Ja, ich gebe es offen zu. Ich habe lange geglaubt zu wissen, was die Bouncerate bedeutet. Und ich lag all die Jahre falsch.

Und ich denke damit bin ich kein Einzelfall, da die Absprungrate nicht so intuitiv ist, wie sie klingt.

Die Bouncerate ist eine der am häufigsten missverstandenen Metriken in Analytics Tools.

Viele Online-Marketeer haben heutzutage einfach keine Zeit sich so intensiv mit den Metriken auseinander zu setzen und ein tiefes Verständnis für die Zahlen zu entwickeln. Trotzdem kann ich aus Erfahrung sagen, dass es einer der Metriken ist, auf die mit am meisten geschaut wird.

In den letzten Tagen habe ich mir die Bouncerate vorgenommen und mich intensiv mit ihr beschäftigt. Mit dem folgenden Post möchte ich ein bisschen Licht ins Dunkle bringen und aufräumen mit gefährlichem Halbwissen rund um das Thema.

Die Bouncerate ist deshalb so wichtig, weil Sie damit Ihren Traffic sehr schnell analysieren können. Der effektivste Hebel, um Ihre Conversions zu optimieren, ist auf Ihre Bouncerate Ihrer Landingpages zu achten.

Doch genau bei dieser Metrik gibt es viele Missverständnisse. Daher fang ich vorne an mit den Basics.

Um Bouncerate korrekterweise zu verstehen, müssen wir zunächst die Definition eines Besuchs aka einer Sitzung betrachten.

Was ist eine Sitzung in Google Analytics?

Laut Google Analytics ist eine Sitzung eine Gruppierung von Hits (Treffern) eines Nutzers in eines bestimmten Zeitrahmens.

Ein Hit ist eine Interaktion des Nutzers, z.B. ein Seitenaufruf, ein Ereignis, Transaktion, etc. mit der Website, die wiederum als Datenpaket an einen Google Analytics Server gesendet wird.

Ein Nutzer kann eine oder mehrere Sitzungen erzeugen, auch innerhalb eines Tages, da der Zeitrahmen der Sitzung in den Google Analytics Einstellungen eingestellt werden kann.

Standardmäßig steht der Zeitrahmen auf 30 Minuten. Daher sind die Anzahl der Sitzungen meist auch höher als die Zahl der Nutzer in den Reports bei Google Anaytics.

Eine Sitzung, die nun nur ein einzelnen Pageview-Hit enthält und sonst keinerlei weitere Hits ist somit ein Bounce.

Wie berechnet man die Bouncerate?

Google Analytics berechnet die Bouncerate einer Webseite folgendermaßen:

Bouncerate einer Seite A = Bounces auf Seite A / Einstiege auf Seite A

Oder anders ausgedrückt: Die Absprungrate einer Seite A beschreibt das Verhältnis von Sitzungen, die auf Seite A eingestiegen sind und ohne Interaktion wieder gegangen sind im Verhältnis zu allen Sitzungen, die auf Seite A eingestiegen sind.

Das ist ganz wichtig zu verstehen:

Bei der Interpretation der Bouncerate müssen Sie daran denken, dass nur Sitzungen mit in die Berechnung fließen, die auf dieser Seite gestartet sind!

Dazu ein kleines Rechenbeispiel, mit dem Sie überprüfen können ,ob Sie es verstanden haben. Wir gehen davon aus, dass pro Tag nur 1 Sitzung entsteht mit folgenden Abläufen.

1. Interaktion 2. Interaktion 3. Interaktion 4. Interaktion
Montag Seite A Seite B Seite C Ausstieg
Dienstag Seite B Seite A Seite C Ausstieg
Mittwoch Seite A Ausstieg

Was denken Sie, steht im Google Analytics Contentbericht – welche Bouncerate hat Seite A?

Seite A hat 3 Seitenaufrufe und eine Bouncerate von 50%.

Viele denken hier nämlich, dass die Bouncerate doch 33% sein müsste, dabei wird der Seitenaufruf am Dienstag hier nicht mit berücksichtigt. Die Bouncerate beinhaltet nur Sitzungen, bei denen die Seite auch die Einstiegsseite war.

In diesem Zusammenhang möchte ich auch die Ausstiegsrate einer Seite erklären.

Was ist die Ausstiegsrate?

Die Ausstiegsrate einer Seite beschreibt den prozentualen Anteil der Sitzungen, die auf dieser Seite ausgestiegen sind. Es ist also die Anzahl der Sitzungen, bei denen die Seite die Letzte in der Sitzung war.

