Adjusted bounce rate: visszafordulási arány torzulásmentesen

Adjusted bounce rate: visszafordulási arány torzulásmentesen

Olvasási idő: 22 perc

Magas visszafordulási aránnyal küzdesz? Biztos, hogy a magas érték rossz? A mutató könnyen értelmezhetőnek tűnik, ugyanakkor torzult értéket ad. Cikkemben eloszlatjuk a mítoszokat és megvizsgáljuk az adjusted bounce rate hatását!

Az online marketingünk analízise során számos statisztikai értékkel találkozhatunk, melyek helyes értelmezése és használata lehetőséget biztosít a tevékenységünk mérésére és optimalizálására. Léteznek egyértelmű mutatók is, mint például a konverziók száma, de akadnak jócskán olyan adatok is, melyek önmagukban nem, vagy csak ritka esetben értelmezhetőek. Az egyik ilyen jellemző mutató a visszafordulási arány. Bár egy nagyon egyszerűen kérdést válaszol meg ez az érték, alapesetben mégis torz adatot kapunk róla az analitikában.
Aktuális cikkemben most a visszafordulási arány mítoszát járjuk körül, illetve megnézzük, hogy hogyan lehet pontosabb képet kapni a reális értékről az adjusted bounce rate módszer alkalmazásával.

Előrebocsátom, hogy az írásban nem arról fogok beszélni, hogy miként lehet csinosítani a weboldalt, vagy hogyan lehet relevánsabb embereket odairányítani, hogy csökkenjen a visszafordulási arányunk. Ezt megírták előttem már több 1000-en. Én arról fogok írni, hogy miként kell értelmezni a mutatót, mi köze van az oldalon töltött időhöz, és hogyan ássunk a statisztikánk mélyére, hogy kevésbé kapjunk torzult visszafordulási értéket.

visszafordulási arány az analyticsben

Mit mutat meg nekünk a visszafordulási arány?

Elsőként érdemes megvizsgálnunk azt, hogy mit is jelent a visszafordulási arány. Nagyon egyszerűnek tűnik a dolog, de hamarosan érteni fogjuk, hogy a helyzet nem olyan egyértelmű.

A visszafordulási arány egy százalékos érték, mely megmutatja a honlapunk azon munkameneteinek arányát az összes munkamenethez képest, melyeknél a weboldalunk betöltését követően, honlapinterakció nélkül történt kilépés.

Gyakorlatban ez azt jelenti, hogy miután a látogató a weboldalunkra kerül, nem töltött be rajta keresztül más aloldalt, nem kattintott semmilyen gombra, hanem az érkezési oldal megtekintése után lelép. Ezt egyoldalas munkamenetnek is hívjuk.
Érthető, hogy számunkra általában az a fontos, ha a honlapunk látogatója körbenézzen az oldalunkon, több oldalt is megtekint, ezzel összességében több időt tölt el nálunk. Ez fontos elvi megfontolásból, a márkaismeret növelésének szempontjából, valamint erős visszajelzést adhat nekünk arról, hogy a honlapunk egésze és a kommunikációnk érdekes és értékes a látogatónak. Azt is megmutathatja, hogy az oldalunkra mutató hirdetési kampányaink célcsoport célzása megfelelő, hiszen akik látják a hirdetést és kattintanak, egy olyan oldalra kerülnek, melyre tényleg szükségük van az adott időben. Nem utolsó sorban a remarketing listáinkat is pontosabban célozhatjuk, ha a célcsoportunk több oldalt is megnéz, továbbá SEO szempontból is erős rangsorolási szempont a visszafordulási arány és a látogatók által az oldalon töltött idő. Érezhető, hogy nem a legoptimálisabb, ha az oldalunkon levő látogatók bármilyen számunkra fontos művelet nélkül lelépnek tőlünk.

Ez nem mindig van ugyanakkor így! Bár a legtöbb ember megijed és pánik üzemmódba kapcsol egy 85%-os visszafordulási aránytól, a helyzet önmagában korán sem ilyen drasztikus. Nézzük is meg, hogy mikor nem jelent problémát a magas arány!

A visszafordulási arány ellenőrzése Analyticsben
A visszafordulási arányt érdemes más értékkel összepárosítva vizsgálni.

