Analisi di Coorte nell'Analytics Mobile: cosa sono, metriche e fasi di conduzione

Cos'è l'Analisi di Coorte?

L'analisi di coorte è un metodo analitico che divide gli utenti in gruppi (coorti) in base al momento in cui hanno eseguito il loro primo evento target, come l'installazione dell'app o la registrazione. A differenza delle metriche aggregate come DAU o MAU, le coorti consentono di tracciare il comportamento dello stesso gruppo per settimane e mesi, rivelando tendenze di retention e abbandono.

Il principale vantaggio di questo metodo è eliminare l'illusione della crescita, dove gli utenti più anziani mascherano i problemi dei nuovi. Secondo Amplitude Blog (2024), le aziende che hanno adottato l'analisi di coorte riducono l'abbandono degli utenti del 20–30% nei primi 90 giorni.

Applica l'analisi di coorte per valutare l'efficacia delle campagne UA, confrontare il comportamento di diverse versioni dell'app e calcolare il ritorno sull'investimento nell'acquisizione utenti.

Metriche Chiave dell'Analisi di Coorte

Tasso di Retention (Retention Rate)

Il tasso di Retention è la percentuale di utenti di una coorte che sono tornati nell'app N giorni dopo l'installazione. Questa è la metrica principale della qualità del prodotto: se gli utenti non tornano, i problemi risiedono nell'onboarding, nella proposta di valore o nella stabilità dell'app. Secondo Statista (2025), la Retention media al Day-1 per le app mobili è del 25–30%, al Day-7 — 10–15%, al Day-30 — 5–7%.

Confronta la Retention della tua coorte con i benchmark di categoria e analizza quali modifiche al prodotto hanno aumentato i ritorni.

LTV — Lifetime Value

LTV (Lifetime Value) è il ricavo totale di tutti gli utenti di una coorte durante il periodo di osservazione. Questa metrica è fondamentale per valutare il ROI delle campagne pubblicitarie e prendere decisioni sul ridimensionamento dei budget UA. Secondo il rapporto Adjust Benchmarks (2024), l'LTV mediano per utente nel gaming è di $3,50, nell'e-commerce — $1,80 e nelle utility — $0,40.

Calcola l'LTV della coorte al Day-30, Day-90 e Day-180 per comprendere il valore a lungo termine degli utenti acquisiti.

Tasso di Abbandono (Churn Rate)

Il tasso di abbandono è la percentuale di utenti di una coorte che hanno smesso di utilizzare l'app. Un tasso di abbandono elevato nei primi giorni segnala problemi di onboarding o disallineamento delle aspettative. Secondo Localytics (2024), il 25% degli utenti abbandona l'app dopo la prima apertura e al 90° giorno rimane meno del 5%.

Monitora il tasso di abbandono settimanalmente — un aumento del 5% in una coorte richiede un'analisi immediata delle cause di abbandono tramite sondaggi o registrazioni delle sessioni.

Tipi di Coorti per Periodo di Tempo

Coorti Giornaliere

Le coorti giornaliere sono utenti che hanno installato l'app lo stesso giorno. È il livello più granulare, che consente di rilevare anomalie: un improvviso calo della Retention in una data specifica può indicare un guasto tecnico o una campagna creativa problematica. Le coorti giornaliere vengono utilizzate per il monitoraggio operativo e i test A/B quando le modifiche vengono apportate quotidianamente.

Coorti Settimanali

Le coorti settimanali sono utenti che hanno installato l'app nella stessa settimana di calendario. Forniscono dati più stabili, attenuando le fluttuazioni giornaliere. Sono adatte per report regolari e confronto delle prestazioni dei canali pubblicitari — il passo settimanale neutralizza l'effetto del giorno della settimana, dove la conversione può differire nei fine settimana.

Coorti Mensili

Le coorti mensili sono utenti che hanno installato l'app nello stesso mese. Sono ottimali per analizzare trend a lungo termine, stagionalità e calcolare l'LTV su un orizzonte di 6–12 mesi. Vengono utilizzate a livello di gestione del prodotto per decisioni strategiche sullo sviluppo del prodotto.

Come Condurre un'Analisi di Coorte

L'analisi di coorte si compone di quattro fasi: raccolta dati, raggruppamento in coorti, calcolo delle metriche per periodo e visualizzazione. Per prima cosa, definisci l'evento target — generalmente install, signup o first_purchase. Tutti gli utenti che lo hanno eseguito in un periodo appartengono alla stessa coorte.

