創新互聯編者，整理的頁面數據分析：跳出率和退出率分析

跳出率和退出率作為網站分析的常見指標，在新手中尤其容易混淆，本文從不同系統、跳出率和退出率的計算方式和應用場景闡述二者的關系

一 跳出率和退出率的區別

本文此處所說跳出率和退出率是基于Google analytics的度量標準

跳出率(Bounce Rate) 也被稱為 蹦失率：瀏覽單頁即退出的次數/訪問次數=single access/entry visits(在om和ga后來的標準中修訂為點擊虛擬頁面或者事件跟蹤也不計算為跳出)

退出率 (exit rate)：從該頁退出的的頁面訪問數/進入該頁的頁面訪問數= exit pv/pv(注意這里面的訪問數和一般概念的visits是不一樣的 其實是指pv，非visits，關于pv和visits參考Google analytics的說明文檔)

其中：

• 跳出率只能衡量該頁做為著陸頁面(Landing Page)的訪問， 跳出率分母等于Landing Page的visits ，分子也是指跳出的visits
• 退出率則是針對全部的訪問頁面不限于著陸頁面(Landing Page)，任何頁面都有退出率。
• 退出率的分子=退出的次數(包括一次訪問過程中用戶瀏覽單頁即跳出的次數，也包括瀏覽多頁后從該頁面退出的次數。)
• 退出率的分母=進入該頁的頁面訪問次數=該頁的所有訪問pv(綜合瀏覽量)
• 進入的次數包括用戶重復瀏覽該頁的次數，因此可理解為綜合瀏覽量。

google analytics和Omniture關于退出率的定義區別：

• google analytics里面計算退出率分子分母是計算pv的，而Omniture是exit/visit
• 當然google analytics和Omniture里面計算跳出率都是計算訪問次數visits的。

EG:

10個visits來到a頁面 ——5個visits直接離開，3個visits去b頁面 ，2個visits去c頁面然后直接離開。 b頁面的3個visits有2個visits返還a頁面最終從a頁面離開

• 計算a頁面的于Bounce Rate和Exit Rate 分別就是(5/10) *100% 和 (5+2/10+2 )*100%
• 這是Google analytics里面的退出率的計算 ，在Omniture是算exit/visit，也就意味著這個值是(5+2)/10*100%
• 換個條件 ，如果從b頁面返還a頁面的2個visit ，一個visits經過d頁面返回a頁面并退出 ，一個visit去f 頁面。

這個時候計算a頁面的Bounce Rate和Exit Rate 分別就是(5/10)*100% 和 ( 5+2+1/10+2+1)*100%

在這個例子里面我所有的條件都是用訪問而沒有用訪客，是因為ga在計算跳出率是算visist的而不是uv(絕對唯一訪客)，而退出率的分子分母是pv。

為了證明結論 再貼一副圖做為來證實結論

這幅圖說明幾個問題 ，一直來很多概念在度量跳出率都是用進入，可能部分讀者還是不能明白所謂進入是指什么，這里可以看到所謂進入其實就是訪問數visit。

這個實驗的網站全站我們驗證跳出率 ，跳出數259，進入訪問數visit等于451。于是跳出率略等于259/451≈0.574279 忽略小數點就是圖中的57.43%。

退出率,退出數是 451，綜合瀏覽量pv是975，計算退出率就是451/975≈0.46256,忽略小數點就是46.26%

二 退出率和跳出率說明什么

跳出率

跳出率只能衡量該頁作為用戶的landing page的頁面質量，不能衡量其他。

一般來說，如果你做的是從其他媒體引入的流量，說明你的媒體渠道選擇失誤，搜索引擎付費關鍵字定位不準、客戶群定位不準確，還是landing page的call to action可能不夠吸引人。

當然對于不同頁面和不同類型的網站的跳出率需要區別對待，很多網站的性質決定用戶甚至只要瀏覽單頁面，需求就可能得到滿足。比如wordpress的博客，可能一些老訪問者，訪問博客只是看有沒有更新，沒有更新，跳出很正常。這種情況如果簡單的說網站質量很差是值得商権的，這個時候建議細分群體和細分頁面去看跳出率,并且關注頁面停留時間。

退出率

退出率高也要分情況討論并不能一概而論，如果你已經規劃好你網站的用戶訪問流程，但是你發現你網站的某個退出頁面成為去其他某個很重要的頁面的阻礙，那么你應該關心的你的這個退出頁面的內容了。

退出率不能用來分析網站所有的頁面，只能用來分析特定流程中的某些頁面能不能滿足用戶的需求(交互)的問題。一般認為退出率高需求沒有得到滿足，但在特定頁面不能用退出率衡量用戶需求問題。

如果客戶需要得到滿足直退出，退出率高是很正常的，如電子商務網站的支付成功頁面，其他網站的客戶服務(eg:聯系我們，關于我們)此類頁面，退出率一般肯定很高。用戶結算支付完需求得到滿足，用戶知道聯系方式需求得到滿足。這個時候需要借助其他分析了,例如電子商務可以用轉化漏斗分析。但是在同樣的類似流程中，注冊頁面、支付頁面和填寫收貨地址頁面卻又是可以用退出率來衡量頁面質量的(這樣的頁面一般是有固定步驟的)，如果退出率高，那么反映你的注冊流程頁面、支付流程頁面和物流流程頁面存在問題了，比如不支持貨到付款，需要填寫項過多，界面不友好等等。

退出率還反映在頁面內容的吸引性，如call to action不能激勵用戶。另外從網站技術角度來說，頁面太大不能被完全加載，頁面沒有返回任何其他頁面的鏈接入口，也是造成退出率過高的問題。

三 面對跳出和退出，我們如何優化

跳出率可以用在外部流量渠道分析和頁面內容質量上面，對于那些跳出率過高的渠道，一方面我們要分析，是不是渠道客戶群和網站定義客戶群有偏差，另外一方面是鑒別虛假流量上，大部分的虛假流量的跳出率一般都是很高的。

退出率更多被運用在頁面內容，頁面用戶需求分析上面，對于什么樣子的頁面是滿足需求的，可以采取A/B Test和多變量分析。你可以首先分析你關鍵頁面的退出率，比如支付，注冊等你認為對于你網站完成轉化很重要的頁面的退出率還有高參與度【頁面參與度=(總目標價值+電子商務收入)/ uv)】頁面。

本文標題：頁面數據分析：跳出率和退出率分析
鏈接分享：http://m.newbst.com/news16/172316.html

成都網站建設公司_創新互聯，為您提供建站公司、電子商務、服務器托管、搜索引擎優化、網站設計、網站建設

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