ما زمان زیادی را صرف فکر کردن به نرخ پرش کردیم، اما گوگل آنالتیک یک مقیاس دیگه برای ارائه به نام نرخ خروج دارد.
متاسفانه در بیشتر مواقع این دو با هم اشتباه گرفته شده و به جای همدیگه استفاده میشوند. در صورتی که تفاوت های کوچک این دو باعث مفید بودن آن ها شده است. این متن تفاوت نرخ خروج و پرش، اهمیت این دو مقیاس و روش کاهش نرخ خروج را برای شما بیان خواهد کرد.
تفاوت بین نرخ پرش و نرخ خروج چیست؟
بیاید با معانی آنها شروع کنیم:
- نرخ پرش : درصد جلسات تک درگیری
- نرخ خروج : درصد خارج شدن از صفحه
به گونه ای دیگر بانس ریت با اندازه گیری تعداد پرش ها به تعداد کل ویزیت های صفحه اندازه گیری میشود. پرش یا بانس زمانی اتفاق می افتد که کاربر بعد از ورود به صفحه بدون بازدید از یک صفحه دیگر در سایت یا تعامل با سایت (مثلا: کامنت گذاشتن) از صفحه خارج شود.
نرخ خروج تعداد افرادی که از صفحه ورود خود از سایت شما خارج شده اند را با تعداد کل بازدید های صفحه مقایسه میکند.
متاسفانه تعریف مشابه گوگل از این معیار ها باعث باهم اشتباه گرفتن این دو میشود. چرا که هدف اصلی این دو مقیاس یکی است : اندازه گیری درصد افرادی که پس از باز کردن صفحه از آن خارج میشوند. فقط یک تفاوت بزرگ وجود دارد.
نرخ خروج درصد بازدید هایی است که در جلسه اخر بوده است در حالی که نرخ پرش درصد بازدید هایی است که تنها در یک جلسه بوده.
این به این معنی است که پرش (بانس) هنگامی اندازه گیری میشود که فرد از صفحه ای که وارد شده خارج شود. در حالی که اگزیت ریت بدون در نظر گرفتن فعالیت کاربر در سایت شما اندازه گیری می شود. در نتیجه تمام پرش ها خروج هستند اما تمام خروج ها پرش نیستند.
برای اینکه این تفاوت را بهتر متوجه بشوید ما یک سایت با چهار صفحه را در نظر میگیریم: صفحه اصلی (Home page)، صفحه محصولات، صفحه تایید (Confirmation page)، و صفحه ارتباط با ما. ما میتوانیم 5 جلسه مختلف در طول یک هفته برای این سایت تصور کنیم.
- دوشنبه: کاربر جدید- صفحه اصلی- خروج
- سه شنبه: کاربر جدید-صفحه اصلی- صفحه محصولات- صفحه تایید- خروج
- چهارشنبه: کاربر جدید – صفحه اصلی- صفحه محصولات- خروج
- پنج شنبه: کاربر جدید- صفحه ارتباط با ما- خروج
- جمعه: کاربر جدید- صفحه تایید- صفحه ارتباط با ما- خروج
در 5 جلسه بالا فقط 2 پرش وجود دارد. در حالی که خروج در هر 5 جلسه رخ میدهد، پرش فقط در روز دوشنبه و پنج شنبه رخ داده است چرا که فقط در این دو روز کاربر پس از ورود به سایت از همان جا خارج شده است. در روزهای دیگر کاربر حداقل از دو صفحه قبل از خروج دیدن کرده است.
برای این 5 جلسه نتایج گوگل آنالتیک به صورت زیر بدست می آید.
- صفحه اصلی: 3 ورودی| 3 بازدید از صفحه| 33% نرخ پرش| 33% نرخ خروج
- صفحه محصولات: 0 ورودی| 2 بازدید از صفحه| 0% نرخ پرش| 50% نرخ خروج
- صفحه تایید: 1 ورودی| 2 بازدید از صفحه| 0% نرخ پرش| 50% نرخ خروج
- ارتباط با ما: 1 ورودی| 2 بازدید از صفحه| 100% نرخ پرش| 100% نرخ خروج
در نتیجه درصد بالای خروج همیشه نشان دهنده ی درصد بالای پرش نیست چرا که کاربر میتواند از از جایی دیگر در سایت وارد صفحه شده باشد. به طور مشابه درصد پایین نرخ پرش مساوی با درصد پایین نرخ خروج نیست چرا که نرخ پرش تمامی خروج ها را نمی شمارد فقط آنهایی که از صفحه ورود کاربر رخ داده اند را میشمارد.
همیشه به یاد داشته باشید که خروج میتواند بیش از بازدید از یک صفحه باشد در حالی که پرش فقط برای بازدید از یک صفحه است.
کدام معیار از اهمیت بالاتری برخوردار است؟
پاسخ کوتاه: هر دو
نکته مربوط به Bounce rate و Exit Rate این است که این دو از نظر مفهومی بسیار با اهمیت هستند اما فهم درست آنها دشوار است.
