案例分析——仅关注Bounce Rate是不够的

　　Bounce Rate （中文：跳出率【GA叫法】、蹦失率【宋星娱乐叫法】、1 – 二跳率【国内普遍叫法】、单页面访问率【百度统计叫法】）一直是本站搜索引擎来源的重要关键词之一。

　　从事网站分析的朋友们都清楚该度量在网站分析过程中的重要作用：了解用户在 Landing Page (登陆页) 的参与度，帮助网站优化页面，帮助优化流量来源。然而，如果 Bounce Rate 不值得信赖怎么办？

　　作为网站优化过程中的重要度量 Bounce Rate，一般是可靠的。但如果有问题的流量过来的话， Bounce Rate 就会受到污染，而失去可靠性。早在2007年10月，扫地老僧就撰文写过题为《购买流量总结》的文章，描述了问题流量对 Bounce Rate 的影响。

　　我简单的总结该文章内容：在不同时期从两个流量出售网站上购买流量后，一股流量使 Landing Page 的 Bounce Rate 达到 99.73%，一股流量使 Landing Page 的 Bounce Rate 达到 46.28%。作者深入分析结果是两股流量都没有价值，前者对页面的点击互动极少，后者对页面的点击互动不合乎常理。

　　这说明 Bounce Rate 是很容易被操纵的，我称之为“被管理”。通过虚假互动的作用，可以让它很高，也可以让它很低。

如果“设置”导入的流量不做任何行为，就可以让 Bounce Rate 升高；
如果“设置”导入的流量具有点击行为，就可以让 Bounce Rate 降低。

　　让我们看看两个页面的案例，来了解 Bounce Rate 在虚假互动影响下的“腐败”：【未完，请点击上面文章标题阅读全文】

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]

案例一：

　　在某年的4月至5月期间，某站的 Bounce Rate 只有66.92%，这是一个“非常好”的网站。这么好质量的网站，用户都关注了什么内容呢？我把 Top 10 Content 的数据导出来（考虑到隐私，我把页面URI进行了适当的省略）：

　　这些红色字体的内容是什么呢？经查验，大量的互动行为都点击在页面底部的：合作伙伴(hzhb)、投稿指南(tgzn)、广告服务(ggfw)、使用条款(sytk) ……

　　所以一切都非常逻辑清晰了：绝大部分流量都是没有价值的、作弊的！尽管有大量的互动点击行为，Bounce Rate “被”降低，可是这些互动行为都不合常理地点击页面的底部。

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]

案例二

　　在案例一中，虚假互动行为全部集中在页面的底部。我们知道页面“头部Header”与“底部Footer”往往是一个网站共用的。这样虚假的流量通过“设置”后，无论登陆该站哪个指定页面都能进行统一的“一套虚假互动”，从而使整个大站下的所有 Landing Page 页面 Bounce Rate 得到“被优化”。

　　案例二将描述更高明的虚假互动。按照常理，一个页面最受欢迎且最容易被点击的内容都在第一二屏。所以作为 Landing Page ，页面中的大部分点击行为都会集中在页面的中上部。下边是我引用的Google的标准点击热图(Heat Map)。

　　与案例一不同，这个案例的 Bounce Rate 一点也不出众。打开GA，查看其 Bounce Rate 有87.88%，而且一直非常的稳定，这是不容易引起人们注意的。然而，最危险的欺骗，往往是在最平凡的外表下的。起初没有发现这页面的问题所在，可是当对 Landing Page 进行 Heat Map 分析的时候，问题出现了：

　　用户在点击推广广告，来到 Landing Page 后的互动行为中最受欢迎的10大点击链接如下表，分散地点击在不同的位置上。

　　于是，我把这10大点击内容标注在页面上。结果发现，这些内容都是在页面中第三屏以下的内容。令人惊讶的是，排名第一的链接居然是页面的底部偏上。后来再仔细研究，第一屏与第二屏众多链接内容，居然没有一个能排进前20名。

　　所以逻辑已经清晰：虚假互动行为是可以“被管理”的，可以分散地“被点击”页面中的多个内容，Bounce Rate 也将会“被”降低。也就是说，实际的这个页面真正 Bounce Rate 至少有99%以上，之所有能够到87.88%，完全是虚假互动行为所致。

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]  

　　有人问：也许第一二屏的内容的确就不吸引人，下面的内容就足够的吸引人。事实上，在实际案例背后，分析师还有项目的更多佐证信息帮助研究判断，在此有限篇幅就不作冗余说明。主要的思想是为了说明：虚假互动行为是能够“被管理”的。

　　聪明的你也许会想到，如果虚假互动行为“管理”得好，全部集中在第一二屏的话，Heatmap 研究估计就没有作用了。那还有没有一种有效的办法可以快速识别虚假互动呢？

　　有方法的！在我被“虚假互动”持续困扰一年后，通过Google Analytics工具，找到一个不错的方法。敬请关注下周文章：《新度量——深度互动时间》