一、跳出率和退出率的區別

此處所説跳出率和退出率是基於 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 。

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（注意這裏面的訪問數和一般概念的 visits 是不一樣的 其實是指 pv，非 visits，關於 pv 和 visits 參考 Google analytics 的説明文檔） 。

其中：

跳出率只能衡量該頁做為着陸頁面 （Landing Page） 的訪問， 跳出率分母等於 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於着陸頁面 （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户瀏覽單頁即跳出的次數，也包括瀏覽多頁後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） 。

進入的次數包括用户重複瀏覽該頁的次數，因此可理解為綜合瀏覽量。

google analytics 和 Omniture 關於退出率的定義區別：

google analytics 裏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 裏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 頁面然後直接離開） 。 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 頁面的於 Bounce Rate 和 Exit Rate 分別就是 （5/10）*100% 和 （5+2/10+2）*100%

這是 Google analytics 裏面的退出率的計算 ，在 Omniture 是算 exit/visit，也就意味着這個值是 （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 去 d 頁面，一個 visit 去 f 頁面，然後 1visit 從 d 頁面返還 a 頁面並最終離開。

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%

在這個例子裏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：

這幅圖説明幾個問題 ，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麼，這裏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 等於 451 。於是跳出率略等於 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、退出率和跳出率説明什麼

跳出率

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

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

當然對於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户甚至只要瀏覽首頁，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説網站質量很差是值得商権的，這個時候建議細分羣體和細分頁面去看跳出率，並且關注頁面停留時間。

退出率

退出率高也要分情況討論並不能一概而論，如果你已經規劃好你網站的用户訪問流程，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，那麼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户的需求 （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户需求問題。

如果客户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，其他網站的客户服務 （eg：聯繫我們，關於我們） 此類頁面，退出率一般肯定很高。用户結算支付完需求得到滿足，用户知道聯繫方式需求得到滿足。這個時候需要藉助其他分析了，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，註冊頁面、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，那麼反映你的註冊流程頁面、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，call to action 能不能激勵用户。另外從網站技術角度來説，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付費關鍵字廣告的分析上面，對於那些跳出率過高的渠道，一方面我們要分析，是不是渠道客户羣和網站定義客户羣有偏差，另外一方面是鑑別虛假流量上，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，頁面用户需求分析上面，對於什麼樣子的頁面是滿足需求的，可以採取 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，註冊等你認為對於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。