p>

이 측정 항목은 사이트의 첫인상에 대한 아이디어를 제공하므로 특정 웹 사이트에 중요 할 수 있습니다. 방문 페이지가 해당 페이지에 방문한 방문자의 기대치를 충족하는지 알려줍니다. 이탈률이 높으면 방문 페이지 나 트래픽 소스에 문제가 있다고 의심 할 수 있습니다.

다음 공식을 사용하여 이탈률을 계산할 수 있습니다.

구체적인 예

1. 개 주인을위한 웹 사이트가 있다고 가정 해 보겠습니다. 친환경 반려견 사료를 판매하고 있으며 특정 프로모션에 대한 제안이 포함 된 특정 방문 페이지를 만들었습니다.
2. 당신은 제휴 파트너에게 프로모션을 알리고 다음날 1000 개의 새로운 것을 보게됩니다. 이탈률은 99 %입니다. (즉, 방문자 100 명 중 99 명이 더 이상 검색하지 않고 웹 사이트를 떠났습니다.)
3. 정말 우울합니다. 그런 다음 1000 명의 방문자가 고양이 포럼에서 온 것으로 나타났습니다. 여기서 파트너 중 한 명이 실수로 연결했습니다.

분명히 해당 포럼의 사람들이 예상했기 때문에 이탈률이 높습니다. 고양이와 관련된 것들이 있지만 웹 페이지를 방문했을 때 개와 관련된 것을 얻었습니다. 트래픽 소스가 잘못되었습니다.

1. 앞으로 다른 제휴 파트너가 홍보하기 시작합니다. 귀하의 웹 사이트. 이번에는 개 주인을위한 것입니다. 광고에는 “친환경 개 사료! 개 애호가를위한 특별 할인! 이번 주에만 제공됩니다.”
2. 다음날 이탈률이 70 % 인 새로운 방문자 1000 명을 더 보게됩니다 (즉, 방문자 10 명 중 7 명이 이탈 한 것입니다.)
3. 이탈률 70 %는 여전히 be high… 그래서 조사를 시작하면 20 % 할인 만 제공 한 것으로 나타났습니다. 동시에 경쟁 업체 중 하나가 동일한 제품에 대해 40 %를 제공했습니다.

In this 이탈률이 높은 경우 잠재 고객이 방문 페이지에서 귀하의 제안을 충분히 찾지 못했기 때문에 이탈률이 높습니다. 좀 더 일반적으로 말하자면 이번에는 방문 페이지에 문제가있었습니다.

요약 :

이탈률이 높으면 조사 할 가치가있는 문제가 있음을 의미합니다. 조사 방법은? 사용자 테스트, 히트 매핑 등 데이터 분석, 상식 및 기타 여러 방법.

하지만 다음 큰 질문으로 이어집니다.

좋은 / 나쁜 이탈률이란 무엇입니까?

이 질문에 답하려면 이탈률에 대한 두 가지 일반적인 오해를 해명해야합니다.

Mi 개념 # 1 – 이탈률은 페이지에 머문 시간으로 정의됩니다.

많은 사람들은 이탈률의 정의가 접속 페이지에 머문 시간과 어떻게 든 상관 관계가 있다고 생각합니다. 그건 사실이 아니야. 방문자가 방문 페이지에서 3 초 또는 3 시간을 보내는 것은 중요하지 않습니다. 다른 페이지를 방문하지 않으면 이탈로 간주됩니다. 그렇다면 바운스가 아닙니다! 간단합니다.

오해 # 2 – 좋은 또는 나쁜 이탈률이 있습니다.

최적 이탈률은 여러 요인에 따라 달라집니다.

예를 들어 블로그가 있으면 방문자가 한 번에 하나의 기사를 읽게 될 것입니다. 위의 내용을 이해하면 목표 (블로그 게시물 읽기)가 달성 된 경우에도 많은 바운스가 있음을 알게됩니다. 따라서 블로그에서는 80 %의 이탈률도 허용 가능한 이탈률로 간주 될 수 있습니다.

반면에 전자 상거래 상점이 있고 사람들이 제품을 탐색하기를 원하면 예상 할 수 있습니다. 제품 목록을 클릭합니다. 따라서 전자 상거래 상점의 경우 이탈률 80 %는 허용되지 않는 이탈률로 간주 될 수 있습니다.

다음은 두 가지 작은 예일 뿐이지 만 최적의 이탈률이 여러 요인에 따라 달라진다는 것을 완벽하게 보여줍니다.

• 웹 사이트 유형
• 비즈니스 유형
• 브랜드 인지도
• 방문자 유형
• 경쟁 업체
• 가격
• 제품 유형
• 기타…

이력 데이터를 기반으로 최적의 이탈률을 정의해야합니다. (예 : 작년 평균 이탈률) 오해의 소지가있는 벤치 마크가 아닙니다. 또한 서로 다른 방문 페이지를 평가하고 다른 비즈니스와 비교하지 마십시오.

이탈률을 측정하는 방법

많은 분석 제품군이 있습니다. Google Analytics는 가장 잘 알려진 것 중 하나입니다. 페이지 뷰와 클릭 수를 기록하면 자체 데이터베이스 (예 : SQL)에서 이탈률을 측정 할 수 있다는 점을 언급 할 가치가 있습니다. 선택하는 방법은 귀하에게 달려 있습니다!

• 작성자
• 최근 게시물

Tomi Mester는 데이터 분석가이자 연구원입니다.그는 온라인 데이터 분석가의 모범 사례를 살짝 엿볼 수있는 Data36 블로그의 작성자입니다. 그는 데이터 과학, AB 테스트, 온라인 조사 및 데이터 코딩에 대한 게시물과 튜토리얼을 매주 작성합니다.

Tomi Mester의 최신 게시물 (전체보기)