Lean Analytics: metriche chiave per modello di business

Un ecommerce può avere un ROAS in crescita e, allo stesso tempo, meno soldi in cassa per pagare i fornitori. Un SaaS può raccogliere sempre più iscritti mentre i clienti smettono di usarlo. Una campagna può dimezzare il costo per lead e riempire il CRM di contatti che il commerciale non riesce a chiudere.

Succede perché ogni metrica racconta un pezzo diverso dello stesso business. E quando il report mette tutti i numeri sullo stesso piano, è facile (e umano) scegliere quello che racconta la storia più comoda.

Lean Analytics offre un criterio per mettere ordine: scegliere la metrica su cui concentrarsi in base al modello di business e alla fase che l'azienda sta attraversando. È la One Metric That Matters, spesso abbreviata in OMTM. [1]

Il libro, scritto da Alistair Croll e Benjamin Yoskovitz e pubblicato nel 2013, resta per me uno dei punti di partenza più utili per ragionare sulle metriche. Con un'avvertenza: un benchmark di dieci anni fa non diventa automaticamente un obiettivo sensato per il nostro progetto. [2]

Qui provo ad applicare i concetti del libro al lavoro di marketing di tutti i giorni. Le tabelle, gli esempi numerici e i calcolatori sono elaborazioni mie, da adattare al proprio contesto, e tutti i dati degli esempi sono simulati.

Se preferisci partire dalla pratica, ho preparato uno strumento gratuito: si chiama Trova la tua OMTM. Indichi il tuo modello di business e il problema che hai adesso, e ti propone la metrica da cui partire, con la sua definizione e i controlli da tenere d'occhio. Nella stessa pagina ci sono quattro calcolatori per ecommerce, SaaS, lead generation e retention.

1. Lean Analytics e la scelta delle metriche

Lean Analytics è un modo di scegliere e usare i dati per verificare le ipotesi di un business. Aiuta a capire quale problema misurare adesso, quale risultato considerare sufficiente e cosa fare dopo.

Nel lavoro quotidiano, la parte difficile è quasi sempre questa: capire se il numero che abbiamo davanti merita davvero la prossima settimana di lavoro.

Prendiamo un software per preparare preventivi. Il traffico cresce e le registrazioni pure, ma pochi account inviano davvero un preventivo a un cliente. Investire altro budget per ottenere registrazioni vorrebbe dire spingere un numero che abbiamo già imparato a far crescere. Il problema ancora aperto sta in quello che succede dopo.

Una buona candidata a metrica prioritaria diventa allora la percentuale di nuovi account che invia il primo preventivo entro sette giorni. Se quel comportamento va di pari passo con la retention, abbiamo un buon motivo per approfondirlo. Per dire che ne sia la causa, però, serve una verifica in più.

Tenere separati i livelli evita parecchi equivoci:

Una metrica può essere utile a un livello e insufficiente a un altro. Le registrazioni servono a valutare l'acquisizione, ma da sole non dicono niente sulla qualità del prodotto.

Cosa rende utile una metrica

Nel materiale pubblico degli autori tornano spesso tre criteri: una metrica dovrebbe essere comprensibile, confrontabile nel tempo e capace di cambiare una decisione. Tassi e rapporti, in genere, aiutano più dei totali che continuano a crescere. [1]

Io la verifico così:

A volte un numero assoluto è proprio la misura giusta. Se stiamo verificando la domanda iniziale, dieci clienti paganti dicono molto di più di un tasso calcolato su un campione minuscolo. Dipende dalla decisione che dobbiamo prendere.

Vanity metrics: quando un numero dice troppo poco

Nel libro gli autori distinguono le metriche di vanità da quelle che portano a un'azione, e gli indicatori che anticipano un risultato da quelli che lo registrano a cose fatte. [10] Applicato al marketing, il punto è capire quale conclusione possiamo davvero trarre da un dato.

Sono tutti numeri che possono servire. Diventano un problema quando chiediamo loro di dimostrare qualcosa che non misurano.