Ausstiegsrate der Seite A= Alle Sitzungen, die Seite A aufgerufen haben / Sitzungen, die auf Seite A ausgestiegen sind.

Unterschied Bouncerate und Ausstiegsrate

Wir weiten das Beispiel von oben nochmal etwas aus, um die Unterschiede zwischen Bouncerate und Ausstiegsrate besser zu verstehen.

Nehmen wir wieder an, es gibt jeden Tag nur jeweils eine Sitzung mit folgendem Ablauf.

1. Interaktion 2. Interaktion 3. Interaktion 4. Interaktion
Montag Seite B Seite A Seite C Ausstieg
Dienstag Seite B Ausstieg
Mittwoch Seite A Seite C Seite B Ausstieg
Donnerstag Seite C Ausstieg
Freitag Seite B Seite C Seite A Ausstieg

In Google Analytics würde jetzt folgendes reportet werden:

Bouncerate

  • Seite A: 3 Seitenaufrufe, davon 0 Einstiege und gleichzeitige Ausstiege, Bouncerate 0%,
  • Seite B: 4 Seitenaufrufe, davon 3 Einstiege und 1 gleichzeitiger Ausstieg, Bouncerate 33%
  • Seite C: 4 Seitenaufrufe, davon 1 Einstieg und 1 gleichzeitiger Ausstieg, Bouncerate 100%

Ausstiegsrate

  • Seite A: 3 Seitenaufrufe, davon 1 Ausstieg, Ausstiegsrate 33%
  • Seite B: 4 Seitenaufrufe, davon 2 Ausstiege, Ausstiegsrate 50%
  • Seite C: 4 Seitenaufrufe, davon 2 Ausstiege, Ausstiegsrate 50%

Was man hier schön erkennen kann ist, dass die Bouncerate einer Seite auch durchaus niedriger sein kann als ihre Ausstiegsrate!

Das war für mich persönlich ein Punkt, über den ich länger nachdenken musste, da er auf den ersten Blick nicht intuitiv ist.

Einflussfaktoren auf die Bouncerate

Noch einmal fürs Verständnis, um es zu verdeutlichen:

FALSCH: Ein Absprung liegt vor, wenn nach dem ersten Seitenaufruf kein zweiter Seitenaufruf stattfand.

RICHTIG:Ein Absprung liegt vor, wenn nach dem ersten Seitenaufruf keine weitere Interaktion erfasst und an Google Analytics Server gesendet wird.

Die Betonung liegt hier auf “Interaktion” und ist ein großer Unterschied, da wir die Bouncerate auf verschiedene Weisen verändern können.

Das Absenden von 2 Hits zu Google Analytics

Eigentlich ist es nach den Erläuterungen nun ein selbsterklärender Grund, warum man mit 2 abgesendeten Hits die Bouncerate beeinflussen kann. Ruft ein Nutzer beispielsweise die Dankeseite im E-Commerce Shop auf, werden bei eingebauten Enhanced Ecommerce in Google Analytics 2 Hits gesendet. Zum einen der eigentliche Seitenaufruf und zum anderen ein Hit mit dem die Transaktionsdaten übermittelt werden. Wer beim Setup hier nicht aufpasst, bei dem wird hier die Bouncerate auf 0% sinken für die Dankeseite, da jeder Nutzer hier 2 Hits an Google Analytics sendet.

Oder als Beispiel Scrolltracking: Oft möchte man als Blogbetreiber mithilfe des Ereignistrackings herausfinden, wie weit Nutzer auf einer Seite gescrollt haben. Überlicherweise nimmt 25% Schritte, angefangen bei 0%, 25%,50%,75%,100%.

Ist das Scrolltracking über Google Tag Manager beispielsweise eingerichtet, kann dann für jede Seite ausgewertet werden. Auch hier das gleiche Problem wie oben: Wer nicht aufpasst, zerhagelt sich für jede Seite die Bouncerate, da ein 0% Scroll-Event automatisch bei jedem Seitenaufruf auch gesendet werden wird. Somit haben wir wieder 2 Hits, d.h. es gibt keine Bouncerate mehr. Doch es gibt eine Lösung.

