对电商店铺来说，什么样的新客获取成本才算合理？
同样是 $40 的新客获取成本，对一家店铺来说可能非常优秀，对另一家店铺来说却可能完全无法盈利。真正有用的问题并不是"我的 NC-CPA 高不高"，而是"与客单价相近的店铺相比，我的新客获取成本处于什么水平"。
相关文章
要点
- 新客获取成本（New Customer CPA，简称 NC-CPA）是获得一位首次购买客户所需要的付费媒体成本。老客复购不计入新客转化。
- NC-CPA 越低越好，但不存在适用于所有店铺的统一标准。销售 $35 商品的店铺，不应该和销售 $800 商品的店铺直接比较。
- Attribuly 按 AOV 将店铺划分为五个分组。目前的数据中，$55–$130 AOV 店铺的 NC-CPA 中位数为 $34.95，AOV 高于 $600 的店铺中位数为 $277.65。
- P50 是同组店铺的中位数。由于 NC-CPA 是成本指标，低于或等于 P25 代表进入表现最好的前 25%；高于 P75 则属于成本较高的 25%。
- 用户无需注册即可选择 AOV 查看公开分布；连接店铺和广告账户后，才能看到自己的 28 天 NC-CPA、所处分位以及不同广告渠道的对比。
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。
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？
| 指标 | 计算内容 | 主要回答的问题 |
|---|---|---|
| 新客 CPA | 付费媒体支出与首次购买转化 | 广告为我们带来一位新客户，到底花了多少钱？ |
| 总 CPA | 付费媒体支出与全部归因转化，包括老客复购 | 平均每次归因转化花了多少钱？ |
| CAC | 通常包括更广泛的获客费用，例如媒体、代理商、素材、人员和软件成本 | 公司总共花了多少成本获得一位新客户？ |
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。
| AOV 分组 | P10 | P25 | P50 中位数 | P75 | P90 |
|---|---|---|---|---|---|
| 低于 $55 | $9.57 | $22.82 | $38.75 | $94.98 | $164.35 |
| $55–$130 | $9.35 | $17.54 | $34.95 | $53.05 | $110.91 |
| $130–$260 | $22.02 | $46.76 | $86.20 | $117.14 | $253.31 |
| $260–$600 | $52.44 | $109.43 | $137.15 | $221.54 | $321.93 |
| 高于 $600 | $110.70 | $183.03 | $277.65 | $395.84 | $1,318.44 |
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：
| 分位数位置 | 对 NC-CPA 的含义 |
|---|---|
| 低于或等于 P10 | 属于同组获客成本最低的 10% |
| 低于或等于 P25 | 进入同组获客成本表现最好的前 25% |
| P50 | 同组中位数，一半店铺等于或低于这个数值 |
| 高于 P75 | 进入同组获客成本较高的 25% |
| 高于 P90 | 属于同组获客成本最高的 10% |
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。
- 只计算首次购买。老客复购不会被计入新客转化。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
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。
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。
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。
常见问题
New Customer CPA 是什么？
电商店铺的新客 CPA 多少才算合理？
新客 CPA 是不是越低越好？
为什么 Attribuly 按照 AOV 划分 benchmark？
新客 CPA 会不会包含老客复购？
Benchmark 会不会计算联盟佣金？
查看 benchmark 是否必须注册？
关于 Attribuly
Attribuly 帮助 DTC 品牌挽回弃购收入。我们识别被你的 ESP（如 Klaviyo）遗漏的匿名访客和已有订阅者，补全他们的画像，并将这些信号回传，让你的弃购流程正常触发、再营销受众持续增长，并帮助你至少多挽回 15% 的收入。 Shopify Featured App，Klaviyo 技术合作伙伴。已获 20,000+ 品牌信任。保证 4× ROI。