Un indicatore anticipatore permette di intervenire prima, ma va verificato: completare il primo lavoro nel software potrebbe anticipare la retention, il rinnovo dell'abbonamento invece arriva molto dopo. Si possono usare entrambi, purché si tenga distinta la promessa del primo dalla prova del secondo.

2. Come scegliere la One Metric That Matters

La One Metric That Matters è la metrica a cui diamo la priorità durante una fase o un intervento. Non lavora da sola: accanto restano i numeri che servono a controllare la salute del business.

Si parte sempre dal problema. Nel suo articolo sul ciclo di Lean Analytics, Yoskovitz lega la OMTM all'ostacolo principale del momento e a una soglia da raggiungere. [3]

In un progetto di marketing la applico in cinque passaggi:

1. Descrivere come si crea valore. Cosa compra il cliente, perché torna e quanto ci costa servirlo.
2. Trovare il punto incerto. Domanda insufficiente, poco utilizzo, vendite che non chiudono o margine troppo basso.
3. Individuare il passaggio. Dalla visita al contatto, dalla prova all'uso, dal primo ordine al riacquisto.
4. Definire la metrica. Numeratore, denominatore, segmento e periodo di osservazione.
5. Scrivere la decisione. Cosa facciamo se il risultato supera la soglia, se resta sotto o se non è abbastanza chiaro.

Il passaggio con il tasso di conversione più basso non è per forza quello da sistemare per primo. Un 2% può essere normale per un certo canale, mentre un 40% può essere poco per un flusso di clienti già pronti a comprare.

Conta anche l'impatto economico. Se migliorare un passaggio richiede tre mesi e porta poco margine in più, può aspettare rispetto a un problema più semplice da risolvere. E quell'impatto si può stimare prima di aprire il test.

Esempio: due problemi, due OMTM

Le metriche di controllo, spesso chiamate guardrail, servono a vedere quanto ci costano le nostre scelte. Uno sconto può alzare la conversione e abbassare il margine. Un onboarding più insistente può far salire l'attivazione misurata senza rendere il prodotto più utile.

3. OMTM, North Star Metric e KPI

Nel 2025 Ben Yoskovitz e Sean Ellis hanno scritto insieme un articolo per chiarire la differenza tra OMTM e North Star Metric. La prima dipende dalla situazione del momento, la seconda descrive in modo più stabile il valore che il prodotto porta ai clienti. [4]

In un team piccolo può bastare una priorità condivisa. In un'azienda più grande, prodotto e marketing possono avere OMTM diverse, a patto che sia chiaro come ciascuna contribuisce al risultato comune.

La North Star va scelta con cura. Se contiamo le sessioni quando il prodotto promette di far risparmiare tempo, rischiamo di premiare il comportamento sbagliato: un cliente che risolve il suo problema in cinque minuti può ricevere più valore di uno che resta collegato per un'ora.

4. Le cinque fasi di Lean Analytics

Il metodo distingue cinque fasi: Empathy, Stickiness, Virality, Revenue e Scale. Servono a mettere in fila le domande da risolvere, con priorità che cambiano man mano che il progetto raccoglie prove. [2]

La tabella è una mia traduzione operativa del metodo. Le prove indicate non sono soglie ufficiali del libro.

Empathy: prima il problema, poi il prodotto

All'inizio, i dati più utili possono arrivare da conversazioni fatte bene. Chiedere "useresti questo servizio?" è molto diverso dal ricostruire l'ultima volta in cui una persona ha avuto quel problema.

Una buona traccia di intervista copre quando è successo, come l'ha risolto, quanto le è costato e chi ha deciso di pagare. Le risposte aiutano a distinguere un fastidio occasionale da un problema per cui le persone spendono già soldi.

Il numero di interviste fatte misura la nostra attività. Una richiesta di progetto pilota, una prova con dati reali o un pagamento sono prove di un altro peso. E nessuno di questi segnali, da solo, dice quanto è grande il mercato.

