ウェブ解析における群衆の知恵への挑戦（1） — 直帰率

【序文】

この一連の記事は、NetConcepts の Allen によって特別に執筆されました。同時に、これは仕事帰りの通勤途中の地下鉄の中で完成した最初の記事でもあります。

大衆の知恵は必ずしも正しい知恵なのでしょうか？「多数決の暴政」という言葉も聞いたことがあるかもしれません。どのような分野であっても、「集合知」の影響により、IQが高いからといって必ずしも正しい判断ができるとは限りません。36krの記事にあるように、賢い人でも愚かなミスを犯してしまうことがあるのです。そこで、この一連の投稿では、Web 分析の世界における一般的な知識が、読者を誤った方向に導いている可能性がある点について考察します。この最初の記事では、直帰率に焦点を当てます。

【文章】

直帰率は、ウェブサイト分析の基本的な指標の 1 つであり、誰もがよく知っていると思います。直帰率は、ウェブサイト分析によって私たちに与えられたある種の「魔法の課題」を表しているようです。もしそれを抑制したり制御したりする力があれば、私たちは何か素晴らしいことを達成したことになるようです。

そのため、直帰率が低いほど良いと人々は信じています。しかし、「多すぎるのも少なすぎるのも良くない」という古いことわざにあるように、直帰率が低いことは期待したほど良いことではないかもしれません。

直帰率が非常に低いということは、監視技術の問題を示唆している。

いずれにしても、Web サイト (または一部の主要なランディング ページ) の直帰率が 5% 未満、または 10% 未満である場合は、監視技術に問題がある可能性があります。異常に低い直帰率を引き起こす可能性がある状況は少なくとも 2 つあります。

まず、フレーム ページ (つまり、ページが iframe または frame によってネストされているページ) の親ページと子ページの両方に監視コードが追加されている場合、ほとんどの場合、ブラウザー側でページが読み込まれるときに、監視コードが短時間に 2 回実行されます。 Google Analytics などの Web サイト分析ツールでは、2 つの異なるページが開かれたことが記録されます (親ページと子ページの URI が確実に異なるため)。そのため、ユーザーがこのページのリンクをクリックして他のページを閲覧しなかったとしても、この状況は明らかにバウンスではないとみなされます。私が見た例では、この場合の直帰率は 5% 未満でした。

2 番目は、同じページに誤って 2 つの同一の監視コードを追加した場合、または何らかの理由で、同じ監視コードが 2 回実行された場合です。その後、ページが読み込まれると、Google アナリティクスではページが 1 回更新されたかのように扱われるため、GA はこれを直帰としてカウントしません。この場合の直帰率は最初のケースよりもさらに低くなります。ただし、Adobe SiteCatalyst の場合、直帰率の定義が異なるため、この問題は発生しません。

もちろん、交通詐欺という3番目の状況もあるかもしれません。より粗雑な不正行為の場合、ロボット（またはゾンビ）が特定の事前設定されたプログラムに従ってウェブサイトを一様に訪問し、直帰率を大幅に削減します。この状況は決して喜ぶべきものではありません。

直帰率が低いことが意味するその他の否定的な情報

直帰率が異常に低い場合、技術的な問題があると判断できます。しかし、低いとはいえ、極端に低くはないのであれば、一安心できるでしょうか?

簡単に結論を出すつもりはありません。ある意味、直帰率が低いということは、他の否定的な情報も伝える可能性があります。最大の問題は、直帰率が低すぎると、新しいトラフィックが不足している可能性があるということです。

ウェブサイト分析では、商業ウェブサイトの場合、直帰率の値は新規訪問者の割合と直線的に相関していることが多いという確立されたルールがあります。場合によっては、この 2 つがほぼ 1:1 の関係にあることさえあり、これは非常に興味深いことです。より多くの新規トラフィックを獲得するために、直帰率を犠牲にすることが多いと言えますが、これは完全に理解できます。下の図は、私が監視したさまざまな規模の約 50 の Web サイトにおける直帰率と新規訪問の割合の対応を示しており、比較的明らかな線形相関が見られます。これは、予想はしていないが実際に存在する一種の「パラドックス」を意味します。つまり、直帰率が下がると予想される場合は、古いユーザーを維持するために最善を尽くすべきですが、古いユーザーの割合が大きすぎるため、Web サイトのトラフィックの状況はそれほど楽観的ではない可能性があります。

