Cohort analysis: la tabella che separa chi gestisce l'e-commerce con il dato da chi lo gestisce a sensazioni

Cos'è la cohort analysis

È la singola tabella che separa chi gestisce un e-commerce guardando le sensazioni da chi lo gestisce guardando il dato. Senza, ROAS verde e fatturato in crescita possono nascondere coorti tossiche che bruciano cassa. Con, il signal arriva 4-6 mesi prima rispetto al dashboard medio.

Cosa mostra la tabella amount spent per customer

Ogni riga rappresenta una coorte di clienti: tutte le persone che hanno fatto il loro primo ordine in un determinato mese (es. coorte novembre 2024 = tutti i first-time buyer di quel mese).

Ogni colonna (Month 0, Month 1, Month 2, ecc.) indica quanto in media ha speso ciascun cliente di quella coorte fino a quel mese, cumulativo.

Importante: i numeri sono cumulativi, non per mese. Se la coorte di novembre 2024 mostra Month 0 = 86€ e Month 5 = 92€, significa che il cliente medio ha speso 86€ al primo acquisto e 92€ totali nei cinque mesi successivi. Non 92€ al quinto mese. Lo spread (92 − 86 = 6€ in 5 mesi) racconta quanto poco quella coorte è tornata a riacquistare.

Come leggere la cohort in 3 passi

Passo 1 · Leggi il Month 0

Il Month 0 è la spesa media al primo acquisto della coorte. Confronto utile: come si muove nel tempo?

• Month 0 sale (gennaio 58 → aprile 67): stai acquisendo clienti che spendono di più al primo ordine. Buon segno.
• Month 0 scende: stai attraendo clienti con scontrino medio più basso. Possibile causa: nuovo canale meno qualificato, promo aggressive, target più freddo.

Passo 2 · Leggi la crescita Month 0 → Month X

Lo "slope" cumulativo nei mesi successivi è la misura di quanto i clienti tornano a riacquistare.

• Coorte sana food/beauty/consumer: Month 0 → Month 3 cresce del 30-60%
• Coorte mediocre: cresce del 10-25%
• Coorte malata: cresce sotto 10% (è il caso "secchio bucato")

Passo 3 · Identifica il plateau

Il plateau è il mese in cui la crescita cumulativa si ferma. È il momento in cui la coorte "smette di tornare".

• Plateau a Month 1: coorte tossica. La maggior parte ha fatto un ordine e basta.
• Plateau a Month 3-6: coorte mediocre. Retention iniziale poi si ferma.
• Plateau a Month 9-12: coorte forte. Continuano a tornare oltre il primo anno.
• Senza plateau visibile (crescita oltre Month 12): coorte eccellente, LTV altissimo.

Le 3 domande operative da fare sulla cohort

1. Quale coorte ha la slope migliore? Cosa è cambiato in quel mese nei canali?

Identifichi la coorte più sana. Vai a vedere: quali canali di acquisizione hanno portato quei clienti? Quali creative? Quali landing page? Quali prodotti hanno comprato per primi? Il pattern emerge.

2. Quale coorte ha il plateau più precoce? Cosa è cambiato in quel mese?

Stesso esercizio, opposto. La coorte malata viene da campagne specifiche, creator specifici, prodotti d'ingresso specifici. Capire cosa ha attratto clienti di bassa qualità ti dice cosa non rifare.

3. Le coorti più recenti stanno migliorando o peggiorando rispetto alle storiche?

Confronto rolling. Se le ultime tre coorti hanno slope peggiore delle precedenti tre, c'è un problema di degradazione del traffico o del prodotto. Va indagato prima che si manifesti come "fatturato fermo" sei mesi dopo.

Cohort per canale e per primo prodotto: il livello che separa amatori e pro

Cohort per canale di acquisizione

Spezzi la stessa tabella per canale (Meta, Google, organic, email, referral, influencer). Pattern tipico food/beauty:

• Organic / SEO: slope alta, plateau tardivo. Migliore coorte sistematicamente.
• Email/CRM: slope altissima (sono ricorrenti). Plateau lontano.
• Google Search non-brand: slope media, plateau medio. Intent alto.
• Meta paid: slope media, variabile per creative type (UGC slope alta, brand stock photography slope bassa).
• Influencer: estremamente variabile. Creator in-target slope alta. Creator out-of-target slope bassissima, plateau immediato.

Cohort per primo prodotto

I clienti che hanno comprato prodotto A come primo ordine hanno comportamento diverso da chi ha comprato prodotto B.

Pattern food: chi entra con il "core" SKU torna molto di più di chi entra con SKU "premium edizione limitata" (questi spesso sono "discovery shopper" che provano e non rientrano).

Conoscere il pattern ti permette di guidare il traffico paid verso il prodotto d'ingresso a più alta retention, non solo a più alto AOV.

I 4 errori comuni nella cohort analysis

1. Leggere i numeri come mensili invece che cumulativi

Errore fondamentale che porta a interpretazioni opposte. Se Month 5 = 92€ e Month 0 = 86€, la differenza è 6€ totali in 5 mesi, NON 92€ al quinto mese.

2. Confrontare cohort molto distanti senza considerare stagionalità

Coorte gennaio e coorte luglio in food hanno dinamiche stagionali diverse. Mai confronto Y-o-Y senza pulizia.

3. Non segmentare per canale

La cohort aggregata può mostrare uno slope decente ma nascondere un canale che porta solo dead weight.

4. Decidere scaling su cohort troppo giovani

Una cohort di 4 settimane non ti dice nulla di affidabile sul plateau. Servono minimo 8-12 settimane per estrarre signal.

Il caso food DTC premium

Coorte gennaio: Month 0 → 58€, Month 5 → 72€ (+14€). Slope 24%, mediocre ma in crescita.

Coorte aprile: Month 0 → 67€, Month 3 → 71€ (+4€). Plateau quasi immediato. Slope 6%.

Cosa era cambiato a marzo? Aggiunta una campagna influencer aggressiva con creator molto fuori-target. Aveva portato traffico, ROAS dichiarato sembrava buono, ma quei clienti non tornavano. Plateau a Month 1.

Riallocato il 35% del budget paid via cohort. Le coorti dei due trimestri successivi hanno mostrato slope Month 3 di 38% (vs 12% delle coorti pre-cambio). Plateau spostato da Month 4 a Month 9.

Stesso brand. Stessi prodotti. Cambiato il sistema di lettura del dato. La cassa ha smesso di mentire al fondatore. Matteo Coloru

Domande frequenti