Probléma lehet a magas arány a weboldalunkon, vagy sem?

Ahogy említettem az elején: a visszafordulási arány tipikusan az az érték, mely önmagában semmit nem feltételez. Mi van akkor, ha mi egy darab oldalon átadunk minden szükséges infót a látogatónak? A weboldalunkra érkezik a látogató, elolvassa, amit keres és elégedetten lelép. Ez rossz dolog lenne? Egyáltalán nem az, sőt azt feltételezi, hogy az adott landing oldalunk kellően hasznos, hiszen minden infót megtalált rajta az érdeklődő, nem kell az aloldalak közt mászkálnia, hogy rátaláljon a számára szükséges információra.
Ebből kifolyólag a visszafordulási arányát egy-egy oldalnak nem önmagában, hanem az oldal szerepéhez viszonyítva kell vizsgálnunk.

Nézzünk meg pár példát olyan esetre, amikor a magas visszafordulási arány nem jelent gondot:

  • Egy blogoldalt vezetünk, ahova rendszeresen cikket írunk viszonylag tág témában. Bár a cikkeinkben elhelyezünk 1-2 értékesítést sarkalló mondatot, gombot, vagy linkesített képet, a célunk leginkább az, hogy az embereknek segítsünk, ezzel a tudatukba férkőzzünk. További cél lehet az, hogy a cikkünket végigolvasóknak később Facebook remarketing hirdetéseket jelenítsünk meg. Ez egy bevált inbound stratégia, kitértem rá a legutóbbi cikkemben is, ahol a megfelelő marketingcsatorna kiválasztásáról írtam. A blogcikk összegyűjti az érdeklődőket, majd utána más felületen, már ismerősként vezetjük tovább őket az értékesítési folyamaton.
    A látogató rátalál a cikkünkre, eltölt 30 percet az elolvasásával, majd elégedetten távozik. Mivel nem kattintott sehova, nem töltött be új aloldalt, a Google Analytics behúz egy strigulát visszapattanásnak. De ha belegondolunk, akkor valóban egy értéktelen látogató került az oldalra? Dehogyis, hiszen fél órán át olvasta a cikkünket! Ő nagyon is értékes, legalábbis biztos értékesebb, mint az aki semmit nem olvasott el, csak keresett valamit az oldalon és 2 percig kattintgatott össze-vissza, majd bosszúsan távozott.
  • Vízvezeték szereléssel foglalkozó oldalunk kapcsolati aloldalára irányítunk látogatókat. Az oldalon megtalálható a telefonszámunk, melyen keresztül egyeztetni lehet velünk. Mivel a látogató asztali számítógépről érkezett, közvetlenül nem, de a telefonjába manuálisan beírva a telefonszámunkat felkeres minket. Egyezteti a szükséges adatokat telefonon, megrendel egy szolgáltatást 100.000 Ft értékben, majd elégedetten leteszi a telefont és lelép a weboldalunkról. Nos, ez egy visszapattanás lesz a statisztikában, hiszen a adatrögzítő alkalmazás szerint semmit nem csinált a felületen az illető. Mondanom sem kell, hogy ez ettől még nagyon értékes látogatás volt a részéről.
  • Divatosak mostanában az olyan weboldalak, melyek kizárólag egy oldalra épülnek, aloldalak és interakciót igénylő műveleti lehetőségek nélkül. Ezt a webdesign-t OnePage design-nak nevezzük, szerepük pedig általában az, hogy egy egyszerű oldalon bemutassanak egy terméket, szolgáltatást, vagy márkát. Semmi más! Nem az eladás a céljuk, hanem egyszerűen csak az, hogy ismertessenek egy lehetőséget, vagy bevezessenek a köztudatba egy márkát.
    Például az oldalunkon egy kevés szöveg és egy film trailere van elhelyezve. A videó automatikusan elindul, amikor valaki rágörget. Az illető megnézni a trailert, nagyon tetszik neki, ezért a legközelebbi moziban vesz egy jegyet a barátaival. A filmkészítőnek nem érdeke, hogy nála vegyenek jegyet, hiszen Ő nem egy mozi, vagy jegypénztáros. Egyszerűen csak reklámozni akarja a filmet, hogy máshol megvegyék a jegyet az érdeklődők.
    Az ilyen oldalak 100%-os visszafordulási aránnyal rendelkeznek, és ez egyáltalán nem zavarja a tulajdonosukat, hiszen az oldal céljának értelmében ez egyáltalán nem fontos mutató.

