121WATT

Haben Sie Fragen?
089 416126990

4 Methoden die Absprungrate mit Google Analytics zu messen

Keinen Artikel mehr verpassen: Jetzt Newsletter abonnieren

Meine Absprungrate liegt bei über 50%, ist das gut oder schlecht? Was ist eigentlich eine gute oder normale Absprungrate? Welche Faktoren beeinflussen Deine Absprungrate, und wie kannst Du deine Absprungrate (englisch Bounce-Rate) verringern. Diese Frage ist eine regelmäßige Frage, die ich immer wieder auf Konferenzen, in meinen Seminaren oder wenn ich für die Google Partner Akademie referriere gestellt bekomme. Ziele dieses Beitrages ist, das ich im Detail alle Hintergründe zur Absprungrate beleuchte und Du danach besser die Werte für deine Absprungrate in Google Analytics einschätzen kannst:

Dazu möchte ich in diesem Beitrag folgende Aspekte genauer beleuchten:

  • Definition: Was ist eigentlich die Absprungrate?
  • Site Engagement Model: Ein Online Marketing Framework
  • Faktoren: Welche Faktoren beeinflußen die Absprungrate?
  • Alternativen: Wie kann man eigentlich Absprungrate besser beurteilen?
  • Umsetzung: Codeerweiterung oder über Google Tag Manager (V2).
  • Interpretation: Mit den gesammelten Daten bessere Analysen machen.
  • Quellenanalyse: Facebook Ads überprüfen.
  • Zielseitenanalyse: Der Panda & Nutzersignale.
Du möchtest nicht nur wissen was die Absprungrate ist? Dann informiere dich doch gleich nach diesem Artikel über meine Google Analytics Seminar:
    • Fast Lane Institute for Knowledge Transfer Hamburg
    • Fast Lane Institute for Knowledge Transfer Hamburg
      Gasstraße 4a
      22761 Hamburg
    08.09.2016
    2-tägiges Google Analytics Seminar Fast Lane Institute for Knowledge Transfer Hamburg
    Jetzt informieren
    • Design Office München
    • Design Office München
      Luise-Ullrich-Str. 20
      80636 München
    19.09.2016
    2-tägiges Google Analytics Seminar Design Office München
    mehr Details
    • Design Office München
    • Design Office München
      Luise-Ullrich-Str. 20
      80636 München
    13.10.2016
    2-tägiges Google Analytics Seminar Design Office München
    Jetzt informieren

Was ist die Absprungrate in Google Analytics?

Die Absprungrate oder im Englischen die Bounce-Rate ist der Prozentsatz der Nutzer, die während einer Sitzung auf der Website nur eine Seite besuchen. Die Absprungrate ist damit eine wichtige Kennzahl in der Web Analyse, um die Relevanz einer Landeseite zu beurteilen, oder um zu beurteilen ob die zuführende Quelle relevant ist. Die Kalkulation der Absprungrate ist die Anzahl der Einseiten-Sitzungen/Anzahl der Gesamtsitzungen. 

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.

Detaildefintion der Absprungrate

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: Absprungrate ist die Prozentzahl (%) der Sitzungen mit einer einzigen Interaktion im Verhältnis zu allen Sitzungen.

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)

Hinweis: Der Non-Interaction Value bezieht sich auf auf das Tracken von Ereignissen. Dieser Parameter kann die Werte „true“ oder „false“ habenIst 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.

Site Engagement Modell

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

Online Marketing Strategie Framework 121WATT

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. 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) bedeutet vereinfacht, 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.

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.

75,32% Absprungrate. Ist meine Seite so schlecht?

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?

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 auf Basis von Pixeln

Scroll Tiefe nach Elementen

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 60 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 60 Sekunden noch “da ist”. Umgekehrt alle die nicht mehr nach 60 Sekunden da sind, sind in unserer Annahme “True Bouncer” also wirkliche Abspringer. Warum haben wir 60 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 60 Sekunden “lesen”, ein wirkliches Interesses an unseren Seminaren haben.

Konzept True Reader: mehr als 75s

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 siehe zum Beispiel hier bei einer unserer Websites. 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 Analytics Tracking Code

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 60000 Millisekunden und einem Limit von 1
  • Schritt 2: Definition eines Tag „True Reader 60s“, Tag Type „Universal Analytics“ mit dem Track Type „Event“ und zum Beispiel in der Category „nobounce“, in der Action „true.reader“ und dem Label „60“. 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 für 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

Im Detail sind die Schritte auch noch mal in der unten eingebetteten Slidesharepräsentation beschrieben.

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.

Quellenanalyse mit True Readern

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:

Pandanalyse mit Google Analytics

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 unserem Blogbeitrag Google Analytics und SEO  dargestellt.

