Il tasso di abbandono (drop-off rate) è la percentuale di utenti che abbandonano un processo definito, come un flusso di checkout, un modulo di registrazione o una richiesta in più passaggi, prima di completarlo. Si calcola in genere a ogni singolo passaggio di una sequenza, mostrando quale proporzione degli utenti arrivati a quel passaggio non è passata al successivo, il che lo distingue da una semplice frequenza di rimbalzo che misura solo le uscite da una singola pagina, senza alcun senso di sequenza o di avanzamento. Ad esempio, se 1.000 utenti iniziano un checkout in tre passaggi e 700 raggiungono il secondo, il tasso di abbandono tra il primo e il secondo passaggio è del 30 percento, un dato che indica subito a un team in quale punto del processo serva più urgentemente attenzione, anziché dove il processo sembri semplicemente lento. Il tasso di abbandono può essere espresso anche nella sua forma inversa, il tasso di completamento da un passaggio al successivo, ed entrambe le impostazioni vengono in genere mostrate affiancate nei report, in modo che gli stakeholder che esaminano un funnel vedano subito sia quanto è stato trattenuto sia quanto è stato perso a ogni transizione.
Questa metrica è importante perché individua con precisione dove un processo perde le persone, anziché limitarsi a riportare un tasso di conversione aggregato per l'intero funnel. Un checkout con un tasso di conversione complessivo del 40 percento potrebbe perdere la maggior parte dei potenziali clienti in un unico punto di attrito, come un costo di spedizione inatteso rivelato tardi, un passaggio obbligatorio di creazione dell'account o un campo del modulo di pagamento poco chiaro, e l'analisi dell'abbandono a livello di singolo passaggio è esattamente ciò che rende visibile quel punto specifico anziché lasciarlo sepolto in un unico dato aggregato. Senza questo livello di dettaglio, i team intervengono spesso sulla parte sbagliata dell'esperienza, rifinendo passaggi che non sono mai stati il vero problema mentre il vero collo di bottiglia resta intatto per mesi, a volte per interi trimestri fiscali.
Il tasso di abbandono viene in genere monitorato con strumenti di analytics basati sugli eventi, come i report di esplorazione dei funnel di Google Analytics 4, Mixpanel o Amplitude, che richiedono di strumentare ogni passaggio di un flusso come evento o visualizzazione di pagina distinti, in modo che lo strumento possa calcolare con precisione la retention da un passaggio all'altro. Gli strumenti di registrazione delle sessioni vengono comunemente utilizzati insieme a questi report quantitativi per osservare le sessioni reali degli utenti che hanno abbandonato, rivelando motivazioni qualitative, come un campo del modulo non funzionante, un messaggio di errore confuso o una pagina lenta a caricarsi, che i soli numeri non possono spiegare per quanto dettagliato sia il reporting. Gli analisti cercano in genere abbandoni da un passaggio all'altro superiori al 20-25 percento come segnale che richiede un'indagine più approfondita, anche se le soglie accettabili variano sensibilmente in base al settore, alla fascia di prezzo e alla complessità intrinseca del flusso misurato, e gli acquisti ad alta considerazione tollerano naturalmente un abbandono un po' più alto rispetto alle transazioni d'impulso a basso costo.
Un errore comune è considerare il tasso di abbandono intrinsecamente negativo e puntare a eliminarlo del tutto; un certo abbandono a ogni passaggio è normale e atteso, poiché non ogni visitatore che inizia un flusso è un acquirente qualificato o davvero pronto in quel momento. Un'altra insidia è analizzare l'abbandono separatamente dalla qualità del traffico, poiché un picco improvviso di abbandono potrebbe riflettere un cambiamento nel mix di visitatori, come una nuova campagna pubblicitaria che porta traffico meno qualificato, anziché un reale nuovo problema del flusso stesso. Segmentare l'abbandono per fonte di traffico, tipo di dispositivo e stato di visitatore nuovo o di ritorno è necessario per evitare di trarre la conclusione sbagliata e di inseguire la correzione di un problema che nell'esperienza sottostante non esiste davvero. Confrontare l'abbandono su una finestra mobile, ad esempio settimana su settimana anziché su un singolo giorno, aiuta inoltre a distinguere una regressione reale dal normale rumore giornaliero in un set di dati più piccolo.
Nel lavoro di CRO, l'analisi del tasso di abbandono è in genere il punto di partenza per stabilire quale parte di un funnel testare per prima, poiché il passaggio con il più alto abbandono in rapporto al proprio volume di traffico rappresenta in genere la maggiore opportunità di ricavo recuperabile. I consulenti la usano per costruire un elenco ordinato di punti di attrito, validare le cause sospette con test con gli utenti o registrazioni delle sessioni e quindi progettare esperimenti mirati, come semplificare un modulo, chiarire prima i prezzi o aggiungere elementi di fiducia vicino a un campo di pagamento, finalizzati specificamente a ridurre l'abbandono in quel passaggio individuato anziché apportare modifiche ampie e prive di focus all'intera esperienza senza una teoria chiara di ciò che muoverà il dato.
