.39 | 結果：每一單最後是負的 |
同一筆訂單，廣告後台顯示的是 £100 的漂亮成績，實際落進口袋的是負 £0.39。他的原話很精準：「11 倍 ROAS 用在錯的商品組合上，多半只是一份『這個帳戶決定不去賣的東西』的清單。」[1]意思是那個高倍數是靠只挑好賣、利潤結構卻不佳的品項堆出來的，看起來效率極高，生意本身卻沒賺。
這件事在台灣一樣會發生，而且不限電商。退貨、稅、進貨成本、金流手續費，這幾項在服飾、保健食品、餐飲外送、預購商品上都很重。只要你的 ROAS 是用「後台認列營收」算的，這些成本就一律沒被扣進去。想同時檢查廣告設定層面的其他失血點，可以對照我寫的Google 廣告沒效果？投放前必查的 5 個原因。
品牌字與非品牌字混在一起，把爛成效藏起來
Chris Avery 指出的第二個問題，是「混合 ROAS」本身會騙人。同一個 11 倍的帳戶拆開來看，品牌字（客戶直接搜你的店名、品牌名）跑到 18 倍，非品牌字（客戶搜產品類別、需求）只有 3 倍。[1]
關鍵在增量這件事。會去搜你品牌名的人，通常已經認識你、本來就打算來買，這些成交就算不投廣告，很大一部分也會自己發生。把這種流量計進廣告功勞，等於把「本來就會來的客人」算成「廣告帶來的客人」，帳面 ROAS 自然被灌高。真正該檢驗的是非品牌字：那些原本不認識你、因為廣告才第一次接觸的人，他們的 ROAS 才反映廣告真正的獲客能力。當這兩種混在一起看，高的把低的蓋掉，你會以為整體很健康，其實負責開發新客戶的那一半正在賠錢。
實務上的動作很簡單：把品牌字與非品牌字分成不同的廣告活動或至少分開報表，各自算 ROAS 與貢獻毛利，不要看那個混合出來的總數。這也呼應追蹤、分組、改進這個基本循環，先能分開看，才談得上把預算挪到對的地方。
假象二：歸因看起來精準，其實大半是推估的
假設你避開了第一個假象，開始老實算成本。第二個假象在報表本身：那些看起來精準到個位數的歸因數字，可信度沒有它們外觀那麼高。
Bengu Sarica Dincer 的觀察是，現在的歸因報表裡有很大一部分不是實際測量到的，而是模型推估出來的，可是它跟真實測到的數字並排、用一樣的視覺呈現，讓人以為兩者一樣可靠。[2]訊號會在三個地方流失：客戶拒絕追蹤同意權限、跨裝置切換（在手機看、回家用電腦買）、以及各平台的隱私限制。缺口出現後，平台用機器學習把它補起來。Google 官方也明講，GA4 在使用者拒絕分析 cookie 時會用行為模型估計那部分數據。[6]
推估不是壞事，缺口總得補。真正的風險是報表沒有告訴你哪些是量到的、哪些是估的，於是你把估出來的數字當成精準事實，拿去做預算決策。看到欄位標著 modeled 或估計值，正確的態度是把它當方向參考，別當成可以精算到個位數的鐵數字。
三個系統三個數字，該信哪一個
這個問題幾乎每個投過廣告的中小企業老闆都遇過：廣告後台說帶了幾十筆、GA4 又是另一個數、自己的訂單系統對起來又不一樣，到底信哪個。Bengu 舉的例子把這件事講得很清楚：同一段時間，GA4 認列 150 筆轉換、Plausible 分析工具說 180 筆、公司 CRM 只看到 120 個新客戶，三套系統三個數字，沒有一個對得起來。[2]
會這樣不是誰壞掉了，是三套系統本來就用不同的定義、不同的歸因視窗、不同的補洞方式在算。追問「哪個是對的」問錯了方向，因為它們量的根本不是完全相同的東西。Bengu 給的處理原則，整理起來是這幾條：
- 標著推估的當方向、不當定論。modeled、estimated 的欄位看趨勢，不拿去精算。
- 比對多個歸因模型，看它們在哪裡收斂。不同模型都指向同一個結論的部分，才是比較站得住的判斷。
- 把決策錨定在後台商業系統。真正成交、真正收到錢的訂單記錄與 CRM，比平台報表可靠，拿它當基準。
- 投資第一方數據。自己收集的名單與訂單資料越完整，越不必依賴平台幫你重建缺口。
