当转化指合格线索时,好的 B2B 转化率通常是会话的 1% 到 3%,但合适的数字取决于你的渠道构成。Ruler Analytics 2025 年的 B2B 转化率,从科技行业社交的 0.3% 到 B2B 电商引荐的 3.9% 不等。下面是基准、怎样算按构成加权的预期转化率,以及什么时候差距是真的。
读完你会知道
- 和按构成加权的预期转化率比,而不是一个平均数:同样的渠道表现,因社交占比不同可以是 1.96% 或 1.41%
- 示例网站里,自然搜索解释了缺失的 38 条线索中的 26 条,所以一个渠道的比值胜过含糊的混合差距
- 会话数低于约 5,000 时,渠道转化率噪声太大,无法判断相对任何基准 0.5 个百分点的差距
B2B 转化率多少算好?
当转化指的是访客会话带来的合格线索时,B2B 网站转化率算好,通常是个位数的低位。Ruler Analytics 把转化统计为通过表单或电话获得的合格线索或销售,它印出的 2025 全年各渠道转化率,在 B2B 各细分里介于 0.3% 到 3.9% 之间。First Page Sage 是一家代理机构,发布的是自己的客户数据,按公司规模列出的访客到线索转化率为 0.7% 到 2.3%。两者都不是单一的平均值,你在别处读到的数字,定义也可能不同。
三个定义能解释大部分混乱:
- 转化成什么? 在 B2B 里,转化通常是表单提交、演示预约或来电,不是购买。Ruler 数的是合格线索或销售,比「任何表单提交」更严格。
- 按什么计? 按会话、按访客、按落地页算出的比率,对同一份流量会给出不同答案。
- 跨哪些流量? 混合转化率取决于有多少流量来自转化好的渠道。
下面各节给出公布的渠道转化率,用一个算例说明流量构成如何改变混合转化率,并说明怎样读线索之后的漏斗。如果你已经知道访客到线索的转化率,想算线索到客户,见 线索转化率;更广的 B2B 网站指标见 B2B 网站指标。
B2B 各渠道的转化率是多少?
Ruler Analytics 发布了三个 B2B 细分的 2025 全年按渠道转化率。转化是通过表单提交或电话获得的合格线索或销售,转化率是转化数除以会话数。
| 渠道 | B2B 电商 | B2B 服务 | B2B 科技 |
|---|---|---|---|
| 直接访问 | 2.1% | 2.7% | 1.5% |
| 邮件 | 2.5% | 2.2% | 2.5% |
| 自然搜索 | 1.5% | 2.3% | 2.5% |
| 付费搜索 | 1.7% | 3.4% | 1.5% |
| 引荐 | 3.9% | 1.6% | 1.9% |
| 社交媒体 | 0.4% | 2.4% | 0.3% |
有三个规律很突出。社交媒体对 B2B 电商和 B2B 科技是较弱的渠道(0.4% 和 0.3%),对 B2B 服务却不是(2.4%)。引荐在 B2B 电商里表现突出,为 3.9%,在服务里偏弱,为 1.6%。付费搜索在服务里最高,为 3.4%,在 B2B 科技里是 1.5%,与直接访问并列,仅高于社交。渠道的排序取决于细分,所以忽略细分的基准会误导你。
另一类数字适合当作天花板。Unbounce 报告 2024 年第四季度全行业的转化率中位数约 6.6%,来自 41,000 个落地页、4.64 亿访客和 5,700 万次转化(页面更新于 2025-03-04)。这是落地页的转化率,不是整站的,而且涵盖所有行业,不只是 B2B,所以它描述的是为单一优惠而建的页面。不要拿它和整站转化率比。
| 渠道 | B2B 电商 | B2B 服务 | B2B 科技 |
|---|---|---|---|
| 直接访问 | 2.1% | 2.7% | 1.5% |
| 邮件 | 2.5% | 2.2% | 2.5% |
| 自然搜索 | 1.5% | 2.3% | 2.5% |
| 付费搜索 | 1.7% | 3.4% | 1.5% |
| 引荐 | 3.9% | 1.6% | 1.9% |
| 社交媒体 | 0.4% | 2.4% | 0.3% |
Ruler Analytics,2025 全年;转化是通过表单或电话获得的合格线索或销售,转化率 = 转化数 ÷ 会话数。
为什么我的 B2B 混合转化率和基准不一样?