In secondo luogo, imposta l'intervallo di tempo: giorno, settimana o mese. Per ogni periodo successivo (Day-1, Day-2, Day-3...), calcola la percentuale di utenti che tornano. I risultati vengono compilati in una tabella di coorte, dove ogni riga è una coorte, ogni colonna è un periodo e ogni cella è un valore di metrica.

In terzo luogo, calibra i dati: escludi le coorti con meno di 100 utenti e considera la stagionalità. Secondo Mixpanel (2024), le coorti con meno di 50 utenti forniscono risultati statisticamente insignificanti con un margine di errore superiore al 20%. In quarto luogo, visualizza i dati come tabella di coorte o mappa di calore — le righe (coorti) e le colonne (periodi) rendono chiari i trend di retention per gli stakeholder.

Per una corretta interpretazione, confronta sempre coorti della stessa dimensione: non è accettabile confrontare una coorte di 50.000 utenti con una di 500. Normalizza le metriche come percentuale della dimensione iniziale della coorte, non come numeri assoluti — questo consente di confrontare gruppi di dimensioni disuguali. Considera anche l'effetto novità: gli utenti che hanno installato l'app dopo un grande evento di marketing potrebbero comportarsi diversamente dalle installazioni organiche.

Strumenti per l'Analisi di Coorte

Gli strumenti per l'analisi di coorte si dividono in integrati nelle piattaforme di analisi e soluzioni SQL personalizzate. Amplitude e Mixpanel offrono report di coorte pronti all'uso con calcolo automatico di Retention e LTV, senza necessità di scrivere query. Firebase Analytics fornisce coorti di base per data di installazione suddivise per giorni, settimane e mesi.

Per coorti personalizzate, utilizza query SQL in BigQuery o Redshift — questo ti dà il controllo completo su metriche e periodi. Secondo Amplitude (2024), i team che utilizzano coorti SQL personalizzate scoprono il 35% di insight comportamentali in più rispetto ai report standard. Gli strumenti BI (Tableau, Looker, Google Data Studio) consentono di creare dashboard interattivi di coorte per il monitoraggio regolare.

La scelta dello strumento dipende dalla maturità analitica del team. All'inizio, Firebase Analytics o le coorti integrate di Amplitude sono sufficienti — coprono l'80% delle esigenze di analisi di coorte. Con la crescita del team, passa a coorti SQL in BigQuery: questo offre flessibilità nella definizione di metriche non standard (ad esempio, coorti per data del primo acquisto anziché data di installazione) e consente di costruire modelli predittivi di LTV utilizzando il ML. Per la visualizzazione, utilizza Looker Studio, che si collega direttamente a BigQuery senza costi aggiuntivi.

Esempio di Analisi di Coorte in SQL

Per calcolare le coorti giornaliere da solo, utilizza una query SQL che raggruppi le sessioni per data di installazione. Di seguito è riportata una query per BigQuery che restituisce il numero di utenti attivi per giorno all'interno di ciascuna coorte.

SELECT
  install_date AS cohort_date,
  DATE_DIFF(session_date, install_date, DAY) AS day_number,
  COUNT(DISTINCT user_id) AS active_users
FROM user_sessions
WHERE install_date BETWEEN '2025-01-01' AND '2025-03-31'
GROUP BY cohort_date, day_number
ORDER BY cohort_date, day_number;

Dopo aver eseguito la query, crea una tabella riepilogativa in Google Sheets o in uno strumento BI. Ogni riga è una data di coorte, ogni colonna è il numero del giorno (Day-1, Day-2, ecc.). La percentuale di utenti attivi viene calcolata come rapporto tra active_users al giorno N e active_users al Day-0 (giorno di installazione).

Errori Comuni nell'Analisi di Coorte

Il primo errore è lavorare con coorti di piccole dimensioni. Se una coorte contiene meno di 100 utenti, ogni abbandono o ritorno di una singola persona distorce significativamente la percentuale. La dimensione minima della coorte per conclusioni affidabili è di 500 utenti.

Il secondo errore è ignorare la stagionalità. Una coorte che ha installato l'app prima di Capodanno si comporterà diversamente da una coorte di metà gennaio. Confronta sempre coorti della stessa stagione o utilizza la normalizzazione dei dati. Secondo Mixpanel (2024), le fluttuazioni stagionali possono raggiungere il 30–40% per la Retention al Day-1.

Il terzo errore è confondere l'analisi di coorte con l'analisi trasversale. L'analisi di coorte traccia un gruppo nel tempo, non confronta diversi gruppi in un singolo momento. Utilizza misurazioni ripetute sulla stessa coorte, altrimenti otterrai conclusioni false sulla crescita della Retention.