出票 36,035 張、入場 26,705 筆 —— 入場率 74.1% 說明了什麼
一句話看懂
從 2026 年 7 月 15 日到 10 月 13 日，共 90 天，在 Tixpass 上進行的活動有 13 場。付款完成訂單 21,585 筆、出票 36,035 張、入場確認 26,705 筆。換算成入場率是 74.1%。
第一眼看到這個數字，多數人會讀成「有 25.9% 沒來」。但現場使用這個數字的方式，其實恰好相反。入場率不是用來替已結束的活動打分數，而是替下一場活動配置人力與時段的基準線。
| 項目 | 90 天統計 |
|---|---|
| 統計期間 | 2026-07-15 ~ 2026-10-13（90 天） |
| 進行活動 | 13 場 |
| 付款完成訂單 | 21,585 筆 |
| 出票 | 36,035 張 |
| 入場確認 | 26,705 筆 |
| 入場率 | 74.1% |
出票與入場，本來就不是同一個數字
出票是「票券被產生的時間點」，入場確認是「那張票通過閘口的時間點」。兩個事件之間隔著幾天到幾週。這段期間裡，天氣會變、行程會撞期、同行的人會臨時缺席。
21,585 筆訂單生出 36,035 張票，代表一筆訂單裡往往含有多張票。在 2 張、4 張為單位的購買結構中，必須以「張」而不是「筆」來看，才能看出閘口前究竟會站多少人。售票窗口的人力，要按人數而不是訂單數來安排。
所以當營運報告上只寫著「銷售 ○○ 筆」時，現場幾乎拿不到可用的資訊。站在窗口前的不是訂單，是人。
把 74.1% 當成成績單，會發生什麼事
一旦開始把入場率當分數看，就會出現兩種扭曲。
第一，大家會想把數字做高。如果把入場確認做得寬鬆，或乾脆省略驗票直接放人進場，「入場率」依然低，實際到場的觀眾卻從紀錄中消失。結果是數字既沒變好，也變得不準確。
第二，會把不該比較的東西拿來比較。這 90 天裡的 13 場活動，性質天差地別。期間長的展覽與只有一天的演出、以付費銷售為主的活動與混雜邀請與報名的活動，入場率的意義並不相同。整體平均 74.1% 不是用來替個別活動排名的標準，而是呈現整體數據樣貌的背景值。
在一個會因為入場率低而責備同仁的組織裡，下一季連入場驗票本身都會消失。
9,330 張的落差不是「損失」，是「餘裕」
出票 36,035 張減去入場確認 26,705 筆，剩下 9,330 張。如果只把這個數字看成 no-show 損失，那就無事可做了。但從營運角度看，這同時也是現場不必承受的負荷。
在入場驗票會留下紀錄的架構中，這個落差可以依時段拆解。上午場次預售的入場率，和閉館前 2 小時場次的入場率並不相同。週末和平日也不同。知道這些差異之後，就沒有理由把窗口人力平均分配了。
- 入場率維持偏高的時段 → 閘口與驗票人力集中投入
- 入場率偏低的時段 → 可以多開放現場售票餘額的區間
- 落差急遽擴大的日子 → 必須提前發送提醒的日子
第三項特別貼近實務。提醒訊息有沒有在入場日之前送達，閘口前的景象會完全不同。手上要有數字，才能決定「什麼時候發」。
入場尖峰，在出票當下就已經寫好了
現場最常被問到的問題是「幾點人最多」。這題的答案不在當天，而是早就藏在預售數據裡。把票集中在哪個場次、該場次過去的入場率是多少，兩者相乘，就能得出實際會站在閘口前的人數區間。
像李應魯美術館這類常態營運的展覽空間，這個區間累積得越久就越準確。當同一星期幾、同一時段的紀錄疊加起來，排班表就不再靠「感覺」，而是靠上週的數字。90 天這段期間，足以建立起那條基準線。
相對地，像博覽會這種短期結束的活動，第 1 天的入場率會決定第 2、3 天的配置。如果第 1 天上午入場確認明顯集中，那就把第 2 天的開場人力提前。此時需要的不是精巧的預測模型，而是今天早上就能看到昨天數字的狀態。
為什麼要公開這個數字
入場率 74.1% 不是個適合拿來誇耀的數字。所以它在大多數報告裡都被省略了。只留下銷售金額與出票張數，實際進場了多少人則被悄悄略過。
但對設計營運的人來說，需要的不是出票張數，而是通過閘口的數量。正因為 26,705 這個數字留在紀錄裡，下一場活動的售票人員配置與開場時間，才能有依據地決定。把落差藏起來，就等於放棄使用這個落差。
常見問題
入場率 74.1% 算低嗎
判斷高低的標準本身就因活動而異。這個數值是 2026 年 7 月 15 日到 10 月 13 日共 90 天內進行的 13 場活動，以整體、匿名方式合併計算的結果。其中混合了展覽、演出與博覽會，無法換算成個別活動的成效，比較合適的讀法是把它當成呈現整體數據樣貌的背景值。
出票了卻沒有入場確認的票，全都是 no-show 嗎
不能這樣斷定。出票 36,035 張與入場確認 26,705 筆之間的落差，除了實際未到場之外，也混雜了現場未經過入場驗票流程的情況。因此在解讀數字之前，要先檢查「所有閘口是否都以相同方式記錄入場確認」。
入場率要怎麼用在人力配置上
把各場次的出票張數，乘上該場次過去的入場率，抓出實際會站在閘口前的人數區間。以這個區間為基準，把驗票人力集中配置到特定時段；入場率偏低的區間，則多開放一些現場售票餘額。相較於平均配置，同樣的人數能撐住更長的尖峰。
統計數字公開到什麼程度
本文的數值以整體合計、匿名為基準。個別客戶或特定活動的銷售與入場數據屬於該主辦方的資產，未經同意不會公開。各主辦方可在營運後台直接查看自己活動的數據。