Frafallsrate (drop-off rate) er prosentandelen brukere som avbryter en definert prosess, som en betalingsflyt, et registreringsskjema eller en søknad i flere trinn, før de har fullført den. Den beregnes vanligvis for hvert enkelt trinn i en sekvens og viser hvor stor andel av brukerne som nådde trinnet som ikke gikk videre til neste, noe som skiller den fra en enkel fluktfrekvens som bare måler avslutning etter én enkelt side uten noen forståelse av rekkefølge eller fremdrift. Hvis for eksempel 1000 brukere starter en betalingsprosess i tre trinn og 700 når trinn to, er frafallsraten mellom trinn én og trinn to 30 prosent, et tall som umiddelbart forteller et team hvor i prosessen oppmerksomhet trengs mest, i stedet for hvor prosessen bare føles treg. Frafallsrate kan også uttrykkes som det motsatte, fullføringsraten fra trinn til trinn, og begge fremstillingene vises vanligvis side om side i rapporteringen, slik at beslutningstakere som gjennomgår en trakt umiddelbart kan se både hvor mye som ble beholdt og hvor mye som gikk tapt ved hver overgang.
Denne metrikken er viktig fordi den peker ut nøyaktig hvor en prosess mister folk, i stedet for bare å rapportere en samlet konverteringsrate for hele trakten. En betalingsprosess med en samlet konverteringsrate på 40 prosent kan miste de fleste av sine potensielle kunder i ett enkelt friksjonspunkt, som en uventet fraktkostnad som avsløres sent, et obligatorisk trinn for å opprette konto eller et forvirrende felt i betalingsskjemaet, og frafallsanalyse på trinnnivå er nettopp det som gjør akkurat dette punktet synlig i stedet for å være begravd i ett enkelt blandet tall. Uten denne detaljgraden adresserer team ofte feil del av en opplevelse, og pusser på trinn som aldri var det egentlige problemet mens den reelle flaskehalsen forblir urørt i månedsvis, noen ganger i hele regnskapskvartaler.
Frafallsrate spores vanligvis med hendelsesbaserte analyseverktøy som traktutforskningsrapporter i Google Analytics 4, Mixpanel eller Amplitude, som krever at hvert trinn i en flyt settes opp som en egen hendelse eller sidevisning, slik at verktøyet kan beregne retensjonen fra trinn til trinn nøyaktig. Verktøy for øktopptak brukes ofte sammen med disse kvantitative rapportene for å se faktiske økter fra brukere som falt fra, og avdekker kvalitative årsaker, som et ødelagt skjemafelt, en forvirrende feilmelding eller en side som laster sakte, som rå tall alene ikke kan forklare uansett hvor detaljert rapporteringen blir. Analytikere ser vanligvis etter frafall fra trinn til trinn over 20 til 25 prosent som et signal som krever dypere undersøkelse, selv om akseptable terskler varierer betydelig etter bransje, prisnivå og kompleksiteten i flyten som måles, der kjøp som krever lang vurdering naturlig tåler noe høyere frafall enn rimelige impulskjøp.
En vanlig feil er å behandle frafallsrate som iboende dårlig og forsøke å eliminere den helt; noe frafall i hvert trinn er normalt og forventet, siden ikke alle besøkende som starter en flyt er kvalifiserte eller genuint klare til å kjøpe akkurat da. En annen felle er å analysere frafall isolert fra trafikkvaliteten, siden en plutselig topp i frafall kan skyldes en endring i sammensetningen av besøkende, som en ny annonsekampanje som bringer inn mindre kvalifisert trafikk, snarere enn et reelt nytt problem med selve flyten. Å segmentere frafall etter trafikkilde, enhetstype og nye mot returnerende besøkende er nødvendig for å unngå å trekke feil konklusjon og jage en løsning på et problem som ikke finnes i selve opplevelsen. Å sammenligne frafall over et rullerende vindu, for eksempel uke for uke i stedet for en enkelt dag, hjelper også med å skille en reell forverring fra vanlig dag-til-dag-støy i et mindre datasett.
I CRO-arbeid er analyse av frafallsrate vanligvis utgangspunktet for å prioritere hvilken del av en trakt som skal testes først, siden trinnet med høyest frafall i forhold til trafikkvolum vanligvis representerer den største potensielle omsetningsmuligheten å vinne tilbake. Rådgivere bruker den til å bygge en rangert liste over friksjonspunkter, validere mistenkte årsaker gjennom brukertesting eller øktopptak, og deretter utforme målrettede eksperimenter, som å forenkle et skjema, avklare prising tidligere eller legge til tillitssignaler i nærheten av et betalingsfelt, rettet spesifikt mot å redusere frafall i det identifiserte trinnet, i stedet for å gjøre brede, ufokuserte endringer på tvers av hele opplevelsen uten en klar teori om hva som vil flytte tallet.
