对电商店铺来说，什么样的新客获取成本才算合理？

什么样的新客获取成本才算合理？

> 直接回答：合理的新客获取成本，应该不高于相同 AOV 店铺的中位数，同时也要符合你自己的毛利、复购率和回本周期。若 NC-CPA 低于或等于同组 P25，意味着你的获客成本进入了同类店铺表现最好的前 25%。

这个回答比一个全行业统一数字更有用，因为不同客单价能够承受的获客成本完全不同。对首次订单只有 $45 的店铺来说，花 $70 获得一位新客可能非常危险；但对于 AOV 为 $240、毛利较高、复购稳定的品牌，同样的 $70 可能仍然健康。

选择 AOV，查看你的 NC-CPA 基准 →

New Customer CPA 是什么？

New Customer CPA 是获得一位首次购买客户所需要的归因后付费媒体支出。它将拉新与留存分开，不会把老客复购计入新客转化。

用一句更直白的话来说，它回答的是：

> 过去 28 天里，我们平均花了多少广告费，才获得一位新客户？

基础公式是：

新客获取成本 = 归因到新客订单的付费媒体支出 ÷ 归因后的首次购买转化

新客 CPA、总 CPA 和 CAC 有什么区别？

新客 CPA 和 CAC 有时会被混用，但两者不一定相等。Attribuly 的 NC-CPA benchmark 统一使用付费媒体支出，让不同店铺之间的对比更一致。

如果你还需要了解 CPA、CPC、CPM、CTR、CVR、ROAS 等指标，可以查看 Attribuly 的归因指标解释文章。

为什么必须按照 AOV 对比新客 CPA？

AOV 决定一家店铺大概能承受多高的获客成本，因此它是划分对比店铺时最实用的第一层条件。

如果把低价快消、中等客单价 DTC、高端设备和售价超过一千美元的商品全部混在一起，全行业中位数即使数学上没有错误，实际也很难指导决策。

Attribuly 因此将店铺划分为五个 AOV 分组：

• 低于 $55
• $55–$130
• $130–$260
• $260–$600
• 高于 $600

用于分组的 AOV 代表滚动周期内的典型订单金额。这样做并不意味着只看 AOV 就能判断获客成本是否健康，而是为了避免把订单经济模型完全不同的店铺放在一起比较。

不同 AOV 店铺的新客 CPA 基准

下表是 Attribuly 当前聚合并匿名化后的 NC-CPA 分位数。展示值统一保留两位小数。

这张表应该这样看：NC-CPA 越低越好。P10 表示有 10% 的店铺处于该数值或更低；P25 是表现最好的前 25% 的分界线；P50 是中位数；P75 和 P90 则代表越来越高的获客成本区间。

这些分位数是用于描述同类店铺现状的 benchmark，并不是效果承诺，也不是统一的预算规则。它不能替代每家店铺自己的毛利、LTV、现金流和增量测试。

P10、P25、P50、P75 和 P90 分别代表什么？

分位数回答的是："这个数值在整个分布中处于什么位置？"

由于新客 CPA 是成本指标，它的方向与"分数越高越好"的指标正好相反：

例如，一家 AOV 为 $90 的店铺，新客 CPA 是 $48。它应该进入 $55–$130 分组。这个成本高于 $34.95 的中位数，但低于 $53.05 的 P75，因此处于中间 50%。这并不代表问题严重，但说明它值得进一步检查毛利和不同渠道的差距。

Attribuly 如何计算新客 CPA？

Attribuly 使用统一的计算口径，让店铺自己的结果与同行 benchmark 可以直接比较。

1. 只计算首次购买。老客复购不会被计入新客转化。
2. 使用过去 28 天滚动窗口。窗口以订单日期为锚点，每天向前滚动。
3. 只计算付费媒体支出。纳入支持渠道的合格广告花费，不包含联盟佣金。
4. 使用 Full Impact 归因。Benchmark 使用 30 天点击窗口和 1 天浏览窗口，并按照已确认的位置权重逻辑给首次、末次和中间触点分配贡献。
5. 排除取消和全额退款订单。部分退款在当前宽松过滤口径中仍会保留。
6. 排除完全没有广告归因贡献的自然新客。首次购买需要获得合格的广告归因 credit 才会进入计算。
7. 没有新客转化时不显示 $0。当分母为零时，结果显示为 —，避免把"没有数据"误解为"免费获客"。

系统每天预计算这项指标，并把符合条件的广告支出分配到对应的新客转化路径中。因此，整体 NC-CPA 可以继续下钻到渠道、Campaign、Ad Set 和广告层级，而不是直接照搬每个广告平台自行申报的转化数字。

如果你想进一步了解曝光和点击如何共同参与归因，可以查看 Full Impact 的 View + Click Attribution 说明。

为什么渠道层级的 NC-CPA 可能讲出完全不同的故事？

一家店铺的整体 NC-CPA 可能看起来处于正常区间，但某一个渠道却明显高于同行中位数。综合平均数会把这个差距隐藏起来。

连接支持的广告账户后，Attribuly 会展示：

• 店铺整体的新客 CPA
• 店铺在相应 AOV 分组中的位置
• 同组中位数与完整分布
• 在数据满足条件时，Google、Meta、TikTok 和 Bing 的渠道对比
• 与同行差距最大的渠道

Benchmark 并不是在告诉你"某个渠道高于中位数就应该立刻暂停"。它真正解决的是：先告诉你应该优先调查哪里。渠道 NC-CPA 偏高，可能来自 Prospecting 表现较弱、落地页不匹配、决策周期较长、数据缺失，或者上层广告的价值被末次点击低估。

