Współczynnik porzuceń (drop-off rate) to odsetek użytkowników, którzy rezygnują ze zdefiniowanego procesu, takiego jak ścieżka kasy, formularz rejestracji czy wieloetapowy wniosek, zanim go ukończą. Zwykle oblicza się go na każdym pojedynczym etapie sekwencji, pokazując, jaka część użytkowników, którzy dotarli do danego etapu, nie przeszła do następnego, co odróżnia go od zwykłego współczynnika odrzuceń, który mierzy jedynie wyjścia z pojedynczej strony, bez poczucia sekwencji czy postępu. Na przykład jeśli 1000 użytkowników rozpoczyna trzyetapową kasę, a 700 z nich dociera do etapu drugiego, współczynnik porzuceń między etapem pierwszym a drugim wynosi 30 procent, co od razu wskazuje zespołowi, gdzie w procesie uwaga jest najpilniej potrzebna, a nie tylko gdzie proces po prostu wydaje się wolny. Współczynnik porzuceń można też wyrazić jako jego odwrotność, czyli współczynnik ukończenia z etapu na etap, a obie perspektywy są zwykle prezentowane w raportach obok siebie, aby interesariusze przeglądający lejek mogli od razu zobaczyć, ile zostało zachowane, a ile utracone na każdym przejściu.
Ten wskaźnik ma znaczenie, ponieważ wskazuje dokładnie, gdzie proces traci ludzi, zamiast raportować wyłącznie zbiorczy współczynnik konwersji dla całego lejka. Kasa o ogólnym współczynniku konwersji wynoszącym 40 procent może tracić większość potencjalnych klientów w jednym punkcie tarcia, takim jak niespodziewany koszt dostawy ujawniony późno, obowiązkowy krok zakładania konta lub mylące pole formularza płatności, a analiza porzuceń na poziomie etapów jest właśnie tym, co sprawia, że ten konkretny punkt staje się widoczny, a nie ukryty w jednej uśrednionej liczbie. Bez takiej szczegółowości zespoły często zajmują się niewłaściwą częścią doświadczenia, dopracowując etapy, które nigdy nie były prawdziwym problemem, podczas gdy rzeczywiste wąskie gardło pozostaje nietknięte przez miesiące, a czasem przez całe kwartały finansowe.
Współczynnik porzuceń jest zazwyczaj śledzony za pomocą narzędzi analitycznych opartych na zdarzeniach, takich jak raporty eksploracji lejka w Google Analytics 4, Mixpanel czy Amplitude, które wymagają, aby każdy etap przepływu był instrumentowany jako odrębne zdarzenie lub odsłona strony, by narzędzie mogło dokładnie obliczać retencję między etapami. Narzędzia do nagrywania sesji są często używane równolegle z tymi raportami ilościowymi, aby obejrzeć rzeczywiste sesje użytkowników, którzy odpadli, co ujawnia jakościowe przyczyny, takie jak zepsute pole formularza, mylący komunikat o błędzie czy wolno ładująca się strona, których same liczby nie wyjaśnią, niezależnie od tego, jak szczegółowe byłyby raporty. Analitycy zwykle traktują porzucenia między etapami przekraczające 20 do 25 procent jako sygnał wymagający głębszego zbadania, choć akceptowalne progi znacząco różnią się w zależności od branży, przedziału cenowego i wrodzonej złożoności mierzonego przepływu, przy czym zakupy wymagające namysłu naturalnie tolerują nieco wyższe porzucenia niż tanie transakcje impulsywne.
Częstym błędem jest traktowanie współczynnika porzuceń jako z natury złego i dążenie do jego całkowitego wyeliminowania; pewien poziom porzuceń na każdym etapie jest normalny i oczekiwany, ponieważ nie każdy odwiedzający, który rozpoczyna przepływ, jest w tej chwili wykwalifikowanym lub naprawdę gotowym kupującym. Inną pułapką jest analizowanie porzuceń w oderwaniu od jakości ruchu, ponieważ nagły skok porzuceń może odzwierciedlać zmianę w strukturze odwiedzających, na przykład nową kampanię reklamową przyciągającą mniej wykwalifikowany ruch, a nie rzeczywisty nowy problem z samym przepływem. Segmentowanie porzuceń według źródła ruchu, typu urządzenia oraz statusu odwiedzającego nowego lub powracającego jest konieczne, aby nie wyciągnąć błędnego wniosku i nie gonić za naprawą problemu, który w rzeczywistości nie istnieje w danym doświadczeniu. Porównywanie porzuceń w oknie kroczącym, na przykład tydzień do tygodnia, a nie z pojedynczego dnia, pomaga także odróżnić rzeczywistą regresję od zwykłego codziennego szumu w mniejszym zbiorze danych.
W pracy nad CRO analiza współczynnika porzuceń jest zazwyczaj punktem wyjścia do ustalania, którą część lejka testować w pierwszej kolejności, ponieważ etap o najwyższym porzuceniu względem jego wolumenu ruchu zazwyczaj reprezentuje największą potencjalną możliwość odzyskania przychodów. Konsultanci wykorzystują ją do zbudowania uszeregowanej listy punktów tarcia, weryfikują podejrzewane przyczyny za pomocą testów z użytkownikami lub nagrań sesji, a następnie projektują ukierunkowane eksperymenty, takie jak uproszczenie formularza, wcześniejsze wyjaśnienie cen czy dodanie sygnałów zaufania przy polu płatności, skierowane konkretnie na ograniczenie porzuceń na zidentyfikowanym etapie, zamiast wprowadzania szerokich, nieukierunkowanych zmian w całym doświadczeniu bez jasnej teorii, co poruszy ten wskaźnik.
Więcej terminów na literę D
Mroczny wzorzec (Dark Pattern)Projektowanie pulpitów (dashboard design)Zarządzanie danymi (data governance)Warstwa danych (Data Layer)Jakość danych (data quality)Hurtownia danych (data warehouse)Projektowanie oparte na danych (Data-Driven Design)Definicja ukończenia (Definition of Done)Krytyka projektowa (design critique)Dług projektowy (Design Debt)Design Ops (operacje projektowe)Design sprint
