如何根据跳出率和退出率分析亚马逊Listing优化

如何根据跳出率和退出率分析亚马逊Listing优化

一、正确理解跳失率和退出率

首先为大家解释这两个名词

顾名思义:

跳出是指只看了一眼就关闭了这个网页或者跳转新的网页。

举个例子,客户通过关键词找到了你的产品但是只看了一眼就把你的详情页关掉或者到别产品详情页的一个过程。比如你现在想在亚马逊上购买一个牙刷,当你进入你心仪的牙刷详情页浏览了一会忽然发现有个更好的牙刷展示在下面的广告或推荐里。然后你点击那个产品结果你就离开了A页面到了B页面(如图1)。

如何根据跳出率和退出率分析亚马逊Listing优化(着陆页面)初探

图一

退出是指看了很久还是没有找到自己需要的产品然后关闭网页。

比如说客户需要一把牙刷,但是客户看了很多产品还是因为各种原因没有下单而退出网页的过程。

顺便再贴一个谷歌GA官方的解释:

一、 跳出率和退出率的区别

此处所说跳出率和退出率是基于Google analytics的度量标准。

跳出率(Bounce Rate)也被称为蹦失率:浏览单页即退出的次数/访问次数=single access/entry visits。

退出率 exit rate:从该页退出的的页面访问数/进入该页的页面访问数= exit pv/pv(注意这里面的访问数和一般概念的visits是不一样的 其实是指pv,非visits。

关于pv和visits 则是指:

1.在Google analytics上,每个页面每次加载将被记为一次PV。举例来说,一次用户访问页面顺序为:页面A->页面B->页面A,然后离开了你的站点,那这次用户访问(Visits)的PV总计为3次

2. 一次用户访问(Visits)(或会话(Session)是一系列浏览器和网站的相互作用。关闭浏览器或者在网站停留30分钟而无任何操作将结束这次用户访问(Visits)。举例来说:一个用户访问Google Store,设置了GA检测的网站。当他访问第二个网页时接到了一个电话,他对着电话讲了31分钟,期间没有任何对网站的操作,电话结束后,他在继续在网站上进行他未完成的操作,GA将把这记为他的另一次访问(Visits)或会话(Session)。注意:访问(Visits)或会话(Session)是可以互相替换使用的两个词。

其中:

跳出率只能衡量该页做为着陆页面(Landing Page)的访问, 跳出率分母等于Landing Page的visits ,分子也是指跳出的visits。

退出率则是针对全部的访问页面不限于着陆页面(Landing Page),任何页面都有退出率。比如不想购买了退出,比如支付成功退出。

退出率的分子=退出的次数(包括一次访问过程中用户浏览单页即跳出的次数,也包括浏览多页后从该页面退出的次数。)

退出率的分母=进入该页的页面访问次数=该页的所有访问pv(综合浏览量)。

进入的次数包括用户重复浏览该页的次数,因此可理解为综合浏览量。

二、google analytics和Omniture关于退出率的定义区别:

google analytics里面计算退出率分子分母是计算pv的,而Omniture是exit/visit。

当然google analytics和Omniture里面计算跳出率都是计算访问次数visits的。

EG:

10个visits来到a页面 ——5个visits直接离开,3个visits去b页面 (2个visits去c页面然后直接离开)。 b页面的3个visits有2个visits返还a页面最终从a页面离开。

如何根据跳出率和退出率分析亚马逊Listing优化(着陆页面)初探

计算a页面的于Bounce Rate和Exit Rate 分别就是(5/10) *100% 和 (5+2/10+2 )*100%

这是Google analytics里面的退出率的计算 ,在Omniture是算exit/visit,也就意味着这个值是(5+2)/10*100%

换个条件 ,如果从b页面返还a页面的2个visit ,一个visits去d页面,一个visit去f 页面,然后1visit从d页面返还a页面并最终离开。

如何根据跳出率和退出率分析亚马逊Listing优化(着陆页面)初探

这个时候计算a页面的Bounce Rate和Exit Rate 分别就是(5/10)*100% 和 ( 5+2+1/10+2+1)*100%

目前我们已经在字面意思理解了跳出与退出的区别,那么下面Follow Me进行下面的研究吧。

因为亚马逊销售并不是在自己的独立站而是借用平台,所以我们无法改变平台的一些规则,因此这里着重来研究跳出率对我们优化Listing的重要性。

小明在亚马逊开了一家店,专注各类母婴用品。每天都有人点击,但是购买的人不多。半年后,他的亚马逊店倒闭了……经过统计,他得出了一个结论:因为自己平时没有及时关注客户的跳失率,而导致越做越差进而失去信心只能改行。

大家肯定不想重蹈小明的覆辙,毕竟我们投入了时间和金钱,而且很多人都是投的起赔不起,那么我们应该怎样去做呢?请看我下面的内容。

三、总的来说,跳出率(Bounce Rate)的大小反映了你的Listing 详情页的质量。

跳出率太高说明:

1.访客的期待与实际网站内容不符,原因可能是外面的广告或链接有夸大或偏颇(比如标题、图片)。

2.网站第一页让访客读完就罢,没有太多设计去引导访客进一步探索网站其他地方。(如Q&A、Review(最好是带图片或者视频).

3.出现一星差评.

4.客户通过一些比对软件发现价格变化过于频繁,目前是最高价。

5.图片过于简单或者不是白底、不清晰,没有场景图等。

6.产品卖点以及描述太过于死板或者漏洞百出。

7.下方出现了更具有优势的亚马逊推荐商品。

8.关键词或者自动广告偏差,产品并不是客户想要的,但是无聊点进去看看。

9.服务器出现问题或者网页读取时间太长等原因(超过2秒跳出率呈几何量级增长)。

四、面对跳出率高,我们如何优化?

跳出率可以用在外部流量渠道分析和付费关键字广告的分析上面,对于那些跳出率过高的渠道,一方面我们要分析,是不是渠道客户群和网站定义客户群有偏差,比如亚马逊推广联盟,亚马逊自动广告关键词优化,哪些具有竞争的ASIN和关键词我们应该暂时屏蔽或者屏蔽掉(也是用于手动关键词)。

在这里我们完全可以采取A/B Test(对照组)搭配页面热力图和多变量分析怎样减少跳出率。

建立两个Listing(同样可以用在广告组里):

1.一个用关键词堆砌/一个不堆砌。

2.一个图片做的一般/一个精美。

3.一个详情页面言词达意/一个马马虎虎。

4.一个推精准关键词/一个推宽泛关键词。

5.一个做外部引流,比如各大Deal站,Facebook,Twitter,Instagram等/一个不做。

6.当然A/B对照组不止以上这些,其实任意一个变量不同都可以成为你研究的对象,我这里只是提供一些参考。

等等等

五、退出率(exit rate )的大小反映了你的平台客户留存率。

退出率不能用来分析网站所有的页面,只能用来分析特定流程中的某些页面能不能满足用户的需求(交互)的问题。一般认为退出率高需求没有得到满足,但在特定页面不能用退出率衡量用户需求问题。    如果客户需要得到满足直退出,退出率高是很正常的,如电子商务网站的支付成功页面,其他网站的客户服务(eg:联系我们,关于我们)此类页面,退出率一般肯定很高。用户结算支付完需求得到满足,用户知道联系方式需求得到满足。

退出率还反映在页面内容的吸引性,call to action能不能激励用户。另外从网站技术角度来说,页面太大不能被完全加载,页面没有返回任何其他页面的链接入口,也是造成退出率过高的问题.

留言

微信小程序搜索业立企服立享满10减4元优惠