Ausstiegsseite (Exit Page)
Definition: Eine Ausstiegsseite (englisch: Exit Page) ist die letzte Seite, die ein Nutzer innerhalb einer Sitzung aufruft, bevor er die Website vollständig verlässt. Die zugehörige Metrik – die Ausstiegsrate (Exit Rate) – gibt für eine bestimmte Seite an, welcher Prozentsatz aller Aufrufe dieser Seite der letzte Seitenaufruf innerhalb einer Sitzung war. Eine Ausstiegsrate von 50 % bedeutet beispielsweise, dass bei der Hälfte aller Sitzungen, in denen diese Seite aufgerufen wurde, kein weiterer Seitenaufruf folgte. Die Ausstiegsrate ist konzeptionell von der Absprungrate zu unterscheiden: Die Absprungrate bezieht sich auf Sitzungen mit nur einem einzigen Seitenaufruf (der Nutzer kommt, sieht nur eine Seite und geht), während die Ausstiegsrate sich auf den letzten Seitenaufruf innerhalb einer Sitzung bezieht, die beliebig viele Seiten umfasst haben kann. Jede Seite kann theoretisch Ausstiegsseite sein, da jede Sitzung irgendwo enden muss – die Frage ist, ob eine Seite verhältnismäßig häufig als letzter Kontaktpunkt fungiert. Bestimmte Seitentypen sind natürliche Ausstiegspunkte und weisen erwartungsgemäß hohe Ausstiegsraten auf: Danke-Seiten nach einem Kauf oder einer Formularübermittlung, Bestätigungs-E-Mail-Seiten, Seiten mit Ausführungslinks zu externen Angeboten oder Kontaktseiten mit direkten Telefonnummern. Hohe Ausstiegsraten auf transaktionalen Seiten wie Checkout-Zwischenschritten, Produktseiten oder Registrierungsformularen hingegen sind potenzielle Schwachstellen im Conversion-Funnel und rechtfertigen eine tiefergehende Analyse.
Erläuterung
Die Analyse von Ausstiegsseiten ist ein klassisches Instrument der Conversion-Rate-Optimierung und wurde von Pionieren wie Bryan Eisenberg in "Always Be Testing" (2008) als fundamentaler Bestandteil der Website-Optimierung beschrieben. Der konzeptionelle Kern ist einfach: Wenn Nutzer auf einer bestimmten Seite im Funnel überproportional häufig aussteigen, gibt es dort entweder ein Problem oder die Seite ist ein natürlicher Abschlusspunkt. Die Unterscheidung zwischen diesen beiden Fällen erfordert Kontextwissen und qualitative Ergänzungsanalysen. In Google Analytics 4 ist die Exit-Rate als Metrik in Standardberichten unter Engagement > Seiten und Screens verfügbar. Allerdings berechnet GA4 die Exit-Rate anders als Universal Analytics: Da GA4 nicht mehr primär pageview-zentriert ist, sondern ereignisbasiert, ist die Exit-Rate in GA4 weniger prominent als in UA und muss teilweise in benutzerdefinierten Berichten oder Explorations explizit eingebaut werden. Analytisch wertvoll ist die Ausstiegsseiten-Analyse besonders in Kombination mit dem Conversion-Funnel: Wenn ein definierter Checkout-Prozess aus vier Schritten besteht und Schritt 2 eine ungewöhnlich hohe Exit-Rate aufweist, ist dies ein klares Signal für ein Problem auf genau dieser Seite – sei es ein technischer Fehler, ein unklares Formular, ein fehlender Vertrauensindikator oder eine Informationslücke. Die Verbindung mit qualitativen Methoden wie Session Recordings (z. B. Hotjar, Microsoft Clarity) und Heatmaps erlaubt es, die konkreten Nutzerverhaltensweisen vor dem Ausstieg zu verstehen und gezielte Optimierungshypothesen zu entwickeln.
