Tingkat Putus Sekolah

Tingkat putus sekolah (drop-off rate) adalah persentase pengguna yang meninggalkan suatu proses tertentu, seperti alur pembayaran, formulir pendaftaran, atau aplikasi multi-langkah, sebelum menyelesaikannya. Biasanya dihitung pada setiap langkah individual dalam suatu rangkaian, menunjukkan proporsi pengguna yang mencapai langkah tersebut tidak melanjutkan ke langkah berikutnya, yang membedakannya dari tingkat pentalan (bounce rate) sederhana yang hanya mengukur keluarnya pengguna dari satu halaman tanpa mempertimbangkan urutan atau kemajuan. Misalnya, jika 1,000 pengguna memulai proses pembayaran tiga langkah dan 700 mencapai langkah kedua, tingkat putus sekolah antara langkah pertama dan kedua adalah 30 persen, angka yang langsung memberi tahu tim di mana dalam proses tersebut perhatian paling mendesak dibutuhkan, bukan hanya di mana proses tersebut terasa lambat. Tingkat putus sekolah juga dapat dinyatakan sebagai kebalikannya, yaitu tingkat penyelesaian langkah demi langkah, dan kedua kerangka kerja tersebut biasanya ditampilkan berdampingan dalam pelaporan sehingga pemangku kepentingan yang meninjau alur proses dapat langsung melihat berapa banyak yang dipertahankan dan berapa banyak yang hilang pada setiap transisi.

Metrik ini penting karena secara tepat menunjukkan di mana suatu proses kehilangan pelanggan, bukan hanya melaporkan tingkat konversi agregat untuk seluruh saluran penjualan. Proses pembayaran dengan tingkat konversi keseluruhan 40 persen bisa jadi kehilangan sebagian besar pelanggan potensialnya di satu titik gesekan, seperti biaya pengiriman tak terduga yang terungkap terlambat, langkah pembuatan akun yang wajib, atau kolom formulir pembayaran yang membingungkan, dan analisis penurunan pelanggan di tingkat langkah inilah yang membuat titik spesifik tersebut terlihat, bukan terkubur dalam satu angka gabungan. Tanpa granularitas ini, tim sering kali menangani bagian yang salah dari suatu pengalaman, memoles langkah-langkah yang sebenarnya bukan masalah, sementara hambatan sebenarnya dibiarkan tanpa disentuh selama berbulan-bulan, terkadang selama satu kuartal fiskal penuh.

Tingkat pengabaian (drop-off rate) umumnya dilacak menggunakan alat analitik berbasis peristiwa seperti laporan eksplorasi alur Google Analytics 4, Mixpanel, atau Amplitude, yang memerlukan setiap langkah alur untuk diinstrumentasikan sebagai peristiwa atau tampilan halaman yang berbeda sehingga alat tersebut dapat menghitung retensi langkah demi langkah secara akurat. Alat perekaman sesi biasanya digunakan bersamaan dengan laporan kuantitatif ini untuk mengamati sesi aktual pengguna yang mengabaikan alur pembelian, mengungkapkan alasan kualitatif, seperti kolom formulir yang rusak, pesan kesalahan yang membingungkan, atau halaman yang lambat dimuat, yang tidak dapat dijelaskan hanya oleh angka mentah, seberapa pun detailnya pelaporan tersebut. Analis biasanya mencari pengabaian langkah demi langkah yang melebihi 20 hingga 25 persen sebagai sinyal yang memerlukan penyelidikan lebih lanjut, meskipun ambang batas yang dapat diterima sangat bervariasi menurut industri, titik harga, dan kompleksitas alur yang diukur, dengan pembelian yang membutuhkan pertimbangan tinggi secara alami mentolerir tingkat pengabaian yang sedikit lebih tinggi daripada transaksi impulsif berbiaya rendah.

Kesalahan umum adalah menganggap tingkat drop-off sebagai sesuatu yang buruk dan bertujuan untuk menghilangkannya sepenuhnya; beberapa drop-off di setiap langkah adalah normal dan diharapkan, karena tidak setiap pengunjung yang memulai suatu alur adalah pembeli yang memenuhi syarat atau benar-benar siap pada saat itu. Jebakan lain adalah menganalisis drop-off secara terpisah dari kualitas lalu lintas, karena lonjakan drop-off yang tiba-tiba mungkin mencerminkan perubahan dalam komposisi pengunjung, seperti kampanye iklan baru yang mendatangkan lalu lintas yang kurang berkualitas, daripada masalah baru yang sebenarnya dengan alur itu sendiri. Membagi drop-off berdasarkan sumber lalu lintas, jenis perangkat, dan status pengunjung baru versus pengunjung yang kembali diperlukan untuk menghindari pengambilan kesimpulan yang salah dan mengejar perbaikan untuk masalah yang sebenarnya tidak ada dalam pengalaman yang mendasarinya. Membandingkan drop-off dalam jangka waktu tertentu, misalnya dari minggu ke minggu daripada satu hari, juga membantu membedakan regresi yang sebenarnya dari gangguan harian biasa dalam kumpulan data yang lebih kecil.

In CRO Dalam pekerjaan, analisis tingkat pengabaian (drop-off rate) biasanya menjadi titik awal untuk memprioritaskan bagian mana dari corong penjualan yang akan diuji terlebih dahulu, karena langkah dengan pengabaian tertinggi relatif terhadap volume lalu lintasnya biasanya mewakili peluang pendapatan potensial terbesar yang tersedia untuk dipulihkan. Konsultan menggunakannya untuk membangun daftar titik gesekan yang diurutkan, memvalidasi penyebab yang dicurigai melalui pengujian pengguna atau rekaman sesi, dan kemudian merancang eksperimen yang ditargetkan, seperti menyederhanakan formulir, memperjelas harga lebih awal, atau menambahkan sinyal kepercayaan di dekat kolom pembayaran, yang secara khusus bertujuan untuk mengurangi pengabaian pada langkah yang diidentifikasi tersebut daripada membuat perubahan luas dan tidak terfokus di seluruh pengalaman tanpa teori yang jelas tentang apa yang akan meningkatkan angka tersebut.