Bounce Rate – Rolle und Interpretation in den Social Media Analytics

Montag , 25. Juni 2012 kommentieren

Ganz grundsätzlich ist die Bounce Rate definiert als Anteil der Visits mit einer PageImpression an den gesamten PageImpressions. In Analytics Werkzeugen wird die Rate mitunter verschieden gemessen, teilweise musste sie auch noch als Metrik manuell angelegt werden, dann ist sie abhängig von der Implementation.

Eine wirklich ganz wundervolle Einführung gibt Avinash Kaushik. Das Video ist allemal sehenswert.

Allerdings sollte man an dieser Stelle gerade für Social Media Analysen weiter differenzieren. Man könnte beispielsweise etwas wie eine Bounce Rate 1 und eine Bounce Rate 2 einführen – das ist ein wenig vergleichbar der Methode, die man aus der Deckungsbeitragsrechnung kennt. Avinash hat alle Bounces in einen Topf geworfen – alles was nur eine PageImpression lang war, ist aus dieser Sicht schlecht.

Bounce Rate 1 & Bounce Rate 2

Sicher ist es schlimm, wenn 75 Prozent der Nutzer eine Website nach nur einer PI verlassen. Es ist geradezu tragisch – man muss etwas tun. Stellen Sie sich bitte vor, Sie haben ein Blog und treue Leser. Ihre neuen Texte teasern Sie auf Twitter, Facebook und Google+. Wieviele Ihrer Seiten werden diese Nutzer anschauen? Der größte Teil der treuen Leser wird eine Seite ansehen. Wenn sie Ihren Artikel toll finden, wird der Artikel von einigen Nutzern erneut geteilt. Wie wird es sich mit neuen Nutzern verhalten? Wenn diese Ihr Blog toll finden, sollten sie mehr als eine Seite anschauen, Ihrem Blog in einem Social Network folgen etc.

Aus meiner Sicht ist die Differenzierung der Bounce Rate hinsichtlich neuer und wiederkehrender Besucher sehr wichtig. Das betrifft eben insbesondere Social Media Aktivitäten. Und das ganz abgesehen von der Messproblematik der Bounce Rate an sich. Google Analytics definiert die Bounce Rate, wie eingangs erwähnt, als den Anteil der Visits mit nur einer PageImpression an allen Visits. Bei einer genaueren Analyse bemerkt man, dass dies nicht ganz stimmt.. Es gibt schließlich Seiten, auf denen sich ein Nutzer auch etwas länger beschäftigen kann und vielleicht auch noch Aktionen ausübt, die mitunter als Event gemessen werden, aber nicht als PageImpression/PageView. Es kann sich um das Abonnement eines Newsletters, die Nutzung eines Social PlugIns etc. handeln. Justin Cutroni hat das sehr anschaulich beschrieben.

Um es nicht ausufern zu lassen:

  • Bounce Rate 1: Anteil unbekannter Nutzer, die bouncen.
  • Bounce Rate 2: Anteil bekannter Nutzer, die bouncen.

Durch diese Differenzierung wird die Interpretation der Daten, wie sie beispielsweise Avinash Kaushik empfiehlt, bereichert und damit sicherer.

Bounce Rate 1 & 2

Bounce Rate 1 & 2

In der Abbildung habe ich es etwas überzeichnet dargestellt: Der Balken entspricht der gesamten Bounce Rate. Der dunklere Teil ist der Teil der unbekannten Nutzer die bouncen. Der hellere Teil des Balkens sind bekannte Nutzer, die bouncen. Während bei Kanal 1 die Bounce Rate mit 60 Prozent recht hoch liegt und der Anteil der bekannten Nutzer gering ist, ist dies bei Kanal 3 anders. Hier stammt die Hälfte der Bounces von bekannten Nutzern. Das ist weit weniger tragisch. Es heißt schließlich, dass Nutzer regelmäßig zu einem Kurzbesuch der Seite zu bewegen sind.

Hinsichtlich Kanal 3 fällt auf, dass der Anteil neuer Besucher, die bouncen, mit Kanal 2 identisch ist. Allerdings ist der Anteil bekannter Besucher, die bouncen, geringer.

Es ergeben sich also sowohl neue Erkenntnisse als auch neue Fragestellungen aus dieser Betrachtung. Im Fall des Vergleichs von Kanal 2 und Kanal 3 sollte man die Besuche mit einer höheren Nutzungsintensität auch hinsichtlich neuer und bekannter Besucher vergleichen.

Es sollte klar geworden sein, dass man durch die weitere Differenzierung der Bounce Rate zu wertvollen Schlüssen kommen kann. Dass in diesem Zusammenhang die Web Analytics Tools noch unzureichend mit Standard-Berichten vorbereitet sind, ist sicher nur eine kleine Schwierigkeit. Einen Bericht zu kopieren, um ihn mit einer weiteren Dimension zu versehen, erscheint mir in vielen denkbaren Fällen allerdings durchaus lohnend – und das betrifft nicht ausschließlich Social Media. Auch bei AdWord-Kampagnen kann das hilfreich sein.

Kommentar verfassen