نرخ رها شدن سبد خرید چیست و چگونه محاسبه می‌شود؟

نرخ رها شدن سبد خرید سهم سبدهایی است که ساخته شده‌اند اما در بازه تعریف‌شده به سفارش کامل نمی‌رسند. فرمول ساده آن «تعداد سبدهای رهاشده تقسیم بر کل سبدهای ساخته‌شده، ضربدر صد» است. پیش از محاسبه باید روشن کنید سبد چه زمانی ساخته و چه زمانی رهاشده حساب می‌شود؛ وگرنه عدد داشبوردهای مختلف قابل مقایسه نیست. برای بررسی مرحله قبل از سبد خرید، نرخ تبدیل صفحه محصول را جدا اندازه بگیرید.

سبد رهاشده معمولاً زمانی ثبت می‌شود که بازدیدکننده کالا را به سبد اضافه کند اما در پنجره زمانی مشخص سفارش را نهایی نکند. صرف دیدن صفحه محصول سبد نیست. همچنین ممکن است فرد بعداً برگردد و همان سبد را تکمیل کند. تعریف «رهاشده» به شناسه سبد، مهلت انتظار و رویداد خرید وابسته است.

در راهنمای Shopify درباره محاسبه نرخ رها شدن سبد، سبدهای رهاشده بر سبدهای ساخته‌شده تقسیم می‌شوند. فروشگاه باید بداند نرم‌افزارش سبد مهمان، سبد ساخته‌شده با ربات یا سبدی را که بعداً خرید شده چگونه می‌شمارد. نام یکسان شاخص در دو پلتفرم لزوماً تعریف عملیاتی یکسان ندارد.

بعضی خریداران از سبد مانند فهرست مقایسه استفاده می‌کنند و هنوز قصد خرید فوری ندارند. بنابراین هر سبد رهاشده نشانه خطای پرداخت یا نارضایتی نیست. برای فهم علت، باید مرحله‌ای را که کاربر خارج شده، هزینه نهایی، موجودی کالا و بازخورد واقعی بررسی کرد. نرخ فقط اندازه پدیده را نشان می‌دهد.

اگر در یک بازه ۵۰۰ سبد یکتا ساخته شده و ۲۰۰ سبد به سفارش کامل رسیده‌اند، ۳۰۰ سبد رهاشده‌اند. نرخ برابر ۳۰۰ تقسیم بر ۵۰۰ ضربدر صد، یعنی ۶۰ درصد است. شکل معادل فرمول «یک منهای سفارش‌های کامل تقسیم بر سبدهای ساخته‌شده، ضربدر صد» است، به شرط اینکه تعریف دو عدد سازگار باشد.

اگر یک سبد چند بار ویرایش شده، آن را چند سبد نشمارید. اگر یک نفر دو سبد مستقل ساخته، تعریف شما باید مشخص کند هر دو وارد مخرج می‌شوند یا نه. در محاسبه سبد محور، واحد شمارش سبد است، نه مشتری. این شاخص با نرخ بازگشت مشتری فرق دارد؛ مقاله محاسبه نرخ بازگشت مشتری شاخص فردمحور دیگری را شرح می‌دهد.

در گزارش، فرمول و اعداد خام را کنار درصد بنویسید. «۶۰ درصد» بدون ۳۰۰ و ۵۰۰، اندازه نمونه را پنهان می‌کند. در فروشگاه کوچک، چند خرید بیشتر می‌تواند درصد را زیاد تغییر دهد. اگر نرم‌افزار نرخ را خودکار محاسبه می‌کند، یک نمونه را دستی بازتولید کنید تا مطمئن شوید مخرج و پنجره زمانی همان است که انتظار دارید.

سبدی که امروز ساخته شده و هنوز امکان خرید فردا دارد را نباید بی‌درنگ رهاشده قطعی دانست. برای تعریف عملی، مهلتی مانند ۲۴ ساعت یا چند روز انتخاب کنید و در همه گزارش‌ها ثابت نگه دارید. مدت مناسب به نوع محصول و چرخه تصمیم خرید بستگی دارد؛ کالای گران ممکن است زمان مقایسه بیشتری بخواهد.

