GA4 顯示 140 筆，Meta 後台說 320 筆？三本帳對帳法，先分清楚是真下滑還是口徑差
GA4 跟 Meta 後台的轉換數字對不上，是這個產業結構性的常態，不是設定錯誤。本文拆解兩邊歸因邏輯的根本差異，用三本帳對帳法（GA4、Meta 後台、訂單系統）分清楚誰該講哪種話，避免因為口徑差異誤判成效真的下滑。
上個月有個品牌主管在電話裡語氣很急，說 GA4 這個月只顯示 140 筆來自 Meta 廣告的轉換，可是 Meta 後台自己算出來是 320 筆，兩邊差了超過一倍，問我們是不是哪邊出了問題，該相信哪一個數字。他說團隊已經對著兩份報表核對了一整個下午，愈核對愈心慌，甚至開始懷疑是不是該把下個月的預算砍半。我們聽完先沒有急著回答該信誰，而是想確認，這兩個數字，本來就是在回答同一個問題嗎。
兩套系統，從來沒打算算出同一個答案
GA4 跟 Meta 後台的轉換數字對不上，是這個產業結構性的常態，不是哪一邊的設定壞掉。GA4 官方說明預設使用資料驅動歸因模型，把一次轉換的功勞，依機器學習判斷拆給使用者旅程裡的多個接觸點，同一筆訂單可能拆一部分給自然搜尋、一部分給 Meta、一部分給直接流量。Meta 後台則是用時間窗邏輯計算，官方預設是 7 天點擊、1 天瀏覽，只要使用者點過廣告或看過廣告，在時間窗內完成的轉換，就算在 Meta 頭上，不管後來是不是從別的管道回來完成購買。兩套邏輯從一開始就不是在做同一件事，數字自然對不起來。
三個讓落差更大的具體原因
原因一：Meta 剛改過「點擊」的定義
2026 年 3 月 3 日，Meta 官方宣布修正點擊歸因的認定。過去按讚、分享、收藏、留言這些互動，都會被算成點擊，只要使用者在互動後的時間窗內完成購買，就算成點擊轉換。這次修正後，點擊轉換只認真正點進連結的行為，其餘互動另外歸類。Meta 官方說明這次修正的目的，正是要讓後台數字更貼近 GA4 這類第三方工具的認定方式，這代表一件事，過去兩邊數字對不上，有一部分原因是 Meta 自己認定的點擊範圍比較寬鬆，不是 GA4 漏算。這裡有一個實務上的提醒，改版前後的點擊轉換數字不能直接放在同一張趨勢圖上比較，因為兩段時間用的根本是不同的認定標準，二月跟三月的點擊轉換數字一減一比，看到的不是成效變化，是量尺換了。建議把三月中之後的數字，當成新的比較基準重新起算。
原因二：瀏覽窗被收窄，但落差不會消失
2026 年 1 月，Meta 拿掉了 7 天與 28 天的瀏覽歸因窗，只留 1 天瀏覽當預設。這代表 Meta 現在比較不會把單純看過廣告、很久之後才購買的訂單算進來。方向是對的，但即使把 GA4 切換成資料驅動歸因，它評估的仍然是點擊與實際互動的路徑，跟 Meta 那種看過廣告沒點擊也算數的瀏覽型轉換，本來就是兩套不同的認定邏輯，落差可以縮小，不可能完全消失。
原因三：跨裝置追蹤的覆蓋率不對等
Meta 有一項官方的跨裝置報表功能，能透過使用者登入身分，把手機上看過的廣告跟桌機上完成的購買串成同一個人，官方說明裡舉的情境就是使用者在手機上看到廣告，之後改用桌機完成購買。GA4 要做到同樣的事，得靠使用者主動登入 Google 帳號並同意串接的 Google Signals，覆蓋率天生受限於使用者登入意願。同一筆訂單，Meta 靠登入身分認得出是廣告帶來的，GA4 卻可能因為看不出裝置間的關聯，把它算成直接流量，兩邊算出的來源歸屬因此不同。
對齊設定只能縮小落差，不會讓數字完全一樣
業界常見的做法，是把 GA4 的歸因模型設定改成付費與自然最後點擊，同時把 Meta 廣告的歸因設定調整到相近的時間窗，這樣做確實能讓兩邊的落差縮小。但這裡有一個容易被誤解的地方，GA4 的最後點擊，只在使用者曾經點擊過的管道裡找最後一個，Meta 的最後點擊，是在 Meta 自己看得到的接觸點裡找最後一個，兩者範圍本來就不同，設定對齊，只能讓落差縮小，不能讓兩邊變成同一套系統。
這個落差甚至不是 Meta 跟 Google 兩家公司之間才有的問題。Google Ads 官方文件說明，所有轉換動作都可以套用資料驅動歸因，沒有轉換量門檻限制，但官方建議 30 天內至少要有 200 次轉換與 2,000 次廣告互動，模型判斷的精準度才會足夠，轉換量偏低的帳戶，同樣是資料驅動歸因，模型判斷品質也會打折扣。換句話說，同樣掛在 Google 底下的 GA4 跟 Google Ads，就算都用資料驅動歸因，也可能因為帳戶轉換量不同而讓模型抓出不同的規律，算出不完全一致的數字。連自家兩套工具都不保證對齊，跨公司的 GA4 與 Meta 後台，更沒有理由假設能算出同一個答案。
