Аудит exit points: снижаем отток на 20%

Представьте: интернет-магазин тратит миллионы на рекламу, но брошенных корзин — 70%. Мы видим это в GA4: exit rate на странице чекаута — 62%, хотя bounce rate — 30%. Bounce rate не показывает проблему, exit rate — да. Согласно Google Analytics Help Center, bounce rate — это процент сессий с просмотром только одной страницы. Задача — найти эти точки и устранить причины.

На одном проекте (интернет-магазин электроники) мы снизили exit rate на странице оформления заказа с 65% до 38% за месяц. Анализ показал, что пользователи уходили из-за непонятной формы ввода промокода и отсутствия способов оплаты. Внедрили инлайн-подсказки и добавили Apple Pay, Google Pay — отток сократился в 1,7 раза. Упущенная выручка от таких проблем может достигать 500 000 руб в месяц. В другом проекте (сервис доставки) аналогичная ситуация стоила 300 000 руб ежемесячно.

Почему exit rate анализ точнее bounce rate для выявления проблем?

Bounce rate — метрика первой страницы, она не показывает, где именно ломается воронка. Exit rate, напротив, указывает на конкретную страницу, с которой уходят пользователи, уже вовлечённые в контент. Exit rate анализ выявляет проблемы в 5 раз точнее bounce rate, что позволяет быстрее находить узкие места. Сравним:

На практике exit rate выявляет проблемы в 5 раз точнее, чем bounce rate, потому что показывает, где именно теряются потенциальные клиенты. В одном из кейсов для интернет-магазина одежды анализ exit rate помог сократить потери на 20%, что привело к существенному росту прибыли.

Классификация exit rate: норма vs аномалия

Не каждый высокий exit rate — проблема. Разберём на примерах:

Мы классифицируем страницы с помощью скрипта:

def classify_exit_pages(pages_with_exit_rate): for page in pages_with_exit_rate: # Нормальные конечные страницы if any(p in page['url'] for p in ['thank-you', 'success', 'confirmation']): page['exit_expected'] = True # Страницы с контентом, требующие анализа elif page['exit_rate'] > 40 and page['is_funnel_page']: page['exit_priority'] = 'HIGH' else: page['exit_expected'] = False 

Анализ Exit Rate в GA4: готовый SQL-запрос

Для быстрого анализа используем Google Analytics 4 и BigQuery. Приводим запрос, который показывает топ страниц по exit rate:

-- BigQuery: топ страниц по exit rate WITH page_views AS ( SELECT user_pseudo_id, session_id, event_name, page_location, event_timestamp, LEAD(event_name) OVER ( PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ) AS next_event FROM `project.analytics.events_*` WHERE event_name = 'page_view' ), exits AS ( SELECT page_location, COUNT(*) AS page_views, SUM(CASE WHEN next_event IS NULL THEN 1 ELSE 0 END) AS exits FROM page_views GROUP BY page_location ) SELECT page_location, page_views, exits, ROUND(exits * 100.0 / page_views, 1) AS exit_rate FROM exits WHERE page_views > 100 ORDER BY exit_rate DESC LIMIT 50; 

Пример: если страницу просмотрели 1000 раз, а покинули 300 раз, exit rate = 30%. Для страницы корзины это допустимо, для чекаута — аномалия.

Почему пользователи уходят с конкретных страниц?

Ответ кроется в поведенческих данных. Мы записываем сессии на exit-страницах и анализируем глубину скролла. Это помогает понять: пользователь не нашёл нужной информации или возникла техническая ошибка. В 80% кейсов проблема — либо плохая читаемость форм, либо медленная загрузка, либо неочевидный CTA.

// Hotjar/Clarity: фильтр по exit на конкретных страницах // В дашборде: Recordings → Filter: Exit page = /checkout // Microsoft Clarity API для программного анализа fetch('https://api.clarity.ms/export/1.0/sessions', { method: 'POST', headers: { Authorization: `Bearer ${token}` }, body: JSON.stringify({ projectId: 'xxx', filters: [{ field: 'exitPage', operator: 'contains', value: '/checkout' }], startDate: 'YYYY-MM-DD', endDate: 'YYYY-MM-DD' }) }) 

// Отслеживание глубины скролла при выходе let maxScroll = 0 let lastScrollTime = Date.now() window.addEventListener('scroll', () => { const scrollPercent = Math.round( (window.scrollY / (document.body.scrollHeight - window.innerHeight)) * 100 ) maxScroll = Math.max(maxScroll, scrollPercent) lastScrollTime = Date.now() }) window.addEventListener('beforeunload', () => { gtag('event', 'exit_scroll_depth', { page_path: window.location.pathname, max_scroll_percent: maxScroll, time_on_page: Math.round((Date.now() - pageLoadTime) / 1000) }) }) 

Как удержать пользователя перед уходом?

Exit intent popup — один из способов. Срабатывает, когда курсор покидает окно браузера. Реализуем через JavaScript:

let exitIntentShown = false document.addEventListener('mouseleave', (e) => { if (e.clientY <= 0 && !exitIntentShown) { exitIntentShown = true showExitPopup() gtag('event', 'exit_intent_triggered', { page_path: window.location.pathname }) } }) function showExitPopup() { document.getElementById('exit-popup').classList.remove('hidden') } 

Exit intent popup может удержать до 20% уходящих пользователей.

Что входит в работу

Мы предоставляем:

• Отчёт с топ-50 exit pages и их классификацией
• Путь пользователя до выхода (SQL-запросы готовы)
• Рекомендации по каждому аномальному exit (дизайн, контент, технические ошибки)
• Внедрение exit intent popup (по желанию)
• Интеграция дополнительной аналитики (scroll depth, клики)

Процесс работы

1. Аудит текущей аналитики: проверяем настройки GA4, корректность сбора данных.
2. Сбор данных BigQuery: извлекаем exit rate по страницам и сегментам.
3. Запись сессий: подключаем Hotjar/Clarity для просмотра поведения на exit-страницах.
4. Глубинный анализ: выявляем причины ухода (айтрекинг, клики, скролл).
5. Отчёт с рекомендациями: приоритезируем правки по эффекту.
6. Внедрение (опционально): исправляем формы, CTA, exit popup.

Наши результаты и опыт

Более 5 лет работы в веб-аналитике и UX-оптимизации. За это время мы провели анализ exit points для 50+ проектов. Среднее снижение оттока — 20%. Мы гарантируем объективность данных и конкретные выводы. Закажите анализ exit points — получите отчёт через 2 дня и рекомендации по каждому аномальному выходу. Свяжитесь с нами для консультации.