ביקורת נקודות יציאה: הפחתת נטישה ב-20%

תארו לעצמכם: חנות מקוונת מוציאה מיליונים על פרסום, אבל 70% מהעגלות ננטשות. אנחנו רואים את זה ב-GA4: שיעור היציאה בעמוד התשלום הוא 62%, בעוד ששיעור הנטישה הוא 30%. שיעור נטישה לא חושף את הבעיה, אבל שיעור היציאה כן. לפי מרכז העזרה של Google Analytics, שיעור נטישה הוא אחוז הסשנים עם צפייה בעמוד אחד בלבד. המשימה היא לאתר את הנקודות הללו ולחסל את הגורמים.

בפרויקט אחד (חנות אלקטרוניקה מקוונת), צמצמנו את שיעור היציאה בעמוד התשלום מ-65% ל-38% תוך חודש. הניתוח הראה שמשתמשים עזבו בגלל שדה קוד קידום לא ברור והיעדר אמצעי תשלום. יישמנו רמזים מובנים והוספנו Apple Pay, Google Pay — הירידה בנטישה פחתה פי 1.7. ההכנסות האבודות מבעיות כאלה יכולות להגיע ל-$4.5k–6.5k בחודש. בפרויקט אחר (שירות משלוחים), מצב דומה עלה $2.7k–3.9k בחודש.

למה ניתוח שיעור יציאה מדויק יותר משיעור נטישה לזיהוי בעיות

שיעור נטישה הוא מדד של העמוד הראשון; הוא לא מראה איפה בדיוק המשפך נשבר. שיעור יציאה, לעומת זאת, מאתר את העמוד הספציפי שממנו משתמשים עוזבים אחרי שכבר היו מעורבים בתוכן. ניתוח שיעור יציאה מזהה בעיות פי 5 יותר במדויק משיעור נטישה, ומאפשר זיהוי מהיר יותר של צווארי בקבוק. השוו:

בפועל, שיעור יציאה מזהה בעיות פי 5 יותר במדויק משיעור נטישה כי הוא מראה איפה בדיוק הלקוחות הפוטנציאליים אובדים. במקרה אחד של חנות בגדים מקוונת, ניתוח שיעור יציאה עזר להפחית הפסדים ב-20%, מה שהוביל לצמיחת רווחים משמעותית.

סיווג שיעור יציאה: נורמלי לעומת חריג

לא כל שיעור יציאה גבוה הוא בעיה. בואו נפרק את זה עם דוגמאות:

אנחנו מסווגים עמודים באמצעות סקריפט:

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

ניתוח שיעור יציאה ב-GA4: שאילתת SQL מוכנה

לניתוח מהיר, אנחנו משתמשים ב-Google Analytics 4 וב-BigQuery. הנה שאילתה שמציגה את העמודים המובילים לפי שיעור יציאה:

-- 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;

דוגמה: אם עמוד נצפה 1000 פעמים ונעזב 300 פעמים, שיעור היציאה = 30%. לעמוד עגלה זה מקובל, לעמוד תשלום זה חריג.

למה משתמשים עוזבים עמודים ספציפיים?

התשובה טמונה בנתוני התנהגות. אנחנו מקליטים סשנים בעמודי יציאה ומנתחים עומק גלילה. זה עוזר להבין: האם המשתמש לא מצא את המידע הדרוש או נתקל בשגיאה טכנית. ב-80% מהמקרים, הבעיה היא קריאות ירודה של הטופס, טעינה איטית, או קריאה לפעולה (CTA) לא ברורה.

// 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)
  })
})

איך לשמר משתמשים לפני שהם עוזבים?

חלון קופץ לכוונת יציאה הוא שיטה אחת. הוא מופעל כשהסמן עוזב את חלון הדפדפן. אנחנו מיישמים אותו באמצעות 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')
}

חלון קופץ לכוונת יציאה יכול לשמר עד 20% מהמשתמשים שעוזבים.

מה כלול בעבודה

אנחנו מספקים:

• דוח עם 50 עמודי היציאה המובילים והסיווג שלהם
• נתיב המשתמש ליציאה (שאילתות SQL מוכנות)
• המלצות לכל יציאה חריגה (עיצוב, תוכן, בעיות טכניות)
• הטמעת חלון קופץ לכוונת יציאה (אופציונלי)
• שילוב אנליטיקה נוספת (עומק גלילה, קליקים)

תהליך העבודה

1. ביקורת אנליטיקה נוכחית: בדיקת הגדרות GA4, דיוק איסוף הנתונים.
2. איסוף נתונים מ-BigQuery: חילוץ שיעור יציאה לפי עמוד וסגמנט.
3. הקלטת סשנים: חיבור Hotjar/Clarity לצפייה בהתנהגות בעמודי יציאה.
4. ניתוח מעמיק: זיהוי סיבות לעזיבה (מעקב עיניים, קליקים, גלילה).
5. דוח עם המלצות: תעדוף תיקונים לפי השפעה.
6. הטמעה (אופציונלי): תיקון טפסים, CTA, חלון יציאה.

התוצאות והניסיון שלנו

יש לנו מעל 5 שנות ניסיון באנליטיקת ווב ואופטימיזציית UX. במהלך הזמן הזה, ביצענו ניתוח נקודות יציאה ל-50+ פרויקטים. הירידה הממוצעת בנטישה היא 20%. אנחנו מבטיחים אובייקטיביות בנתונים ומסקנות ספציפיות. הזמינו ניתוח נקודות יציאה — קבלו דוח תוך יומיים עם המלצות לכל יציאה חריגה. צרו קשר לייעוץ.