连接店铺，查看整体与不同渠道所处位置 →

应该怎样使用 NC-CPA benchmark？

把它当作决策依据，而不是自动判决。

1. 先选择正确的 AOV 分组

选择最能反映典型订单金额的区间。选错分组，可能让一个有效率的结果看起来很贵，也可能让一个不可持续的结果看起来很正常。

2. 先确认位置，再调整预算

判断店铺处于 P25 以下、P50 附近还是 P75 以上。相比只看一个原始数字，"距离同组中位数还有多远"通常更有行动价值。

3. 再与自己的单位经济模型比较

至少检查：

• 首次订单毛利
• 扣除履约和折扣后的贡献毛利
• 预期复购率
• LTV 与回本周期
• 现金流可以承受的获客周期

一家店铺即使优于同行中位数，也可能仍然亏损。另一家店铺即使高于中位数，也可能因为毛利和复购更强而保持健康。

4. 下钻到渠道

找到你的渠道 NC-CPA 与可用同行中位数之间最大的差距，然后再检查 Campaign、受众结构、落地页、素材和完整归因路径。

5. 持续看趋势

单次分位只是一个快照。更值得关注的是：当广告预算增加时，你的新客 CPA 正在接近健康区间，还是正在远离它。

解读新客 CPA benchmark 时最常见的错误

把 P50 当成所有店铺统一的盈利线

P50 只是同行参考值，不是你的盈利阈值。真正的上限仍由毛利、LTV 和回本周期决定。

把新客 CPA 和总 CPA 直接比较

总 CPA 包含老客复购。复购率越高的店铺，总 CPA 越容易被拉低，因此它不能直接与只计算首次购买的 benchmark 比较。

误以为分位数越高代表表现越好

对于成本指标，数值越高越差。直接写"84th percentile"很容易产生歧义，更清楚的表达应该是："你的新客 CPA 高于 84% 的同类店铺。"

在渠道样本太少时直接做预算决策

样本很少时，中位数可能非常不稳定。稀疏渠道的数据应该只作为方向参考，或者在没有达到展示条件时直接隐藏。

忽略不同平台的归因口径

不同看板可能因为归因窗口、触点分配、曝光归因和订单过滤方式不同，得出不同的 NC-CPA。比较之前必须先统一口径。

连接店铺之后会发生什么？

用户无需注册，就可以在公开页面选择 AOV 并查看对应的 NC-CPA 分布。要查看自己的位置，需要注册并连接 Shopify 以及至少一个支持的广告账户。

完成连接后，Attribuly 会自动计算过去 28 天内符合条件的新客 CPA，并把结果放入对应的 AOV 分组。你的单店数据不会向其他商家公开，同行数据只会以聚合和匿名化形式展示。

你还可以邀请团队成员进入后台一起查看 benchmark，而且不需要额外支付 seat fee。团队也可以在同一个后台查看 User Journey Map，并通过 Full Impact Attribution 理解从广告曝光或点击到最终购买的完整路径。

NC-CPA 是 Attribuly 免费 benchmark 系列的第一个指标。后续计划加入 CPC、CTR、CPM、CVR 和 ROAS。Benchmark 指标计划对所有 Attribuly 商家永久免费，不要求购买付费套餐。

常见问题

New Customer CPA 是什么？

New Customer CPA 是获得一位首次购买客户所需要的归因后付费媒体支出。它不会把老客复购计入新客转化，因此比总 CPA 更适合判断拉新效率。

电商店铺的新客 CPA 多少才算合理？

合理的新客 CPA 应该不高于相近 AOV 店铺的中位数，并且低于你自己的盈利上限。若结果低于或等于 P25，说明店铺的获客成本进入了同组表现最好的前 25%。

新客 CPA 是不是越低越好？

通常越低越好，但不能只追求最低。非常低的 NC-CPA 也可能来自预算过小、过度依赖品牌词或没有规模。需要同时结合新客数量、毛利、渠道结构和增量效果判断。

为什么 Attribuly 按照 AOV 划分 benchmark？

不同价格区间的商品能够承受的获客成本不同。按照 AOV 分组，比使用一个全行业平均数更有参考价值，同时又能保留足够大的匿名 cohort 来计算稳定的分位数。

新客 CPA 会不会包含老客复购？

不会。分母只计算归因后的首次购买。老客订单属于留存表现，如果计入会人为降低获客成本。

Benchmark 会不会计算联盟佣金？

不会。目前口径只计算合格的付费媒体支出，不包含联盟渠道佣金，以保证不同店铺之间的数据更可比。

查看 benchmark 是否必须注册？

不需要注册即可选择 AOV 并查看公开分布。只有在计算店铺自己的 NC-CPA、分位数和渠道对比时，才需要注册并连接店铺与广告账户。

看看你的店铺处于什么位置

一个孤立的新客 CPA 数字不能告诉你获客是否有效率。正确的同类分组能够提供背景，而你自己的单位经济模型才能决定下一步行动。

先选择 AOV 查看公开分布，再连接账户，查看店铺的新客 CPA、所处分位以及差距最大的广告渠道。

查看我的新客 CPA Benchmark →

资料来源

• Attribuly，NC-CPA Benchmark v0 计算口径与已确认的 AOV 分组数据，2026 年 9 月更新。第一方产品与数据文档。
• Attribuly Help Center，View + Click Attribution: the Full Impact model。
• Attribuly，Attribution Metrics: Definitions for ROAS, CPA, Conversion Value, CPM, CTR。
• Attribuly，Full Impact 功能介绍。