Funnel Analysis nell'analisi mobile — cos'è, fasi del funnel e come costruirlo

Cos'è il Funnel Analysis?

Funnel Analysis (analisi a imbuto) è un metodo di analisi in cui viene identificata una sequenza di eventi che portano a una conversione. Ogni passaggio successivo include solo gli utenti che hanno completato tutti i precedenti. Il risultato è un “funnel” — un ingresso ampio (tutti coloro che hanno iniziato) e un'uscita stretta (coloro che hanno completato).

Nelle app mobili, un funnel tipico si presenta così: installazione → registrazione → onboarding → prima azione → azione ripetuta → acquisto. In ogni passaggio, alcuni utenti abbandonano, e il compito dell'analista è comprendere la causa e ridurre le perdite.

Metriche di base del funnel

La metrica Average Time tra i passaggi è spesso sottovalutata. Se ci vogliono in media 45 minuti dall'installazione alla registrazione, il problema è nel caricamento dei contenuti o nella complessità della prima schermata.

Tipi di funnel nell'analisi mobile

I funnel sono divisi in due tipi principali — aperti e chiusi. La scelta dipende dallo scenario e dalla flessibilità del percorso utente.

Funnel chiuso (Strict Funnel)

L'utente deve completare tutti i passaggi rigorosamente in ordine. Se salta un passaggio o prende un'altra strada, non viene incluso nel funnel. Esempio: registrazione → conferma email → compilazione profilo → primo ordine. I funnel chiusi forniscono un quadro pulito ma escludono scenari utente reali.

Funnel aperto (Open Funnel)

L'utente può eseguire i passaggi in qualsiasi ordine o saltarne alcuni. Il sistema calcola la conversione in ogni passaggio in modo indipendente. Esempio: visualizzazione catalogo → aggiungi al carrello → checkout. Open Funnel è un metodo più realistico per la maggior parte delle app mobili.

• Funnel chiuso — sequenza rigorosa, tutti i passaggi obbligatori
• Funnel aperto — ordine libero, passaggi opzionali
• Ibrido — primi passaggi obbligatori, successivi liberi

Esempio di funnel ibrido per app di abbonamento

Passaggio 1 (obbligatorio): installazione dell'app. Passaggio 2 (obbligatorio): visualizzazione della schermata di abbonamento. Passaggio 3 (opzionale): visualizzazione dei piani. Passaggio 4 (obbligatorio): acquisto dell'abbonamento. L'approccio ibrido offre un equilibrio tra purezza dei dati e realismo.

Fasi di costruzione del funnel

Costruire un funnel è un compito all'incrocio tra analisi e prodotto. Il processo consiste in cinque passaggi, dalla formulazione dell'ipotesi all'automazione del report.

Passaggio 1: Definisci la conversione target

Cosa vuoi che l'utente faccia? purchase_completed, subscription_started, referral_sent. L'evento target è la cima del funnel. Tutti i passaggi sottostanti portano ad esso.

Passaggio 2: Scomponi il percorso in eventi

Elenca tutti gli eventi obbligatori tra l'ingresso nell'app e l'azione target. Per l'e-commerce: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Ogni evento dovrebbe già esistere in Event Tracking o essere aggiunto.

Passaggio 3: Scegli una finestra temporale

Finestra temporale — il tempo massimo tra il primo e l'ultimo passaggio. Per scenari rapidi (installazione di gioco) — 24 ore. Per abbonamenti — 7 o 30 giorni. Gli eventi fuori dalla finestra non sono inclusi nell'analisi.

La scelta della finestra influisce direttamente sulla conversione: una finestra troppo breve (1 ora) esclude gli utenti che sono tornati dopo 2 ore per completare un acquisto. Troppo lunga (30 giorni) include azioni casuali. L'ottimale è determinato analizzando il tempo tra i passaggi: costruisci una distribuzione degli intervalli e seleziona la finestra al 90° percentile.

Per i funnel veloci (onboarding, registrazione) usa una finestra di 1 ora. Per quelli medi (primo acquisto) — 7 giorni. Per quelli lunghi (abbonamento) — 30 giorni. Finestre diverse per diverse coppie di passaggi possono essere utilizzate all'interno dello stesso funnel.

-- Esempio di calcolo del Funnel in BigQuery
WITH funnel_steps AS (
  SELECT
    user_id,
    event_name,
    event_timestamp,
    LAG(event_name) OVER (
      PARTITION BY user_id ORDER BY event_timestamp
    ) AS previous_event
  FROM `project.events.*`
  WHERE event_name IN (
    'app_opened', 'product_viewed',
    'add_to_cart', 'purchase_completed'
  )
)
SELECT
  event_name AS step,
  COUNT(DISTINCT user_id) AS users,
  ROUND(
    COUNT(DISTINCT user_id)
    / MAX(COUNT(DISTINCT user_id)) OVER (), 3
  ) AS conversion_rate
FROM funnel_steps
GROUP BY step
ORDER BY ARRAY_POSITION(
  ['app_opened', 'product_viewed',
   'add_to_cart', 'purchase_completed'],
  event_name
)

La query utilizza LAG per tracciare la sequenza e ARRAY_POSITION per ordinare i passaggi. Il risultato è una tabella con il numero di utenti e la conversione in ogni passaggio.