對中小企業來說最實用的是第三條：以你自己的訂單系統為錨。廣告後台與 GA4 拿來看「哪個管道、哪組廣告的趨勢在往上走」，但「這個月到底真的成交幾單、收了多少錢」以後台為準。想把 GA4 的角色與設定搞清楚，可以讀GA4 完整入門指南；想從整條路徑理解客戶怎麼一步步走到成交、廣告在哪一段發力，可以搭配行銷漏斗完整指南。
注意力行銷的建議：一套不被儀表板騙的檢查法
我們替客戶看廣告成效的時候，不會只截一張後台的 ROAS 給對方看。這兩個假象都是「數字外觀很好、實際失血」，所以我們的做法是先把真實損益算出來，再回頭看報表。給中小企業的最小版本是這樣：
算一筆真實訂單的貢獻毛利
挑一筆真的成交的訂單，把售價往下扣：退貨比例、稅、商品成本、物流與金流手續費。算出這一單真正留在口袋裡多少錢。這一步不花錢、半小時能做完，卻能立刻看出漂亮的 ROAS 底下是賺還是賠。
把品牌字與非品牌字拆開看
不要看混合 ROAS。把客戶搜你品牌名的流量，和搜產品、需求的流量分成兩份，各自算 ROAS 與貢獻毛利。負責開發新客戶的是非品牌字那一半，它的成效才反映廣告真正的獲客能力。
以後台訂單系統為錨對三套數字
廣告後台、GA4、你的訂單系統，三個數字對不起來是正常的。以真正收到錢的後台訂單為基準，其他兩個拿來看趨勢。看到報表裡標著推估的欄位，當方向參考，別當精算依據。設定與轉換追蹤的正確性可對照Google 廣告投放前必查的 5 個原因。
用真實損益重新分配預算，每月回看一次
把賺錢的（貢獻毛利為正、且是增量）加碼，把外觀漂亮但實際賠錢的收掉或改造。改完別急著下結論，隔一個月再回來對照後台訂單，確認是真的變好，不是報表換了個算法。這就是追蹤、分組測試、持續改進的完整一圈。
問題一：你上次看的 ROAS，有沒有扣掉退貨、稅、商品成本與金流手續費？
如果沒有，那個數字是「廣告帶回多少帳面營收」的效率，不是「這門生意賺不賺」。真正該看的是貢獻毛利。
問題二：你的品牌字和非品牌字，是分開算還是混在一起看？
混在一起看，品牌字的高倍數會把非品牌字的爛成效蓋掉，讓你誤以為開發新客戶的廣告也在賺。
問題三：廣告後台、GA4、訂單系統對不起來時，你以哪一個為準？
以真正收到錢的後台訂單系統為錨。平台報表看趨勢，標著推估的欄位當方向參考，不當精準事實。
常見問題
Q1：ROAS 8 倍到底算好還是不好？
光看 ROAS 判斷不了。ROAS 只是「廣告後台認列的營收」除以「廣告花費」，中間沒扣退貨、稅金、商品成本與金流手續費。Chris Avery 在 Search Engine Land 的文章裡示範，一個 11 倍 ROAS 的帳戶，把 £100 訂單逐項扣掉退貨、增值稅、成本與物流手續費後，每一單最後是負的[1]。要判斷好不好，得把這筆訂單的貢獻毛利算出來，再把品牌字與非品牌字拆開看，不能只看那個倍數。
Q2：為什麼 GA4、廣告後台、我自己的訂單系統，三個數字都對不起來？
因為三套系統用不同的定義、不同的歸因視窗，而且平台數據有一大部分是推估出來的。Bengu Sarica Dincer 在 Search Engine Journal 舉的例子是：GA4 認列 150 筆轉換、Plausible 說 180 筆、CRM 只看到 120 個新客戶，三個系統三個數字，沒有一個對得起來[2]。實務上該以你後台真實成交的訂單系統為錨，其他報表當成看趨勢用的方向參考。
Q3：什麼是「推估數據」，我該信到什麼程度？
當使用者拒絕追蹤、跨裝置切換、或平台限制訊號時，資料會出現缺口，平台用機器學習把缺口補起來，這部分就是推估數據。Google 官方也說明 GA4 會用行為模型估計拒絕 cookie 那部分的數據[6]。它在報表裡跟實際測量到的數字長得一模一樣、沒有標示差別。看到標著估計值的欄位，把它當方向參考，不要當成精準到個位數的事實。
Q4：中小企業預算小，需要做到這麼細嗎？
不用一次到位。最低限度是做一件事：挑一筆真實成交的訂單，把售價往下扣退貨比例、稅、商品成本、物流與金流手續費，算出這一單真正留在口袋裡多少錢，再回頭對照廣告花費。這一步不花錢，卻能立刻看出漂亮的 ROAS 底下是賺還是賠。