Stickiness: il ritorno va letto con attenzione

La frequenza giusta dipende dal lavoro che il prodotto svolge. Un'app per allenarsi si usa più volte a settimana, un servizio per una pratica annuale no, e non c'è motivo che lo faccia.

La retention dovrebbe quindi misurare il ritorno a un'azione che porta valore, entro un intervallo sensato. Contare un login automatico o una notifica aperta rischia di misurare la presenza dell'app sul telefono, più che la sua utilità.

Un caso raccontato direttamente da Yoskovitz è quello di VarageSale, una community locale per comprare e vendere oggetti usati. Con il programma Top Members il team premiava i venditori in base alle transazioni, ai riconoscimenti ricevuti e alla regolarità. L'obiettivo era avere sempre oggetti disponibili e mantenere alta la fiducia nella community. [8]

Il dettaglio interessante è la scelta dei comportamenti da premiare. In quel prodotto, l'attività dei venditori alimentava proprio ciò che i compratori venivano a cercare. Il ragionamento si può riprendere, le soglie del programma molto meno: in un'altra community andrebbero ricalcolate da zero.

Virality: il passaparola aiuta anche quando non basta da solo

Per un semplice ciclo di inviti possiamo scrivere:

k = inviti medi per utente × quota di invitati che si attiva

Se ogni utente manda due inviti e il 10% degli invitati si attiva, k vale 0,2. Il passaparola porta nuovi utenti, ma da solo non sostituisce l'acquisizione.

Conta anche il tempo: un ciclo che si chiude in tre giorni ha un effetto molto diverso da uno che ne richiede novanta. Nel B2B, poi, le referenze commerciali possono valere moltissimo anche senza generare una crescita virale che si alimenta da sola.

Revenue e Scale: più volume, stessi controlli

Si può incassare già nelle prime fasi. La domanda della fase Revenue riguarda la sostenibilità: quanto resta dopo aver acquisito e servito il cliente.

Nella fase Scale quella verifica va ripetuta su nuovi segmenti, canali e volumi. Il CAC medio dell'ultimo anno può sembrare sostenibile mentre l'ultima fetta di budget compra clienti a un costo molto più alto. Per capire se la crescita mantiene la qualità servono analisi separate.

5. Metriche chiave per modello di business

Il libro analizza sei modelli. Nei suoi scritti successivi Yoskovitz ricorda che un'azienda può combinarli: l'etichetta aiuta a ragionare, ma va adattata a come funziona davvero il business. [5]

Nella tabella trovi le metriche candidate, non una OMTM assegnata in automatico. La colonna "utilizzo" riguarda il valore che il cliente ottiene, quella "unit economics" riguarda quanto guadagniamo su ogni cliente o transazione. B2B, lead generation e servizi sono un'estensione mia ai sei modelli del libro.

Strumento: Trova la tua OMTM incrocia il modello di business con il problema del momento e propone una metrica, con la sua definizione e i controlli. È un punto di partenza, da verificare sui dati del tuo progetto.

6. Ecommerce: conversione, riacquisto e margine

Due ecommerce con lo stesso fatturato possono avere bisogno di scelte molto diverse. Chi vende un prodotto che si compra una volta sola deve recuperare il costo di acquisizione quasi tutto sul primo ordine. Chi vende qualcosa che si ricompra può spalmarlo su più ordini, ma solo se il riacquisto si vede davvero nei dati.

Le formule da leggere insieme

Nei calcoli uso ricavi al netto dell'IVA, e sconti, rimborsi e costi vanno trattati sempre allo stesso modo. Prima di confrontare due report conviene verificare che partano dalle stesse basi.

Il margine di contribuzione è quello che resta per coprire l'acquisizione e i costi fissi dopo aver pagato i costi variabili. Qui ci metto prodotto, logistica, commissioni di pagamento e gli altri costi variabili. Il margine dopo il CAC è quello che rimane una volta pagata anche l'acquisizione del cliente, e non va confuso con l'utile netto dell'azienda.

