Growth · Data Analytics · 13 min di lettura

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

Ciao, sono Matteo. Un fondatore mi gira lo schermo: tutto verde. Traffico in salita, pubblicità che rende quattro volte e mezzo quel che ci mette, fatturato su del 40%. "Sta volando." Apro una tabella che lui non guardava da mesi e gli faccio vedere la verità: i clienti più recenti comprano una volta e spariscono. Arrivano, ordinano, non tornano più. Questa è la guida per leggere quella tabella, l'amount spent per customer, spiegata terra a terra.

Cohort analysis amount spent per customer slope plateau e-commerce growth analytics

Vuoi far crescere il tuo brand food?

Mando una mail ogni due settimane. Casi veri, framework operativi, lezioni prese dai progetti dal vivo.

Scrivo solo io, quando ho qualcosa di utile. Privacy policy.

Aggiornato al19 maggio 2026
Tempo di lettura13 min
Matteo Coloru
Scritto daMatteo Coloru

Cos'è la cohort analysis

In una riga: la cohort analysis prende i tuoi clienti e li raggruppa per qualcosa che hanno in comune, di solito il mese in cui hanno comprato la prima volta. Poi segue ogni gruppo nel tempo, come un maestro che segue la sua classe anno dopo anno. Ogni riga della tabella è un gruppo (una coorte). Ogni colonna è un mese trascorso da quel primo acquisto. I numeri dentro dicono quanto in media ha speso un cliente di quel gruppo, sommando tutto fino a lì.

Ti faccio un paragone. Schopenhauer parlava di un velo di illusioni davanti agli occhi, lo chiamava il velo di Maya: vedi le ombre sul muro e le scambi per la realtà. Nell'e-commerce quel velo si chiama dashboard verde. Pubblicità che rende, fatturato in crescita, tutto bellissimo. Dietro il velo, però, può esserci un gruppo di clienti che ha comprato una volta e basta, mentre la cassa si svuota piano. La cohort analysis è la mano che alza il velo. Il bello: ti avvisa quattro o cinque mesi prima che il problema arrivi sul conto in banca, quando ancora puoi raddrizzarlo. Senza, scopri tutto a danno fatto. Una pubblicità che sembra rendere (il famoso ROAS, quanto ti torna indietro per ogni euro speso in ads) può nascondere un secchio bucato.

Cosa mostra la tabella amount spent per customer

Parti dalle righe. Ogni riga è un gruppo di clienti che ha comprato per la prima volta nello stesso mese. La riga "novembre 2024" raccoglie tutti quelli che il loro primo ordine da te l'hanno fatto a novembre 2024. La classe del 2024, se vuoi. Nessuno entra in quella riga dopo: è un gruppo chiuso, lo segui per com'è.

Poi le colonne: Mese 0, Mese 1, Mese 2 e via così. Sono i mesi che passano da quel primo acquisto. Il numero in ogni cella ti dice quanto in media ha speso un cliente di quel gruppo da quando è entrato fino a quel punto, sommando tutto.

Qui sta il trucco che frega quasi tutti, quindi leggilo piano. I numeri si sommano, non sono il singolo mese. Se la classe di novembre 2024 segna 86€ al Mese 0 e 92€ al Mese 5, vuol dire che il cliente medio ha speso 86€ il primo giorno e 92€ in totale dopo cinque mesi. Non 92€ al quinto mese. La differenza è 6€ in cinque mesi: una miseria. Quel gruppo è entrato, ha comprato una volta e poi è quasi sparito. Sei euro in cinque mesi non sono un cliente affezionato, sono un cliente che ti ha provato e ha chiuso lì.

Amount spent per customer, cumulativo. Tre classi a confronto.
Classe Mese 0 Mese 1 Mese 3 Mese 5 Cosa racconta
Nov 2024 86€ 88€ 90€ 92€ +6€ in 5 mesi. Comprano una volta e basta.
Gen 2025 58€ 64€ 70€ 72€ +14€, la linea sale. Qualcuno torna.
Apr 2025 67€ 70€ 71€ 71€ +4€ poi piatta. Plateau già al Mese 1.
Tre classi, stesso negozio. La riga di novembre parte alta ma muore subito, quella di gennaio parte più bassa ma cresce. Lo scontrino del primo giorno mente, la linea nel tempo dice la verità.

Come leggere la cohort in 3 passi

Passo 1 · Leggi il Month 0

Il Mese 0 è lo scontrino del primo appuntamento: quanto lascia in cassa un cliente la prima volta che compra. La domanda giusta non è "quant'è oggi", ma "come si muove mese dopo mese se guardo le classi più recenti"?

  • Il Mese 0 sale (la classe di gennaio spendeva 58€, quella di aprile 67€): stai attirando gente che al primo ordine apre di più il portafoglio. Ottimo, è la direzione giusta.
  • Il Mese 0 scende: stai attirando clienti che spendono meno al primo colpo. Di solito c'è un perché preciso: un canale nuovo che porta gente meno calda, promozioni troppo aggressive che pescano i cacciatori di sconti, un pubblico che ancora non ti conosce abbastanza per fidarsi.

