Poistumisprosentti (bounce rate) on verkkoanalytiikan tunnusluku, joka mittaa niiden käyntien osuutta, joissa käyttäjä poistuu sivustolta katsottuaan vain yhtä sivua ilman, että hän laukaisee mitään muuta analytiikka-alustalle määriteltyä seurattavaa vuorovaikutusta. Perinteisessä Universal Analyticsissa poistuminen määriteltiin tiukasti yhden sivun istunnoksi, jossa ei ollut muita osumia. Google Analytics 4:ssä tunnusluku on käytännössä korvattu sitoutumisasteella, ja poistumisprosentti lasketaan sen käänteislukuna: se on niiden istuntojen osuus, jotka eivät olleet sitoutuneita. Sitoutunut istunto on istunto, joka kestää vähintään 10 sekuntia, sisältää konversiotapahtuman tai sisältää vähintään kaksi sivu- tai näyttönäkymää.
Poistumisprosentti on tärkeä, koska korkea luku sivulla, jonka pitäisi ohjata kävijää eteenpäin, kuten maksetusta mainoksesta linkitetyllä aloitussivulla tai tuoteryhmäsivulla, kertoo usein epäsuhdasta kävijän odotusten ja sivun tarjoaman välillä. Syynä voivat olla hitaat latausajat, epärelevantti sisältö, sekava navigaatio tai heikko arvolupaus. Alan vertailutiedot vaihtelevat merkittävästi sivutyypin ja liikennelähteen mukaan, mutta sisältö- ja blogisivuilla poistumisprosentti on usein 60–90 prosentin välillä, kun taas verkkokauppojen etusivuilla se on tyypillisesti 20–45 prosenttia. Tunnuslukua tulee siksi aina tulkita suhteessa kyseiseen sivutyyppiin ja kanavaan eikä yhtä yleispätevää tavoitetta vasten.
Koska poistumisprosentti on karkea, istuntotason tunnusluku, se kohtelee samalla tavalla kävijää, joka lukee 2 000 sanan artikkelin kokonaan viidessä minuutissa ja poistuu tyytyväisenä, ja kävijää, joka päätyy rikkinäiselle sivulle ja poistuu kahdessa sekunnissa. Siksi analyytikot yhdistävät sen yhä useammin vierityssyvyyteen, keskimääräiseen sitoutumisaikaan ja tapahtumaseurantaan, jotta he erottavat todella huonon kokemuksen sivusta, joka yksinkertaisesti ja onnistuneesti vastasi kävijän kysymykseen yhdellä näkymällä. Liittyvä sudenkuoppa on poistumisprosentin vertailu eri analytiikkatoteutusten välillä tarkistamatta konfiguraatiota. Tapahtumaseurannan, kuten vieritys- tai videontoistotapahtumien, lisääminen sivulle voi keinotekoisesti laskea raportoitua poistumisprosenttia, koska aiemmin yhden osuman istunnot alkavat rekisteröityä sitoutuneina, vaikka kävijöiden käyttäytyminen ei olisi todellisuudessa muuttunut.
CRO-työssä poistumisprosenttia käytetään tyypillisesti seulontamittarina, jonka avulla tunnistetaan sivut, jotka ansaitsevat syvemmän tutkimuksen istuntotallenteiden, lämpökarttojen tai käyttäjätestauksen avulla, eikä lopullisena diagnoosina sellaisenaan. Aloitussivuauditoinnissa poistumisprosentti segmentoidaan yleensä liikennelähteen ja laitteen mukaan, sillä sivu, joka toimii hyväksyttävästi orgaanisen haun liikenteelle mutta jolta poistutaan runsaasti maksettujen sosiaalisen median kampanjoiden kautta, kertoo usein ristiriidasta mainoksen lupauksen ja aloitussivun sisällön välillä. Tätä kutsutaan joskus viestin vastaavuuden (message match) virheeksi. Sivun nopeus on toinen yleinen tekijä, joka kannattaa erottaa omaksi tarkastelukohdakseen, sillä Googlen tutkimuksen mukaan sivun latausajan kasvaessa yhdestä sekunnista viiteen mobiilikävijän poistumisen todennäköisyys kasvaa noin 90 prosenttia.
Poistumisprosentin merkittävä pienentäminen vaatii yleensä juurisyihin puuttumista pintapuolisten säätöjen sijaan: sivun latausnopeuden parantamista, sen varmistamista, että otsikko ja taitteen yläpuolinen pääsisältö vastaavat lähdekanavan viestintää, navigaation yksinkertaistamista ensikertalaisille sekä häiritsevien välisivujen ja ponnahdusikkunoiden poistamista, jotka voivat laukaista välittömän poistumisen. Koska poistumisprosentti yksin ei kuvaa vaikutusta liikevaihtoon, useimmat CRO-asiantuntijat seuraavat sitä yhdessä jatkotunnuslukujen, kuten konversioasteen ja keskimääräisen istunnon keston, kanssa. Sitä käytetään ensisijaisesti varoitusmerkkinä, joka osoittaa laajemmassa optimointitiekartassa priorisoitavia sivuja, eikä itsenäisenä onnistumisen mittarina.
Lisää kirjaimella B alkavia termejä
Backlink (hakukonelinkki)Bayesilainen A/B-testaus (Bayesian A/B Testing)Käyttäytymisanalytiikka (Behavioral Analytics)Benchmarking (vertailuanalyysi)Brändin tunnettuus (Brand Awareness)Murupolku (breadcrumb-navigaatio)Business case (liiketoimintakehitys- ja investointiperustelu)Business Model Canvas (liiketoimintamallin kanvas)Ostajapersoona (Buyer Persona)
