Bounce Rate是網(wǎng)站剖析中一個比較有意思的衡量，也是Avinash Kaushik個人比較喜愛的一個衡量，目前網(wǎng)上對它的評論也比較多。個人比較喜愛Sidney的翻譯——崩失率，音譯和意譯兼?zhèn)�。本來一向認為Bounce Rate的界說便是只閱讀了單個頁面的拜訪量占總拜訪量比率，不管是Google Analytics的“Single PV Visits/Total Visits”仍是Omniture的“Single Page Visits/Total Visits”，核算的辦法都較為類似。但最近在翻Avinash Kaushik的《Web Analytics》時，發(fā)現(xiàn)Avinash Kaushik對Bounce Rate的界說引薦運用Time on Site，即拜訪的停留時刻小于10秒或5秒的拜訪量所占的比例，不知道是不是因為這本書出書已經(jīng)有點時刻了的關系，不知道《Web Analytics 2.0》中對Bounce Rate的界說是怎么樣的。

　　可是不管用Visits的頁面數(shù)仍是Time on site來界說Bounce Rate，其實都存在圈套，都會引起B(yǎng)ounce Rate過高。

　　Bounce Rate中的圈套

　　先來說說為什么Avinash Kaushik引薦運用Time on Site，據(jù)《Web Analytics》中Bounce Rate相關內容章節(jié)中的介紹，Avinash Kaushik是依據(jù)實踐的經(jīng)歷得出用戶在網(wǎng)站的停留時刻小于10秒時，一般無法完結一次有用的交互（Engagement）。當然依據(jù)網(wǎng)站類型的不同，Bounce的Time on Site的能夠在5-10秒這個區(qū)間里面挑選一個合適的值。

　　之所以運用停留時刻，而不用閱讀的頁面數(shù)，是因為用單頁面的拜訪來界說Bounce是不精確的。就像根據(jù)Wordpress的博客，或許許多用戶只需要拜訪主頁就能夠閱讀最新發(fā)布的文章，也便是說雖然只拜訪了一個頁面但到達了期望的目的——閱讀該博客最近發(fā)布的文章，根據(jù)RSS的訂閱也是這種情況，那么咱們就不能認為這類拜訪是Bounce的。再舉個更直觀的例子，Twitter上包括查看最近tweets或發(fā)布tweet，其實都是在同一URL——twitter.com下完結的，如果單純運用單頁面拜訪來界說Bounce Rate，估量Twitter.com的Bounce Rate會到達98%以上，這樣就無法真實體現(xiàn)Bounce Rate指標的含義了。

　　既然用Page或PV=1來衡量Bounce存在以上的壞處，那么為什么這么多的網(wǎng)站剖析工具仍是運用這一標準呢？首先咱們必須清楚Avinash Kaushik引薦運用Time on Site是根據(jù)必定的前提的，即網(wǎng)站的停留時刻能夠進行精確的丈量，而現(xiàn)在停留時刻的普遍核算辦法是存在缺點的，能夠參考我之前的文章——WEB日志的作用和缺點中對停留時刻缺點的說明。當然也有一些特別的辦法是能夠獲得用戶脫離網(wǎng)站的時刻點的，如用戶點擊鏈接時的頁面重定向，封閉閱讀器時彈出隱藏窗口等，這些技能因為其實現(xiàn)方法在某些程度上會影響用戶的運用，或讓用戶感覺不適，被認為是不雅的手法，所以一般不主張運用。

　　所以一般咱們是很難得到用戶真實脫離網(wǎng)站的時刻點的，當前一些流行的剖析工具也是如此，這就會導致Time on Site無法得到精確的丈量，那成果便是一切單頁面的Visits的Time on Site都是0，而那些0 
　　所以，對于Bounce Rate其實能夠保持謹慎的達觀，或許你的網(wǎng)站并沒有剖析數(shù)據(jù)上顯示的這么糟。那么Bounce Rate這個風趣的衡量有沒有更加有用的界說辦法呢？