อัตราการออกจากกระบวนการ (Drop-off rate) คือเปอร์เซ็นต์ของผู้ใช้ที่ละทิ้งกระบวนการที่กำหนดไว้ เช่น ขั้นตอนการชำระเงิน แบบฟอร์มลงทะเบียน หรือแอปพลิเคชันหลายขั้นตอน ก่อนที่จะเสร็จสมบูรณ์ โดยทั่วไปจะคำนวณที่แต่ละขั้นตอนของลำดับ แสดงให้เห็นว่าผู้ใช้ที่มาถึงขั้นตอนนั้นแล้วไม่ดำเนินการต่อในขั้นตอนถัดไปเป็นสัดส่วนเท่าใด ซึ่งแตกต่างจากอัตราการออกจากเว็บไซต์ (Bounce rate) ที่วัดเฉพาะการออกจากหน้าเดียวโดยไม่คำนึงถึงลำดับหรือความคืบหน้า ตัวอย่างเช่น หากผู้ใช้ 1,000 คนเริ่มขั้นตอนการชำระเงินสามขั้นตอน และ 700 คนมาถึงขั้นตอนที่สอง อัตราการออกจากกระบวนการระหว่างขั้นตอนที่หนึ่งและขั้นตอนที่สองคือ 30 เปอร์เซ็นต์ ซึ่งเป็นตัวเลขที่บอกทีมได้ทันทีว่าส่วนใดของกระบวนการที่ต้องการความสนใจอย่างเร่งด่วนที่สุด มากกว่าส่วนที่กระบวนการดูช้า อัตราการออกจากกระบวนการยังสามารถแสดงได้ในรูปของค่าผกผัน คือ อัตราการเสร็จสิ้นในแต่ละขั้นตอน และโดยทั่วไปจะแสดงทั้งสองรูปแบบควบคู่กันไปในรายงาน เพื่อให้ผู้มีส่วนได้ส่วนเสียที่ตรวจสอบกระบวนการสามารถเห็นได้ทันทีว่ามีผู้ใช้เหลืออยู่เท่าใดและสูญเสียไปเท่าใดในแต่ละช่วงการเปลี่ยนผ่าน
ตัวชี้วัดนี้มีความสำคัญเพราะมันระบุได้อย่างแม่นยำว่ากระบวนการใดที่ทำให้ลูกค้าสูญเสียลูกค้าไป แทนที่จะรายงานเพียงอัตราการแปลงโดยรวมของทั้งกระบวนการ การชำระเงินที่มีอัตราการแปลงโดยรวม 40 เปอร์เซ็นต์ อาจสูญเสียลูกค้าส่วนใหญ่ไปที่จุดที่ทำให้เกิดความไม่สะดวกเพียงจุดเดียว เช่น ค่าจัดส่งที่ไม่คาดคิดซึ่งแสดงให้เห็นช้า การสร้างบัญชีผู้ใช้ที่จำเป็น หรือช่องกรอกข้อมูลการชำระเงินที่ทำให้สับสน และการวิเคราะห์การสูญเสียลูกค้าในระดับขั้นตอนจะทำให้เห็นจุดนั้นได้อย่างชัดเจน แทนที่จะถูกซ่อนอยู่ภายใต้ตัวเลขรวม หากปราศจากความละเอียดในระดับนี้ ทีมงานมักจะแก้ไขส่วนที่ไม่ถูกต้องของประสบการณ์ ปรับปรุงขั้นตอนที่ไม่ใช่ปัญหาที่แท้จริง ในขณะที่จุดคอขวดที่แท้จริงยังคงไม่ได้รับการแก้ไขเป็นเวลาหลายเดือน บางครั้งอาจนานถึงทั้งไตรมาส
โดยทั่วไปแล้ว อัตราการออกจากเว็บไซต์จะถูกติดตามโดยใช้เครื่องมือวิเคราะห์ตามเหตุการณ์ เช่น รายงานการสำรวจช่องทาง (funnel exploration) ของ Google Analytics 4, Mixpanel หรือ Amplitude ซึ่งจำเป็นต้องบันทึกแต่ละขั้นตอนของกระบวนการเป็นเหตุการณ์หรือการดูหน้าเว็บที่แยกจากกัน เพื่อให้เครื่องมือสามารถคำนวณการรักษาผู้ใช้ในแต่ละขั้นตอนได้อย่างแม่นยำ เครื่องมือบันทึกเซสชันมักใช้ควบคู่ไปกับรายงานเชิงปริมาณเหล่านี้ เพื่อตรวจสอบเซสชันจริงของผู้ใช้ที่ออกจากเว็บไซต์ ซึ่งจะเผยให้เห็นสาเหตุเชิงคุณภาพ เช่น