Esempio: il margine decide quanto puoi spendere per acquisire

Supponiamo di avere questi valori medi sul primo ordine:

Se vogliamo che ogni nuovo cliente lasci almeno 10 €, il CAC massimo sul primo ordine è 25 €. È l'obiettivo di questo esempio, non una regola valida per tutti gli ecommerce.

Possiamo aggiungere il margine dei riacquisti entro una certa finestra, per esempio 90 giorni. Se in quel periodo la coorte porta in media altri 10 € di margine per cliente, il margine disponibile sale a 45 € e, con lo stesso obiettivo di 10 €, il CAC massimo arriva a 35 €.

Attenzione ai tempi, però: quei 10 € possono arrivare dopo che abbiamo già pagato ads, merce e spedizioni. Sostenibilità economica e liquidità sono due verifiche diverse. Il calcolo del margine di contribuzione, passo per passo, è nella guida su ROAS, MER e margine di contribuzione.

Strumento: il calcolatore ecommerce mostra il margine di contribuzione del primo ordine, il CAC sostenibile e il margine con i riacquisti. I riacquisti restano un'ipotesi finché non li sostituiamo con dati reali.

Come scegliere la priorità

• Se il checkout perde ordini su un segmento importante, la conversione può essere una buona OMTM.
• Se i nuovi clienti comprano ma tornano di rado, conviene guardare le coorti e capire perché non riacquistano.
• Se il fatturato sale ma ogni nuovo cliente lascia meno margine, la priorità diventa economica.
• Se vendiamo beni durevoli, un riacquisto a 30 giorni dice poco. Meglio guardare accessori, passaparola o il margine del primo ordine.

7. SaaS: attivazione, retention e payback

Nel SaaS la registrazione arriva spesso molto prima del valore. Serve quindi definire un evento di attivazione che corrisponda a un risultato concreto per l'account.

Per un software di collaborazione può essere un lavoro completato insieme a un collega, per uno strumento di reporting un report costruito su dati reali. Sono ipotesi da verificare: l'evento scelto va confrontato con quello che fanno gli account che continuano a usare il prodotto e a pagarlo.

Le metriche economiche di base

La Net Revenue Retention tiene conto di upgrade, downgrade e disdette dei clienti presenti a inizio periodo, e lascia fuori i ricavi dei nuovi clienti. Una NRR sopra il 100% vuol dire che quella base genera più ricavi di prima, anche contando chi se n'è andato. [6]

Esempio: i ricavi crescono, ma perdiamo clienti

Partiamo da 20.000 € di MRR. Sugli stessi clienti arrivano 3.000 € di upgrade, 1.000 € di downgrade e 2.000 € di disdette.

NRR = (20.000 + 3.000 − 1.000 − 2.000) / 20.000 = 100%

I ricavi della base restano stabili, ma alcuni clienti se ne sono andati. Se aggiungiamo 5.000 € di MRR da nuovi clienti, il totale finale sale a 25.000 €, mentre la NRR resta al 100%.

Guardare solo il totale rischia di nascondere il problema. Gli upgrade di pochi account possono compensare tante piccole perdite, e intanto aumenta la dipendenza da quei pochi clienti.

Payback e LTV: quanto possiamo fidarci

Con un CAC di 400 €, un abbonamento da 100 € al mese e un margine lordo del 75%, ogni cliente lascia 75 € di margine al mese. Il CAC si recupera in circa 5,3 mesi.

Con un churn mensile del 3%, la formula semplificata dà un LTV sul margine di 2.500 €. Non sono soldi già incassati: la stima presuppone un churn stabile, clienti abbastanza simili tra loro e nessuna variazione importante di prezzo o margine.

La stessa formula è descritta da ChartMogul, che ne spiega anche i limiti quando churn e valore dei clienti cambiano nel tempo. [9] Per il calcolo di CAC, LTV e payback sul margine c'è anche la guida dedicata a CAC, LTV e payback.

Sulle coorti giovani quella stima è fragile. Conviene affiancarla al margine osservato davvero a tre, sei e dodici mesi. E se su un campione piccolo il churn è zero, la formula non ci autorizza a scrivere "LTV infinito" (anche se sarebbe bello).