もちろん、物事は絶対的なものではなく、直帰率は新規訪問の割合だけで決まるわけではありません。たとえば、上の図では、左下隅にトレンド ラインから明らかに外れているポイントがいくつかあり、新規訪問の割合が非常に低い (10%) にもかかわらず、直帰率が依然として 50% 近くあるという「悪い」側面を示しています。さらに、直帰率と新規訪問率の全体的な傾向を見ると、新規訪問の割合が低い場合、直帰率のパフォーマンスが非常に不連続になることがわかります。次のような結論を導き出すことができるようです。つまり、新規訪問の割合が高すぎると、ほぼ確実に直帰率に影響し、直帰率が高くなる傾向があります。しかし、新規訪問の割合が低い場合、直帰率は他の要因の影響を受けることになります。これらの効果については後で説明します。

直帰率が低いということは、別の可能性も意味します。特に直帰率が突然低くなった場合は、異常な誘導や誘惑が原因と考えられます。この誘導や誘惑が意図的なものであれば非難の余地はないかもしれませんが、予期せぬ状況が発生した場合、ウェブサイト運営者に誤解を与える可能性があります。かつて、あるウェブサイトの直帰率が 1 日で突然 20% ほど低下したという例に遭遇したことがあり、それは心強いことでした。しかし、データを注意深く見てみると、ウェブサイトの売上高はまったく増加していないことがわかりました。これは常識に反しています。さらに、直帰率が下がる 1 ～ 2 週間前に、当社のチャネルの 1 つ (アート販売チャネル) がオンラインになったことがわかりました。さらに、直帰率が下がった日には、多くの Web サイト トラフィックが「ボディ アート」または「ボディ フォトグラフィー」というキーワードの検索から来ており、このトラフィックのランディング ページが当社のアート販売チャネルだったこともわかりました。興味深いことに、このチャンネルには衣服をあまり着ていない、あるいは着衣をほとんど着ていない絵画や写真がいくつかあり、それらのほうがクリック数が多くなります。しかし、いずれにせよ、これは私たちが期待していたものではありません。

実用的な観点から。確かに、直帰率が低いほうが高いよりも喜ばしいことですが、注意が必要です。直帰率が偽りのブームではなく実際の効果を反映していることを確認するために、いくつかの異常な理由を排除する必要があります。

監視要因によって異常に高い直帰率が発生するのを防ぐ

一方、直帰率が非常に高い場合、必ずしも大きな問題があるというわけではありません。言い換えれば、まずは、高い直帰率が不適切な監視によって発生していないことを確認する必要があります。

監視が不十分な場合の主な問題は、Adobe Flash や JavaScript で構成されたリンクが多数含まれるページなど、HTML 以外のインタラクティブ要素が多数含まれるページで発生する傾向があることです。

Google Analytics であれ、Adobe SiteCatalyst であれ、HTML 以外のインタラクティブ要素の場合は、GA のイベント トラッキングや仮想ページ監視機能を使用してこれらの要素をマークし、これらの要素に対するユーザーのクリック動作を記録するなどの追加のコード処理が必要です。そうしないと、これらの要素を含むすべてのインタラクティブな Web サイト分析ツールがそれらを認識できなくなります。例えば、以下のページでは、丸で囲んだボタンはすべてユーザーがクリックすることが想定されているボタンですが、これらはすべて Flash で作成されており、クリック後に開く新しいページは自分のページではありません (代わりに、他の人のページにジャンプするため、クリック後に開いたページを監視できません)。つまり、追加の監視設定がない場合、このページをランディング ページとして使用すると、このページに来たすべての訪問者がこれらのボタンを直接クリックしたとしても、このページの直帰率は非常に高くなります。これは実際の状況を反映していません。

直帰率が非常に悪い場合は、慌てずに、まず監視の問題の可能性を排除するべきだと思います。直帰率が 95% にも達する場合は、次のように対処する必要があります。まず、すべてのユーザーのクリック動作 (特に HTML 以外の要素) を監視できることを確認します。次に、ページ (または Web サイト) への新規訪問が 90% 以上であるかどうかを確認します。これらの両方のステップを確認して除外した場合、直帰率が 95% まで高くなることを本当に心配する必要があります。

まあ、実際のところ、それほど心配する必要はありません。直帰率がそれほど高くない場合、何をすべきかを見ていきましょう。

高い直帰率を引き起こす2つの状況を特定し、別々に対処する必要がある

上記の他の客観的な理由がない場合、直帰率のパフォーマンスが依然として低い場合は、ビジネスレベル（または商業レベル）から改善する必要があります。

通常、直帰率が高いということは、Web サイトに何らかの問題があり、具体的にはメインのランディング ページのパフォーマンスが低いことを意味すると考えられます。しかし、実際には、直帰率の分析と最適化を単純にウェブサイトの問題として捉えているわけではありません。

