4 Ansätze die Absprungrate in Google Analytics besser zu verstehen!

Die Absprungrate in Verbindung mit der Sitzungsdauer ist in Google Analytics einer der wahrscheinlich am häufigsten falsch interpretierten Metriken.  Deswegen werde ich Euch mal im Folgende eine zuerst einfache und dann eine ausführliche Definition der Absprungrate geben.

Was ist die Absprungrate in Google Analytics?

Die Absprungrate (Bounce Rate) in Google Analytics ist  der prozentualen Anteil der Sitzungen auf Eurer Webseite, bei der Eure Nutzer eine Seite aufgerufen haben und dann Eure Website wieder verlassen haben. In einer einfachen Definition ist die Absprungrate somit der Prozentsatz der 1 Seitenaufrufe.

Beispiel: Ihr habt 10 Sitzungen. Bei 8 von diesen 10 Sitzungen betrachten sich Eure Nutzer nur eine einzige Seite und verlassen wieder Eure Domain. Bei 2 Sitzungen betrachten sich Eure Nutzer mehr als ein Seite. In diesem Fall läge die Absprungrate bei 80%. Konkret würde das heissen 80% Eurer Sitzungen sind 1-Seiten Sitzungen

Hinweis: Wir haben in einem sehr ausführlichen Artikel Euch detailliert beschrieben, wie genau eine Sitzung in Google Analytics definiert ist. Im Alle-Seiten Bericht findet sich eine Metrik “ durchschnittliche Zeit auf der Seite“, was offensichtlich erscheint, ist aber in Google Analytics doch nicht ganz so gradlinig definiert. Hier findest du die Definition zur durchschnittlichen Zeit auf der Seite. Du interessierst du dich inzwischen mehr für Google Analytics 4? Hier findest du einen detaillierten Artikel zur „Interaktionsrate in Google Analytics 4 (GA4)„.

Detaildefinition der Absprungrate

In diesem einfachen Beispiel würde bei einer Standardimplementierung eine Absprungrate von 75% bedeuten, das 75% aller Sitzungen 1-Seiten Sitzungen waren. Grundsätzlich hilft diese Definition der Absprungrate für eine erste Beurteilung. Allerdings muss Du Dich für eine bessere Beurteilung der Absprungrate mit den Details beschäftigen. So sagt Yehouhua Coren, einer der anerkanntesten Web Analysten das, obwohl diese Definition von Google kommt, diese zu stark vereinfacht ist. Die bessere Definition für die Absprungrate würde lautet wie folgt:

Definition: Die Absprungrate ist der Prozentsatz der Nutzer, die während einer Sitzung auf der Website nur eine Interaktion durchführen. Eine Interaktion ist z.B. ein Seitenaufruf, kann aber auch ein Ereignis oder E-Commerce Transaktions Hit sein. 100% Absprungrate bedeutet somit das 100% eurer Sitzungen „Single Interaction Visits“ sind. In der Web Analyse ist die Absprungrate ein wichtiger Indikator, um die Relevanz einer Landeseite oder die der zuführende Quelle zu beurteilen.

Zu diesen Interaktionen, die die Absprungrate (Bounce-Rate) verringern können, gehören:

• Pageview hits (pageview)
• Event hits (event)
• Ecommerce transaction hits (ecommerce:addTransaction)
• Ecommerce transaction item hits (ecommerce:addItem)
• Social plugin hits (social)

Dabei kann man sich bei allen diesen Interaktionen über den non-interaction value entscheiden ob dieser Hit die Absprungrate reduziert oder nicht.

• ga(‘set’, ‘nonInteraction’, true); die Absprungrate wird nicht reduziert
• ga(‘set’, ‘nonInteraction’, false); die Absprungrate wird reduziert

Mehr dazu auch hier bei Google oder hier in einem ausführlichen Blogbeitrag von Justin Cutroni. Weiterhin findet sich bei Avinash Kaushik eine umfangreiche Erklärung auf welchen Ebenen Google Zahlen sammelt (User, Session and Hit-Level). Was genau eine Sitzung in Google Analytics haben wir in diesem Beitrag publiziert.