Non Interaction = True bei Google Analytics Eventtracking

Um der Problematik zu entgehen, bei 2 Hits die Bouncerate automatisch zu beeinflussen, gibt es die Möglichkeit non interaction=true als Information mitzugeben. Google Analytics registriert zwar weiterhin den Hit als solchen und misst ihn, er interpretiert dann den jeweiligen Hit nicht mehr als Interaktion, der die Bouncerate beeinflussen kann. Dies macht immer dann sinn, wenn tatsächlich keine Interaktion mit der Seite stattgefunden hat oder Google Analytics dies annehmen soll. Für die oben genannten beiden Beispiele würde ich daher empfehlen, diesen Zusatz mit zu übermitteln. Beim Scrolltracking sollte zumindest das 0% Scrollevent den Zusatz erhalten. So ist dann auch gewährleistet, dass die Nutzer mit der Website wirklich etwas gemacht haben müssen.

Vorsicht: Mit noninteraction=true hat man ein mächtiges Werkzeug, das wohl überlegt eingesetzt werden sollte. Die Konfiguration sollte also möglichst gut durchdacht und abgestimmt sein. Im worst case fällt erst nach einigen Monaten auf, warum sich die Bouncerate der Website auffällig merkwürdig verändert hat. Wenn das Problem identifiziert und behoben wurde, bleiben leider die historischen Daten in Google Analytics trotzdem verfälscht.

Vorsicht bei der Nutzung von Filtern

Auch die Nutzung von Filtern bei Datenansichten kann die Bouncerate beeinflussen. Filter beeinflussen ganz aktiv die einlaufenden Daten. Beispiele für häufig genutzte Filter sind:

  • Ausschluss von eigenen Zugriffen mittels IP
  • Betrachtung spezifischer Bereiche der Website z.b. Shop.xy.com
  • Ausschluss von Spam
  • Vereinheitlichung von URLs

Schließt man beispielsweise bestimmte Website-Bereiche in einer Datenansicht aus, so beeinflusst das natürlich auch die Bouncerate.

Über die Filterfunktion kann die Datenqualität in Google Analytics sehr verbessert und vereinheitlicht werden, jedoch ist sie genauso gefährlich und kann sie verschlechtern.

Ein geplante und professionelle Datenansicht mit Filtern sollte immer erst in einer Testdatenansicht getestet werden, bevor sie in den Livebetrieb übergeht.

Sampling bei Google Analytics Reports

Manch ein Online-Marketeer hat es schon gehört, doch leider ist es vielen Nutzern von Google Analytics nicht präsent: Das Samplingproblem.

Besonders in der kostenlosen Variante von Google Analytics kann es passieren, dass Daten extrapoliert, also hochgerechnet werden mit einem geringeren Basisdatensatz. Google Analytics nutzt Sampling, um weiterhin performant für alle Anwender zu bleiben und die Berechnungen der Reports nicht zu lange dauern zu lassen. Das Ergebnis ist jedoch immer, dass die Daten verfälscht werden und es teilweise zu besonders hohen Abweichungen kommen kann. Insbesondere kritisch ist dies bei E-Commerce Berichten, die Business-relevante Online-Umsätze reporten sollen.

Sampling setzt immer dann ein, wenn zuviele Daten gleichzeitig abgefragt werden. Das passiert am häufigsten aus folgenden Gründen:

  • Zeitraum zu lang
  • Mehr als 500.000 Hits auf Propertyebene
  • Erweiterung der Standard User Reports durch sekundäre Dimensionen, Segmente, Filter etc.

Am häufigsten tritt das Problem auf, wenn der Zeitraum zu groß gewählt wird, womit auch der 2te Grund einhergeht, dass mehr als 500.000 Hits in diesem Zeitraum analysiert werden müssten. Bedenke: Zu Hits zählen Seitenaufrufe, Interaktionen, Transaktionen, etc.

Auch in der kostenpflichtigen Variante von Google Analytics gibt es Samping, allerdings kommt dies erst bei einer sehr viel größeren Datenmenge zum Tragen. Die Bouncerate kann also ebenfalls durch das Sampling beeinflusst werden. Das Sampling erkennt man an dem orangenen Schild oben bei einem Report. Ist dieses orange eingefärbt, wird Sampling eingesetzt und es ist Vorsicht geboten. Bei einem grünen Schild werden die kompletten Daten angezeigt und kein Sampling ist aktiv. Solange sich Nutzer nur in den Standardreports bewegen, ohne weitere Filter oder Segmente zu nutzen, wird bei beiden Versionen nicht gesampled.

