Retention and cohort analysis in product
Measure and improve retention with cohort analysis, return metrics, and decay curves.
What you will learn
- Misurare la retention a punto fisso, progressiva e a finestra mobile
- Costruire coorti e curve di retention per individuare il plateau
- Segmentare per canale e comportamento prima di decidere sulla media
Retention and cohort analysis in product
Questa lezione segue il binario ml-tabellare: la retention si legge meglio per righe e colonne, con coorti, finestre e segmenti ben allineati. Partiamo da una domanda scomoda ma necessaria: stai davvero crescendo, o stai solo compensando con nuove acquisizioni chi se ne va dalla porta di servizio?
L’idea centrale
La retention con analisi di coorte misura chi torna nel tempo per distinguere crescita reale da acquisizione che nasconde abbandono.
La procedura passo dopo passo
- Definisci coorte di attivazione, finestra di osservazione e azione di ritorno valida.
- Conta la dimensione iniziale di ogni coorte senza includere utenti immaturi.
- Conta i ritenuti per coorte alla scadenza fissata come giorno 7, 30 o settimana 8.
- Dividi ritenuti per dimensione iniziale e confronta coorti omogenee per canale.
- Segmenta per canale, piano e comportamento iniziale prima di leggere la media.
- Traduci il divario peggiore in intervento con
ownere soglia di controllo.
I tre modi di misurare la retention
The retention a punto fisso misura il ritorno esattamente al giorno N. Serve per cicli d’uso rigidi, ma risente molto del rumore.
The retention progressiva verifica il ritorno almeno una volta entro il giorno N. È stabile e adatta a comunicare la salute di prodotto a livello strategico.
The retention a finestra mobile osserva l’attività in intervalli specifici come seconda o terza settimana. È adatta a prodotti con cicli regolari ma non quotidiani.
| Approach | Question | When to Use |
|---|---|---|
| Punto fisso | Chi è tornato esattamente al giorno N | Cicli rigidi e scadenze precise |
| Progressiva | Chi è tornato almeno una volta entro N | Salute strategica e confronti stabili |
| Finestra mobile | Chi è attivo nella settimana 2 o 3 | Prodotti con uso regolare non quotidiano |
In sintesi: usa la progressiva per la salute, la finestra mobile per i cicli regolari e il punto fisso solo per scadenze rigide.
Verdetto: la retention progressiva vince per la salute di prodotto, la finestra mobile per i cicli regolari e il punto fisso solo per scadenze rigide; non decidere mai sulla media aggregata.
Anatomia di una coorte e curva di retention
Raggruppa gli utenti per settimana di attivazione. Associa ogni evento alla sua coorte. Calcola la settimana relativa e conta gli attivi per coorte e settimana.
La tabella finale mostra retention contro dimensione iniziale: un formato già pronto per la heatmap.
La curva tipica cala in fretta e poi si stabilizza. Il plateau indica il nucleo fedele e lascia intravedere il product-market fit.
Alcuni prodotti mostrano il sorriso, cioè una risalita tardiva. La risalita nasce da effetti rete, personalizzazione e costi di passaggio funzionali.
La media che inganna
Una media stabile al 40 percento può nascondere due movimenti opposti. I power user crescono mentre i casual calano e i due effetti si compensano.
Segmenta per canale di acquisizione, geografia, piattaforma e comportamento iniziale prima di decidere.
Revolut ha spostato il prodotto da cambio valuta monouso a super-app finanziaria leggendo questi divari, aggiungendo casi d’uso proprio per i segmenti coinvolti.
| Segment | Lettura | Product action |
|---|---|---|
| Power user | Retention alta e stabile | Proteggere e studiare casi d’uso |
| Casual in calo | Abbandono precoce concentrato | Semplificare attivazione e primo valore |
| Media aggregata | Compensazione che nasconde divari | Non decidere mai sulla media sola |
Il principio è netto: la media aggregata non decide nulla, la segmentazione decide tutto.
Netflix e il decadimento dei power user
Nel 2012 Netflix osserva che il 22 percento dei power user scivola a uso regolare in due mesi per esaurimento dei contenuti preferiti. La risposta è la personalizzazione predittiva dei suggerimenti costruita sui segnali di visione. In sei mesi il decadimento scende al 9 percento con retention e ricavi in recupero. La lezione è tabellare: coorte iniziale, comportamento di consumo, intervento mirato e misura del decadimento prima e dopo.
Quattro domande per verificare la comprensione
- Quale finestra di retention distingue valore reale da attività apparente?
- Quale baseline di coorte rende il confronto credibile nel tuo caso?
- Quale segmento nasconde il rischio maggiore dietro la media?
- Quale azione scatta se il plateau non compare?
Bloccato su questo argomento o vuoi applicarlo al tuo caso? Prenota una call di 15 minuti con un analista esperto.
Related Path
Lessons to read together
Questi collegamenti portano la lezione dentro il resto del corso: basi da riprendere, passaggi successivi e connessioni tematiche tra moduli.