Bounce Rate是網站分析中一個比較有意思的度量，也是Avinash Kaushik個人比較喜歡的一個度量，目前網上對它的討論也比較多。個人比較喜歡Sidney的翻譯——崩失率，音譯和意譯兼備。原本一直以為Bounce Rate的定義就是只浏覽了單個頁面的訪問量占總訪問量比率，無論是Google Analytics的“Single PV Visits/Total Visits”還是Omniture的“Single Page Visits/Total Visits”，計算的方法都較為類似。但最近在翻Avinash Kaushik的《Web Analytics》時，發現Avinash Kaushik對Bounce Rate的定義推薦使用Time on Site，即訪問的停留時間小於10秒或5秒的訪問量所占的比例，不知道是不是因為這本書出版已經有點時間了的關系，不知道《Web Analytics 2.0》中對Bounce Rate的定義是怎麼樣的。
但是無論用Visits的頁面數還是Time on site來定義Bounce Rate，其實都存在陷阱，都會引起Bounce Rate過高。
Bounce Rate中的陷阱
先來說說為什麼Avinash Kaushik推薦使用Time on Site，據《Web Analytics》中Bounce Rate相關內容章節中的介紹，Avinash Kaushik是根據實踐的經驗得出用戶在網站的停留時間小於10秒時，一般無法完成一次有效的交互（Engagement）。當然根據網站類型的不同，Bounce的Time on Site的可以在5-10秒這個區間裡面選擇一個合適的值。
之所以使用停留時間，而不用浏覽的頁面數，是因為用單頁面的訪問來定義Bounce是不准確的。就像基於Wordpress的博客，可能很多用戶只需要訪問首頁就可以浏覽最新發布的文章，也就是說雖然只訪問了一個頁面但達到了期望的目的——浏覽該博客最近發布的文章，基於RSS的訂閱也是這種情況，那麼我們就不能認為這類訪問是Bounce的。再舉個更直觀的例子，Twitter上包括查看最近tweets或發布tweet，其實都是在同一URL——twitter.com下完成的，如果單純使用單頁面訪問來定義Bounce Rate，估計Twitter.com的Bounce Rate會達到98%以上，這樣就無法真正體現Bounce Rate指標的意義了。
既然用Page或PV=1來衡量Bounce存在以上的弊端，那麼為什麼這麼多的網站分析工具還是使用這一標准呢？首先我們必須清楚Avinash Kaushik推薦使用Time on Site是基於一定的前提的，即網站的停留時間可以進行准確的測量，而現在停留時間的普遍計算方法是存在缺陷的，可以參考我之前的文章——WEB日志的作用和缺陷中對停留時間缺陷的說明。當然也有一些特殊的方法是可以獲得用戶離開網站的時間點的，如用戶點擊鏈接時的頁面重定向，關閉浏覽器時彈出隱藏窗口等，這些技術因為其實現方式在某些程度上會影響用戶的使用，或讓用戶感覺不適，被認為是不雅的手段，所以一般不建議使用。
所以一般我們是很難得到用戶真正離開網站的時間點的，當前一些流行的分析工具也是如此，這就會導致Time on Site無法得到准確的測量，那結果就是所有單頁面的Visits的Time on Site都是0，而那些0<Time on Site<10s的Visits其實只是那些從進入頁面到離開頁面停留時間小於10秒的訪問，而不是真正的訪問停留時間就一定小於10秒（我們無法知道他在最後一個頁面的停留時間）。這種情況下的Time on Site將會把我們引入一個更深的陷阱，所以目前的大部分分析工具基於其本身獲取數據的能力選擇“單個頁面的訪問量占總訪問量比率”作為Bounce Rate也是可以理解的，或者更像是一個無奈之舉。
所以，對於Bounce Rate其實可以保持謹慎的樂觀，也許你的網站並沒有分析數據上顯示的這麼糟。那麼Bounce Rate這個有趣的度量有沒有更加有效的定義方法呢？我目前還沒有找到，歡迎大家回復討論。