正确理解跳出率、离开率,与Google Analytics分析应用

时间: 2021-04-28 16:12 来源: 深圳诺仁 作者: admin 阅读:


正确理解跳出率、离开率,与Google Analytics分析应用
 
根据最新网站流量分析工具的市占率统计,Google Analytics(GA)是近一年内唯一企业市占率超过五成的数据分析工具,大幅领先其他工具。不难发现越来越多企业的网路行销部门和数据分析部门都有在使用GA作为企业营运的重要帮手之一,而是否都有正确地解读报表中数据的背后含义攸关每家企业的整个商业模式走向跟营运策略。
 
所以今天我们就先来讨论最恼人的两个数值:跳出率(Bounce rate)与离开率(Exit rate)到底该如何解读,并好好报告给你的主管或是老板呢?
 
目录
「跳出」与「离开」的差异:浏览网页动作
跳出
离开
跳出率与离开率的计算
跳出率、离开率公式
将跳出率与离开率带入使用者情境(商业情境)
跳出率、离开率常见问题
一、跳出率是不是太高了?跳出率标准值是多少?
二、离开率是不是太高了?离开率标准值是多少?
解读数据须结合使用者情境,才能提出正确的网站改善洞见
「跳出」与「离开」的差异:浏览网页动作
首先,我们帮大家简单介绍一下「跳出」与「离开」两者在浏览网页动作上的差异。
 
跳出
访客经由自然搜寻、付费广告、第三方(参照连结)或社交媒体进入到你网站,在第一页(也称为「着陆页面」,Landing Page)没有浏览第二页或执行其他被设计为事件的动作来跟你的网站进行互动,就关掉分页视窗、关掉整个浏览器或关机,「跳出」着陆页面。
 
正确理解跳出率、离开率,与Google Analytics分析应用
 
离开
访客经由自然搜寻、付费广告、第三方(参照连结)或社交媒体进入到你网站的任何一个页面,不论是浏览很多页或只有浏览一页,只要在该页面关掉分页视窗、关掉整个浏览器或关机,都算「离开」你的网站。
 
正确理解跳出率、离开率,与Google Analytics分析应用
 
跳出率与离开率的计算
跳出率、离开率公式
用公式来解读跳出率、离开率或许会更清楚。
跳出率与离开率公式

正确理解跳出率、离开率,与Google Analytics分析应用
经过上述「跳出」与「离开」两者的差异后,接下来我们让大家了解一下那「跳出率」跟「离开率」究竟是如何计算的。
 
从下图有四个工作阶段,假如今天有一位访客来到你的网站四次,经历了四种不同的工作阶段,这时候有页面A、页面B跟页面C,它们的跳出率与离开率分别是多少呢?

正确理解跳出率、离开率,与Google Analytics分析应用
跳出率与离开率的计算
 
解答:
页面A:跳出率50% (工作阶段I & II为访客第一个拜访的页面,但只有一次跳出)
           离开率50% (四个工作阶段都有经过页面A,但是最后离开的页面有两次是页面A)
 
页面B:跳出率0% (工作阶段III & IV为访客第一个拜访的页面,但没有一次跳出)
           离开率0% (工作阶段II & III & IV都经过页面B,但最后离开的页面没有一次是页面B)
 
页面C:跳出率0% (四个工作阶段里,页面C没有一次是访客第一个拜访的页面)
           离开率100% (工作阶段II & III都经过页面C,而且这两次最后都在页面C离开)
看到这边应该有比较清楚两者之间的差异了吧!
 
将跳出率与离开率带入使用者情境(商业情境)
了解观念后,接下来我们试着将跳出率与离开率带入使用者情境(商业情境)中
在这边先跟大家建立一个非常重要的观念,解读数据报表这件事情,没有对或错,只有分析问题的方式是否正确,并且进一步地改善数据背后的意义。

正确理解跳出率、离开率,与Google Analytics分析应用
因此,只看单一指标或数据的效果一定有限。跳出率与离开率现实世界想像今天你的网站就像一个车厂直营店(总共有三个区域/页面),而你是每天记录客人进出的柜台。你的老板今天一进来就问你,今天客人进来店面的状况如何?结果你只回报今天有五位客人进来,四位客人没有买车就离开了,听起来离开率高达80%,老板顿时觉得成效怎么会这么差!
上述对话很常发生在现实生活中,因此若能把其他数据跟指标也带入带入到使用者情境(商业情境)来一起解读,势必会让大家更容易了解。
正确理解跳出率、离开率,与Google Analytics分析应用
跳出率与离开率现实情境
 
如上图,回覆主管,今天早上来了五位客人(GA的不重复浏览量或样本数),虽然有三位客人在看完车辆展示区就离开了(GA的跳出率60%),有可能是目前展示车辆的款式或颜色不符合他们的需求(自己分析后的推测跟洞见),所以还在考虑中。
另外两组客人都有完整经过我们直营店三个区域的介绍,一位客户在业务洽谈后还在犹豫是否要这个月购买因此离开;另外一位客户就立刻结帐刷卡了(业务洽谈区的离开率为50%)。
 
