网站跳出率与退出率分析

作者: 丢丢 分类: 站内 发布时间: 2016-11-19 11:53

跳出率和退出率的区别

此处所说跳出率和退出率是基于Google analytics的度量标准。 跳出率 (Bounce Rate)也被称为蹦失率:浏览单页即退出的次数/访问次数=single access/entry visits。 退出率 exit rate:从该页退出的的页面访问数/进入该页的页面访问数= exit pv/pv(注意这里面的访问数和一般概念的visits是不一样的 其实是指pv,非visits,关于pv和visits参考Google analytics的说明文档)。 其中: 跳出率只能衡量该页做为着陆页面(Landing Page)的访问, 跳出率分母等于Landing Page的visits ,分子也是指跳出的visits。

退出率则是针对全部的访问页面不限于着陆页面(Landing Page),任何页面都有退出率。 退出率的分子=退出的次数(包括一次访问过程中用户浏览单页即跳出的次数, 也包括浏览多页后从该页面退出的次数 。) 退出率的分母=进入该页的 页面访问次数 =该页的所有访问pv(综合浏览量)。 进入的次数包括用户重复浏览该页的次数,因此可理解为综合浏览量。 google analytics和Omniture关于退出率的定义区别: google analytics里面计算退出率分子分母是计算pv的,而Omniture是exit/visit。 当然google analytics和Omniture里面计算跳出率都是计算访问次数visits的。 EG: 10个visits来到a页面 ——5个visits直接离开,3个visits去b页面 (2个visits去c页面然后直接离开)。 b页面的3个visits有2个visits返还a页面最终从a页面离开。 计算a页面的于Bounce Rate和Exit Rate 分别就是(5/10) *100% 和(5+2/10+2 )*100% 这是Google analytics里面的退出率的计算 ,在Omniture是算exit/visit,也就意味着这个值是(5+2)/10*100% 换个条件 ,如果从b页面返还a页面的2个visit ,一个visits去d页面,一个visit去f 页面,然后1visit从d页面返还a页面并最终离开。

 

好的/平均跳出率是多少?
这得看具体的情况。Google提供的网站平均跳出率数据是40%。但是,这完全没有意义,因为不同行业不同类型的网站有着很大的差异,一个好的跳出率的构成会与以下很多不同的因素相关:
1.所属行业
2.品牌声誉
3.网站类型
4.页面类型
5.转换路径步骤(在漏斗转换步骤中属第几步,或页面在网站中哪个位置)
6.客户生命周期的阶段
7.用户意图
8.许多其他的潜在因素。
以下是一些不同类型网站的跳出率基准数据,可供大家参考。
Google Analytics的基准平均跳出率
1.40-60% 内容网站
2.30-50% 转换生成类网站
3.70-98% 博客
4.20-40% 零售网站
5.10-30% 服务类网站
6.70-90% 简单的着陆页面(上边有一些Call to Action按钮)
哪种情况下可以接受高跳出率?
当访客只需要访问一个页面就可以满足他/她的需求,这类型的访问会产生较高的跳出率,但这种跳出率是可以接受的。以下为一些例子。
可接受的页面高跳出率的例子:
降低页面的高跳出率是网站运营人员的一个目标,但并不是要让每个页面的跳出率都降下来。哪些页面要优先优化,这个得安排好。以下页面可能会比你的热门着陆页面的转换率还要高,但它们的优化意义并不大。
联系我们 – 这是一个有着高跳出率的的公共页面,因为访客只想获取一些基本信息如电话、电子邮件或地址。 ( 提示:对于零售商,餐馆和其他的本地化服务,我们希望移动用户能够轻松地获得位置信息,可以的话还可以提供一些针对性的产品或服务信息,这个会有效地减少该页面的跳出率,并可以增加转换。这关键是要深入考虑访客的意图和情境需求,另外带宽的速度也要考虑在内。)
付款页面 – 付款页面一般不是作为着陆页面存在,因而直接进入这些网页的流量往往是非常低的,但这一部分流量对应的跳出率可能会很高,不过这种高跳出率并不需要担心。
客户支持页面 – 这类页面的跳出率取决于支持论坛的质量,但我们经常看到高质量的支持网站上跳出率比较高。这通常是一件好事,因为访问者在页面上找到了他们想要的答案,不需要联系客户支持。(提示#1:如果访客确实需求提交问题表单或联系客服才能解决 ,我们也可以考虑对这些动作作跟踪。)
博客文章 – 一个高流量的博客主要展示CPM广告以获取收益,并有着很高的二次访问者比例,即使跳出率高达90%也是符合预期和可以接受的。比如博客提供了一篇有趣的文章,访客浏览了该文章后离开博客,也就跳出了网站,但当博客发布了新的文章,访客又会回到网站上进行访问。当然,我们希望让访客长时间停留在我们的网站上,但至少我们了解,90%的跳出率不是这种情况下的关键问题。
并非所有的访问都是以转换为目的
请记住,你的网站页面存在的目的是满足访客的需求,但并不是每个访客每一次访问都会在网站上产生转换或订单。
客户在网站上的访问与互动虽然没有产生立竿见影的价值,但是我们也应该用积极的眼光来看待。这些访问为访客完整的客户生命周期的不同阶段的需求提供了支持,并最终会形成目标的转化,更重要的是,在这些过程中,品牌的亲和力和影响力也得到了加强。
此外,可以使用交互目标如访问频率、新旧客户比例以及客户的忠诚度等数据来衡量这些访问数的效果。而归因模型可以用于展示用户早期的访问来源数据,你可以看到最终的交易转换是怎样产生的。
你如何确定跳出率好或不好?
你知道如何确定跳出率是好还是不好吗?真的知道吗?
但在现实情况中,我发现许多人都没能够很好地判断跳出率这个度量的好与不好。没有理解清楚具体的应用场景可能是导致判断错误的最主要原因。
例如,你可能会看到一个高流量页面的跳出率较高,便判断该页面表现不佳,需要加以改进。但事实上这个页面并无问题。
你可能会问,这怎么可能呢?很多人会误读内容页面报告中的跳出率数据,下边的小案例将对这一问题作具体说明。
避免这种常见的跳出率陷阱
你知道吗,100%的反弹率并不总是坏事 ?如果这是一个转换路径里的一个中间步骤的页面,一般用户并不会直接登陆到该页面,这很可能意味着在你的网页中,只有1人跳出了(页面作为着陆页面带来的访问数为1),而通过该页面的数千其他访客,都顺利进入了下一步。
当你在页面报告中查看跳出率的数据时,你必须意识到跳出率并不是针对页面浏览量的度量来说的,而是针对该页面作为访问入口次数来说的。为了避免出现报告的误读,在最新的GA页面报告中也提供了页面访问进入次数的指标。而在着陆页面的报告中,自然也提供了跳出率及期对应的着陆页面访问数的数据。
另外,通过自定义报告你可以把一些重要的度量如着陆页面的访问数、跳出次数、跳出率等等同时呈现在同一报告界面上,这样你可以更直观地理解跳出率的含义。
跳出率何时会欺骗你?