Passo 2 · Leggi la crescita Month 0 → Month X

Adesso guarda di quanto cresce quel numero nei mesi successivi. In gergo si chiama "slope", la pendenza. In italiano: di quanto sale la linea. È la misura più onesta che esista di quanto i tuoi clienti tornano a comprare. Se sale tanto, tornano. Se resta piatta, ti hanno mollato dopo il primo ordine.

  • Gruppo in salute (food, beauty, prodotti di consumo): dal Mese 0 al Mese 3 cresce del 30-60%. Il cliente medio quasi raddoppia la spesa in tre mesi.
  • Gruppo così così: cresce del 10-25%. Qualcuno torna, ma non basta.
  • Gruppo malato: cresce sotto il 10%. È il secchio bucato: ci versi acqua dall'alto (clienti nuovi) e scappa tutta dal fondo.

Passo 3 · Identifica il plateau

Il plateau è il punto in cui la linea smette di salire e diventa piatta. Tradotto: il mese in cui quel gruppo di clienti smette di tornare. Immagina un grafico che sale, sale, poi si appiattisce come una pianura. Quel punto in cui inizia la pianura ti dice fino a quando quei clienti ti sono rimasti affezionati. Più tardi arriva, meglio è.

  • Si appiattisce già al Mese 1: gruppo tossico. Quasi tutti hanno fatto un ordine e ciao.
  • Si appiattisce tra il Mese 3 e il 6: gruppo mediocre. Tornano un paio di volte, poi svaniscono.
  • Si appiattisce tra il Mese 9 e il 12: gruppo forte. Continuano a comprare anche oltre il primo anno.
  • Continua a salire pure dopo il Mese 12: gruppo da incorniciare. Questi sono i clienti che valgono oro nel tempo (quello che si chiama LTV, cioè quanto ti lascia un cliente in tutta la sua vita con te).

Le 3 domande operative da fare sulla cohort

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

Trovi il gruppo più in salute, quello con la linea che sale di più. E poi fai il detective. Da dove arrivavano quei clienti? Quale pubblicità li ha portati? Su quale pagina sono atterrati? Cosa hanno comprato come primo prodotto? A forza di guardare, lo schema viene a galla da solo. Quei clienti d'oro hanno un'origine comune, e tu vuoi scoprire qual è per rifarla.

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

Stesso lavoro, al contrario. Il gruppo che ti è morto subito tra le mani viene quasi sempre da una campagna precisa, da un influencer preciso, da un prodotto d'ingresso preciso. Capire chi ti ha portato i clienti scadenti è prezioso quanto sapere chi ti porta i migliori: ti dice cosa smettere di fare domani mattina.

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

Metti in fila le ultime tre classi contro le tre di prima. Se quelle nuove hanno la linea più piatta, c'è una crepa: o il traffico che compri si sta sporcando, o il prodotto ha perso qualcosa. Il punto è che lo vedi adesso, mentre puoi ancora intervenire. Se aspetti, la stessa crepa torna tra sei mesi con un altro nome, molto più antipatico: "fatturato fermo".

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

Cohort per canale di acquisizione

Qui le strade si dividono. La stessa tabella la spacchi per canale: i clienti arrivati da Meta in una colonna, quelli da Google in un'altra, e così via per organico, email, passaparola, influencer. È come assaggiare gli ingredienti uno per uno invece del piatto già mescolato: scopri quale ti sta rovinando la ricetta. Nel food e nel beauty lo schema che ritrovo a ogni progetto è questo.

  • Organico / SEO (chi ti trova da solo su Google senza che paghi): linea che sale tanto, plateau lontano. Quasi sempre il gruppo migliore. Logico: chi ti cercava già ti voleva.
  • Email / CRM (chi è già nella tua lista): la linea più ripida di tutte. Sono clienti che hai già, che continui a coltivare. Tornano e tornano ancora.
  • Google ricerca non-brand (chi cerca il prodotto, non il tuo nome): linea media, plateau medio. Gente con un bisogno vero in testa, vale la pena.
  • Meta a pagamento: linea media, ma cambia parecchio in base al tipo di creatività. I video fatti da persone vere (UGC) portano clienti che tornano; le foto patinate da catalogo no.
  • Influencer: un terno al lotto. Il creator giusto, in target con quello che vendi, ti porta clienti d'oro. Quello sbagliato ti porta curiosi che provano una volta e spariscono, con plateau il mese dopo. Sullo stesso canale, due mondi.

Cohort per primo prodotto

C'è un altro taglio che pochi fanno e che vale parecchio: cosa ha comprato il cliente la prima volta. Chi entra dalla porta del prodotto A si comporta in modo diverso da chi entra dalla porta del prodotto B. Stesso negozio, stessa cassa, ma due tipi di persone.

