AI GrowthAI 內容創作工具集

非付費流量的 ROI 怎麼算?老闆問起來怎麼回答?

第一章:認知篇 第 9 問 ⏱ 約 2 分鐘

第一章:認知篇 · 第 9 問

先一句話接住老闆

老闆問「SEO 的 ROI 是多少」,別一開始就搬公式,更別說「這個很難算」。先用一句話定調:

自然流量不是沒成本,而是成本花在了時間和人力上;它的回報,是原本要花的那筆廣告費,再加上能持續很久的複利。

這句話的價值在於:先糾正「免費流量 = 不用花钱」的誤解,為後面算成本、算回報埋下伏筆。

為什麼不能像投廣告那樣算

難就難在三個地方:

  1. 见效有滯後:今天發的內容,可能要 3 個月後才開始有排名和流量。
  2. 歸因不清晰:使用者搜詞 → 看了文章 → 加了微信 → 三週後才下單,這單算 SEO 的嗎?
  3. 成本是隱形的:沒花廣告預算,但花了人力、時間和工具錢。

但這不代表不能算。正確的做法,是把「算不清的部分」和「算得清的部分」分開,分三層來回答。

三層演算法:從「省了多少」到「值多少」

第一層:等效廣告費用法(最快,先給一個數)

沒有轉化數據、或只是想快速回應時,用這一層。

自然流量價值 = 自然流量 × 等效 CPC(這些流量如果靠買廣告,需要花的錢)

專案資料
月自然搜尋流量50,000 次點擊
該批關鍵字平均 CPC(競價參考)3.5 元
等效廣告價值175,000 元/月

翻譯成老闆的話:“我們上個月的自然流量,如果靠投廣告去買,得花 17.5 萬。現在一分廣告費沒花。”

注意:這一層算的是「省下的廣告費」,是一個價值估算,還不是嚴格意義上的 ROI。

第二層:轉化歸因法(最實在,算真正的 ROI)

如果能將流量追蹤至線索或訂單,就能計算真正的 ROI:

ROI = (自然流量帶來的收入 − 投入成本) ÷ 投入成本 × 100%

沿用上面的例子:

專案資料
自然流量當月帶來營收(假設)120,000 元
SEO 團隊月成本(人力+工具+內容)45,000 元
ROI(120,000 − 45,000) ÷ 45,000 ≈ 167%

如果暫時拿不到營收資料,可以用第一層的等效價值粗略代入:

(175,000 − 45,000) ÷ 45,000 ≈ 2.9 倍

歸因模型怎麼選:

歸因模型適用場景優缺點
最終點擊歸因電商直接轉化簡單,但低估了 SEO 的「種草」價值
首次觸達歸因品牌認知階段給 SEO 更多功勞,但可能高估
線性歸因長決策鏈路相對公平,但模糊了真正的驅動力
數據驅動歸因數據量大的企業最準確,但設定複雜

建議:中小企業先用「等效廣告費用法」快速回應,逐步接入轉化資料後,再用「最終點擊 + 首次觸達」兩套口徑對照著看。

第三層:內容資產法(看長期,回答「以後呢」)

自然流量最大的優勢是複利:一篇高品質文章能持續帶來流量 2-3 年,廣告一停流量就沒了。

內容資產價值 = 月均流量 × 等效 CPC × 預計有效月數

一篇月均帶來 2,000 流量、CPC 5 元的文章,如果還能再跑 18 個月:

  • 資產價值 = 2,000 × 5 × 18 = 180,000 元

這一層的意義在於:將「已投入的內容」視為「仍在生錢的資產」,用以回答「為何現在仍需持續投入」。

如何串聯三層使用

層次回應的問題演算法何時使用
第一層我們省下了多少廣告費流量 × 等效 CPC無轉化數據/快速回應
第二層我們賺了多少钱(收入 − 成本) ÷ 成本有線索、訂單數據
第三層未來還能值多少流量 × CPC × 有效月數長期報告、爭取預算

報告時可從下往上推亦可:先講資產價值(我們累積了多少「會持續生錢的頁面」),再落到當期轉化(這個月賺了多少),最後給省下的廣告費(直觀的省錢感)。如此三層形成一條完整的邏輯鏈,而非三個孤立的數字。

向老闆報告的範本

月報/季度報依此結構撰寫:

  1. 本期自然流量:XX 萬次訪問(環比 +X%)
  2. 等效廣告價值:XX 萬元(= 省下多少廣告費)
  3. 自然流量轉化:XX 個線索/訂單(附歸因口径)
  4. 投入成本:XX 萬元(人力 + 外包 + 工具)
  5. ROI:X.X 倍/XX%
  6. 趨勢判斷:流量資產持續累積,複利效應開始顯現

實務建議

  • 先算價值、再算 ROI:別一上來就糾結歸因。先用等效廣告費讓老闆「有感覺」,再逐步用轉化數據把 ROI 坐實。
  • 建立一張月度追蹤表:自然流量、關鍵字排名、等效 CPC、轉化數據放一起,趨勢比單月數字更有說服力。
  • 主動管理預期:講清楚「前 3 個月是投入期,第 4-6 個月開始見效,6 個月後進入回報遞增期」,別讓老闆用投廣告的心態衡量 SEO。
本文是《中文非付費營運100問》系列的一部分。查看完整目錄 →
掃碼關注
掃碼關注