一、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。

这个时候计算 a 页面的 Bounce Rate 和 Exit Rate 分别就是 （5/10）*100% 和 （5+2+1/10+2+1）*100%

在这个例子里面我所有的条件都是用访问而没有用访客，是因为 ga 在计算跳出率是算 visist 的而不是 uv（绝对唯一访客），而退出率的分子分母是 pv 。

为了证明结论再贴一副图做为来证实结论：

这幅图说明几个问题 ，一直来很多概念在度量跳出率都是用进入，可能部分读者还是不能明白所谓进入是指什么，这里可以看到所谓进入其实就是访问数 visit 。

这个实验的网站全站我们验证跳出率 ，跳出数 259，进入访问数 visit 等于 451 。于是跳出率略等于 259/451≈0.574279 忽略小数点就是图中的 57.43% 。

退出率，退出数是 451，综合浏览量 pv 是 975，计算退出率就是 451/975≈0.46256，忽略小数点就是 46.26%

二、退出率和跳出率说明什么

跳出率

跳出率只能衡量该页作为用户的 landing page 的页面质量，不能衡量其他。

一般来说，如果你做的是从其他媒体引入的流量，说明你的媒体渠道选择失误，搜索引擎付费关键字定位不准、客户群定位不准确，还是 landing page 的 call to action 可能不够吸引人。

当然对于不同页面和不同类型的网站的跳出率需要区别对待，很多网站的性质决定用户甚至只要浏览首页，需求就可能得到满足。比如 WordPress 的博客，可能一些老访问者，访问博客只是看有没有更新，没有更新，跳出很正常。这种情况如果简单的说网站质量很差是值得商権的，这个时候建议细分群体和细分页面去看跳出率，并且关注页面停留时间。

退出率

退出率高也要分情况讨论并不能一概而论，如果你已经规划好你网站的用户访问流程，但是你发现你网站的某个退出页面成为去其他某个很重要的页面的阻碍，那么你应该关心的你的这个退出页面的内容了。

退出率不能用来分析网站所有的页面，只能用来分析特定流程中的某些页面能不能满足用户的需求 （交互） 的问题。一般认为退出率高需求没有得到满足，但在特定页面不能用退出率衡量用户需求问题。

如果客户需要得到满足直退出，退出率高是很正常的，如电子商务网站的支付成功页面，其他网站的客户服务 （eg：联系我们，关于我们） 此类页面，退出率一般肯定很高。用户结算支付完需求得到满足，用户知道联系方式需求得到满足。这个时候需要借助其他分析了，例如电子商务可以用转化漏斗分析。但是在同样的类似流程中，注册页面、支付页面和填写收货地址页面却又是可以用退出率来衡量页面质量的 （这样的页面一般是有固定步骤的），如果退出率高，那么反映你的注册流程页面、支付流程页面和物流流程页面存在问题了，比如不支持货到付款，需要填写项过多，界面不友好等等。

退出率还反映在页面内容的吸引性，call to action 能不能激励用户。另外从网站技术角度来说，页面太大不能被完全加载，页面没有返回任何其他页面的链接入口，也是造成退出率过高的问题。

三、面对跳出和退出，我们如何优化？

跳出率可以用在外部流量渠道分析和付费关键字广告的分析上面，对于那些跳出率过高的渠道，一方面我们要分析，是不是渠道客户群和网站定义客户群有偏差，另外一方面是鉴别虚假流量上，大部分的虚假流量的跳出率一般都是很高的。

退出率更多被运用在页面内容，页面用户需求分析上面，对于什么样子的页面是满足需求的，可以采取 A/B Test 和多变量分析。你可以首先分析你关键页面的退出率，比如支付，注册等你认为对于你网站完成转化很重要的页面的退出率还有高参与度 【页面参与度=（总目标价值+电子商务收入）/ uv） 】页面。