真正該問的問題，從來不是兩個數字為什麼不一樣，而是這個落差的比率，這個月跟上個月比起來，是穩定的還是突然放大的。落差比率穩定，通常代表口徑差異，屬於正常現象。落差比率忽然擴大，才需要回頭檢查瀏覽型轉換占比是不是異常升高，或是追蹤本身出了問題。
91APP CDMP 當第三本帳的仲裁者
前面兩個數字吵不出結果的時候，缺的其實是第三本帳。GA4 跟 Meta 後台都是用各自的追蹤邏輯猜測歸因，只有品牌自己的訂單系統，記錄的是真正發生的交易。
這也是為什麼判斷 Meta 報表上的 CPA 是不是真的變貴，還是歸因口徑改了，最後都要拉回自己的訂單資料做對照，而不是只看平台報表數字的漲跌。91APP CDMP 累積的實際訂單紀錄，正好能當這第三本帳，把 GA4 的跨通路視角、Meta 後台的操作視角、訂單系統的真實成交視角放在一起看，才看得出落差是口徑問題還是真的出了狀況。訂單系統能校準的是實際成交與營收數字，至於廣告帶來的是不是增量業績，仍然需要搭配增量測試，這是另一個層次的問題。想完整理解 2026 年這波歸因改版的來龍去脈，可以參考我們先前寫的歸因大改版解讀，這篇談的正是同一套改版邏輯的源頭。這套三本帳對帳邏輯，也是我們訊號、受眾、衡量三層診斷框架裡衡量層的具體做法，跟先前談 Opportunity Score 月度健檢時同一個道理，先確認數字可信，才有資格判斷建議該不該採納。
三本帳對帳流程：分清楚是真下滑還是口徑差
- 先把三本帳的角色定位講清楚，GA4 負責看跨通路的全貌與流量結構，Meta 後台負責看投放優化方向，訂單系統負責回答營收與毛利到底多少，三者不互相取代。
- 拉出最近三個月，GA4 與 Meta 後台的轉換落差比率，不看單月絕對數字，看比率的變化趨勢。
- 落差比率穩定的月份，先視為口徑差異，不必為了對帳砍預算；但如果同時期營收、轉換率或客單價也出現異常，落差穩定不代表可以跳過排查，仍要另外確認。
- 落差比率忽然放大的月份，優先檢查 Meta 後台的瀏覽型轉換占比是否異常升高，其次確認 Pixel 與 CAPI 的追蹤資料有沒有斷過。
- 每月固定用訂單系統的實際成交數字，對照 GA4 與 Meta 後台各自認定的轉換數，只有這組對照，才能回答廣告真正帶來多少業績。
- 每一季而非每次帳戶調整後，才回頭複查一次歸因模型設定，避免把正常的模型判定切換，誤認為成效異常。
這套流程假設轉換事件的定義、時區與幣別，在 GA4、Meta 後台與訂單系統三邊是一致的，退換貨與重複計算也已經處理過，這些技術對齊要先做，落差比率的判讀才有意義。決策週期長的 B2B 品牌，或業績集中在特定檔期的季節性品牌，三個月的落差趨勢可能還不夠長，建議拉長到涵蓋完整銷售週期或至少一次檔期的區間再判讀。
對不上的不是數字，是兩套系統本來就沒打算對上
那位品牌主管後來想通了一件事，他不再問我們該相信哪一個數字，而是把公司訂單系統的成交紀錄拉出來，跟 GA4 與 Meta 後台的數字擺在一起看，才發現落差比率其實跟上一季差不多，只是這次數字剛好差了一倍，看起來特別驚人。
兩個永遠對不上的系統，不代表哪一個壞了。真正該信的，是那個記錄實際交易的第三本帳。
常見問題
Q1：GA4 跟 Meta 後台的轉換數字，正常應該差多少？ A1：沒有統一標準，落差幅度因產業、客單價與跨裝置購物比例而異。重點不是看單一數字的絕對落差，而是追蹤落差比率是否穩定，穩定的落差通常屬於正常口徑差異。
Q2：把兩邊的歸因設定都改成最後點擊，數字就會一樣嗎？ A2：不會完全一樣。GA4 的最後點擊只在使用者曾經點擊過的管道裡找最後一個接觸點，Meta 的最後點擊是在 Meta 自己看得到的接觸點裡找最後一個，兩者範圍不同，設定對齊只能縮小落差，無法讓兩套系統變成同一套。
Q3：Meta 2026 年 3 月的點擊定義修正，對哪些帳戶影響最大？ A3：過去互動率高、素材容易被按讚分享的帳戶影響較明顯，因為過去這些互動也會被算進點擊轉換，修正後點擊轉換數字通常會下降，這是認定範圍縮小的結果，不代表成效真的變差。
Q4：落差比率忽然放大，第一步該查什麼？ A4：先查 Meta 後台的瀏覽型轉換占比是不是異常升高，這通常代表演算法在放大曝光型轉換的計入比例；其次確認 Pixel 與 CAPI 的資料傳輸有沒有斷過，訊號斷裂也會造成落差異常波動。
Q5：沒有訂單系統或 CDMP，只能看 GA4 跟 Meta 後台，該怎麼判斷？ A5：可以，但少了仲裁的角色，判斷時要更保守。建議固定追蹤兩邊落差比率的長期趨勢，只有比率明顯偏離過去水準時才進一步排查，避免單月數字波動就做出成效判斷。
Q6：小品牌轉換量不大，值得花時間做三本帳對帳嗎？ A6：值得，但頻率可以降低。轉換量小的品牌，單月落差比率本來就容易劇烈波動，改成每季對帳一次，看季度趨勢會比每月追著單月數字更準確，也比較不會做出過度反應的預算決策。