Con gli abbonamenti annuali bisogna considerare anche il momento del rinnovo. Un account ancora vincolato dal contratto può sembrare fedele anche se ha già smesso di usare il prodotto.

Strumento: il calcolatore SaaS tiene separati NRR, payback e LTV semplificato, e rende esplicite le ipotesi su cui si basano.

8. App gratuite: utenti attivi e monetizzazione

I download dicono quante installazioni abbiamo ottenuto. Per capire cosa succede dopo servono misure di utilizzo e di ritorno.

La prima scelta riguarda l'azione che conta. Per un'app di corsa può essere un allenamento registrato, per un'app di editing un video esportato. "App aperta" è spesso troppo poco per dire che l'app è utile.

"Retention a 7 giorni" può voler dire tre cose diverse: ritorno nel settimo giorno, entro i primi sette giorni oppure dal settimo giorno in poi. Qui, quando parlo di retention, intendo il ritorno nel periodo indicato.

Anche il rapporto tra utenti attivi giornalieri e mensili (DAU/MAU) va maneggiato con cautela. Ha senso per prodotti pensati per un uso frequente. Un'app che si usa una volta al mese per un compito importante non è debole solo perché quel rapporto è basso.

9. Media e newsletter: lettori che tornano

In un business editoriale traffico, attenzione e ricavi sono passaggi collegati. Il peso di ciascuno cambia molto se guadagniamo con la pubblicità, con gli abbonamenti, con le affiliazioni o vendendo servizi.

Una newsletter gratuita, mentre cerca nuovi lettori, può usare come OMTM il costo per nuovo iscritto in target. Se però gli iscritti arrivano e smettono presto di leggere, il problema è un altro.

Il tasso di apertura va letto sapendo che il tracciamento ha dei limiti. Un'immagine caricata in automatico o un clic generato da un filtro di sicurezza possono falsare i dati. Mailchimp lo spiega nella documentazione sui bot: le scansioni automatiche possono gonfiare aperture e clic. [11]

Per questo affianco clic in target, risposte, visite successive e acquisti. Nessuno di questi segnali, da solo, misura la qualità editoriale. E per chi lavora sul personal branding, distinguere i lettori che tornano dai contatti che potrebbero comprare aiuta a non scrivere solo per far crescere il numero degli iscritti.

10. Community e contenuti degli utenti: contributi utili

Nei prodotti basati sui contenuti generati dagli utenti chi legge e chi scrive hanno ruoli diversi. Una community può contare migliaia di iscritti e poche persone che tengono vive le conversazioni.

Le metriche che propongo sono queste:

• quota di nuovi utenti che pubblicano di nuovo entro 30 giorni dal primo contributo
• domande che ricevono una risposta utile entro un tempo stabilito
• tempo mediano alla prima risposta utile, e il tempo entro cui arriva il 90% delle risposte
• costo di moderazione per ogni contributo approvato

La parola "utile" va definita. Possiamo usare una revisione della redazione, la conferma di chi ha fatto la domanda o criteri specifici del prodotto. Una reazione o un voto sono un segnale, con il limite di premiare a volte contenuti molto visibili e poco accurati.

Se la OMTM è il numero di risposte, la metrica di controllo dovrebbe intercettare doppioni, spam e risposte di bassa qualità. Se premiamo soltanto la velocità, rischiamo di ottenere risposte rapidissime che non risolvono niente (un modo molto efficiente di far crescere il problema).

11. Marketplace: domanda che trova risposta

Un marketplace deve far incontrare domanda e offerta. Contare gli iscritti dei due lati lascia aperta la domanda più importante: le persone riescono a concludere quello per cui sono arrivate?

Una buona misura della liquidità è questa:

Richieste soddisfatte = richieste valide concluse entro il tempo stabilito / richieste valide

Va chiarito cosa rende valida una richiesta, cosa conta come conclusione e qual è un tempo accettabile. Per una consegna urgente una settimana è troppo, per un incarico professionale complesso può essere ragionevole.

