SwitasFale conosco

Taxa de abandono (drop-off rate)

A taxa de abandono (drop-off rate) é a porcentagem de usuários que desistem de um processo definido, como um fluxo de checkout, um formulário de cadastro ou uma solicitação em várias etapas, antes de concluí-lo. Normalmente é calculada em cada etapa individual de uma sequência, mostrando que proporção dos usuários que chegaram àquela etapa não avançou para a seguinte, o que a distingue de uma simples taxa de rejeição, que mede apenas saídas de página única, sem qualquer noção de sequência ou progresso. Por exemplo, se 1.000 usuários iniciam um checkout de três etapas e 700 chegam à etapa dois, a taxa de abandono entre a etapa um e a etapa dois é de 30 por cento, um número que mostra de imediato à equipe em que ponto do processo a atenção é mais urgente, e não apenas onde o processo parece lento. A taxa de abandono também pode ser expressa pelo seu inverso, a taxa de conclusão de uma etapa para a outra, e os dois enfoques costumam ser exibidos lado a lado nos relatórios, para que as partes interessadas que analisam um funil vejam de imediato tanto quanto foi retido quanto quanto foi perdido em cada transição. Essa métrica importa porque identifica exatamente onde um processo está perdendo pessoas, em vez de apenas relatar uma taxa de conversão agregada de todo o funil. Um checkout com taxa de conversão geral de 40 por cento pode estar perdendo a maior parte dos seus clientes potenciais em um único ponto de atrito, como um custo de frete inesperado revelado tarde, uma etapa obrigatória de criação de conta ou um campo confuso do formulário de pagamento, e a análise de abandono no nível da etapa é justamente o que torna esse ponto específico visível, em vez de enterrado em um único número consolidado. Sem essa granularidade, as equipes costumam tratar a parte errada de uma experiência, polindo etapas que nunca foram o problema real, enquanto o verdadeiro gargalo permanece intocado por meses, às vezes por trimestres fiscais inteiros. A taxa de abandono geralmente é acompanhada com ferramentas de analytics baseadas em eventos, como os relatórios de exploração de funil do Google Analytics 4, Mixpanel ou Amplitude, que exigem que cada etapa de um fluxo seja instrumentada como um evento ou uma visualização de página distinta, para que a ferramenta consiga calcular com precisão a retenção de uma etapa para a outra. As ferramentas de gravação de sessão são comumente usadas junto com esses relatórios quantitativos para assistir a sessões reais de usuários que abandonaram, revelando motivos qualitativos, como um campo de formulário quebrado, uma mensagem de erro confusa ou uma página de carregamento lento, que números brutos sozinhos não conseguem explicar, por mais granular que seja o relatório. Os analistas costumam considerar abandonos entre etapas acima de 20 a 25 por cento como um sinal que justifica uma investigação mais profunda, embora os limites aceitáveis variem de forma relevante conforme o setor, a faixa de preço e a complexidade inerente do fluxo medido, com compras de alta consideração tolerando naturalmente um abandono um pouco maior do que transações de baixo custo e por impulso. Um erro comum é tratar a taxa de abandono como algo inerentemente ruim e buscar eliminá-la por completo; algum abandono em cada etapa é normal e esperado, já que nem todo visitante que inicia um fluxo é um comprador qualificado ou realmente pronto naquele momento. Outra armadilha é analisar o abandono isoladamente da qualidade do tráfego, pois um pico repentino de abandono pode refletir uma mudança no mix de visitantes, como uma nova campanha de anúncios que traz tráfego menos qualificado, e não um problema novo e genuíno do fluxo em si. Segmentar o abandono por fonte de tráfego, tipo de dispositivo e condição de visitante novo ou recorrente é necessário para evitar tirar a conclusão errada e perseguir a correção de um problema que na verdade não existe na experiência subjacente. Comparar o abandono em uma janela móvel, por exemplo semana a semana e não em um único dia, também ajuda a distinguir uma regressão genuína do ruído diário comum em um conjunto de dados menor. No trabalho de CRO, a análise da taxa de abandono costuma ser o ponto de partida para priorizar qual parte de um funil testar primeiro, já que a etapa com maior abandono em relação ao seu volume de tráfego normalmente representa a maior oportunidade de receita a ser recuperada. Os consultores a usam para construir uma lista classificada de pontos de atrito, validar as causas suspeitas por meio de testes com usuários ou gravações de sessão e, depois, desenhar experimentos direcionados, como simplificar um formulário, esclarecer os preços mais cedo ou adicionar sinais de confiança perto de um campo de pagamento, voltados especificamente a reduzir o abandono naquela etapa identificada, em vez de fazer mudanças amplas e sem foco em toda a experiência, sem uma teoria clara do que vai mover o número.

Mais termos iniciados por D

Vamos construir o próximo.

Fale conosco