Látható tehát, hogy a visszafordulási arány önmagában tulajdonképpen semmi hasznosat nem mutat meg, ezért kár aggódni anélkül, hogy megvizsgálnánk az oldalunk szerepét és azt, hogy mit várunk el az odatévedő látogatóktól.
A mutató legnagyobb hibája inkább akkor tűnik szembe, ha megnézzük a hatását az oldalon töltött időre.

Hogyan befolyásolja a visszafordulási arány az oldalon eltöltött átlagos időt?

Bár több analizáló felület is létezik, a leggyakrabban használt (és szerintem a legprofibb) webanalitikai rendszer az ingyenes Google Analytics. Egy kimondottan hasznos és profi eszközről beszélünk, aminek ugyanakkor létezik pár igencsak kedvezőtlen működési tulajdonsága.
Az egyik az, hogy úgy számolja ki az oldalon töltött átlagos időt, hogy minden alkalommal, amikor valaki interakciót végez a weboldalunkon, a rendszer az adott interakció és az azt megelőző interakció közt eltelt időt összeadja, mindaddig, míg már nem történik a látogató által művelet az oldalon. Ezt minden munkamenet alatt elvégzi, majd a megkapott összidőt elosztja a munkamenetek számával, így megadva nekünk az oldalon átlagosan eltöltött időt.

TIPP: A pontosítás végett érdemes figyelembe venni, hogy ha valaki 30 percig inaktív az oldalon (tehát megnyitotta az oldalt, de nem ül a gép előtt, vagy más oldalt böngész a miénk mellett), akkor ezt követően új munkamenetnek fog számítani, ha visszatér hozzánk. Továbbá, ha egy látogató lelép a weboldalunkról, majd 30 percen belül visszaérkezik, akkor a korábbi munkamenetét folytatja.

Ez mind nagyon jól hangzik, de könnyen észrevehető benne egy hatalmas probléma. Az Analytics csak az egyes interakciók közti időt tudja kiszámolni. Ha nem érkezik új interakció, akkor fogalma sincs, hogy az utolsó kattintást követően még mennyit volt pontosan a látogató a felületen, mielőtt ténylegesen lelépett.

Oldalon töltött idő kiszámítása
A kép jól mutatja, hogy a rendszer csak azt az időt tudja kiszámítani, mely interakcióhoz kötött.

Tegyük fel, hogy adott látogató a főoldalunkra érkezik és összesen 4 aloldalt megtekint, hogy megtaláljon valamit. (Értelemszerűen így elrejteni az infót leíró oldalt butaság, de ettől most a példa kedvéért tekintsünk el.) Minden oldalon 1 percet tartózkodik, majd rátalál a keresett cikkre és ott 25 percig olvas, majd a keresett információ birtokában elhagyja az oldalunkat a böngészőben.
Mi történik a háttérben? Az Analytics rögzíti a látogatást, mint munkamenetet. Érzékeli, hogy a látogató 4 oldalt tekintett meg, mindegyiket 1-1 percig tartózkodott mielőtt továbbkattintott volna, majd meglátogatta az 5. oldalt, ahol a keresett leírás van. Elkönyvel 4*1 percet, de az 5. oldalon töltött időt nem tudja pontosan kiszámolni, hiszen onnan már nem kattintott sehova a látogató. Megvan a -tól, de nincs meg az -ig, hiszen elhagyták az oldalt. Az oldal elhagyása a böngészőben levő X-szel (vagy Vissza gombbal) nem a honlap mérhető funkciója, nem egy trigger az Analytics-nek, hiszen ez a böngésző interakciója, nem pedig magáé a weboldalé. Ezért az Analytics NEM tudja, hogy mikor hagyták el az oldalt, csak azt tudja, hogy mikor léptek be és mikor volt az utolsó művelet az oldalon. Továbbá azt, hogy melyik oldal volt az utolsó a munkamenetben, ahol még volt művelet. Így a statisztikában a látogatónknál 4 perc fog szerepelni, nem pedig a valós, 29 perces érték.