Un esempio simulato: 100.000 € di GMV con un take rate del 12% portano 12.000 € di ricavi. Se incentivi e gestione delle transazioni costano 9.000 €, restano 3.000 € di margine prima dei costi fissi.

Per capire dove intervenire bisogna scendere almeno al livello di categoria e di zona geografica. Aggiungere venditori dove l'offerta è già abbondante gonfia il catalogo senza aiutare le richieste rimaste senza risposta.

12. B2B e lead generation: dal CPL ai clienti

Nella lead generation il costo per lead misura solo il primo passaggio. Quanto vale davvero dipende da quello che succede dopo.

La mia proposta è collegare tutti i passaggi con definizioni condivise tra marketing e commerciale:

Lead → lead qualificato → opportunità → cliente → margine del cliente

Un lead qualificato può essere un contatto con un'esigenza pertinente, i requisiti minimi e una possibilità concreta di acquisto. Un'opportunità dovrebbe avere criteri più stringenti. Le etichette del CRM funzionano solo se tutto il team le usa nello stesso modo.

Due campagne con lo stesso budget

La campagna B ha un CPL doppio e un CAC pubblicitario dimezzato. Per decidere dove spostare il budget servono comunque il valore dei clienti, il margine e i tempi di incasso.

Come calcolare un CPL sostenibile

Probabilità che un lead diventi cliente = quota qualificati × quota opportunità × quota chiusura
CPL massimo = CAC pubblicitario obiettivo × probabilità che un lead diventi cliente

Con il 30% di lead qualificati, il 40% che diventa opportunità e il 25% di contratti chiusi, il 3% dei lead diventa cliente. Con un CAC pubblicitario obiettivo di 600 €, il CPL massimo è 18 €.

Quel CAC obiettivo deve già lasciare spazio ai costi commerciali e al margine che l'azienda vuole tenere. Se nel CAC complessivo mettiamo anche stipendi dei commerciali e strumenti, il budget disponibile per comprare lead si riduce.

Come scegliere il funnel giusto in base al valore del cliente lo spiego nella guida sui funnel B2B.

Con cicli di vendita lunghi, costi e clienti vanno ricondotti alla stessa coorte di acquisizione. Dividere la spesa di ottobre per le vendite di ottobre vuol dire mettere insieme persone arrivate in mesi diversi.

Strumento: il calcolatore lead generation mostra i clienti attesi, il CAC pubblicitario, il CAC con i costi commerciali e il CPL massimo.

13. Coorti: distinguere crescita e retention

Una coorte è un gruppo di clienti o utenti entrati nello stesso periodo, oppure accomunati da una stessa condizione. Nell'analisi della retention permette di seguire cosa succede a quel gruppo con il passare dei mesi.

Un esempio: a gennaio entrano 100 account e dopo tre mesi ne restano attivi 30. A febbraio ne entrano 300 e dopo tre mesi ne restano 90.

Il secondo gruppo lascia più account attivi, ma la retention è identica: 30%. È cresciuta l'acquisizione, mentre la capacità di trattenere gli account, in questo esempio, è rimasta la stessa.

Quattro attenzioni che cambiano la lettura

1. Stesso mese dall'ingresso. Il terzo mese della coorte di gennaio va confrontato con il terzo mese della coorte di febbraio, quando sarà disponibile.
2. Stessa azione. Se cambia la definizione di "attivo", il confronto perde senso.
3. Segmenti separati. Un canale può portare più iscritti e trattenerne meno.
4. Dati incompleti riconoscibili. Un mese che non è ancora passato resta vuoto e non diventa zero.

In un ecommerce possiamo osservare la quota di clienti che riacquista entro 90 giorni, in un SaaS gli account che compiono l'azione di valore nel terzo mese. In un marketplace compratori e venditori vanno analizzati separatamente.

Le curve di retention possono anche risalire: un cliente può saltare un mese e tornare in quello dopo. Una curva che conta solo chi non è mai tornato dopo aver smesso usa una definizione diversa.