اگر نرخ روزانه می‌سنجید، سبدهای آخر روز هنوز فرصت تکمیل ندارند. این می‌تواند نرخ را موقتاً بالا نشان دهد. بهتر است برای گزارش نهایی، پنجره تکمیل خرید را صبر کنید یا گروه سبدهای ساخته‌شده در یک روز را پس از گذشت همان مهلت بسنجید. این روش مقایسه هفته‌ها را منصفانه‌تر می‌کند.

سبدی که امروز ساخته و هفته بعد تکمیل شده چگونه ثبت می‌شود؟ پاسخ را از قبل بنویسید. اگر پنجره شما ۴۸ ساعت است، آن خرید دیرهنگام در شاخص اولیه رهاشده محسوب می‌شود، مگر اینکه گزارش بازنگری‌شده داشته باشید. هیچ انتخابی برای همه کسب‌وکارها درست نیست؛ ثبات و شفافیت مهم‌اند.

رها شدن سبد از لحظه اضافه شدن کالا آغاز می‌شود، اما رها شدن پرداخت فقط کاربرانی را می‌بیند که وارد فرایند تسویه یا checkout شده‌اند و آن را کامل نکرده‌اند. مخرج این دو متفاوت است. اگر کسی سبد ساخته ولی هرگز صفحه پرداخت را ندیده، در شاخص سبد ممکن است بیاید ولی در شاخص پرداخت نه.

این تمایز برای پیدا کردن مسئله عملی مهم است. خروج پیش از پرداخت می‌تواند به مقایسه قیمت، هزینه ارسال نامعلوم یا تصمیم‌گیری عادی مربوط باشد. خروج در مرحله پرداخت ممکن است با فرم طولانی، خطای درگاه یا الزام ساخت حساب مرتبط باشد. از روی نرخ کلی سبد نمی‌توان فهمید درگاه پرداخت خراب است.

در داشبورد، نام رویدادها را دقیق بخوانید: add to cart، begin checkout و purchase سه مرحله‌اند. اگر پلتفرم فقط رها شدن checkout را گزارش می‌کند، آن را به‌نام رها شدن همه سبدها منتشر نکنید. تفاوت شمارش را در تصمیم بازاریابی حفظ کنید؛ پیام بازیابی سبد برای کسی که فقط مقایسه می‌کرد با کسی که پرداختش خطا خورد یکسان نیست.

شناسه یکتای سبد، زمان ساخته شدن، زمان سفارش کامل و وضعیت نهایی سفارش را نیاز دارید. سبد آزمایشی کارکنان، ربات‌ها و سفارش‌های لغوشده باید طبق قاعده از پیش تعیین‌شده بررسی شوند. حذف گزینشی سبدهای نامطلوب پس از دیدن نتیجه، نرخ را دستکاری می‌کند. قاعده پاک‌سازی را مکتوب کنید.

اگر بازدیدکننده بدون حساب خرید می‌کند، شناسه سبد ممکن است با کوکی یا نشست مرورگر مرتبط باشد. پاک شدن کوکی یا تغییر دستگاه می‌تواند یک نفر را به چند سبد تبدیل کند؛ در شاخص سبد محور این مسئله لزوماً خطا نیست، اما برای تحلیل مشتری مهم است. نرخ سبد را با نرخ افراد یکی نگیرید.

در فرایند خرید، ممکن است سفارش ثبت شود ولی پرداخت ناموفق بماند. تعریف «سفارش کامل» را روشن کنید: ثبت سفارش، پرداخت موفق یا تحویل؟ برای نرخ رها شدن سبد معمولاً رویداد خرید نهایی‌شده در سامانه ملاک است، اما کسب‌وکار باید وضعیت‌های خاص خود را بشناسد. یک سفارش پرداخت‌نشده نباید بی‌بررسی به‌عنوان موفق وارد صورت کسر شود.

فرض کنید سامانه در یک هفته ۱۰۰۰ سبد ثبت کرده است. از این تعداد ۵۰ سبد آزمایش کارکنان یا ربات بوده و طبق قاعده حذف می‌شوند؛ ۹۵۰ سبد معتبر می‌ماند. اگر ۳۸۰ سبد از همان گروه در مهلت تعیین‌شده به خرید کامل برسند، ۵۷۰ سبد رها می‌شوند. نرخ برابر ۵۷۰ تقسیم بر ۹۵۰، یعنی ۶۰ درصد است.

