Bounce Rate是网站分析中一个比较有意思的度量，也是Avinash Kaushik个人比较喜欢的一个度量，目前网上对它的讨论也比较多。个人比较喜欢Sidney的翻译——崩失率，音译和意译兼备。原本一直以为Bounce Rate的定义就是只浏览了单个页面的访问量占总访问量比率，无论是Google Analytics的“Single PV Visits/Total Visits”还是Omniture的“Single Page Visits/Total Visits”，计算的方法都较为类似。但最近在翻Avinash Kaushik的《Web Analytics》时，发现Avinash Kaushik对Bounce Rate的定义推荐使用Time on Site，即访问的停留时间小于10秒或5秒的访问量所占的比例，不知道是不是因为这本书出版已经有点时间了的关系，不知道《Web Analytics 2.0》中对Bounce Rate的定义是怎么样的。
但是无论用Visits的页面数还是Time on site来定义Bounce Rate，其实都存在陷阱，都会引起Bounce Rate过高。
Bounce Rate中的陷阱
先来说说为什么Avinash Kaushik推荐使用Time on Site，据《Web Analytics》中Bounce Rate相关内容章节中的介绍，Avinash Kaushik是根据实践的经验得出用户在网站的停留时间小于10秒时，一般无法完成一次有效的交互（Engagement）。当然根据网站类型的不同，Bounce的Time on Site的可以在5-10秒这个区间里面选择一个合适的值。
之所以使用停留时间，而不用浏览的页面数，是因为用单页面的访问来定义Bounce是不准确的。就像基于Wordpress的博客，可能很多用户只需要访问首页就可以浏览最新发布的文章，也就是说虽然只访问了一个页面但达到了期望的目的——浏览该博客最近发布的文章，基于RSS的订阅也是这种情况，那么我们就不能认为这类访问是Bounce的。再举个更直观的例子，Twitter上包括查看最近tweets或发布tweet，其实都是在同一URL——twitter.com下完成的，如果单纯使用单页面访问来定义Bounce Rate，估计Twitter.com的Bounce Rate会达到98%以上，这样就无法真正体现Bounce Rate指标的意义了。
既然用Page或PV=1来衡量Bounce存在以上的弊端，那么为什么这么多的网站分析工具还是使用这一标准呢？首先我们必须清楚Avinash Kaushik推荐使用Time on Site是基于一定的前提的，即网站的停留时间可以进行准确的测量，而现在停留时间的普遍计算方法是存在缺陷的，可以参考我之前的文章——WEB日志的作用和缺陷中对停留时间缺陷的说明。当然也有一些特殊的方法是可以获得用户离开网站的时间点的，如用户点击链接时的页面重定向，关闭浏览器时弹出隐藏窗口等，这些技术因为其实现方式在某些程度上会影响用户的使用，或让用户感觉不适，被认为是不雅的手段，所以一般不建议使用。
所以一般我们是很难得到用户真正离开网站的时间点的，当前一些流行的分析工具也是如此，这就会导致Time on Site无法得到准确的测量，那结果就是所有单页面的Visits的Time on Site都是0，而那些0<Time on Site<10s的Visits其实只是那些从进入页面到离开页面停留时间小于10秒的访问，而不是真正的访问停留时间就一定小于10秒（我们无法知道他在最后一个页面的停留时间）。这种情况下的Time on Site将会把我们引入一个更深的陷阱，所以目前的大部分分析工具基于其本身获取数据的能力选择“单个页面的访问量占总访问量比率”作为Bounce Rate也是可以理解的，或者更像是一个无奈之举。
所以，对于Bounce Rate其实可以保持谨慎的乐观，也许你的网站并没有分析数据上显示的这么糟。那么Bounce Rate这个有趣的度量有没有更加有效的定义方法呢？我目前还没有找到，欢迎大家回复讨论。