Düşüş Oranı

Terk oranı, ödeme akışı, kayıt formu veya çok adımlı başvuru gibi tanımlanmış bir süreci tamamlamadan terk eden kullanıcıların yüzdesidir. Genellikle bir dizinin her bir adımında hesaplanır ve o adıma ulaşan kullanıcıların ne kadarının bir sonraki adıma geçmediğini gösterir; bu da onu, herhangi bir sıra veya ilerleme hissi olmaksızın yalnızca tek sayfa çıkışlarını ölçen basit bir hemen çıkma oranından ayırır. Örneğin, 1,000 kullanıcı üç adımlı bir ödeme işlemine başlarsa ve 700'ü ikinci adıma ulaşırsa, birinci ve ikinci adım arasındaki terk oranı %30'dur; bu rakam, bir ekibe sürecin nerede en acil olarak dikkat edilmesi gerektiğini, sürecin nerede yavaş olduğunu değil, hemen gösterir. Terk oranı, tersi olan adım adım tamamlama oranı olarak da ifade edilebilir ve her iki çerçeve de genellikle raporlamada yan yana gösterilir, böylece bir huniyi inceleyen paydaşlar her geçişte ne kadarının korunduğunu ve ne kadarının kaybedildiğini hemen görebilirler.

Bu ölçüt önemlidir çünkü tüm huninin genel dönüşüm oranını raporlamak yerine, bir sürecin tam olarak nerede müşteri kaybettiğini belirler. Genel dönüşüm oranı %40 olan bir ödeme işlemi, beklenmedik bir kargo ücretinin geç açıklanması, zorunlu hesap oluşturma adımı veya kafa karıştırıcı bir ödeme formu alanı gibi tek bir sürtünme noktasında potansiyel müşterilerinin çoğunu kaybediyor olabilir ve adım düzeyinde yapılan terk etme analizi, bu belirli noktayı tek bir karma sayının içinde gizlemek yerine görünür hale getirir. Bu ayrıntı düzeyi olmadan, ekipler genellikle deneyimin yanlış kısmına odaklanır, gerçek sorun olmayan adımları iyileştirirken, gerçek darboğaz aylarca, hatta bazen tüm mali çeyrekler boyunca dokunulmadan kalır.

Genellikle, Google Analytics 4 huni keşif raporları, Mixpanel veya Amplitude gibi olay tabanlı analiz araçları kullanılarak terk oranı izlenir. Bu araçlar, her bir akış adımının ayrı bir olay veya sayfa görüntülemesi olarak kaydedilmesini gerektirir, böylece araç adım adım elde tutma oranını doğru bir şekilde hesaplayabilir. Oturum kaydı araçları, bu nicel raporlarla birlikte, terk eden kullanıcıların gerçek oturumlarını izlemek için yaygın olarak kullanılır ve bozuk bir form alanı, kafa karıştırıcı bir hata mesajı veya yavaş yüklenen bir sayfa gibi, ham sayılarla tek başına açıklanamayan nitel nedenleri ortaya çıkarır. Analistler, genellikle adım adım terk oranlarının %20 ila %25'i aşmasını daha derinlemesine araştırma gerektiren bir sinyal olarak görürler; ancak kabul edilebilir eşikler, sektöre, fiyat noktasına ve ölçülen akışın doğal karmaşıklığına göre önemli ölçüde değişir; yüksek önem arz eden satın alımlar, düşük maliyetli, dürtüsel işlemlere göre doğal olarak biraz daha yüksek terk oranına tolerans gösterir.

Sık yapılan bir hata, terk oranını doğası gereği kötü olarak ele almak ve tamamen ortadan kaldırmayı hedeflemektir; her adımda bir miktar terk oranı normal ve beklenen bir durumdur, çünkü bir akışa başlayan her ziyaretçi o anda nitelikli veya gerçekten hazır bir alıcı değildir. Bir diğer tuzak ise, terk oranını trafik kalitesinden ayrı olarak analiz etmektir; çünkü terk oranındaki ani bir artış, akışın kendisinde gerçek bir yeni sorun yerine, daha az nitelikli trafik getiren yeni bir reklam kampanyası gibi ziyaretçi karışımındaki bir değişikliği yansıtabilir. Yanlış sonuca varmaktan ve altta yatan deneyimde aslında var olmayan bir sorun için çözüm aramaktan kaçınmak için, terk oranını trafik kaynağına, cihaz türüne ve yeni ve geri dönen ziyaretçi durumuna göre segmentlere ayırmak gereklidir. Örneğin, tek bir gün yerine haftalık olarak terk oranını karşılaştırmak, daha küçük bir veri kümesinde gerçek bir gerilemeyi sıradan günlük gürültüden ayırt etmeye de yardımcı olur.

In CRO Çalışmalarda, terk oranı analizi genellikle bir satış hunisinin hangi bölümünün önce test edileceğine öncelik verilmesi için başlangıç ​​noktasıdır, çünkü trafik hacmine göre en yüksek terk oranına sahip adım, genellikle geri kazanılabilecek en büyük potansiyel gelir fırsatını temsil eder. Danışmanlar bunu, sürtünme noktalarının sıralı bir listesini oluşturmak, şüpheli nedenleri kullanıcı testleri veya oturum kayıtları yoluyla doğrulamak ve ardından, bir formu basitleştirmek, fiyatlandırmayı daha erken açıklamak veya bir ödeme alanının yakınına güven sinyalleri eklemek gibi, özellikle belirlenen adımda terk oranını azaltmayı amaçlayan hedefli deneyler tasarlamak için kullanırlar; bu, sayıları neyin etkileyeceğine dair net bir teori olmadan tüm deneyim genelinde geniş, odaklanmamış değişiklikler yapmaktan daha etkilidir.