Segmente können Einfluss auf die Bouncerate nehmen

Mit Segmenten lässt sich der Website-Traffic nach spezifischen Nutzerinteraktionen unterteilen. Damit lassen sich dann sehr individuelle Reports und Analysen erstellen. Segmente basieren entweder auf Nutzer- oder Sitzungsebene. Online-Marketeer müssen bei segementbasierten Analysen also immer darauf achten, wie die Segmente erstellt wurden, denn die beiden Ebenen unterscheiden sich sehr dramatisch und können natürlich auch einen Einfluss auf die Bouncerate haben.

Als Beispiel:

Wir bauen ein eigenes Segment mit nur bezahlten Traffic.

Lassen wir das Paid Traffic Segment auf Sitzungen basieren, dann werden alle Nutzer und deren Sitzungen mit einbezogen, die im gewählten Zeitraum über das Medium “cpc” auf die Website gekommen sind.

Lassen wir das Paid Traffic Segment auf Nutzer basieren, dann werden alle Nutzer und deren Sitzungen mit einbezogen, die VORHER bereits einmal über das Medium “cpc”  auf die Seite gekommen sind und nun im gewählten Zeitraum zusätzlich da waren. Dabei entscheidend ist die Laufzeit des Google Analytics Cookie, wie lange ein Nutzer zurückverfolgt werden kann.

Bei einem nutzerbasierten Segment werden also eigentlich immer mehr Nutzer und Daten berücksichtigt als bei einem sitzungsbasierten Segment. Die Wahrscheinlichkeit, dass nun gesampled wird bzw. die Bouncerates sich unterscheiden ist also sehr hoch. Daher achten Sie immer auf die gleiche Basis, wenn mit Segmenten gearbeitet wird!

DSGVO Opt-in und Opt-out und die Bouncerate

Auch beim leidigen Thema der DSGVO, bei dem nun der Cookiebanner Pflicht wurde, um Nutzer über die Verwendung von Cookies aufzuklären, gibt es Fallstricke. Die Absprungrate der Website kann auch durch diesen Banner beeinflusst werden. Dazu zwei Beispiele:

Opt-out Banner

Der Nutzer wird standardmäßig beim Aufruf der Website zunächst erfasst und Google Analytics Daten werden übermittelt. Nutzer können dann dem Tracking widersprechen und ablehnen (opt out). In diesem Fall muss ab dem Klick auf “Ablehnen” das Tracking komplett abgeschaltet werden, d.h. es dürfen keine weiteren Daten an Google Analytics gesendet werden. Für Google Analytics sind Nutzer, die einen dem Tracking widersprechen also auch ein Absprung, selbst wenn sie danach auf der Website weitersurfen sollten!

Opt-in Banner

Beim Opt-in Verfahren muss der Nutzer explizit dem Tracking zustimmen, bevor Daten an Google Analytics gesendet werden. Das heißt, der Nutzer wird erst vom Tracking erfasst, sobald er auf Akzeptieren geklickt hat. Hier kann die Absprungrate ebenfalls beeinflusst werden. Je nach Setup im Tracking tritt eines von beiden Szenarien auf.

Szenario 1: Beim Klick auf Akzeptieren wird automatisch ein Seitenaufruf der aktuellen Seite an Google Analytics gesendet. Damit ist die Einstiegsseite des Nutzers bekannt. Ebenfalls wichtig ist es auch für das Ereignis- und Conversiontracking, dass zunächst ein Seitenaufruf abgesendet wird.

Szenario 2: Beim Klick auf Akzeptieren wird kein Seitenaufruf automatisch gesendet. Erst wenn der Nutzer eine weitere Seite ansurft, wird ein Seitenaufruf gesendet.

Das Problem liegt bei Szenario 2, da hier im Gegensatz zu Szenario 1 in Google Analytics die Einstiegsseite fehlt. Die ursprüngliche Seite ist nicht bekannt, da alles erst ab dem 2. Seitenaufruf erfasst wird. Somit kann für Szenario 2 keine Absprungrate für diejenige Seite berechnet werden, bei dem der Nutzer dem Tracking zugestimmt hat. Das Ergebnis sind inkonsistente Daten.

Interpretation der Bouncerate

Da die Bouncerate wie oben beschrieben auf verschiedenste Weisen beeinflussen kann, ist es enorm wichtig, dass Online-Marketeer wissen wie sie zu interpretieren ist.

“Bouncerate ist einer der am häufigsten missverstandenen Metriken.”

Beispielsweise können Blogs mit einem Standard Google Analytics Setup eine sehr hohe Bouncerate aufweisen – Die Nutzer lesen einen Artikel und verlassen dann wieder die Seite.