Hinweis: Der Non-Interaction Value bezieht sich auf auf das Tracken von Ereignissen. Dieser Parameter kann die Werte „true“ oder „false“ haben. Ist dieser Wert auf „true“ wird die Absprungrate nicht reduziert,  ist der Wert des Parameters „false“ wird die Absprungrate reduziert.  Wenn du zum Beispiel, wie auch später dargestellt, Events zur Messung von Ereignissen einsetzt, überleg bitte sehr genau, ob du willst, das das Eintreten dieses Ereignisses deine Absprungrate verändern soll oder nicht.

121-Stunden Online-Marketing Newsletter:
Keine Online-Marketing-News mehr verpassen!

• Wöchentlich aus 500 Quellen die besten Artikel übersichtlich zusammengefasst.
• Wir berichten regelmäßig über die wichtigsten Branchen-Events und aktuelle Seminare.
• Bereits mehr als 10.000 Online Marketers verfolgen mit uns die Branche.

Was ist der Unterschied zwischen der Absprungrate und der Ausstiegsrate?

Die Absprungrate bezieht sich immer auf die erste Seite, also die Zielseite, auf die Deine Nutzer gelandet sind. Die Ausstiegsrate bezieht sich (%) auf die letzte Seite, die der Nutzer auf deiner Seite gesehen hat. Das bedeutet also in % wie oft war eine ausgewählte Seite, die letzte Seite, die ein Nutzer gesehen hat.

Berechnung Absprungrate: Die Absprungrate für Seite A = Gesamtanzahl der Sitzungen bei denen die „Seite A“ auch gleichzeitig die Ausstiegsseite war / Anzahl der Sitzungen bei denen die „Seite A“ die Einstiegsseite war.

Berechnung Ausstiegsrate: Die Ausstiegsrate für „Seite A“ = Gesamtzahl aller Sitzungen auf denen ein Nutzer auf „Seite A“ Deine Seite verlassen hat / Gesamtzahl aller Sitzungen bei denen „Seite A“ aufgerufen wurde.

Site Engagement Modell

Als Basis zur Beurteilung und Umsetzung von Online Marketing Strategien haben wir unser eigenes Online Marketing Strategie Modell entwickelt. Dieses Framework wurde inspiriert von Modellen, wie dem Conversion Funnel oder dem AIDA Prinzip.

Grundlage ist dabei das Nutzer aus einer Quelle auf der Website landen und in einem ersten Schritt entscheiden, wie gut und relevant die Website ist.

Mehr aktuelle Studien zur Absprungrate im E-Commerce gibt es hier. Hier findet Ihr eine Seite mit aktuellen (2019) Kennzahlen Benchmarks nicht nur zur Absprungrate, sondern auch zu Metriken, wie

• Seiten / Sitzung
• Sitzungsanteil nach Gerätekategorie oder
• Konversionsraten

Nach einer Adobe Studie aus dem Jahr 2014 (hier gibt es auch inzwischen die 2015 Studie) liegen dabei die Benchmarks für Absprungrate in Abhängigkeit einiger Kerngeschäftsmodelle bei:

• Absprungrate High Tech bei 60% (Best of the Best 43%)
• Absprungrate Financial Services bei 47% (Best of the Best 22%)
• Absprungrate Media & Entertainment bei 59% (Best of the Best41%)
• Absprungrate Reise und Touristik bei 45% (Best of the Best 34%)
• Absprungrate Retail bei 63% (Best of the Best 44%)

Zusammenfassend eine hohe Bouncerate (Absprungrate) kann vereinfacht bedeuten, das die Erwartungshaltung des Nutzers nicht mit dem übereinstimmt, was die Seite anbietet. Mögliche Gründe sind hier das a) die zuführende Quelle nicht relevant ist oder b.) die Zielseite nicht den Erwartungen des Nutzers entspricht. In einer weiteren Studie zu Absprungrate werden folgenden Werte als Benchmark dargestellt:

Studie Benchmark Absprungraten

• 0% – 45%  für E-Commerseiten
• 25% – 55% für BtB Webseiten
• 30% – 55% für Webseiten mit dem Ziel Leadgenerierung
• 35% – 60% für eher Content orientierte Webseiten
• 60% – 90% für Promotionseiten und Landingpages
• 65% – 90% für Content- und Newseiten und sonstige Portale

Aber bitte nehmt diese Benchmarks nicht als den heiligen Gral, da die Absprungrate von vielen Einflußfaktoren abhängt. Deswegen macht auch eine absolute Betrachtung der Absprungrate keinen Sinn, sondern vielmehr nur immer eine Betrachtung mit verschiedenen Segmenten (zum Beispiel mobil, desktop oder tablet).

Welche Faktoren beeinflussen die Absprungrate?

Es gibt viele Faktoren, die eine Auswirkung darauf haben ob die Nutzer deine Seiten verlassen oder bleiben. Grundsätzlich ist die Absprungrate ja ein starker Indikator für die qualitative Analyse der zuführenden Quellen und die Analyse der Landeseiten. Aber eine “optimale Absprungrate” gibt es nicht wirklich, da die folgende Faktoren deine Absprungrate beeinflußen:

• Quelle: Schlechte Trafficqualität führt oft zu hohen Absprungraten.
• Relevanz: Schlechte Landeseiten.
• Seitenkonzept: Single Landingpages haben meist deutlich höhere Absprungraten im Vergleich zu Routerpages (Startseite).
• Brand: Viel branded traffic oder (direct) Traffic führt eher zu geringen Absprungraten (Einstieg über die Startseite).
• SEO: Viel organischer Traffic führt meist zu hohen Absprungraten.
• Technik: (Falsche) technische Implementierungen in Analytics führen oft zu veränderten Absprungraten
• Mobile: Unternehmen mit einem steigenden Anteil an mobile (social) Traffic haben oft steigende Absprungraten.

Hinweis: Einen umfangreichen Artikel zu Google Analytics und der Analyse mobiler Nutzer findest Du hier.

75,32% Absprungrate. Was ist eine normale Absprungrate?

Trotz der obigen Definition sind Abspringer in der Regel die Nutzer, die auf Deine Seite kommen und auf der ersten Seiten bleiben. Ob diese Nutzer aber Deine Seite zehn Minuten lang lesen oder wirklich innerhalb weniger Sekunden abspringen, kann in einer Standardimplementierung von Google Analytics nicht gesagt werden.

Was aber, wenn Du wüsstest, wie viel % der Abspringer sich zumindest mit meine Inhalten beschäftigt haben und wer wirklich kein Interesse an Deinen Inhalten hat? Die zugrundeliegende These wäre: Desto intensiver sich jemand mit unseren Inhalten beschäftigt desto höher ist die Conversionsrate?

Integration Scroll Tiefe über den Google Tag Manager

Inzwischen kann man mit dem Google Tag Manager ohne ein „Custom HTML“ zu definieren, die Scroll Tiefe nativ auf einer Webseite integrieren. Im Folgenden möchte ich mal kurz darstellen, wie Ihr dieses Event im Google Tag Manager anlegen könnt. Die Integration machst du dabei in fünf Schritten.

Schritt 1: In einem ersten Schritt gehe ich davon aus, das Ihr bereits Euren Google Analytics Tracking Code über den Google Tag Manager integriert habt.

Schritt 2: Im zweiten Schritt definierst du einen Trigger, in dem Du bestimmst, welche Scroll Depth Thresholds Du verwenden willst (zum Beispiel 25% / 50% /75% / 100%). Weiterhin konfigurierst Du auf welchen Seiten Du die Scrolldepth messen willst. Wir sind in diesem Fall nur an der Scrolltiefe auf unseren Seminarseiten interessiert (Beispiel SEO Seminar).

Schritt 3: Jetzt definierst du deinen Universal Analytics Eventtag und bestimmst vielleicht als Namen für

• Ereigniskategorie: user.engagement
• Ereignisaktion: scroll.depth
• Ereignislabel: {{Scroll Depth Threshold}} als variablen Wert

Schritt 4: Jetzt solltest du zuerst noch im GTM Debug Modus überprüfen, ob dein neu angelegter Event, auch tatsächlich ausgelöst wird.

Schritt 5: Alles bisher erfolgreich. Dann kannst du jetzt nachdem Du alles ausführlich getestet hast, deinen neuen Tag veröffentlichen.

Schritt 6: Im letzten Schritt kannst du jetzt in deinen Google Analytics Berichten überprüfen, ob deinen Ereignisse auch tatsächlich protokolliert werden.

DataLayer, Scroll Depth, Tags, Trigger, Variablen ??? Zu viele Fragezeichen! Dann findest du hier vielleicht Hilfe in unserem Google-Tag-Manager-Seminar.

Adjusted Bounce-Rate: Das Konzept True Reader

Zur Messung der tatsächlichen Nutzerinteraktion wäre es doch vielleicht interessanter wie

• weit Nutzer in Pixel auf Deiner Seite nach unten gescrollt haben oder
• wie viel (%) Prozent der Seite Deine Nutzer gesehen haben
• oder welche Elemente Deine Nutzer auf der Webseite gesehen oder
• Wie viele nach einer bestimmten Zeit noch auf Deiner Seite waren

In den folgenden Wireframes mal die konzeptionellen Ansätze für diese Messung:

Scroll Tiefe auf Basis von Pixeln

Scroll Tiefe nach Elementen

True Reader und True Bouncer

Beide oben genannten Modelle sind interessant in der Betrachtung. Ich möchte mal im folgenden die Implementierung und die Analyse auf Basis von True Readern bestimmen. True Reader sind in dieser Definition alle, die nach 75 Sekunden noch auf der Seite sind. Das bedeutet technisch das Google Analytics oder der Google Tag Manager ein Event “feuert” (Mehr zum Thema Eventtracking hier bei Google). Damit könnte man dann feststellen, ob der Nutzer nach 75 Sekunden noch “da ist”. Umgekehrt alle die nicht mehr nach 75 Sekunden da sind, sind in unserer Annahme “True Bouncer” also wirkliche Abspringer. Warum haben wir 75 Sekunden gewählt? Ganz einfach unsere Seminaragenden sind in der Regel sehr umfangreich (Beispiel SEO Seminar oder Seminar Online Texten), und so gehen wir davon aus das alle die länger als 75 Sekunden “lesen”, ein wirkliches Interesses an unseren Seminaren haben.

Wie implementierst Du das Konzept True Reader?

Erweiterung des Google Analytics Trackingcodes

Prinzipiell gibt es zwei Ansätze zur Implementierung der True Reader. In der Variante 1 über die Erweiterung des Quellcode . Über einen Rechtsklick kann man dann im Quelltext nach dem Trackingcode suchen. Das würde dann wie folgt aussehen. Basis ist das Eventtracking von Google Analytics:

Implementierung über den Google Tag Manager

Ein weitere Variante wäre die Implementierung der “True Reader” über den Google Tag Manager. Dabei wären folgende vier Schritte notwendig. Der Vorteil des Google Tag Manager ist es natürlich das nach einer einmaligen Integration des GTM, Tags über ein Webinterface und nicht mehr über die Erweiterungen im Quellcode vorgenommen werden können.