اگر ۲۰ سفارش از ۳۸۰ مورد پرداخت ناموفق داشته‌اند و تعریف شما خرید پرداخت‌شده است، خریدهای کامل به ۳۶۰ می‌رسد. در این صورت ۵۹۰ سبد رها و نرخ حدود ۶۲٫۱ درصد می‌شود. این تفاوت از تغییر تعریف سفارش کامل آمده است، نه از تغییر رفتار کاربران. بنابراین روش محاسبه را کنار نمودار بنویسید.

در گزارش ماه بعد، همان قواعد حذف و همان مهلت انتظار را به کار ببرید. اگر سیستم رهگیری تغییر کرده، روند پیش و پس از تغییر ممکن است شکسته شود. آن را در گزارش علامت بزنید. عدد دقیق‌نما با داده نامنطبق از یک برآورد با محدودیت شفاف کم‌ارزش‌تر است.

نه. بخشی از کاربران سبد را برای مقایسه، دیدن هزینه نهایی یا ذخیره کالا می‌سازند. بااین‌حال، نرخ بالا یا افزایش ناگهانی ارزش بررسی دارد. باید ببینید آیا هزینه ارسال دیر نمایش داده می‌شود، موجودی در پایان مسیر تمام می‌شود یا خطای پرداخت رخ داده است. علت را با داده مرحله‌ای و آزمون پیدا کنید.

پژوهش‌های Baymard درباره تجربه سبد و پرداخت نشان می‌دهد ترک خرید می‌تواند از رفتار مقایسه‌ای و نیز اصطکاک فرایند خرید ناشی شود. درصدهای منتشرشده برای مقایسه مستقیم با فروشگاه شما کافی نیستند؛ نمونه و تعریف داده ممکن است فرق داشته باشد. روند داخلی با روش ثابت معمولاً نقطه شروع بهتری است.

اگر نرخ پس از تغییر هزینه ارسال یا طراحی صفحه پرداخت ناگهان بالا رفت، ارتباط زمانی سرنخ است، نه اثبات علت. خطاهای فنی، ترکیب ترافیک یا کمپین تبلیغاتی هم می‌توانند هم‌زمان تغییر کرده باشند. چند شاخص را کنار هم ببینید: ورود به پرداخت، خطای درگاه، زمان بارگذاری و سفارش کامل.

از صفحه محصول تا سبد، آغاز پرداخت، وارد کردن نشانی، نمایش هزینه نهایی و تأیید سفارش را جدا اندازه بگیرید. افت در هر مرحله سؤال متفاوتی می‌سازد. اگر بیشتر کاربران پیش از دیدن هزینه ارسال می‌روند، شاید مشکل در اطلاعات محصول باشد؛ اگر پس از نمایش هزینه می‌روند، قیمت نهایی را بررسی کنید.

روی موبایل و رایانه جدا نگاه کنید. فرم پرداختی که روی رایانه خوب است ممکن است در موبایل سخت باشد. همچنین خطاهای کد تخفیف یا روش پرداخت را ثبت کنید. برای فهم مشکل، چند خرید آزمایشی واقعی از ابتدا تا انتها با دستگاه‌های معمول مشتری انجام دهید. داده کمی جای دیدن تجربه واقعی را نمی‌گیرد.

اگر کالاهای خاص نرخ رها شدن بیشتری دارند، شاید تصمیم خریدشان طولانی‌تر است یا هزینه ارسال متفاوتی دارند. مقایسه دسته‌ها باید با حجم نمونه و قیمت انجام شود. تغییر یک صفحه را ابتدا برای گروهی محدود آزمون کنید و اثر آن را با همان فرمول بسنجید. چند تغییر هم‌زمان فهم نتیجه را سخت می‌کند.

اگر کاربر راه ارتباطی را با رضایت در اختیار گذاشته و قوانین حریم خصوصی رعایت می‌شود، یادآوری می‌تواند به بازگشت او کمک کند. اما پیام فوری و تکراری برای هر سبد ساخته‌شده ممکن است مزاحم باشد. زمان ارسال را با چرخه تصمیم کالا و مهلت تعریف‌شده برای رها شدن هماهنگ کنید.

