加购率

加购率是衡量访问者将商品加入购物车的比例指标，英文通常为 Add-to-Cart Rate。它反映访问到加购这一环节的表现，可用于分析商品吸引力、页面信息和购买操作，但加购不等于支付，也不代表用户已经决定购买。常见口径包括用户加购率、会话加购率和商品页加购率，分子与分母必须相互对应。

加购率的计算口径

用户加购率＝统计范围内至少成功加购一次的去重用户数÷同范围访问用户数×100%。例如，一段时间内有1,000名识别到的访问用户，其中80名成功加购，用户加购率为8%。同一个人在该范围内加购多次，分子仍只计一个用户。

会话加购率＝至少发生一次成功加购的会话数÷全部纳入统计的会话数×100%。如果这些用户共形成1,400次会话，其中112次包含加购，会话加购率同样为8%，但它与用户口径是两个不同指标。一个用户在两次访问中分别加购，可以形成两个加购会话。

商品页加购率则需要限定商品和访问入口。例如，统计访问某商品详情页的用户中，有多少人在规定范围内加购该商品。店铺首页、商品列表、推荐模块也可能支持快捷加购，若分子包含这些入口、分母却只计算详情页访客，就不能把结果解释成详情页的加购转化。

有些报表用加购事件次数除以访问次数，得到的是行为频次口径。一名用户在一次页面访问中连续加购两次，次数比例可以超过100%；这并不意味着超过全部访客都加购。若要衡量访问者覆盖比例，应先对用户或会话去重，而不是把原始事件数量直接相除。

加购人数、次数和件数有什么区别

加购人数统计发生行为的人，加购次数统计行为发生了多少次，加购件数统计加入了多少件商品。一名顾客一次加入同款商品3件，可以是一个加购用户、一次加购行为、3件商品；之后又加入配件，则可能新增一次事件与相应件数，但用户数不增加。

购物车当前保留件数又是另一项数据。用户加购后可以移除商品、调整数量或完成购买，因此期末购物车内的数量不等于期间累计加购件数。加购发生过的用户，也不能因为后来清空购物车就自动从历史行为统计中移除。

收藏或加入愿望清单与加购不同。收藏通常用于保存备选商品，加购则把商品放入购物车。两种行为可以同时发生，也可以分别发生，不应直接使用“收藏率＝加购率”作为通用定义。若平台将两项合并为一个特定指标，应保留合并说明，不能称为纯加购率。

加购率与后续转化的关系

加购率衡量进入购物车这一阶段，进入结账的比例衡量另一个阶段，支付或购买转化率关注最终成交。加购到购买的转化率通常以符合规定的加购用户或会话为分母，再观察其中完成购买的数量，不能与以全部访客为分母的购买率混用。

例如，在同一闭合会话漏斗中，1,000次访问有100次加购、50次进入结账、30次完成购买，则加购率为10%，以全部访问为分母的结账比例为5%，整体购买转化率为3%；加购到购买的比例则为30%。这些数值回答不同问题，不能仅凭报表上显示“5%”就认定只有5%的加购者进入结账。

这一例子要求各步骤来自同一批会话，并按顺序发生。快速购买、支付链接或其他入口可能跳过标准购物车，跨会话购买也可能发生在之后的访问中。开放漏斗允许从不同步骤进入，闭合漏斗则要求完成规定的前序步骤；分析时应核实漏斗设置，而不是假设所有买家都会经过加购。

Shopify的转化拆分报表以会话呈现加购、到达结账和完成结账，各步骤的基础比例使用全部会话作为分母，并提供开放与闭合漏斗。商品推荐或站内搜索的专门报表，则会限定推荐曝光或搜索会话作为分析范围。即使都叫加购率，场景与分母也可能不同。

统计数据需要注意什么

成功加购应以商品实际进入购物车的业务结果为依据，不能只统计按钮点击。用户未选规格、库存不足、网络请求失败或商品无法配送时，点击可能没有完成加购。若点击与成功事件混在一起，页面看似加购率较高，实际购物车却没有相应商品。

不同工具的识别、会话划分、时区、过滤和采集范围可能不同。跨设备或未识别身份的访问，可能被计为不同用户；内部访问、机器人、重复上报和遗漏事件，也会影响分子与分母。分析趋势应尽量保持同一工具与相同规则，发现突然跳变时先核查采集和页面变更。

GA4使用add_to_cart表示加入购物车的电商事件，商品信息与数量通过相应商品数据传入；“加入购物车的商品件数”与加购事件数并不相同。电商事件需要由网站或已有集成发送，不是所有网站安装基础统计后都会自动获得完整加购数据。收藏还有独立的add_to_wishlist事件，不能用它替代加购。

若按商品比较，要确保商品标识、变体和时间范围一致。总量汇总也不能简单平均各渠道的百分比：应使用总加购会话除以总会话，或在用户口径下进行相应去重。用户在多个渠道出现时，渠道去重人数相加不一定等于全店去重人数。

加购率低怎么分析

加购率没有适用于全部店铺的统一合格值。价格、购买频率、品类、流量来源、设备和客群都会影响行为。高客单价商品可能需要多次比较，消耗品老客则可能直接购买；判断时应比较同口径历史表现和相近商品场景，不宜把无来源的全行业平均数当作必须达到的目标。

可以先拆分移动端与桌面端、新客与老客、流量渠道、国家、商品与变体。若访问量较多但很少加购，应检查流量意图是否匹配、价格与优惠是否清楚、商品信息是否足够、规格是否可选、是否有可售库存，以及按钮与操作是否正常。

商品图片、尺寸、材质、兼容性、包装内容、配送时效和费用信息应尽早表达清楚。过度宣传、隐藏附加费用或默认添加不需要的商品，可能暂时增加加购，却让顾客在购物车和结账阶段退出，最终影响体验与利润。

如何评价加购率提升的效果

优化可以围绕明确商品价值、准确展示变体、减少操作障碍、提供真实适用信息展开。改善按钮位置或页面内容后，应在足够且可比的流量中查看结果，并注意促销、缺货、渠道结构和追踪变更是否同时发生，不能把同期所有变化都归因于一次改版。

加购率增长后，还应看进入结账、购买转化、客单价、退款和订单利润。若访客更频繁地把商品放入购物车用于试算运费，或因为优惠门槛反复调整商品，加购次数可能增加，销售结果却未改善。真正有价值的提升，是帮助合适的顾客顺利完成合适的购买。

参考资料：Shopify行为与转化报表说明；Google Analytics电商事件说明。