• Schritt 1: Implementierung eines gtm.timer Triggers mit Intervall 75000 Millisekunden und einem Limit von 1
• Schritt 2: Definition eines Tag „True Reader 75s“, Tag Type „Universal Analytics“ mit dem Track Type „Event“ und zum Beispiel in der Category „nobounce“, in der Action „true.reader“ und dem Label „75“. Wenn Du den Non-Interaction auf „True“ setzt, dann hat dieses Ereignis keine Auswirkung auf deine Absprungrate. Dann definierst du im Google Tag Manager noch, das dieser Tag bei deinem Timer Trigger gesendet wird.
• Schritt 3: Dieses Ereignis legst Du jetzt in Google Analytics als Ziel an.
• Schritt 4: Jetzt steht dieses Event als Ziel in (fast) allen Analytics Berichten, und kann auch als erweitertes bzw. benutzerdefiniertes Segmente angelegt werden

Quellenanalyse mit True Readern

Gerade für die Quellen- und die Zielseitenanalyse ist ja die Absprungrate essentiell. So könnte ich dann mit einer technischen Implementierung von “True Readern” später folgende Analysen machen.

Beispiel: Anhand dieses Beispiels sieht man zu einem das hier die durchschnittliche “Konversionsrate” für True Reader bei 41,03% liegt. Allerdings gibt es signifikante Abweichungen im negativen bei Facebook Ads (13,73% schlechter als der Durchschnitt) und zum Beispiel Email bei 42,17% über dem Websitedurchschnitt.

Die nächsten Analyseansätze wären jetzt beispielsweise:

• Facebook Ads: Warum funktionieren die nicht so gut?
• Email: Können wir hier für andere Kanäle noch etwas lernen?
• Content Marketing: Welche Artikel werden tatsächlich gelesen
• AdWords: Wie gut tragen einzelne Suchbegrife zu einer True Reader Conversion bei?

Von schlechten Inhalten, Panda und True Readern

Seit dem ersten Panda-Update versucht Google die Qualität von Texten algorithmisch zu erkennen und zu “bewerten”. Dabei hatten die meisten Pandaopfer (siehe auch Sistrix Index Watch zum Panda 4.1) immer ähnliche Muster. In der Regel haben im direkten Wettbewerbervergleich “Pandaopfer” relativ schlechtere Nutzersignale aufgewiesen. Also insbesondere Metriken wie Absprungrate, durchschnittliche Sitzungsdauer oder Seiten/Sitzung. Das diese Metriken aber immer wichtiger für gute Suchmaschinenoptimierung werden geht auch aus der Studie von Searchmetrics zu den Rankingsignalen hervor. Das Thema User-Experience wird hier immer wichtiger. Search Engine Optimizitation (SEO) wird immer mehr zu Search Experience Optimization (SEO)

Pandanalyse mit Google Analytics

Als Basis einer „Pandaanalyse“ mit Google Analytics dienen uns jetzt die Zahlen und “Zielerreichungen”, die wir über unsere “True Reader” Implementierung generieren können.  So könnte aber diese Analyse aussehen:

Vorgehen in Google Analytics: Reiter Verhalten > Website Content > Zielseiten. Zusätzlich sollte man über die Daten ein Segment mit nur organischem Traffic von Google legen (google / organic)

Interpretation: Ansatzpunkte für eine Optimierung wäre zum Beispiel in diesem Fall das Social Media Seminar, welches eine True Reader Conversion von nur 37,5% hat. Im Vergleich dazu hat das SEO Seminar ein deutlich bessere “True Reader Conversion” von 55,28%. Was also könnte man verbessern und was könnte man vom SEO Seminar lernen? Welche Ansätze es zum Thema Panda Optimierung bzw der Optimierung von Inhalten gibt hat Kai in seiner Panda Checkliste gut zusammengestellt.

Hinweis: Weitere Ansätze, was man im Detail noch für SEO analysieren kann, haben wir in unserem Blogbeitrag Google Analytics und SEO  dargestellt.

Du willst noch mehr zu Google Analytics wissen, bist aber schon fortgeschritten. Dann ist vielleicht unsere Google-Analytics-Seminar für Fortgeschrittene richtig.