Il calcolatore della retention conta gli account della coorte originale attivi in ciascun mese, senza aggiungere quelli nuovi.

Correlazione e causa

Se gli account che invitano un collega restano più a lungo, abbiamo un'ipotesi interessante. Potrebbero però essere account che avevano un bisogno più forte già dall'inizio.

Per capire se l'invito aiuta davvero, possiamo testare una modifica che lo renda più semplice e osservare cosa succede. Il tipo di test dipende dai volumi, dal prodotto e dalla possibilità di assegnare le varianti in modo affidabile. Un semplice confronto prima e dopo resta esposto ai cambiamenti di traffico e alla stagionalità.

14. Esperimenti e soglie di decisione

La soglia che Yoskovitz chiama line in the sand è il risultato minimo che decidiamo prima di valutare un esperimento. Ci costringe a chiarire, prima di vedere i dati, quale risultato ci permetterebbe di andare avanti. Il suo ciclo collega questa scelta a ipotesi, test, misurazione e revisione della priorità. [3]

Per applicarlo uso una scheda breve:

Una soglia operativa non è una prova statistica. Passare dal 25% al 35% su 20 account lascia moltissima incertezza. Un test può essere promettente senza essere abbastanza solido da estendere la modifica a tutti.

Il tempo necessario dipende dal comportamento che misuriamo. Si può costruire un intervento in pochi giorni e dover aspettare tre mesi per vedere il riacquisto. Confondere il tempo di sviluppo con il tempo di osservazione porta a giudizi affrettati.

La scheda completa, da copiare nel documento del test, è qui sotto. Serve soprattutto a evitare che il criterio di successo venga riscritto quando il risultato è già visibile.

15. Paid media: collegare piattaforme e business

Per chi lavora su Google Ads e Meta Ads, il metodo aiuta a separare il problema dell'azienda dal segnale che usiamo per gestire le campagne.

La piattaforma riceve acquisti o lead e li usa per ottimizzare. La OMTM dell'azienda, invece, può essere il margine dei nuovi clienti a 90 giorni o il CAC dei contratti chiusi dal commerciale. Sono numeri che arrivano più tardi, e spesso fuori dall'account pubblicitario.

Una struttura che funziona:

Il ROAS di piattaforma resta fondamentale per leggere e gestire le campagne (le piattaforme vivono di segnali). Il suo valore però dipende dalle finestre e dai modelli di attribuzione, e per verificare la sostenibilità del progetto va affiancato da dati su clienti, costi e margini.

Quando il budget aumenta

Supponiamo di aver speso 10.000 € per acquisire 500 nuovi clienti: il CAC pubblicitario medio è 20 €. Un'ulteriore tranche di 5.000 € porta 100 clienti in più, quindi su quella tranche il costo per cliente è 50 €.

Questo calcolo descrive un'efficienza osservata. Per dire che quei 100 clienti sono davvero incrementali serve un test capace di separare l'effetto del budget da quello che sarebbe successo comunque.

Anche con questa cautela, guardare le tranche separate aiuta. La media dell'intero periodo può nascondere un peggioramento recente. Prima di alzare ancora il budget conviene controllare segmento, qualità dei clienti e margine atteso della nuova spesa.

16. Lean Analytics per prodotti AI

Il 28 aprile 2026 Yoskovitz ha pubblicato Lean Analytics, Reconsidered. Nell'introduzione, che è pubblica, sostiene che i concetti di base restano validi e che molte metriche vanno ripensate per i prodotti AI e gli agenti. Il resto dell'articolo è riservato agli abbonati. [7]

Quello che segue è una mia proposta per gli strumenti AI usati nel marketing.

Per un generatore di report, completare l'onboarding o produrre un documento dice poco. Il report può essere stato generato correttamente e richiedere comunque mezz'ora di correzioni.

Un esempio: uno strumento produce 100 report, ne vengono accettati 60 e il costo variabile di tutti i tentativi è 120 €. Ogni report accettato costa 2 €. Guardando solo i documenti generati, leggeremmo 1,20 €.