Q5：那 ROAS 還要不要看？
要看，但要知道它在算什麼。ROAS 是效率指標，衡量每一塊廣告費換回多少認列營收，它不是獲利指標，也不告訴你這些營收有多少是廣告真的帶來的增量。實務上要跟貢獻毛利、增量、以及後台真實訂單三個東西一起看，才不會被單一數字帶著走。想同時檢查投放設定有沒有漏洞，可搭配Google 廣告代操的做法一起校準。
用 30 分鐘，算出你的廣告到底有沒有賺錢
我會拿你一筆真實訂單，現場把退貨、稅、成本、手續費逐項扣完，算出真正的貢獻毛利，再把品牌字與非品牌字拆開，告訴你漂亮的 ROAS 底下哪一塊在失血。免費，線上進行。
預約 30 分鐘廣告成效健檢首次發佈 ｜最後更新 ｜本文以 Chris Avery 於 Search Engine Land 發表的〈This account had an 11x ROAS and lost money on every order〉與 Bengu Sarica Dincer 於 Search Engine Journal 發表的歸因精準度一文為主要依據改寫，加入台灣中小企業的實際情境與可動手的檢查法，並非全文翻譯。文中數字、案例與引述均回原始出處核對；廠商工具與官方文件的定義已於正文與參考文獻標示。相關來源若有更新，會回頭修訂本文。
參考文獻
- Chris Avery，〈This account had an 11x ROAS and lost money on every order〉，Search Engine Land，2026-09-08。本文的核心案例（11 倍 ROAS 帳戶一筆 £100 訂單逐項扣完為負 £0.39、品牌字 18 倍與非品牌字 3 倍的混合失真、以及「11 倍用在錯的商品組合上只是一份決定不去賣的東西的清單」一語）均出自本篇。連結
- Bengu Sarica Dincer，〈When Attribution Looks More Precise Than The Data Behind It〉，Search Engine Journal，2026-09-08。本文關於歸因報表大半為推估、訊號在同意權限與跨裝置流失、GA4 150／Plausible 180／CRM 120 三套系統三個數字，以及「以後台商業系統為錨、比對多模型收斂處、投資第一方數據」的處理原則均出自本篇。連結
- Google Ads 說明〈About Target ROAS bidding〉（官方持續更新文件，查閱於 2026-09-09）。ROAS 作為廣告效率指標的定義，以及目標 ROAS 智慧出價如何依即時預估轉換價值調整出價，出自本頁。連結
- Google Ads 說明〈About conversion measurement〉（官方持續更新文件，查閱於 2026-09-09）。轉換追蹤的類型（網站、應用程式、來電、離線）與設定要求，用以說明「認列營收」如何被計入 ROAS 分子。連結
- Google Ads 說明〈About conversion values〉（官方持續更新文件，查閱於 2026-09-09）。轉換價值如何被指派與最佳化，佐證平台認列的「營收」是設定出來的值、未必等於真實落袋金額。連結
- Google Analytics 說明〈[GA4] Behavioral modeling for consent mode〉（官方持續更新文件，查閱於 2026-09-09）。說明 GA4 在使用者拒絕分析 cookie 時，如何用機器學習估計那部分行為數據，即本文所指的推估數據來源之一。連結
- Google Analytics 說明〈Get started with attribution〉（官方持續更新文件，查閱於 2026-09-09）。歸因與歸因模型如何把成交功勞分配到不同廣告與管道，佐證不同模型會得出不同數字、需比對其收斂處。連結