Unterschied zwischen Absprungrate und Ausstiegsrate
- Absprungrate (Bounce Rate): Bezieht sich auf den Anteil aller Sitzungen, in denen nur eine Seite aufgerufen wurde. Ein Absprung ist immer gleichzeitig auch ein Ausstieg, aber nicht jeder Ausstieg ist ein Absprung. Die Absprungrate ist eine Eigenschaft einer Sitzung.
- Ausstiegsrate (Exit Rate): Bezieht sich auf den Anteil der Seitenaufrufe einer bestimmten Seite, bei denen diese Seite der letzte Seitenaufruf der Sitzung war. Die Ausstiegsrate ist eine Eigenschaft einer Seite, nicht einer Sitzung.
- Berechnungsbeispiel: Seite A wurde 1.000 Mal aufgerufen. In 400 dieser Fälle war Seite A der letzte Seitenaufruf der Sitzung. Exit Rate = 40 %. Von diesen 400 Ausstiegen waren 200 Absprünge (Sitzungen mit nur Seite A). Die übrigen 200 Ausstiege fanden nach mindestens einer weiteren Seite statt.
- Analytische Implikation: Eine Seite mit hoher Absprungrate und niedriger Exit-Rate ist unmöglich – jeder Absprung ist auch ein Ausstieg. Eine Seite mit niedriger Absprungrate und hoher Exit-Rate ist häufig bei Danke-Seiten oder finalen Schritten eines Prozesses zu finden.
Natürliche vs. problematische Ausstiegsseiten
- Natürliche Ausstiegspunkte: Danke-Seiten nach Conversion, Bestellbestätigungs-Seiten, Seiten mit externen Links als Hauptziel (z. B. Link zum App-Store), Kontaktseiten mit direkter Telefonnummer oder Seiten am Ende eines definierten Prozesses. Hohe Exit-Rates auf diesen Seiten sind erwünscht und signalisieren erfolgreiche Prozessabschlüsse.
- Problematische Ausstiegspunkte: Checkout-Zwischenschritte ohne Abschluss, Produktdetailseiten ohne nachfolgende Warenkorbaktionen, Registrierungsformulare mit hoher Abbruchrate, Seiten mit Fehlermeldungen oder technischen Problemen. Unerwartet hohe Exit-Rates auf diesen Seiten signalisieren Optimierungsbedarf.
- Branchenspezifische Muster: Im E-Commerce sind Checkout-Schritte 2 und 3 (Versandoptionen und Zahlungsmethoden) häufig Hochrisiko-Ausstiegspunkte. Im B2B-Bereich sind Preisseiten und Kontaktformulare oft natürliche Ausstiegspunkte, da Nutzer offline oder per Telefon weiter interagieren.
Analyse in GA4 und Optimierungsansätze
- Exploration mit Exit-Rate-Metrik: In GA4-Explorations kann die Metrik "Exits" zusammen mit "Pageviews" und dem berechneten Feld Exit-Rate (Exits / Pageviews) für eine granulare Seitenanalyse genutzt werden. Sortiert nach Exit-Rate und gefiltert auf relevante Seiten-Kategorien identifiziert man schnell Problemseiten.
- Funnel-Exploration für Prozessseiten: Der Funnel-Explorations-Chart in GA4 zeigt für definierte Prozessschritte (z. B. Checkout-Schritte) explizit, welcher Anteil der Nutzer jeden Schritt abschließt und bei welchem Schritt der meiste Dropout stattfindet – präziser als die allgemeine Exit-Rate-Analyse.
- Session Recordings für qualitative Analyse: Tools wie Hotjar oder Microsoft Clarity zeigen Video-Aufzeichnungen von Nutzersitzungen, die auf einer problematischen Ausstiegsseite enden. Häufige Muster wie verwirrte Scrollbewegungen, fehlerhafte Formularinteraktionen oder lange Wartezeiten liefern konkrete Optimierungshypothesen.
- A/B-Tests auf Basis von Hypothesen: Aus den qualitativen Beobachtungen abgeleitete Hypothesen (z. B. "Der Exit auf der Versandkosten-Seite liegt an fehlenden Versandkostenfreiheits-Hinweisen") werden in kontrollierten A/B-Tests validiert, bevor Änderungen dauerhaft übernommen werden.