TIPP: A fenti példában levő látogató nem visszapattanó, hiszen interakcióban lépett a munkamenete során az oldalunkkal. Őt az úgynevezett Exit Rate (Kilépések százalékos aránya) mutató fogja elkönyvelni, annál az oldaltartalomnál, ahol az utolsó műveletet elvégezte.
A kilépések százalékos aránya azoknak a munkameneteknek az arány az oldalt érintő összes munkamenethez képest, melyekben az adott oldal jelentette az utolsó műveleti pontot. Tehát a fenti példában az 5. megtekintett oldal volt a kilépőoldal, mert onnan már nem jutott tovább a látogató: a rendszer nem rögzített további interakciót, tehát nő a kilépési százaléka az adott aloldalnak. Részletesebben a Google súgóban találtok választ ITT.

Ha a megismert számítási módot levetítjük a visszafordulási arányra, akkor világos, hogy az interakció nélküli munkamenetek összidejét az Analytics képtelen kiszámolni.
Ha valaki az oldalunkra érkezik, majd elolvassa az ott található 30 perces cikket, ezt követően pedig lelép, akkor hiába volt ott 30 percet, a rendszer ezt egy nagy nullának fogja venni, mert nincs a belépést követően új honlapinterakció, így nincs a belépés és az “utolsó” interakció közt eltelt idő sem. Ez különösen nagy gondot jelent olyan oldalaknál, ahol a látogatóktól azt várjuk el, hogy csak egy adott landing oldalon töltsenek el több időt. A blogok statisztikáját például szépen hazavághatja ez a számítási módszer, mert a rendszeres olvasók hétről-hétre csak a legfrissebb tartalmat olvassák el, a múltheti cikkre nem navigálnak, mert már olvasták korábban. Így Ők visszapattanóként, nulla perces oldalon töltött idővel lesznek regisztrálva.

Ez persze egyáltalán nem jelenti azt, hogy a Google Analytics egy rossz analitikai rendszer lenne, csupán ilyen a működési sajátossága és elve. Szerencsére a fenti problémákra rájöttek a Google szakemberei is, ezért van megoldás a statisztika pontosítására.

Az oldalon töltött idő és a visszafordulási arány

Használjuk pontosabb mérést – vagyis mi fán terem az adjusted bounce rate (ABR)?

Az adjusted bounce rate (ABR) tulajdonképpen egy módosított számítási módszer, mellyel utasíthatjuk az Analytics háttér számításait arra, hogy egy általunk megválasztott időtényező figyelembevételével regisztrálja a visszapattanásokat.
Ahogy megismertük, a hagyományos számításban az oldalon ténylegesen eltöltött idő nem faktor a visszapattanások számításakor, csakis az interakciók megléte számít. Az adjusted bouncing rate viszont ad egy időhöz kötött eseményt a rendszernek ahhoz, hogy értelmezni tudja az interakció nélküli látogatásokat is.

Egy egyszerű scripttel megadhatjuk, hogy csak azokat a művelet nélküli kilépéseket vegye visszapattanásnak a rendszer, melyek mondjuk maximum 5 perccel a belépést követően történtek meg.
Tehát ha a látogató az oldalunkra történt belépést követően 5 percnél tovább nézelődik nálunk, akkor Őt nem fogja visszapattanásnak venni a rendszer, hiába lép le 5 perc után kattintás nélkül nélkül. Ha valaki 5 percnél előbb kilép interakció nélkül, akkor Ő megmarad visszapattanónak.
Ez nagyban pontosítja a visszapattanások arányát, hiszen eldönthetjük, hogy hány perc böngészéstől számít nekünk egy látogató értékesnek. Így az, aki akár kattintás nélkül legalább addig az ideig az oldalunkon tartózkodik már nem fogja lerontani a visszafordulási statisztikát és az oldalon töltött időt sem.

TIPP: Bár a Google szemében sokat számít egy oldal visszafordulási aránya – ha a kereső organikus pozícióit vesszük figyelembe -, a rendszer algoritmusa nem az Analytics-ben tárolt értékekre hagyatkozik. Erre a keresőóriásnak megvan a saját háttérrendszere, így mi bármit manipulálunk a mutatóink értékén Analytics-ben, ha gyakorlatban nem javulnak az értékeink, akkor az organikus helyezésünk nem lesz jobb semmivel. Forrás.

