SwitasOta yhteyttä

Poistumisaste (Drop-off Rate)

Poistumisaste (drop-off rate) on niiden käyttäjien prosenttiosuus, jotka hylkäävät määritellyn prosessin, kuten kassaprosessin, rekisteröitymislomakkeen tai monivaiheisen hakemuksen, ennen sen loppuun saattamista. Se lasketaan tyypillisesti sarjan jokaisessa yksittäisessä vaiheessa ja kertoo, kuinka suuri osa kyseiseen vaiheeseen päässeistä käyttäjistä ei edennyt seuraavaan vaiheeseen. Tämä erottaa sen yksinkertaisesta poistumisprosentista (bounce rate), joka mittaa vain yhden sivun poistumisia ilman käsitystä järjestyksestä tai etenemisestä. Jos esimerkiksi 1 000 käyttäjää aloittaa kolmivaiheisen kassaprosessin ja 700 pääsee vaiheeseen kaksi, poistumisaste vaiheiden yksi ja kaksi välillä on 30 prosenttia. Luku kertoo tiimille välittömästi, missä prosessin kohdassa huomiota tarvitaan kiireellisimmin, eikä vain missä prosessi tuntuu hitaalta. Poistumisaste voidaan ilmaista myös käänteisenä, eli vaiheesta toiseen etenemisen asteena, ja raportoinnissa molemmat näkökulmat esitetään yleensä rinnakkain, jotta suppiloa tarkasteleva sidosryhmä näkee heti sekä sen, kuinka paljon säilyi, että sen, kuinka paljon menetettiin kussakin siirtymässä. Tämä tunnusluku on tärkeä, koska se osoittaa tarkasti, missä prosessi menettää ihmisiä, sen sijaan että raportoitaisiin vain koko suppilon yhteenlaskettu konversioaste. Kassaprosessi, jonka kokonaiskonversioaste on 40 prosenttia, voi menettää suurimman osan potentiaalisista asiakkaistaan yhdessä kitkakohdassa, kuten myöhään paljastuneessa odottamattomassa toimituskulussa, pakollisessa tilin luomisvaiheessa tai sekavassa maksulomakkeen kentässä. Vaihetason poistumisanalyysi tekee juuri sen yksittäisen kohdan näkyväksi sen sijaan, että se hautautuisi yhteen yhdistettyyn lukuun. Ilman tätä tarkkuutta tiimit korjaavat usein väärää kohtaa kokemuksesta: hiovat vaiheita, jotka eivät koskaan olleet varsinainen ongelma, kun todellinen pullonkaula jää käsittelemättä kuukausiksi, joskus kokonaisiksi tilikausineljänneksiksi. Poistumisastetta seurataan yleensä tapahtumapohjaisilla analytiikkatyökaluilla, kuten Google Analytics 4:n suppiloanalyysiraporteilla, Mixpanelilla tai Amplitudella. Ne edellyttävät, että kukin prosessin vaihe instrumentoidaan erillisenä tapahtumana tai sivunäyttönä, jotta työkalu voi laskea vaiheiden välisen säilyvyyden tarkasti. Istuntotallennustyökaluja käytetään yleisesti näiden määrällisten raporttien rinnalla tarkkailemaan poistuneiden käyttäjien todellisia istuntoja. Niiden avulla paljastuvat laadulliset syyt, kuten rikkinäinen lomakekenttä, sekava virheilmoitus tai hitaasti latautuva sivu, joita pelkät luvut eivät pysty selittämään, olipa raportointi kuinka yksityiskohtaista tahansa. Analyytikot pitävät yli 20–25 prosentin vaiheiden välistä poistumista tyypillisesti signaalina, joka ansaitsee syvemmän tutkimuksen, vaikka hyväksyttävät rajat vaihtelevat merkittävästi toimialan, hintatason ja mitattavan prosessin luontaisen monimutkaisuuden mukaan. Pitkää harkintaa vaativat ostokset sietävät luonnollisesti hieman suurempaa hylkäämistä kuin edulliset heräteostokset. Yleinen virhe on pitää poistumisastetta itsessään huonona ja pyrkiä poistamaan se kokonaan. Jonkin verran poistumista tapahtuu jokaisessa vaiheessa, ja se on normaalia ja odotettua, koska kaikki prosessin aloittavat kävijät eivät ole päteviä tai todella valmiita ostajia kyseisellä hetkellä. Toinen sudenkuoppa on analysoida poistumista erillään liikenteen laadusta, sillä äkillinen poistumisen piikki voi heijastaa kävijäkoostumuksen muutosta, esimerkiksi uuden mainoskampanjan tuomaa heikommin kvalifioitua liikennettä, eikä aitoa uutta ongelmaa itse prosessissa. Poistumisen segmentointi liikennelähteen, laitetyypin sekä uusien ja palaavien kävijöiden mukaan on välttämätöntä väärän johtopäätöksen välttämiseksi ja sellaisen ongelman korjaamisen tavoittelun estämiseksi, jota todellisessa kokemuksessa ei oikeasti ole. Poistumisen vertailu liukuvalla aikaikkunalla, esimerkiksi viikosta viikkoon yksittäisen päivän sijaan, auttaa myös erottamaan todellisen heikentymän pienemmän aineiston tavallisesta päivittäisestä kohinasta. CRO-työssä poistumisastetarkastelu on yleensä lähtökohta sen priorisoinnille, mitä suppilon osaa testataan ensin, sillä vaihe, jonka poistumisaste on korkein suhteessa liikennemäärään, edustaa tyypillisesti suurinta palautettavissa olevaa liikevaihtomahdollisuutta. Konsultit käyttävät sitä kitkakohtien järjestetyn listan rakentamiseen, epäiltyjen syiden validointiin käyttäjätestauksella tai istuntotallenteilla ja sen jälkeen kohdennettujen kokeiden suunnitteluun. Kokeet, kuten lomakkeen yksinkertaistaminen, hinnoittelun selventäminen aiemmin tai luottamusta rakentavien elementtien lisääminen maksukentän lähelle, tähtäävät nimenomaan hylkäämisen vähentämiseen kyseisessä tunnistetussa vaiheessa laajojen ja keskittymättömien muutosten sijaan, joilla ei ole selvää teoriaa siitä, mikä lukua liikuttaa.

Lisää kirjaimella D alkavia termejä

Rakennetaan seuraava.

Ota yhteyttä