这是个跳出率欺骗的个案分析。这是一个高跳出率的内容页的报告,跳出率是62%和页面访问退出率只有21%。考虑到这个页面不是一个主要的网站入口而是一个购物转换渠道路径页面,我们更关心的是这个页面的退出率而不是跳出率。约10个人有2人退出,实际上进入下一步的转换率还是非常高的。

跳出率的详细分析:
跳出率只适用于访问着陆页面,可以看到此页面作为访问着陆页面共带来13次访问。 13的62%约等于8,即只是870次浏览量中该页面的跳出次数为8 。
实际上这相当于总浏览量只有不到1%的小比例访问跳出了。
大多数人可能会误以为这是870次浏览量中其中有62%的浏览量发生了跳出而会对此页面作重点关注,但实际上却误读了数据,对这个数据作正确解读后其实属于正常情况。
(注:着陆页面报告中进入次数与访问数可理解为同一概念,这里的访问数指的是页面作为作为访问入口带来的访问次数。)
跳出率深入分析 – 细分!
用户的期望和意图与许多因素相关。为了避免出现跳出率误读的情况,强烈建议对数据作细分分析 。在汇总的数据中,你可能会根据跳出率的大小来判断数据是好还是坏,但实际结果可能正好相反,甚至在汇总的数据后边隐藏着重大问题。
这里有几个访问数细分的例子,可以帮助你更好地评估你的网站和营销业绩。
地点 – 如果你的公司是一家上海的提供本地企业服务的企业,从深圳过来的用户访问的跳出率必然会相对较高。你可以把流量按地区进行细分,以确认目标市场上海的流量表现具体是怎么样的,从而避免其他地区的数据对本地市场数据的干扰。
设备 – 桌面用户、平板电脑用户和手机用户往往有不同的意图。例如,手机用户访问的跳出率一般会比台式机/平板电脑的用户访问跳出率要高,因为手机用户往往只是查找一些特定信息如某个问题的答案,直接使用手机进行购物的用户还相对要少一些。另外,如果网站没有针对移动端的用户作过优化,页面响应与加载速度会相应较慢,访问体验不好,跳出率也会相对较高一些。
新老访客 – 新老访客的访问有着不同的目的。常见的情况是新访客比老游客的跳出率要高,因为他们不太熟悉你的品牌。你应该细分你的流量来分别对新访客和老访客的访问体验作优化。
媒介 – 从不同途径如推介来源、EDM、社交网站、直接流量、SEO或广告流量等等进入你的网站访问的用户也有着明显不同的目的,往往也有着明显不同的跳出率。通过访问媒介作细分很可能会震惊地各个媒介的跳出率居然会大不相同。
还有跳出率或退出率有关的任何问题吗?
如果有,可在后边发表评论。希望你通过这篇文章对跳出率有更深的理解,而不要轻易地误读跳出率的数据。
另外,这里附上Cloga翻译自KissMetrics的《跳出率解密》:

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

发表评论

邮箱地址不会被公开。 必填项已用*标注