因为混合转化率是加权平均。你网站的预期混合转化率,是各渠道的会话占比乘以该渠道基准转化率之后的总和。如果你的流量构成和基准背后的样本不同,即使每个渠道都恰好在基准水平,你的混合转化率也会不同。
示例数据,使用 Ruler 的 B2B 科技转化率(自然搜索 2.5%、直接访问 1.5%、付费 1.5%、邮件 2.5%、社交 0.3%、引荐 1.9%):
- 构成 A:40% 自然搜索、25% 直接访问、15% 付费、10% 邮件、5% 社交、5% 引荐。预期混合转化率 = 0.40 × 2.5 + 0.25 × 1.5 + 0.15 × 1.5 + 0.10 × 2.5 + 0.05 × 0.3 + 0.05 × 1.9 = 1.96%,即 10,000 个会话带来 196 条线索。
- 构成 B:20% 自然搜索、20% 直接访问、20% 付费、5% 邮件、30% 社交、5% 引荐。预期混合转化率 = 1.41%,即 10,000 个会话带来 141 条线索。
渠道表现相同,线索少 28%,只是因为社交从会话的 5% 涨到了 30%。单看混合数字,无法判断是网站变差了,还是流量变了。检验办法,是算出你自己流量构成下的预期数字。
现在做自查。示例数据:一个网站一个季度有 8,200 个会话、123 条合格线索,混合转化率 1.5%。渠道分布与构成 A 一致。每个渠道的预期线索 = 会话数 × B2B 科技转化率:
| 渠道 | 会话数 | 预期线索 | 实际线索 | 实际转化率 | 实际 ÷ 预期 |
|---|---|---|---|---|---|
| 自然搜索 | 3,280 | 82.0 | 56 | 1.71% | 0.68 |
| 直接访问 | 2,050 | 30.8 | 27 | 1.32% | 0.88 |
| 付费 | 1,230 | 18.5 | 15 | 1.22% | 0.81 |
| 邮件 | 820 | 20.5 | 14 | 1.71% | 0.68 |
| 社交 | 410 | 1.2 | 3 | 0.73% | 2.44 |
| 引荐 | 410 | 7.8 | 8 | 1.95% | 1.03 |
| 合计 | 8,200 | 160.7 | 123 | 1.50% | 0.77 |
这个网站产出了按其流量构成预测的 77% 的线索,差距约 38 条。自然搜索占了其中的 26 条(预期 82.0,实际 56),所以应该先看那里。混合的 1.5% 对照 1.96% 的按构成加权预期,说明的问题很具体;「1.5% 对照泛泛的 2%–3%」则说明不了什么。
各渠道实际线索 ÷ 预期线索
示例网站,8,200 个会话线索之后的转化率怎么变化?
第一次转化只是 B2B 漏斗的开始。First Page Sage 的公司规模表给出了后面各阶段的转化率,相乘后得到线索到客户的转化率:
| 公司规模 | 线索到 MQL | MQL 到 SQL | SQL 到商机 | 商机到成交 | 线索到客户 |
|---|---|---|---|---|---|
| 1,000 万美元以下 | 37% | 32% | 40% | 46% | 2.18% |
| 1,000 万–1 亿美元 | 41% | 39% | 42% | 39% | 2.62% |
| 1 亿–10 亿美元 | 40% | 39% | 46% | 35% | 2.51% |
| 10 亿美元以上 | 34% | 40% | 36% | 31% | 1.52% |
以 1,000 万–1 亿美元这一行为例:0.41 × 0.39 × 0.42 × 0.39 = 2.62%。100 条线索里约有 2.6 个成为客户。所以上面示例里的 123 条线索,在这一档大约会产出 3.2 个客户(123 × 2.62%)。实际含义是:访客到线索转化率提高 10%,和后面任何一个阶段提高 10%,对客户数的影响同样是 10%,但后面的改进通常更难、更慢。First Page Sage 把线索定义为提交了联系方式的非垃圾访客,并说明数据来自 50 多个 B2B SaaS 客户,以中小型为主,所以这些只能当作公布的区间,而不是市场平均值。
要多少会话,基准的差距才有意义?