Poi c'è il lavoro umano di revisione. Se ogni report accettato richiede dieci minuti, il vantaggio dipende anche dal costo di quei minuti e dal tempo che servirebbe per fare lo stesso lavoro senza lo strumento.

Nel controllo qualità conviene registrare versione del modello, tipo di compito e criteri di accettazione. Un cambio di modello o di casi valutati può spostare i risultati anche se l'interfaccia è rimasta identica.

17. Una dashboard e un piano di lavoro

Una dashboard utile mette al centro la decisione da prendere. Possiamo tenere tanti dati a disposizione per le analisi e portarne pochi alla riunione settimanale.

Come la organizzerei

Ogni metrica dovrebbe avere una piccola scheda: fonte, numeratore, denominatore, frequenza di aggiornamento e regole di esclusione. "Cliente nuovo" può voler dire nuovo per il negozio, nuovo per il CRM o nuovo per una piattaforma pubblicitaria, e il confronto funziona solo quando la definizione è condivisa.

Un piano di quattro settimane

Le quattro settimane sono un modo di organizzare il lavoro. Se il ciclo di vendita dura sei mesi, il piano migliora il processo ma non basta ancora a misurare il CAC per intero.

Chi tiene insieme queste definizioni tra marketing, vendite e finanza è spesso la figura che descrivo nell'articolo sul Fractional CMO.

Il punto da cui parto io è la mappa del business. Yoskovitz la usa per rendere visibili i passaggi e i collegamenti che portano al ricavo. [5] Una volta chiariti, diventa molto più semplice spiegare perché una metrica merita attenzione e quale intervento potrebbe spostarla.

Ed è anche un buon modo di lavorare con clienti e colleghi: una definizione scritta lascia meno spazio alle interpretazioni di comodo e molto più spazio a un confronto onesto su quello che sta succedendo davvero.

Fonti e approfondimenti

Fonti consultate il 13 ottobre 2026. Il testo rielabora i concetti con parole mie. Simulazioni, proposte di dashboard e strumenti non sono estratti dal libro.

1. Alistair Croll, The One Metric That Matters, sito ufficiale di Lean Analytics. Fonte per la OMTM e per i criteri generali di una metrica utile.
2. Alistair Croll e Benjamin Yoskovitz, Lean Analytics: Use Data to Build a Better Startup Faster, O'Reilly, 2013. Scheda editoriale e indice pubblico, per struttura e contenuti del libro.
3. Ben Yoskovitz, Build, Measure, Learn: The Expanded Edition, 23 luglio 2024. Fonte per priorità, soglia e ciclo degli esperimenti.
4. Ben Yoskovitz e Sean Ellis, OMTM vs. NSM: Why You Need Both to Drive Startup Growth, 1 aprile 2025. Fonte per la differenza tra le due metriche.
5. Ben Yoskovitz, Your Startup is a System You Can Map to Identify Problems, Align the Team & Win, 4 aprile 2023. Fonte per la mappa del business e la combinazione dei modelli.
6. Stripe, Net revenue retention for SaaS businesses. Fonte per la definizione della NRR.
7. Ben Yoskovitz, Lean Analytics, Reconsidered, 28 aprile 2026. Consultata l'introduzione pubblica, non la parte riservata agli abbonati.
8. Ben Yoskovitz, 4 Steps to Building Super Sticky Products Leveraging Your Best Users, 28 febbraio 2023. Fonte del caso VarageSale e del programma Top Members.
9. ChartMogul, Customer Lifetime Value. Formula semplificata del LTV sul margine e suoi limiti.
10. Alistair Croll e Benjamin Yoskovitz, How to Keep Score, indice e temi pubblici del capitolo. Fonte per la distinzione tra metriche di vanità, metriche che portano a un'azione e indicatori che anticipano o registrano un risultato.
11. Mailchimp, About Bot Activity and Bot Filtering. Fonte per i limiti di aperture e clic nelle campagne email.