Passaggio 4: Verifica sui dati storici

Costruisci il funnel sui dati degli ultimi 30 giorni. Se “checkout_started” ha una conversione dell'80% ma “purchase_completed” del 25%, il problema è nel modulo di pagamento. Confronta con i benchmark competitivi: la conversione media del carrello nelle app mobili è del 15–25% secondo Statista (2024).

Passaggio 5: Automatizza il monitoraggio

Imposta un report giornaliero con il funnel in una dashboard (Looker Studio, Tableau). Aggiungi avvisi: se il Conversion Rate in un passaggio scende sotto il limite di controllo, invia una notifica a Slack o Telegram.

Analisi delle perdite nel funnel

Drop-off Analysis è una fase chiave del Funnel Analysis. Le perdite in ogni passaggio sono una fonte di ipotesi per il miglioramento del prodotto. Vengono identificate tre zone di problema: bug tecnici, barriere UX e scenari motivazionali.

Perdite tecniche

Se il 15% degli utenti abbandona al passaggio “registration_completed” dopo aver inserito il numero di telefono, verifica il gateway SMS. Le perdite tecniche si risolvono in 1–2 giorni e forniscono un rapido aumento della conversione. Usa Firebase Crashlytics in combinazione con il funnel per identificare i bug.

Barriere UX

Se il 40% viene perso a “cart_viewed” → “checkout_started”, il problema è nell'UX del carrello. Forse non c'è un pulsante “Checkout” sopra la piega dello schermo, o il costo di spedizione non viene mostrato prima di inserire l'indirizzo. L'analisi UX richiede replay di sessione (Hotjar, UXCam, Smartlook).

Perdite motivazionali

Se l'utente raggiunge “payment_selected” ma non completa l'acquisto, il valore dell'offerta è inferiore al prezzo. Le perdite motivazionali si affrontano con sconti, prove e prova sociale. Test A/B: mostra al 50% degli utenti le recensioni sulla pagina di pagamento e confronta la conversione.

• Tecniche — bug, timeout, errori API (fino al 20% delle perdite)
• Barriere UX — navigazione complessa, CTA nascosti (fino al 35%)
• Motivazionali — prezzo, mancanza di fiducia (fino al 45%)

Metodologia di analisi: 5 Perché per il funnel

La tecnica dei 5 Perché applicata al funnel: in un passaggio in cui la conversione è calata del 20%, poni in sequenza cinque domande “perché”. Perché gli utenti non arrivano al pagamento? Perché il modulo di pagamento carica lentamente. Perché carica lentamente? Perché la richiesta al gateway di pagamento va in timeout. Perché va in timeout? Perché l'SDK non è aggiornato. La metodologia identifica la causa principale, non il sintomo.

L'analisi di coorte del funnel è un altro strumento. Confronta il funnel degli utenti che hanno installato l'app a gennaio e febbraio. Se la coorte di febbraio mostra un calo del 15% della conversione al passaggio “registrazione”, la causa è un cambiamento nella schermata di onboarding rilasciato a fine gennaio. Le coorti isolano i fattori temporali.

Secondo CXL Institute (2024), l'analisi sistematica del Drop-off seguita da test A/B delle ipotesi produce un aumento medio della conversione del funnel del 30% in 3 mesi.

Strumenti per il Funnel Analysis

Ogni strumento offre il proprio approccio alla costruzione dei funnel. La scelta dipende dalla complessità del prodotto e dal budget.

Amplitude — Pathfinder e Funnel Analysis

Amplitude è leader nell'analisi di prodotto. Il Funnel Analysis integrato consente di segmentare il funnel per coorti, dispositivi e versioni dell'app. Pathfinder mostra le diramazioni — quanti utenti hanno seguito un percorso alternativo dopo il passaggio 2.

Mixpanel — Flows

Mixpanel Flows visualizza il funnel come un grafo di transizioni. Pro: aggiornamento in tempo reale. Contro: filtraggio limitato nel piano gratuito. Adatto a progetti di medie dimensioni con un team fino a 10 analisti.

Firebase Analytics — Funnel Report

Firebase fornisce un Funnel Report gratuito con un limite fino a 10 passaggi. L'integrazione con BigQuery consente di costruire funnel personalizzati tramite SQL. Ideale per startup che stanno appena iniziando ad analizzare la conversione.

Tableau + BigQuery

Per soluzioni enterprise, usa Tableau con BigQuery come sorgente. Questo offre flessibilità totale: metriche personalizzate, analisi end-to-end dall'installazione al LTV, monitoraggio in tempo reale. Richiede un ingegnere BI.

Google Analytics 4 — Funnel Exploration

GA4 offre Funnel Exploration nella sezione Explore. Supporta fino a 10 passaggi, segmentazione per parametri utente e confronto di periodi. Contro: flessibilità limitata rispetto ad Amplitude, ma completamente gratuito e integrato con Google Ads.

Confronto degli strumenti di Funnel Analysis

La scelta dello strumento è determinata dalla frequenza di analisi. Per il monitoraggio giornaliero dei funnel, sono adatti Amplitude o Mixpanel. Per report strategici settimanali — Tableau con BigQuery. Per startup — Firebase o GA4.