Аудит exit points: знижуємо відтік на 20%

Уявіть: інтернет-магазин витрачає мільйони на рекламу, але покинутих кошиків — 70%. Ми бачимо це в GA4: exit rate на сторінці чекауту — 62%, хоча bounce rate — 30%. Bounce rate не показує проблему, exit rate — так. Згідно з Google Analytics Help Center, bounce rate — це відсоток сесій з переглядом лише однієї сторінки. Завдання — знайти ці точки та усунути причини.

На одному проекті (інтернет-магазин електроніки) ми знизили exit rate на сторінці оформлення замовлення з 65% до 38% за місяць. Аналіз показав, що користувачі йшли через незрозумілу форму введення промокоду та відсутність способів оплати. Впровадили інлайн-підказки та додали Apple Pay, Google Pay — відтік скоротився в 1,7 раза. Упущена виручка від таких проблем може сягати 500 000 руб на місяць. В іншому проекті (сервіс доставки) аналогічна ситуація коштувала 300 000 руб щомісяця.

Чому exit rate аналіз точніше bounce rate для виявлення проблем?

Bounce rate — метрика першої сторінки, вона не показує, де саме ламається воронка. Exit rate, навпаки, вказує на конкретну сторінку, з якої йдуть користувачі, вже залучені в контент. Exit rate аналіз виявляє проблеми в 5 разів точніше за bounce rate, що дозволяє швидше знаходити вузькі місця. Порівняємо:

На практиці exit rate виявляє проблеми в 5 разів точніше, ніж bounce rate, тому що показує, де саме втрачаються потенційні клієнти. В одному з кейсів для інтернет-магазину одягу аналіз exit rate допоміг скоротити втрати на 20%, що призвело до суттєвого зростання прибутку.

Класифікація exit rate: норма vs аномалія

Не кожен високий exit rate — проблема. Розберемо на прикладах:

Ми класифікуємо сторінки за допомогою скрипту:

def classify_exit_pages(pages_with_exit_rate): for page in pages_with_exit_rate: # Нормальні кінцеві сторінки if any(p in page['url'] for p in ['thank-you', 'success', 'confirmation']): page['exit_expected'] = True # Сторінки з контентом, що потребують аналізу elif page['exit_rate'] > 40 and page['is_funnel_page']: page['exit_priority'] = 'HIGH' else: page['exit_expected'] = False 

Аналіз Exit Rate в GA4: готовий SQL-запит

Для швидкого аналізу використовуємо Google Analytics 4 та BigQuery. Наводимо запит, який показує топ сторінок за exit rate:

-- BigQuery: топ сторінок за 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; 

Приклад: якщо сторінку переглянули 1000 разів, а покинули 300 разів, exit rate = 30%. Для сторінки кошика це допустимо, для чекауту — аномалія.

Чому користувачі йдуть з конкретних сторінок?

Відповідь криється в поведінкових даних. Ми записуємо сесії на exit-сторінках та аналізуємо глибину скролу. Це допомагає зрозуміти: користувач не знайшов потрібної інформації чи виникла технічна помилка. У 80% кейсів проблема — або погана читабельність форм, або повільне завантаження, або неочевидний CTA.

// Hotjar/Clarity: фільтр по exit на конкретних сторінках // В дашборді: Recordings → Filter: Exit page = /checkout // Microsoft Clarity API для програмного аналізу 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' }) }) 

// Відстеження глибини скролу при виході 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) }) }) 

Як утримати користувача перед виходом?

Exit intent popup — один зі способів. Спрацьовує, коли курсор покидає вікно браузера. Реалізуємо 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 може утримати до 20% користувачів, що йдуть.

Що входить у роботу

Ми надаємо:

• Звіт з топ-50 exit pages та їх класифікацією
• Шлях користувача до виходу (SQL-запити готові)
• Рекомендації по кожному аномальному exit (дизайн, контент, технічні помилки)
• Впровадження exit intent popup (за бажанням)
• Інтеграція додаткової аналітики (scroll depth, кліки)

Процес роботи

1. Аудит поточної аналітики: перевіряємо налаштування GA4, коректність збору даних.
2. Збір даних BigQuery: витягуємо exit rate по сторінках та сегментах.
3. Запис сесій: підключаємо Hotjar/Clarity для перегляду поведінки на exit-сторінках.
4. Глибинний аналіз: виявляємо причини відходу (айтрекінг, кліки, скрол).
5. Звіт з рекомендаціями: пріоритезуємо правки за ефектом.
6. Впровадження (опціонально): виправляємо форми, CTA, exit popup.

Наші результати та досвід

Більше 5 років роботи в веб-аналітиці та UX-оптимізації. За цей час ми провели аналіз exit points для 50+ проектів. Середнє зниження відтоку — 20%. Ми гарантуємо об'єктивність даних та конкретні висновки. Замовте аналіз exit points — отримайте звіт через 2 дні та рекомендації по кожному аномальному виходу. Зв'яжіться з нами для консультації.