برای مثال نرخ پرش متوسط اطلاعات کافی به شما نمیدهد چرا که بعضی از صفحات از نرخ پرش بالا سود میبرند (صفحات اطلاعاتی مثل ویکیپدیا) و بعضی از صفحات مستعد نرخ پرش بالاتری هستند (وبلاگ ها) .
این موضوع به کنار بیاید به سوال اصلیمون برگردیم: کدام یک از این دو معیار مهمتر هستند؟
نباید براتون غافلگیر کننده باشد که هر دوی این مقیاس ها بر اساس نیاز در زمان خود از اهمیت بالایی برخوردارند. نرخ پرش بالا نشان دهنده نارضایتی مشتری است _چه در خصوص محتوا، طراحی سایت، سرعت لود و ..._نرخ خروج بالا نشان دهنده مشکل در قیف تبدیل شماست. در نتیجه شما باید معیار بهینه سازی خود را براساس مشکلاتی که در آن زمینه دارید انتخاب کنید.
بیاید برای چند لحظه روی نرخ خروج تمرکز کنیم. یک دلیل برای ترجیح نرخ خروج به تبدیل در بررسی قیف تبدیل و مسیر حرکت مشتری وجود دارد. نرخ تبدیل از دست دادن کاربر وقتی وی در همان صفحه آمده است را بررسی کرده نرخ خروج تمام خروج ها را بررسی میکند. مثال زیر به فهم این موضوع کمک میکند.
یک سایت خرید اینترنتی را در نظر بگیرید...
بیشتر کاربران از صفحه اصلی وارد می شوند.
از صفحه اصلی به صفحه خرید کالای مورد نظر خود میروند.
نرخ خروج در اینجا برای شما اطلاعات مفید تری در بر دارد. اگر در این صفحه نرخ خروج شما بالا باشد به این معنی است که مشکلی در صفحه کالای شما یا حتی خود کالا وجود دارد که باعث انصراف فرد پس از بازدید از کالا میشود.
پس محتاط باشید که نرخ خروج را در مقایسه با نرخ پرش بی اهمیت در نظر نگیرید.
چگونه نرخ خروج را کاهش دهیم؟
اگر سایت شما نرخ خروج بالایی دارد در صورتی که هدف سایت فرستادن مشتری به پایین قیف تبدیل است (مثل راهنمایی افراد به صفحات دیگر سایت) شما باید تغییرات لازم را روی سایت خود اعمال کنید.
اول باید بفهمید که چرا کاربران از صفحه شما خارج میشنوند. چند توضیح مشترک عبارتند از:
- محتوای گیج کننده: موسیقی، ویدیو، و تبلیغات پاپ آپ باعث خروج زود از سایت میشوند.
- سرعت بازگشایی پایین: کاربران (مخصوصا با گوشی همراه) بعد از 3 ثانیه دست از صبر بر میدارند.
- UI/UX بد: طراحی و استخوان بندی نامناسب صفحات باعث گیج شدن کاربر میشود.
- مشکلات پیمایشی: راه های نامشخص و یا لینک های بدون محتوا نشان دهنده "بن بست" هستند.
دوما شما باید به کاربران دلیلی برای ماندن بدهید.
این فقط به معنی درست کردن مشکلات پیمایشی یا طراحی سایت نیست. بلکه در مواقعی شما باید قیف تبدیل خود را دوباره بررسی کنید.
برای مثال این یک امر اثبات شده است که صفحه تایید در فروشگاه های اینترنتی نرخ خروج بالایی دارند. اما آیا احتیاج دارند؟ البته که نه. همیشه جا برای پیشرفت وجود دارد. برای مثال شما میتوانید لینک اجناسی که مشتری ممکن است به آنها علاقه داشته باشد را برای راهنمایی آنها به قسمت های پایین تر قیف پیشنهاد دهید.
سوما بهتر است به نصب Live tracking یا Heat mapping برای فهم بهتر مشتری در سایت فکر کنید اینکه کجاها کلیک میکنند، در چه قسمت هایی تمرکز دارند و .... نرم افزار های Inspectlet, Hotjar, Clicktale و FullStory برای شروع انتخاب های مناسبی هستند.
نتیجه گیری
در پایان اینکه از چه معیاری استفاده میکنید بستگی به محتوا و اهداف بهینه سازی شما دارد.
هرچند از تمرکز روی تجمع نرخ پرش و خطا دوری کنید. به جای آن داده های خود را دسته بندی و صفحات خاص را مورد هدف قرار دهید تا بتوانید مشکلات قیف خود را پیدا کنید.
در آخر نرخ خروج را با توجه به محتوا و طراحی سایت خود در نظر بگیرید. صفحاتی که معمولا کلیک بالایی ندارند مکان های مناسبی برای بهینه سازی هستند.