Falls die Bouncerate der Seite sehr niedrig ist, bspw. Ca. 10% dann hat es wahrscheinlich technische Gründe. Es könnte eine fehlerhafte Implementierung des Trackingcodes sein oder das Versenden mehrerer Hits an den Google Analytics Server bei einer Sitzung, obwohl sie nur eine Seite angesehen hat. Dann wird Google Analytics den Besucher nicht mehr als Bouncer interpretieren und die Bouncerate dementsprechend niedriger setzen für die Seite.

6 Punkte, die man bei der Interpretation von Bouncerates berücksichtigen sollte

Daher sollte bei der Intrepretation der Bouncerate bei egal welchem Traffic folgende Dinge im Hinterkopf behalten werden:

1. Art der Website bzw. Industrie

Websites haben typischverschiedene Bouncerates je nach Typ. Wie oben beschrieben haben Blogs oder Publisher eine eher hohe Bouncerate, da die Nutzer häufig nur einen Artikel lesen und über organische Suchbegriffe auf der Seite landen. Falls es sich um eine SinglePage Application handelt oder die Website nur aus einer Seite besteht, kann die Bouncerate natürlich bis zu 100% betragen.

2. Art der Einsteigsseite

Falls ein Nutzer nach Kontaktdaten eines Unternehmens sucht und auf der Kontaktseite des Unternehmens direkt landet, dann ist es sehr wahrscheinlich, dass er danach nicht weitersurft. Folglich wird die Bouncerate auch auf solchen Einstiegsseiten höher sein.

3. Qualität der Einstiegsseite

Vor allem wichtig für bezahlten Traffic, der gezielt auf eine Landinpage gelenkt wird.

  • Falls der Inhalt der Einstiegsseite nicht mit dem Inhalt der Werbeanzeige passt,
  • falls die Seite nicht nutzerfreundlich aufgebaut ist,
  • falls sie keinen klaren Call to Action Button auf der Seite hat,

dann wird die Bouncerate natürlich höher sein.

4. Marketingchannel und Trafficqualität

Die Bouncerate varriert auch sehr stark nach Zugangskanal. Je nachdem werden andere Nutzergruppen auf die Seite gelockt, die an verschiedenen Stellen in ihrer Entscheidungsfindung stehen. Daher wird bspw. bei Displaytraffic, der Aufmerksamkeit für eine Marke erzeugen soll, die Bouncerate wesentlich höher sein als bei ganz “heißem” Traffic, der kurz vor dem Abschluss steht. Denkbar ist auch, sich die falschen Nutzer auf die Seite zu holen, die nicht der Kernzielgruppe entsprechen. Die Bouncerate wäre dementsprechend ebenfalls hoch.

5. Art der Nutzer

Es ist üblicherweise so, dass neue Nutzer häufiger Bouncen als wiederkehrende Nutzer, da sie noch nicht mit dem Inhalt der Website und Marke vertraut sind. Falls die Nutzer auf der Landingpage nicht die Antwort auf ihre ursprüngliche Suchanfrage finden, dann werden sie auch häufiger bouncen. Selbst wenn der Website-Inhalt die Antwort liefert, kann die Bouncerate hoch bleiben, wenn keine Anreize geboten werden, weiter zu surfen oder anderweitig mit der Seite zu interagieren.

6. Art der Geräte

Der Trend ist klar: Mobiler Traffic nimmt immer mehr zu auf allen Websites. Nutzer erwarten eine mobil optimierte Ansicht und eine schnelle Ladezeit. Falls diese technischen Anforderungen nicht erfüllt sind oder nicht zufriedenstellend, steigt ebenfalls die Bouncerate auf Mobilgeräten, während auf Destkop PCs die Bouncerate niedriger sein kann.

Fazit

Bei der Interpretation der Bouncerate gibt es also viele Fallstricke, auf die man achten sollte. Nur wer die Hintergründe der Berechnung einer Bouncerate verstanden hat und die technische Implementierung auf der Seite kennt, kann wirkliche Rückschlüsse daraus ziehen. Aufgrund der Vielzahl an Variablen, die auf die Bouncerate einwirken können ist es für eine belastbare Analyse unabdingbar im Vorfeld ein umfassendes Konzept für das Website Tracking zu haben, damit alle Eventualitäten abgedeckt sind. Anwender müssen bei der Bedienung jedoch immer noch an die Fallstricke denken, die einen Einfluss haben könnten.