See,这样的回答会不会让老板放心多了,因为只看「单一指标或数据」是无法让其他人了解整个情境,还需要其他的指标跟数据,才能帮助各位了解数据背后的意义!这也就是区隔(Segmentaion)在数据分析这块的重要。
 
跳出率、离开率常见问题
接下来我们来看许多人对于GA报表上这两个指标常面对的实际问题。
 
一、跳出率是不是太高了?跳出率标准值是多少?
跳出率的解读重点:「使用者跟着陆页面的互动情境」
不同的产业、商业模式、网站或网页,本来就会有不同的跳出率。回到问题的根本点是我们有没有很清楚的定位我们的网站是属于哪一种?甚至是每一个页面到底要给访客传达什么样的讯息跟希望他们会有什么行动?就像部落客的文章页面「通常」跳出率会比电商产品页的还要高一些,为什么?因为部落格文章很多是传递讯息丰富的内容跟知识,很多访客看完觉得有帮助到,就会关掉页面,这很正常!当然,若部落格的内部连结、侧栏也都做得跟电商网站一样好,或许访客也会想再看其他篇文章。
 
跳出率情境解读与Google Analytics应用
若是要了解不同「流量来源」的跳出率可以从「客户开发➡️所有流量➡️来源/媒介」来观察;但若是要诊断哪一页的跳出率偏高,我们可以从「行为➡️网站内容➡️所有网页」来看整体网站的跳出率是多少,再看页面跳出率偏高的例子来了解情况。

正确理解跳出率、离开率,与Google Analytics分析应用

GA报表-跳出率如上图若「只看」91.48%的跳出率,一般都会觉得该页面没有受到使用者的亲睐对吧,但若是再增加一个指标(平均网页停留时间)呢?

正确理解跳出率、离开率,与Google Analytics分析应用

GA报表-停留时间比起其他页面,访客在该页的停留时间相对比较长。这通常有两种可能,一种是属于知识型的内容,让访客需要做笔记或是思考的内容(就像是知识型部落格文章);另外一种有可能是里面提供的语言并不是大多数访客的母语(例:全英文网站于亚洲地区)导致访客需要花一点时间阅读等。
 
相反地​​若停留时间是非常短暂的(30秒内),很有可能是你着陆页面的标题或内容在Google搜寻结果页面上(Search Engine Result Page, SERP)让使用者有点兴趣,但是点进来网站后发现不是他们要的,而关闭视窗。
 
同时我们如何确保数据的真实性?可以再多加一个指标:不重复浏览量(样本数)。唯有够多的样本数,你的数据才会更贴近使用者的真实情境。那就这样结束了吗?我们还可以再做点什么?

正确理解跳出率、离开率,与Google Analytics分析应用
我们针对第2个网址「91.48%跳出率的那一页」,做更细部的分析,比较不同时段的数据变化,可以发现虽然跳出率增加2.37%,但是观看的人数增加了一倍,同时停留时间也增加了5.61%。这样一起解读,是不是比只看跳出率91.48%能得到更多的资讯。此外,你就不会想把这个页面整个换掉,反而是持续优化该页面的使用者情境跟互动(例如:其他文章或连结摆放的位置)。GA报表-比较时间

正确理解跳出率、离开率,与Google Analytics分析应用
二、离开率是不是太高了?离开率标准值是多少?
离开率的解读重点:「使用者在整个网站的使用情形」
离开率代表着使用者最后浏览那一页关掉视窗的比例,但重点不是在于离开率有多高,而是你的网站设计有没有让使用者在你要的页面离开。比如今天经营的是一个电商网站,同样是离开率高的数据,但是在「购物车」页面或「结帐完成」页面的意义完全不同。你觉得哪个会比较好?当然是后者对吧!多希望访客是在结帐完成后才离开的。
 
另外,在电商网站购物车页面的离开率又可称为购物车放弃率(Abandonment Rate)。根据电子商务研究机构Baymard Institute指出,全球平均的购物车页面放弃率平均为69.89%,显示出一般使用者在网站的购物流程从观看商品、挑选到结帐的过程,可能有发生不好的体验导致放弃结帐。当然也有可能是还没到特惠期间、单纯逛逛或是购物流程太复杂的情境都有,因此不能只看流量的多寡跟转换率,优化整个网站的使用者流程才是最重要的。
 
离开率情境解读与Google Analytics应用
我们可以从「行为➡️网站内容➡️离开网页」来看整个网站哪些页面的跳出率分别是多少,可以点击旁边的连结去看该页面是否为你希望使用者在哪一页离开。从下图可以看到33.40%的离开率为首页(通常首页的离开率较低是正常的),另外87.86%跟跳出率最高的哪一页一样是知识型的文章页,因此访客从那边离开很合理。GA报表-离开率

正确理解跳出率、离开率,与Google Analytics分析应用
解读数据须结合使用者情境,才能提出正确的网站改善洞见
最后的最后,希望各位永远记得一件事,唯有数据是不够的,若没有将正确的思维带入到「使用者情境」或是「商业情境」来一起解读,我们无法给出可以「改善商业策略的洞见」,那这些数据就是一堆没有意义的数字。