技術的な問題を除けば、本質的には、直帰率を決定する要因は 1 つだけ、つまりマッチングです。つまり、トラフィックと Web サイトのマッチングによって直帰率が決まります。

不適切な例を挙げると、あるウェブサイトが母子用品を販売しているが、そのアクセス元はすべて Diablo III のプレイヤーだ。ウェブサイトが非常にリーズナブルで美しく、商品が非常に安くて良いものであっても、直帰率は低くならないだろう。単純にトラフィックやウェブサイトのせいだと考えることはできません。根本的な問題は、この 2 つがまったく無関係であることです。

しかし、「マッチング」が唯一の正解であるというのは、最善の答えではありません。子供の頃からの学習経験から、理論は往々にして信頼できないものであることがわかります。それは、理論が間違っているからではなく、理論が正しすぎて空虚であるからです。もちろん、直帰率を低くしたいので、トラフィックをウェブサイトに一致させたいのですが、問題は、どうすればこの一致を実現できるかということです。

幸いなことに、私たちのこの問題は義務教育の教科書には載らないでしょう。そうでなければ、それは常に単なる理論のままでしょう。幸いなことに、私たちはアナリストであり、いわゆる「マッチング」問題をさらに分析する方法を知っています。マッチの両端はトラフィックとウェブサイトであるため、ミスマッチには 3 つのケースがあります。ウェブサイトは信頼できるがトラフィックがウェブサイトに適していない、またはトラフィックは信頼できるがウェブサイトがトラフィックに適していない、または両方が同時に敗者であり、どちらも非常に悪く、チャンスはありません。 3 番目のケースについては説明しません。なぜなら、最初の 2 つのケースが解決できれば、3 番目のケースの解決方法もまったく同じだからです。

トラフィックは信頼できますか?

トラフィックが信頼できるかどうかを識別するには、比較方法を使用する必要があります。一般的に、特定の Web サイトまたは重要なランディング ページについて、一部のトラフィック チャネルの直帰率が高く、他のチャネルのパフォーマンスが低い場合、一部のチャネルは Web サイト (またはランディング ページ) との適合性が高く、他のチャネルは適合性が低いと結論付けることができます。たとえば、以下の例では、weibo.com のユーザーはあなたの Web サイトをそれほど気に入っていないようです。

各トラフィック ソースは特定のグループ (または複数のグループ) を表しているため、異なるトラフィック チャネルの直帰率の違いから、対応するグループが Web サイトまたはランディング ページに満足しているかどうかを読み取ることができます。

この例では、3 番目に大きいトラフィック ソースである google/organic も確認できます。これは悪くありませんが、その友人である baidu/organic にはまだ遠く及びません。このため、どのキーワードがウェブサイトに一致しないトラフィックをもたらすのかを知りたいのです。検索エンジンのトラフィックを分解することは特に意味があります。検索エンジンのキーワードにはユーザーの興味に関する情報が含まれているためです (当然、興味のあるものだけを検索することになります)。そのため、さまざまなキーワードの直帰率は、Web サイトがこれらの興味をどの程度満たしているかを直接反映します。

そうですね、多くの人がラフィットやレイバンのメガネに興味を持っているようで、検索エンジンを通じてこの情報を含むあなたのウェブサイトを見つけることもできます。残念ながら、これらの人々はあなたにとってあまり意味がないか、あなたのウェブサイトのコンテンツが関連性のあるコンテンツで彼らを十分に惹きつけていません。

このウェブサイトは信頼できますか?

一般的に言えば、すべてのトラフィック チャネルの直帰率が非常に高い場合、トラフィック自体に問題がある可能性は低いと考えられます。

上記の例は特に典型的ではありませんが、参考になります。この重要なランディングページ（トラフィック量が多いので重要）の主なトラフィックソースの直帰率のパフォーマンスが満足できるものではないことがわかります。 360daohang_navs の直帰率も 70% 以上と高い場合、基本的にこのページの高い直帰率はトラフィックによるものではなく、それ自体または他の要因によるものであると判断できます。

ここで少し説明させてください。このランディングページの名前が「公式サイト商品詳細ページ」となっているのが分かります。実はこれは単一のページではなく、このウェブサイトの商品詳細ページをすべて集めたものです。ウェブページクラスターの分析方法は、ウェブサイト分析において非常に重要な基礎レッスンです。次回以降のブログ投稿で別の記事で紹介します。