Du willst dein Wissen in Google Analytics noch mehr vertiefen? Dann habe ich für dich ein passendes Seminar zu Weiterbildung in Google Analytics:

7 Kommentare zu “4 Methoden die Absprungrate mit Google Analytics zu messen”

  1. Stefan Ponitz

    23.11.2015 um 22:42

    Wow, bin sehr beeindruckt von dem Artikel.
    Als am Anfang die Absprungrate per Definition erklärt wurde, dachte ich wir bleiben da an der Oberfläche. Aber die Tiefe die dann kommt ist Beeindruckend!
    Vielen Dank!

  2. Lars Hasselbach

    03.01.2016 um 23:37

    Die Idee, einen Text über die Verweildauer der Nutzer auf der jeweiligen Seite zu bewerten, ist ja sehr einleuchtend. Allerdings wird in Google Analytics ja standardmäßig im Bereich „Verhalten“ die Kenngröße „Durchschnittliche Besuchszeit auf Seite“ ausgewiesen. Warum wird der Aufwand unternommen, nach einer gewissen Besuchszeit ein Event auszlösen, wenn dieser Wert bereits vorhanden ist?

    • Alexander Holl

      06.01.2016 um 13:31

      Hallo Lars,

      gute Frage. Tatsächlich hängt die Beantwortung der Frage mit der Art der Messung von Google Analytics zusammen. Auf Basis der Zeitmessung bei Google Analytics ist es nicht möglich die Verweildauer von Nutzern zu messen, die sich nur eine Seite ansehen (also alle die zu 100% abspringen). Gerade aber diese Betrachtung ist aber für die Erfolgsmessung von Kampagnen interessant. Zum Beispiel, wenn man Facebook Ads oder Google Adwords bucht, schickst du ja Nutzer auf eine Zielseite. Das diese mit der oben genannten Zahl nicht erfasst werden, habe ich versucht diesen Ansatz mal in diesem Blogbeitrag zu skizzieren. Wenn das nicht ganz klar war können wir aber aich gerne mal dazu telefonieren.

  3. Vanessa

    17.06.2016 um 12:12

    Wird wegen langen Ladezeit der Seiten die Absprungrate erhöht?

    • Alexander Holl

      27.06.2016 um 16:15

      Mit großer Wahrscheinlichkeit wirst Du bei langsamen Ladezeiten auch höhere Absprungraten feststelllen, da dieses ja für den Nutzer keine gute Nutzererfahrung ist. Vielleicht hilft Dir ja dieser Artikel zum Thema Pagespeed-Optimierung

  4. Jonas

    21.07.2016 um 16:07

    Hallo!
    Zunächst mal ein sehr guter Beitrag!
    Ich habe aber noch eine Frage zum „true-Reader“- Verfahren.
    Google Analytics soll ja ähnlich wie die Bounce-Rate auch die Sitzungsdauer falsch messen.

    Bewirkt eine Implementation des True-Reader-Scripts auch gleichzeitig, dass Bounce-Rate und Sitzungsdauer gefixt werden?
    Also mit „gefixt werden“ meine ich, dass die tatsächlichen und richtigen Daten der Sitzungsdauer auch an Google Analytics gesendet werden. Dadurch ergäbe sich ja eine höhere, weil richtige, Sitzungsdauer und gleichzeitig in diem Punkt ein besserer Rankingfaktor, nicht?

    Tut mir leid, falls ich die Frage etwas wirr gestellt habe.
    Mit freundlichen Grüßen

    • Alexander Holl

      29.07.2016 um 14:38

      Hallo Jonas,
      ob Google Analytics das falsch oder richtig misst, ist meiner Meinung nach eher eine Frage der Definition. http ist ein zustandsloses Protokoll, deswegen werden zum Beispiel für die Zeitmessung Cookies benötigt. Wenn man True Reader implementiert, kann man sich im Ereignis dafür entscheiden den non-interaction Wert auf „true“ zu setzen. Was bedeutet, das diese Interaktion (Ereignis) in Google Analytics nicht als Absprung gewertet wird.Im Standard reduziert ein Ereignis aber deine Absprungrate. Mehr dazu vielleicht auch noch hier http://www.lunametrics.com/blog/2014/05/06/noninteraction-events-google-analytics/.
      Die Implementierung von True Readern wird aber nichts an deinen Rankings verändern. Das Google Search Quality Team, wird ganz sicher nicht unsere Google Analytics Daten verwenden, um dem Algorithmus Daten, zur besseren Einschätzung von Nutzersignalen zu geben. Da stehen Google ganz sicher bessere Tools zur verfügung. Es ist einfach zu leicht in Google Analytics Daten zu manipulieren. Ich hoffe ich konnte schon einmal deine Frage hier besser beantworten.
      Beste Grüße Alexander

  5. Maike

    09.08.2016 um 11:16

    Hi

    Artikel wie immer hilfreich und gut! 🙂
    Ich wollte mir mal die Slideshare-Präsentation ansehen, finde die Einbettung aber nicht. Übersehe ich da was?

    Beste Grüße!

    Maike

Deine Meinung zählt, schreibe uns einen Kommentar!

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *