以使用者為計算單位。但一位使用者訪問網頁如停止活動30分鐘後將視為另一位使用者。
以使用者為計算單位。如一使用者將同個商品加入購物車3次，也只會計算1次加入購物車數。
加入購物車數/工作階段=加入購物車率。
根據統計學全國性的數據調查，統計數字建議超過1000以上，如未達1000容易產生誤差值。
根據取貨付款視為下單，付款後送貨的模式會在付款完成才視為下單，但計算訂單都是已訂單成立的時間為主。
例如:訂單在 2023/9/1 23點59分59秒下單，在2023/9/2 00點00分00秒付款完成，訂單會被計算到2023/9/1。
optimize99設計邏輯已頁面思考「下單到完成訂單」的計算，誤差值越小越好。所以我們的數據可能跟GA產生差距。
下單數/訪問頁面曝光數=下單率 (以使用者為單位)
實驗總曝光數為達1000次以上，數據準確度會降低，故建議待數據收集達1000次以上。
※如使用者在2023/9/1 23點59分59秒訪問頁面，在2023/9/2 00點00分00秒下單，就可能造成數據時間差，所以建議將實驗期間拉長，讓數據差值影響度降低，判別準度提高。
會顯示使用者看了這個實驗頁面而產生的整筆訂單營業額。
如使用者同時訪問了A/B商品頁面的實驗並下單了A跟B商品，兩邊的實驗皆會統計整筆訂單的營業額，故我們系統呈現的營業額加總會大於官網全站的實際營業額，屬正常現象。
因為實驗目的為測試單一實驗所帶來的效益及營業額，故為了數據的準確度，會將使用者訪問及下單的營業額都計算進各自商品實驗中，讓客戶便於分析實驗的效益。
會顯示使用者看了這個實驗頁面而產生的整筆訂單營業額。
如使用者同時訪問了A/B商品頁面的實驗並下單了A跟B商品，兩邊的實驗皆會統計整筆訂單的營業額，故我們系統呈現的營業額加總會大於官網全站的實際營業額，屬正常現象。
因為實驗目的為測試單一實驗所帶來的效益及營業額，故為了數據的準確度，會將使用者訪問及下單的營業額都計算進各自商品實驗中，讓客戶便於分析實驗的效益。