この実際の例では、最終的に、直帰率のパフォーマンスが低いのは、トラフィックの問題ではなく、主にページ品質の問題によるものであることが判明しました。左ページなどの商品詳細ページを開くと、商品の外観、完全性保証、商品に関する具体的な注意事項の説明が極めて不足していることがわかります。このカテゴリーの製品に限ったことではありません。このサイトのすべての製品詳細ページには、詳細が極めて不足していることがわかりました。

スクリーンショットを撮る際に、意図的にもっと多くのコンテンツがキャプチャされなかったのではないかと疑問に思うかもしれません。信じてください、このスクリーンショットに映っているコンテンツは、このページにあるこの製品のすべてのコンテンツです。私がキャプチャしなかった唯一の部分は、Web サイトの著作権情報とその他のフッター コンテンツです。

詳細以外にも、このページには、オレンジ色の「カートに追加」ボタンをクリックするように人々を説得するようなコンテンツが欠けています。これはすべての製品に当てはまるので、製品詳細ページ全体で直帰率が低いのは当然のことです。

この例は、ほとんどの主要なトラフィック チャネルで特定のランディング ページでの直帰率が低い場合、最大の問題はトラフィック自体が十分ではないことではなく、ランディング ページに問題があることを示しています。

どのくらいの直帰率が良いのでしょうか、またどのくらいの直帰率が悪いのでしょうか?

最後に、直帰率のベンチマークをまとめてみましょう。なぜなら、私の友人たちは私の直帰率が健全かどうかを尋ね続けるのですが、私はいつも満足のいく答えを返せていないと感じているからです。

その理由は、私が「反ベンチマーク」だからです。

各ウェブサイトには多くの違いがあるため、ウェブサイト分析のベンチマークを比較することは困難です。記事の中で、ベンチマークの追求は実は無意味だと特に言及しました：ウェブサイト分析に関する10大誤解と代替案（パート3）。

しかし、どの程度の直帰率が健全とみなされるのか、まだ疑問が残ります。

以下にいくつかの実証データを示しますが、これは参考用です。あくまでも参考用であることを忘れないでください。

これらのベンチマークを作成するには、まず、重要な要素が干渉していないこと、つまり、サイトへの新規ユーザーの割合が一定で約 30% であることを確認する必要がありました。この前提に基づいて、Web サイトのさまざまな直帰率が何を示しているかを見てみましょう。

10% 未満: 直帰率が 10% 未満の場合、Google、Baidu、Sina などの一部の優れた Web サイトを除き、監視の問題を示している可能性があります。

10%～20%: 監視の問題が発生する可能性はまだありますが、別の可能性としては、さまざまな訪問者にクリックを強く促すコンテンツが Web サイトにあることが挙げられます。

20%-40%: 兄さん、あなたのウェブサイトは素晴らしいですね!

40%-60%: 最高ではないが、悪くもない!

60%-70%: 主要なランディング ページのどれがパフォーマンスが低いかを確認する必要があります。新規ユーザーの割合は 30% に制限されているため、直帰率が 60% を超える場合は、Web サイトのコンテンツに問題があることを示している可能性があります。

70%～90%: 重大な問題があり、ランディング ページをすぐに修正する必要があります。

90% 以上: すぐに Web サイトを更新する必要があります。それでも問題が解決しない場合は、Web サイトのサーバーに問題がないか確認してください。 70% の古いユーザーの場合、直帰率は依然として 90% を超えています。Web サイトが管理されなくなったか、サーバーに問題があり、ページをスムーズに読み込めない状態です。

次号

読者の皆さんに貢献するために、このシリーズでさらにいくつかの記事を書くつもりです。このシリーズに期待することがあれば、メッセージを残してください。この記事について何かご提案がある場合、または私と議論したい場合は、メッセージを残してください。ありがとうございました！次回は、私たちがよく使うツールであるヒートマップに焦点を当てます。この分野で群衆の知恵がどのような落とし穴を投げかける可能性があるか、そしてそれをどのように回避できるかを見てみましょう。

[この記事の著作権はCWAと原作者の宋星に帰属します。転載を希​​望される場合は著者にご連絡ください]

原題: ウェブサイト分析における一般大衆の知恵への挑戦 (1) — 直帰率

キーワード: チャレンジ、ウェブサイト分析、パブリック、知恵、バウンス、レート、紹介、ウェブマスター、ウェブサイトのプロモーション、収益