متن پیام باید روشن و صادقانه باشد: کالاهای باقی‌مانده، هزینه‌های قابل پیش‌بینی و راه بازگشت به سبد. از ادعای موجودی یا تخفیف ساختگی برای فشار به خرید پرهیز کنید. اگر علت رها شدن خطای درگاه بوده، رفع خطا پیش از ارسال پیام مهم‌تر است. یادآوری برای مشکل فنی حل‌نشده نتیجه پایداری نمی‌دهد.

نرخ بازگشت از پیام را جدا از نرخ رها شدن کل بسنجید. برخی کاربران بدون پیام هم برمی‌گشتند و بعضی پس از پیام فقط صفحه را باز می‌کنند. معیار نهایی خرید کامل و تجربه مشتری است. تخفیف بی‌حساب ممکن است سفارش را برگرداند ولی حاشیه سود را کم کند؛ هزینه کمپین را نیز در تحلیل بیاورید.

نرخ تبدیل بازدید به خرید، نرخ ورود به checkout، ارزش متوسط سفارش و خطاهای پرداخت تصویر کامل‌تری می‌دهند. اگر سبدهای زیادی ساخته می‌شود ولی خرید کم است، باید مرحله افت را پیدا کنید. اگر سبدهای کمی ساخته می‌شود، مشکل ممکن است پیش از سبد، در محصول یا جذب ترافیک باشد.

در تحلیل مالی، تعداد سفارش برگشتی به‌تنهایی سود را نشان نمی‌دهد. هزینه جذب، هزینه ارسال و تخفیف را کنار درآمد بگذارید. مقاله محاسبه هزینه جذب مشتری شاخص جداگانه‌ای را توضیح می‌دهد. کاهش نرخ رها شدن با تخفیف سنگین ممکن است ظاهر نمودار را بهتر کند ولی نتیجه مالی را بدتر سازد.

برای کسب‌وکار کوچک، گزارشی با چهار عدد کافی است: سبد معتبر، سفارش کامل، نرخ رها شدن و بیشترین مرحله خروج. کنار آن یک یادداشت درباره تغییر قیمت، ارسال یا درگاه بگذارید. اگر ماه بعد عدد عوض شد، می‌توانید فرضیه مشخصی بررسی کنید. نمودار پیچیده بدون تعریف ثابت کمکی به تصمیم نمی‌کند.

مخلوط کردن سبد و checkout، شمردن چندباره یک سبد و مقایسه بازه‌های با مهلت متفاوت خطاهای رایج‌اند. همچنین اگر سفارش‌های پرداخت‌ناموفق به‌عنوان موفق ثبت شوند، نرخ ظاهراً پایین می‌آید. داده ربات و سفارش آزمایشی نیز می‌تواند مخرج را تغییر دهد. پیش از انتشار درصد، چند نمونه خام را دستی بررسی کنید.

مقایسه با عددهای جهانی بدون توجه به نوع کالا و تعریف پلتفرم می‌تواند گمراه‌کننده باشد. فروشگاه کالای گران، خوراکی و خدمات اشتراکی رفتار یکسان ندارند. حتی در یک فروشگاه، کمپین تخفیف ممکن است افراد بیشتری را فقط برای دیدن قیمت نهایی به سبد بیاورد. روند را با زمینه بازاریابی بخوانید.

در پایان، نرخ را هدف مطلق قرار ندهید. اگر برای کاهش آن دکمه ساخت سبد را پنهان کنید یا خرید را برای کاربر سخت‌تر بسازید، شاید عدد بهتر شود ولی فروش و تجربه آسیب ببیند. شاخص باید به فهم رفتار و رفع مانع واقعی کمک کند. تصمیم را با سفارش کامل و رضایت مشتری ارزیابی کنید.

نرخ رها شدن سبد برابر سهم سبدهای معتبر است که در مهلت تعریف‌شده به سفارش کامل نمی‌رسند. فرمول را با اعداد خام، مهلت انتظار و تعریف خرید موفق گزارش کنید. آن را با رها شدن مرحله پرداخت و نرخ بازگشت مشتری اشتباه نگیرید. برای یافتن علت، مسیر خرید و تجربه واقعی کاربران را بررسی کنید.

• Shopify: Calculating cart abandonment rate
• Baymard Institute: Cart and checkout usability research