Процент на отпадане

Процентът на отпадане е процентът на потребителите, които изоставят определен процес, като например процес на плащане, формуляр за регистрация или многоетапно приложение, преди да го завършат. Обикновено се изчислява на всяка отделна стъпка от последователност, показвайки каква част от потребителите, достигнали до тази стъпка, не са преминали към следващата, което го отличава от обикновения процент на отпадане, който измерва само излизания от една страница без никакво усещане за последователност или напредък. Например, ако 1,000 потребители започнат триетапно плащане и 700 достигнат до втората стъпка, процентът на отпадане между първата и втората стъпка е 30 процента, число, което веднага казва на екипа къде в процеса е най-спешно необходимо внимание, а не къде процесът просто се усеща бавен. Процентът на отпадане може да се изрази и като негова обратна стойност, процент на завършване стъпка по стъпка, и двете рамки обикновено се показват една до друга в отчетите, така че заинтересованите страни, преглеждащи фунията, да могат веднага да видят както колко е било задържано, така и колко е било загубено при всеки преход.

Тази метрика е важна, защото тя определя точно къде даден процес губи хора, вместо само да отчита общ процент на конверсия за цялата фуния. Плащане с общ процент на конверсия от 40 процента може да губи повечето от потенциалните си клиенти в една единствена точка на триене, като например неочаквана цена за доставка, разкрита късно, задължителна стъпка за създаване на акаунт или объркващо поле във формуляр за плащане, а анализът на отпадането на ниво стъпка е точно това, което прави тази конкретна точка видима, вместо да бъде скрита в едно-единствено смесено число. Без тази гранулираност екипите често се насочват към грешната част от преживяването, като шлифоват стъпки, които никога не са били действителният проблем, докато истинското пречка остава незасегнато с месеци, понякога и за цели фискални тримесечия.

Процентът на отпадане обикновено се проследява с помощта на инструменти за анализ, базирани на събития, като например отчети за проучване на funnel в Google Analytics 4, Mixpanel или Amplitude, които изискват всяка стъпка от потока да бъде инструментализирана като отделно събитие или преглед на страница, така че инструментът да може точно да изчисли задържането стъпка по стъпка. Инструментите за записване на сесии обикновено се използват заедно с тези количествени отчети, за да се наблюдават действителните сесии на потребители, които са отпаднали, разкривайки качествени причини, като например неработещо поле на формуляр, объркващо съобщение за грешка или бавно зареждаща се страница, които сами по себе си суровите числа не могат да обяснят, независимо колко детайлно става отчитането. Анализаторите обикновено търсят отпадания стъпка по стъпка, надвишаващи 20 до 25 процента, като сигнал, изискващ по-задълбочено проучване, въпреки че приемливите прагове варират значително в зависимост от индустрията, ценовата точка и присъщата сложност на измервания поток, като покупките с високо обмисляне естествено толерират малко по-висок процент на изоставяне, отколкото нискобюджетните, импулсивни транзакции.

Често срещана грешка е третирането на процента на отпадане като по своята същност лош и целта му да се елиминира напълно; известно отпадане на всяка стъпка е нормално и очаквано, тъй като не всеки посетител, който започва поток, е квалифициран или наистина готов купувач в този момент. Друг капан е анализирането на отпадането изолирано от качеството на трафика, тъй като внезапният скок в отпадането може да отразява промяна в състава на посетителите, като например нова рекламна кампания, която води до по-малко квалифициран трафик, а не истински нов проблем със самия поток. Сегментирането на отпадането по източник на трафик, тип устройство и статус на нови спрямо завръщащи се посетители е необходимо, за да се избегне погрешно заключение и търсене на решение за проблем, който всъщност не съществува в основното преживяване. Сравняването на отпадането в рамките на плавен прозорец, например седмица след седмица, а не за един ден, също помага да се разграничи истинска регресия от обикновения ежедневен шум в по-малък набор от данни.

In CRO В работата, анализът на процента на отпадане обикновено е отправна точка за приоритизиране на това коя част от фунията да се тества първо, тъй като стъпката с най-висок отпадане спрямо обема на трафика обикновено представлява най-голямата потенциална възможност за приходи, която може да се възстанови. Консултантите го използват, за да изградят класиран списък с точки на триене, да валидират предполагаеми причини чрез потребителско тестване или записи на сесии и след това да проектират целенасочени експерименти, като например опростяване на формуляр, изясняване на цените по-рано или добавяне на сигнали за доверие близо до поле за плащане, насочени специално към намаляване на изоставянето на тази идентифицирана стъпка, вместо да се правят широки, нефокусирани промени в цялото преживяване без ясна теория за това какво ще повлияе на числото.