Bounce Rate 是網站分析裡一個頗有意思的度量,也是 Avinash Kaushik 個人偏愛的指標,網上相關討論頗多。我比較喜歡 Sid ney 的譯法——「崩失率」,音譯與意譯兼備。起初我一直以為,Bounce Rate 就是「只浏覽了單個頁面的訪問量佔總訪問量的比率」,無論是 Google Analytics 的「Single PV Visits/Total Visits」,還是 Omniture 的「Single Page Visits/Total Visits」,算法都大同小異。直到最近翻閱 Avinash Kaushik 的《Web Analytics》,才發現他推薦的定義是基於 Time on Site——即停留時間小於10秒或5秒的訪問量所佔比例。不知是否因該書出版已有段時日,我很好奇《Web Analytics 2.0》裡對 Bounce Rate 又是如何定義的。
但無論用「Visits 的頁面數」還是「Time on Site」來定義,其實都暗藏陷阱,都會導致 Bounce Rate 偏高。
先說說 Avinash Kaushik 為何推薦 Time on Site。據《Web Analytics》相關章節介紹,他是根據實踐經驗得出:用戶在網站停留時間小於10秒時,一般無法完成一次有效互動(Engagement)。當然,具體到不同網站類型,這個 Time on Site 的閾值可在5至10秒之間靈活選取。
之所以用停留時間而非浏覽頁面數,是因為用「單頁面訪問」來定義 Bounce 並不準確。以基於 WordPress 的博客為例,用戶可能只需訪問首頁就能讀到最新文章——雖只訪問了一個頁面,卻已達成目的。基於 RSS 的訂閱同理。如此一來,我們就不能把這類訪問算作 Bounce。再舉個更直觀的例子:在 Twitter 上,無論查看最近的推文還是發布推文,都是在同一個 URL(twitter.com)下完成的;若單純用「單頁面訪問」來定義,Twitter.com 的 Bounce Rate 恐怕會突破98%,這顯然失去了指標的意義。
既然用 Page 或 PV=1 衡量 Bounce 有此弊端,為何這麼多分析工具仍沿用這一標準?首先得明白,Avinash Kaushik 推薦 Time on Site 是有前提的——即網站停留時間能被準確測量。而目前主流的停留時間算法本身存在缺陷。雖也有一些特殊手段能獲取用戶離開的時間點,如點擊鏈接時的頁面重定向、關閉瀏覽器時彈出隱藏窗口等,但這些做法或多或少會影響使用體驗、令人反感,被視為不體面的手段,一般不建議採用。

所以我們很難真正拿到用戶離開網站的時間點,當前主流分析工具也是如此。這就導致 Time on Site 無法被準確測量:所有單頁面 Visits 的 Time on Site 都成了0,而那些 0<Time on Site<10s 的 Visits,其實只是「從進入到離開不足10秒」的訪問,並非真正的停留時間就一定小於10秒(用戶在最後一個頁面停留多久,我們無從得知)。這種情況下,Time on Site 反而會把我們引入更深的陷阱。因此,目前大多數分析工具基於自身數據獲取能力,選擇「單個頁面的訪問量佔總訪問量比率」作為 Bounce Rate,也就情有可原,甚至更像是一種無奈之舉。
所以,對 Bounce Rate 我們不妨保持「謹慎的樂觀」——你的網站或許並沒有數據顯示的那麼糟。那麼,這個有趣的度量有沒有更有效的定義方式呢?我目前尚未找到,歡迎大家一同探討。