Taxa de abandono

A taxa de abandono é a porcentagem de usuários que desistem de um processo definido, como um fluxo de finalização de compra, um formulário de inscrição ou um aplicativo com várias etapas, antes de concluí-lo. Ela é geralmente calculada em cada etapa individual de uma sequência, mostrando a proporção de usuários que chegaram a essa etapa e não prosseguiram para a próxima. Isso a diferencia de uma simples taxa de rejeição, que mede apenas saídas de uma única página, sem qualquer noção de sequência ou progresso. Por exemplo, se 1,000 usuários iniciarem um processo de finalização de compra em três etapas e 700 chegarem à segunda etapa, a taxa de abandono entre a primeira e a segunda etapa será de 30%, um número que indica imediatamente à equipe onde, dentro do processo, a atenção é mais urgente, em vez de apenas onde o processo parece lento. A taxa de abandono também pode ser expressa como seu inverso, a taxa de conclusão de etapa a etapa, e ambas as perspectivas são geralmente exibidas lado a lado nos relatórios, para que as partes interessadas que analisam um funil possam ver imediatamente quanto foi retido e quanto foi perdido em cada transição.

Essa métrica é importante porque identifica exatamente onde um processo está perdendo clientes, em vez de apenas apresentar uma taxa de conversão agregada para todo o funil. Um checkout com uma taxa de conversão geral de 40% pode estar perdendo a maioria de seus clientes potenciais em um único ponto de atrito, como um custo de frete inesperado revelado tardiamente, uma etapa obrigatória de criação de conta ou um campo confuso no formulário de pagamento. A análise de abandono em nível de etapa é justamente o que torna esse ponto específico visível, em vez de oculto em um único número genérica. Sem essa granularidade, as equipes frequentemente focam na parte errada da experiência, aprimorando 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 monitorada usando ferramentas de análise 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 distinto ou visualização de página para que a ferramenta possa calcular a retenção passo a passo com precisão. Ferramentas de gravação de sessão são comumente usadas em conjunto com esses relatórios quantitativos para observar as sessões reais dos usuários que abandonaram o processo, revelando razões qualitativas, como um campo de formulário com defeito, uma mensagem de erro confusa ou uma página com carregamento lento, que os números brutos sozinhos não conseguem explicar, independentemente do nível de detalhamento do relatório. Os analistas normalmente consideram taxas de abandono passo a passo superiores a 20% ou 25% como um sinal que justifica uma investigação mais aprofundada, embora os limites aceitáveis ​​variem significativamente de acordo com o setor, a faixa de preço e a complexidade inerente do fluxo que está sendo medido, sendo que compras de alto valor agregado toleram naturalmente uma taxa de abandono um pouco maior do que transações impulsivas de baixo custo.

Um erro comum é tratar a taxa de abandono como inerentemente ruim e tentar eliminá-la completamente; alguma taxa de abandono em cada etapa é normal e esperada, já que nem todo visitante que inicia um fluxo é um comprador qualificado ou realmente pronto para comprar naquele momento. Outra armadilha é analisar o abandono isoladamente da qualidade do tráfego, pois um pico repentino de abandono pode refletir uma mudança no perfil dos visitantes, como uma nova campanha publicitária atraindo tráfego menos qualificado, em vez de um problema genuíno com o próprio fluxo. Segmentar o abandono por fonte de tráfego, tipo de dispositivo e status de visitante (novo ou recorrente) é necessário para evitar conclusões errôneas e a busca por soluções para um problema que, na realidade, não existe na experiência subjacente. Comparar o abandono em uma janela móvel, por exemplo, semana a semana em vez de um único dia, também ajuda a distinguir uma regressão genuína do ruído cotidiano em um conjunto de dados menor.

In CRO No trabalho de consultoria, a análise da taxa de abandono geralmente é o ponto de partida para priorizar qual parte de um funil testar primeiro, já que a etapa com a maior taxa de abandono em relação ao seu volume de tráfego normalmente representa a maior oportunidade de receita potencial a ser recuperada. Os consultores a utilizam para criar uma lista hierarquizada de pontos de atrito, validar as causas suspeitas por meio de testes de usuário ou gravações de sessão e, em seguida, projetar experimentos direcionados, como simplificar um formulário, esclarecer os preços mais cedo ou adicionar sinais de confiança próximos a um campo de pagamento, com o objetivo específico de reduzir o abandono nessa etapa identificada, em vez de fazer mudanças amplas e sem foco em toda a experiência, sem uma teoria clara sobre o que realmente impactará os resultados.