差距大时,比你想的要少;差距小时,比你手上有的多得多。在 n 个会话上测得的转化率 p,其标准误是 p × (1 − p) ÷ n 的平方根,粗略的 95% 区间是它的正负 1.96 倍。
示例数据,真实转化率为 2.0%:
| 会话数 | 预期转化数 | 测得转化率的 95% 区间 |
|---|---|---|
| 250 | 5 | 0.26% 到 3.74% |
| 1,000 | 20 | 1.13% 到 2.87% |
| 5,000 | 100 | 1.61% 到 2.39% |
| 20,000 | 400 | 1.81% 到 2.19% |
在 1,000 个会话时,测得的 1.5% 和测得的 2.5%,在统计上无法和同一个 2.0% 的网站区分开。由此得到的规则:只有当一个渠道的会话数足以让区间窄于你在意的差距时,才拿它和基准比。对上面表里的小渠道,例如只有 410 个会话的社交,把比值当作噪声。
怎样在 TapCub 里追踪 B2B 转化?
拿上面的示例网站来说:8,200 个会话、123 条合格线索,并且怀疑问题出在自然搜索。TapCub 衡量这个故事里的网站部分,把销售阶段留给你的 CRM。
- 定义一个线索事件。 在 网站统计 › 目标 里,把目标设为你算作合格线索的行为:感谢页、演示预约事件或表单提交。表单提交采集默认关闭;打开
data-forms="true"后记录表单的 id、name 和 action,不记访客填写的内容。同样的目标也出现在 全端分析 › 经营分析 › 目标 里。 - 按渠道读转化。 网站统计 › 来源 按渠道、引荐来源和 UTM 显示访客、会话和转化。把每个渠道的会话数乘以上面的基准转化率,得到表里的预期列,再和实际转化比较。
- 让机器人不进分母。 机器人和 AI 爬虫在 网站统计 › 机器人 里单独统计,不会虚增会话把转化率拉低。
- 深入落后的渠道。 点击自然搜索那一行,把其他报表按它过滤,再到 网站统计 › 页面 里看哪些落地页带来了自然搜索会话却几乎没有转化。
- 后面的阶段从 CRM 取。 MQL、SQL、商机和成交是 CRM 的计数;TapCub 不是 CRM,也不做线索评分。用 CRM 的客户数除以 TapCub 的线索数,得到你的线索到客户转化率,再和上面的表比较。
常见问题
B2B 的平均转化率是多少?
没有单一的平均值。公布的合格线索网站数字,按渠道和细分介于 0.3% 到 3.9%(Ruler Analytics,2025),按公司规模的访客到线索转化率是 0.7% 到 2.3%(First Page Sage)。合适的比较对象,是你自己的渠道构成和定义。
B2B 的转化率 2% 算好吗?
如果它量的是正常渠道构成下每个会话的合格线索,通常算好。用 Ruler 的 B2B 科技转化率,上面的示例构成 A 的按构成加权预期是 1.96%。要看你自己的构成:社交流量多的网站,在远低于 2% 的数字上也可能正好达到基准。
为什么落地页的转化率比整站的高?
落地页围绕一个优惠建立,接收的是定向流量,而整站转化率包含每个页面上的每个会话。Unbounce 约 6.6% 的中位数是涵盖所有行业的落地页数字。页面转化率只和页面转化率比。
要有多少转化,才能和基准比较?
足以让 95% 区间窄于你在意的差距。真实转化率为 2.0% 时,1,000 个会话给出 1.13% 到 2.87% 的区间,宽得无法区分 1.5% 和 2.5%。到 20,000 个会话时,区间收窄到 1.81% 到 2.19%。
资料来源
- Ruler Analytics。转化率基准:B2B 电商、服务和科技 2025 全年的渠道转化率,以及转化的定义;2026-11-13 发布。2026-11-20 核对(该站点拦截部分自动请求,浏览器可打开)。
- Unbounce。落地页平均转化率:2024 年第四季度全行业中位数,来自 41,000 个落地页;2025-03-04 更新。2026-11-20 核对(该站点拦截部分自动请求,浏览器可打开)。
- First Page Sage。B2B SaaS 漏斗转化基准:按公司规模的阶段转化率和线索定义;2025-06-11 更新。2026-11-20 核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