ช่องกรอกข้อมูลเสีย ข้อความแสดงข้อผิดพลาดที่ทำให้สับสน หรือหน้าเว็บโหลดช้า ซึ่งตัวเลขดิบเพียงอย่างเดียวไม่สามารถอธิบายได้ ไม่ว่ารายงานจะละเอียดแค่ไหนก็ตาม โดยทั่วไปแล้ว นักวิเคราะห์จะมองหาอัตราการออกจากเว็บไซต์ในแต่ละขั้นตอนที่เกิน 20 ถึง 25 เปอร์เซ็นต์ เพื่อเป็นสัญญาณบ่งชี้ว่าควรตรวจสอบอย่างละเอียดมากขึ้น แม้ว่าเกณฑ์ที่ยอมรับได้จะแตกต่างกันอย่างมากตามอุตสาหกรรม ระดับราคา และความซับซ้อนโดยธรรมชาติของกระบวนการที่กำลังวัด โดยการซื้อที่ต้องพิจารณาอย่างรอบคอบจะยอมรับอัตราการละทิ้งที่สูงกว่าการซื้อแบบฉับพลันในราคาต่ำได้
ข้อผิดพลาดที่พบบ่อยคือการมองว่าอัตราการออกจากเว็บไซต์เป็นสิ่งที่ไม่ดีโดยธรรมชาติและพยายามกำจัดมันให้หมดไป การออกจากเว็บไซต์บ้างในทุกขั้นตอนเป็นเรื่องปกติและคาดหวังได้ เนื่องจากไม่ใช่ผู้เข้าชมทุกคนที่เริ่มต้นกระบวนการจะเป็นผู้ซื้อที่มีคุณสมบัติเหมาะสมหรือพร้อมที่จะซื้อในขณะนั้น อีกข้อผิดพลาดหนึ่งคือการวิเคราะห์อัตราการออกจากเว็บไซต์โดยแยกจากคุณภาพของปริมาณการเข้าชม เนื่องจากอัตราการออกจากเว็บไซต์ที่เพิ่มขึ้นอย่างกะทันหันอาจสะท้อนถึงการเปลี่ยนแปลงในส่วนผสมของผู้เข้าชม เช่น แคมเปญโฆษณาใหม่ที่ดึงดูดผู้เข้าชมที่มีคุณสมบัติน้อยลง มากกว่าปัญหาใหม่ที่แท้จริงในกระบวนการนั้นเอง การแบ่งกลุ่มอัตราการออกจากเว็บไซต์ตามแหล่งที่มาของการเข้าชม ประเภทของอุปกรณ์ และสถานะของผู้เข้าชมใหม่เทียบกับผู้เข้าชมที่กลับมานั้นจำเป็นเพื่อหลีกเลี่ยงการสรุปที่ผิดพลาดและการแก้ไขปัญหาที่ไม่ได้มีอยู่จริงในประสบการณ์พื้นฐาน การเปรียบเทียบอัตราการออกจากเว็บไซต์ในช่วงเวลาที่ต่อเนื่องกัน เช่น สัปดาห์ต่อสัปดาห์แทนที่จะเป็นวันเดียว ยังช่วยแยกแยะความถดถอยที่แท้จริงออกจากความผันผวนรายวันในชุดข้อมูลขนาดเล็กได้อีกด้วย
In CRO ในการทำงาน การวิเคราะห์อัตราการละทิ้ง (drop-off rate analysis) มักเป็นจุดเริ่มต้นในการจัดลำดับความสำคัญว่าควรทดสอบส่วนใดของกระบวนการขายก่อน เนื่องจากขั้นตอนที่มีอัตราการละทิ้งสูงที่สุดเมื่อเทียบกับปริมาณการเข้าชม มักแสดงถึงโอกาสในการสร้างรายได้ที่ใหญ่ที่สุดที่สามารถแก้ไขได้ ที่ปรึกษาจะใช้ข้อมูลนี้เพื่อสร้างรายการจุดที่เกิดปัญหา ตรวจสอบสาเหตุที่สงสัยผ่านการทดสอบผู้ใช้หรือการบันทึกเซสชัน จากนั้นออกแบบการทดลองที่ตรงเป้าหมาย เช่น การทำให้แบบฟอร์มง่ายขึ้น การชี้แจงราคาให้ชัดเจนขึ้น หรือการเพิ่มสัญญาณความน่าเชื่อถือใกล้กับช่องชำระเงิน โดยมีเป้าหมายเฉพาะเพื่อลดการละทิ้งในขั้นตอนที่ระบุไว้ แทนที่จะทำการเปลี่ยนแปลงแบบกว้างๆ โดยไม่เจาะจงทั่วทั้งประสบการณ์โดยไม่มีทฤษฎีที่ชัดเจนว่าอะไรจะช่วยลดตัวเลขได้