Az adjusted bounce rate beállítása

A ABR beállítása egy nagyon egyszerű művelet, nagyjából 2 perc alatt elvégezhető, ám kell hozzáférés az oldal kódjához, ahova a szükséges scriptet bemásolhatjuk.

Az alap Analytics script-be épített teljes kódsor így fest:

<script>
 (function(i,s,o,g,r,a,m){i['GoogleAnalyticsObject']=r;i[r]=i[r]||function(){
 (i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o),
 m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m)
 })(window,document,'script','https://www.google-analytics.com/analytics.js','ga');

 ga('create', 'UA-21XXXXXX-1', 'auto');
 ga('send', 'pageview');
 setTimeout("ga('send','event','Engaged User','120 seconds')",120000); // -- Adjusted Bounce Rate
</script>

A kódsor esetünkben az analytics.js-re vonatkozik. A feketével kihúzott, utolsó előtti sor határozza meg az esemény idejét, ez felelős azért, hogy a látogatóink csak egy bizonyos idő elteltéig számítsanak visszapattanónak. A kódsorban helyet foglaló UA-21xxxxxx-1 helyére értelemszerűen a saját Google Analytics azonosítónkat kell elhelyezni. Ahogy látható, én most egy 120 másodperces intervallumot adtam meg: ezt bármire át lehet írni, a lényeg az, hogy az ezt követő “120000” számsor fogja gyakorlatban meghatározni az időt. Ez a szám milliszekundumokat jelöl: ha 1 perces időt akarunk, akkor a helyére 60000-et írjunk, ha 10 másodpercet, akkor 10000-et, és így tovább.

Adjusted Bounce Rate (ABR)
Az adjusted Bounce rate használatával jelentős esést fogunk tapasztalni a visszafordulási statisztikában.: mindezt a pontosabb számítás végett.

Ha a scriptet bemásoljuk a weboldalunk forráskódjába, közvetlenül a <head> rész után, már el is végeztük a technikai beállítást és pár nap múlva jelentős esést fogunk tapasztalni a visszafordulási statisztikában.
Most biztos felmerült a kérdés Benned is, hogy mégis hogyan lehet pontosan meghatározni az időkorlátot?
Ahogy említettem, az esemény “kilövésének” ideje utáni látogatók egyike sem fog visszapattanást eredményezni, Ezért vigyázzunk, hogy ne adjunk meg túl alacsony értéket. Általában (!) nem érdemes például 3 másodpercet megadni, ha ennél magasabb látogatási idő a hasznos számunkra. 3 másodperc esetén alig pár százalék lesz csak a visszafordulási arány, ami a ló túloldala, és rosszabb, mintha alapállapotban hagytuk volna a mutatót. Az adjusted bouncing rate pontosabbá kozmetikázza a statisztikát, de ha “túltoljuk”, akkor nem vesszük majd észre a valóban magas visszapattanásokat, és nem tudjuk majd javítani az oldalunk teljesítményét. A módszer lényege a finomítás, nem pedig az adatok erős manipulálása, amivel csak magunkat csapnánk be, jobb semmi nem lesz tőle a gyakorlatban.
Azt is fontos figyelembe venni, hogy míg egy blogcikket akár fél óráig is olvasnak az emberek, addig egy “Rólunk” oldalt csak pár percig fognak. De vajon viszonylag pontosan is meg lehet határozni, hogy mi a helyes érték a mi weboldalunk esetén?

100%-os értéket soha nem fogunk kapni, de a pontosabb meghatározáshoz nagy segítséget nyújt az Analytics egyik kevésbé ismert felülete, az Elköteleződés riport. Ezt az opciót a Közönségen belül a Viselkedések opcióban találjuk meg. Szegmensként állítsuk be a “Munkamenetek konverziókkal” lehetőséget, valamint válasszunk egy jó nagy időszakot, hogy biztosabb képet kapjunk.
A grafikon csoportokra bontva megmutatja nekünk, hogy a látogatók oldalunkra lépése és egy Analytics-ben beállított célkonverzió teljesülése közt mennyi idő telt el. Ebből akár megtudhatjuk azt is, hogy az embereket mennyi ideig érdemes az oldalunkon tartani, hogy várhatóan konverzió következzen be. Az értékek alapján például szerkesztetjük az új tartalmainkat is a későbbiekben. Bár a felület sok más szempontból is hasznos, most koncentráljunk inkább a visszafordulási arányra.