Nel food lo vedo di continuo. Chi inizia dal prodotto principe, quello che ti rappresenta, torna molto più spesso di chi inizia dall'edizione limitata premium. Questi ultimi quasi sempre sono curiosi: provano la novità, scattano la foto, e non rientrano più. Antipasto sfizioso, niente secondo.

Sapere tutto questo ti cambia il modo di spendere in pubblicità. Invece di spingere la gente verso il prodotto che fa lo scontrino più alto al primo colpo (il cosiddetto AOV, lo scontrino medio per ordine), la porti verso il prodotto che si tira dietro i clienti più fedeli. Meno gloria al primo ordine, molta più cassa nei dodici mesi.

I 4 errori comuni nella cohort analysis

1. Leggere i numeri come mensili invece che cumulativi

Te l'ho già detto sopra, ma lo ripeto perché è l'errore che ribalta tutto. I numeri si sommano. Mese 5 a 92€ e Mese 0 a 86€ vuol dire 6€ in più in cinque mesi, non 92€ incassati al quinto mese. Chi legge male qui festeggia un cliente che in realtà lo sta abbandonando.

2. Confrontare cohort molto distanti senza considerare stagionalità

La classe di gennaio e quella di luglio, nel food, vivono due stagioni diverse. Compararle senza tenerne conto è come paragonare gli incassi di un gelataio a Ferragosto con quelli di gennaio: non vuol dire niente. Prima pulisci la stagione, poi confronti.

3. Non segmentare per canale

La tabella tutta mescolata può mostrarti una linea decente e nascondere un canale che ti porta solo zavorra. La media è bugiarda: copre il santo e il peccatore. Spacca per canale e il colpevole esce allo scoperto.

4. Decidere scaling su cohort troppo giovani

Un gruppo di clienti vecchio di quattro settimane non ti dice niente di affidabile su dove si fermerà la linea. È un giudizio dato a metà partita. Aspetta almeno otto o dodici settimane prima di buttarci sopra altro budget, altrimenti scali un'illusione.

Il caso di un brand food che vende direttamente online

Un brand food premium in DTC, cioè che vende diretto al cliente finale dal proprio sito senza passare da supermercati o rivenditori, otto mesi dal lancio. Il responsabile marketing mi mostra il cruscotto tutto verde: traffico +35%, pubblicità che rende 4,2 volte, fatturato +40%. "Sta funzionando, no?" La cohort analysis, davanti a quegli stessi dati, racconta una storia opposta.

Apro la tabella. La classe di gennaio: Mese 0 a 58€, Mese 5 a 72€. Quattordici euro in più, una crescita del 24%. Niente di esaltante, ma la linea sale, i clienti tornano.

La classe di aprile: Mese 0 a 67€, Mese 3 a 71€. Quattro euro in più, e la linea già piatta. Crescita del 6%. Questi hanno comprato una volta e via.

Cosa era successo a marzo? Avevano lanciato una campagna grossa con un influencer del tutto fuori bersaglio. Aveva fatto numeri: tanto traffico, pubblicità che sulla carta sembrava rendere benissimo. Solo che quei clienti non tornavano. La linea si appiattiva già al Mese 1. Il velo verde nascondeva un gruppo morto.

Abbiamo spostato il 35% del budget pubblicitario seguendo la tabella, non le sensazioni. Risultato nei due trimestri dopo: le nuove classi crescevano del 38% al Mese 3, contro il 12% di prima. La linea che prima si piegava al Mese 4 ora reggeva fino al Mese 9. Clienti che tornavano cinque mesi in più, sullo stesso prodotto.

Stesso brand. Stessi prodotti. È cambiato solo il modo di leggere i numeri. E la cassa ha smesso di raccontare frottole al fondatore. Matteo Coloru

Domande frequenti

Cos'è la cohort analysis?

Analisi che raggruppa clienti per caratteristica comune (tipicamente mese di primo acquisto) e ne traccia il comportamento nel tempo. Righe = coorti, colonne = mesi di osservazione, valori = spesa cumulativa.

Come si legge amount spent per customer?

I numeri sono CUMULATIVI, non mensili. Month 5 = 92€ significa "92€ totali in 5 mesi", non "92€ al quinto mese".

Cos'è il plateau?

Il mese in cui la crescita cumulativa si ferma. Plateau a Month 1 = coorte tossica. Plateau a Month 9-12 = coorte forte.

Quale slope è sano?

Per food/beauty: slope Month 0 → Month 3 sopra 30% è sano, 10-25% mediocre, sotto 10% malato (secchio bucato).

Quanto traffico serve per una cohort utile?

Minimo 30-50 clienti per coorte e 8-12 settimane di osservazione per leggere un segnale affidabile.

Articolo · Vuoi parlarne?

Apri la conversazione

Vuoi costruire una cohort analysis sui tuoi dati Shopify? Scrivimi su WhatsApp.

Scrivimi su WhatsApp
Matteo Coloru disponibile su WhatsApp