Az elköteleződés menüpont, konverziókkal végződő munkameneteinek időtartama

A fenti példámat tekintve látható, hogy a konvertáló látogatóimnak nagyjából 180 másodperc szükséges egy konverzióhoz. 60 másodperc alatt nem lehet meggyőzni őket, vagy ennyi idő alatt nem jutnak el a termék megrendelőoldalára. Ez egyébként azért van, mert a példában egy prémiumtermékeket forgalmazó weboldal adatai szerepelnek: egy ilyen terméket nem vásárolnak meg 10 másodperc alatt az emberek, még akkor sem, ha biztosak a dolgukban. Többször átnézik a megadott adataikat, hogy biztos a jó terméket vásárolják-e meg, újra elolvassák a vásárlási és garanciális feltételeket, és így tovább.
Mondhatjuk tehát azt, hogy azok a látogatók, akik 3 percnél több időt töltöttek el az oldalamon, már nagyrészt hasznosnak számíthatnak nekem. Mint mondtam: ez nem tökéletesen pontos, de ennek az értéknek a használatával már szignifikánsan pontosabb képet fogunk kapni a visszapattanások valós számáról.

TIPP: Az elköteleződési riport másik hasznos része az “Oldalmélység” jelentés. Itt például azt ellenőrizhetjük, hogy a konvertáló emberek hány darab oldalt kattintottak végig, míg elvégezték a konverziós célt. A gyakorlatban azt szokás mondani, hogy 1-3 oldal/munkamenet az optimális. Ez nem csak a Google ajánlása, de ha belegondolunk logikus is, hogy nem kell 5-6 oldalon végignavigálnia a látogatónak, hogy végre vásárolhasson tőlünk.

Alább látható, hogy mekkora eltérést adhat a beállítás mind a visszapattanások-, mind az oldalon töltött idő arányát tekintve. A példaképen a MOZ által beállított ABR időértéke 15 másodpercre lett állítva:

MOZ adjusted bounce rate
Jól látható, hogy nem csak a visszafordulások aránya, de az oldalon töltött idő is kedvezően változott Az ABR-től.

TIPP: A Google Tag Manager segítségével az egyes oldalainkra külön-külön is elhelyezhetjük az Analytics kódot, akár minden eltérő kategóriában más időértéket megadva. Így minden oldalunk rendelkezhet saját, egyedi méréssel, ami még profibbá varázsolja a statisztikánkat. Ehhez viszont már jócskán haladó tudás kell, itt lehet utánanézni: GTM adjusted bouncing rate.

 

Az esemény ellenőrzése
Mivel a beállított kódsor egy eseményt indít el a meghatározott időben az adott munkamenetre, ezért ellenőrizhető is a működése az Események menüpontban. Látható, hogy nálam 822 munkamenet esetén korrigálta a visszafordulási arányt az első pár napban az adjusted bounce rate.

A visszafordulási arány értelmezése nagyon egyszerűnek tűnhet, de a valóságban sokkal mélyebbre kell ásnunk a mutató megértéséhez. Számos céggel volt már dolgom, akik azért kerestek fel mert csökkenteni szerették volna a visszafordulási arányukat, ahelyett, hogy megkérdezték volna, hogy az értékük egyáltalán jónak minősül-e. Mielőtt az érték csökkentését tűzzük ki célként, értsük meg, hogy miért magas az arányunk, illetve bizonyosodjunk meg róla, hogy helyes adatot látunk-e. A webanalitikai programok működésének ismerete számos aprónak tűnő, de hatalmas horderejű dologra rávilágít, ezért kerüljük a felületes analitikai munkát.
Remélem cikkemmel sikerült eloszlatnom pár kételyt a visszafordulási arányról! 🙂

Tetszett a cikk? Akkor oszd meg másokkal is!

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöltük

Scroll Up