Cohort analysis su Shopify: guida pratica con foglio di calcolo (nessun software)

La cohort analysis è lo strumento più potente che hai per capire se il tuo ecommerce sta davvero crescendo o sta solo mascherando un problema di retention con nuovo traffico. Si fa con un export da Shopify e un foglio di calcolo. Non serve nessun software aggiuntivo.

Nessun altro dato ti dice così chiaramente se i clienti che stai acquisendo tornano ad acquistare nel tempo. Il fatturato mensile cresce? Bene. Ma quel fatturato viene da clienti nuovi ogni volta, o costruisce su una base di clienti fedeli che si espande? La cohort analysis ecommerce risponde a questa domanda in modo definitivo.

Cos'è una coorte e perché cambia il modo di leggere il business

Una coorte è un gruppo di clienti che ha fatto il primo acquisto nello stesso periodo, tipicamente lo stesso mese. Li tracci nel tempo per vedere come si comportano nei mesi successivi: quanti tornano a comprare a mese 1, a mese 2, a mese 6, a mese 12.

La differenza tra guardare il fatturato mensile aggregato e guardare le coorti è fondamentale. Il fatturato mensile ti dice quanto hai venduto. Le coorti ti dicono a chi hai venduto e se quei clienti tornano. Un ecommerce con fatturato piatto potrebbe avere coorti eccellenti (la base clienti fedeli è solida) ma stare perdendo clienti sulla top-of-funnel. Un ecommerce con fatturato in crescita potrebbe avere coorti disastrose (sta crescendo solo perché acquisisce sempre più clienti nuovi che poi scompaiono).

Senza la cohort analysis, non puoi distinguere i due scenari. Con la cohort analysis, li distingui in 30 minuti.

Step 1: esportare i dati da Shopify

L'export degli ordini da Shopify è il punto di partenza. Nel pannello di amministrazione, vai in "Ordini", seleziona l'intervallo di date che ti interessa (consiglio almeno 24 mesi per avere coorti significative), e usa la funzione "Esporta" in formato CSV.

Il file CSV di Shopify contiene molte colonne. Per la cohort analysis ne servono tre: l'identificativo del cliente (Email o Customer ID), la data dell'ordine (Created at), e il valore dell'ordine (Total).

Apri il CSV in Google Sheets o Excel e mantieni solo queste tre colonne. Rinominale in modo comprensibile: "customer_id", "order_date", "order_value". Assicurati che la colonna della data sia nel formato data corretto (non testo), perché su questo si baseranno le formule successive.

Un punto critico: gli ordini degli ospiti (guest checkout) non hanno un customer_id stabile. Se una quota rilevante dei tuoi ordini arriva da guest checkout, l'analisi per coorte sarà imprecisa. In quel caso, usa l'email come identificativo: anche gli ospiti lasciano quasi sempre un'email.

Step 2: identificare il primo acquisto per ogni cliente

In un secondo foglio del documento, costruisci una tabella con i clienti unici e la data del loro primo acquisto. La formula in Google Sheets per trovare la data minima per ogni customer_id è MINIFS, oppure puoi creare una tabella pivot con il customer_id come riga e il valore minimo della data come aggregazione.

Il risultato è una colonna di customer_id e una colonna con la data del primo acquisto. Questa è la "data di nascita" della coorte di ogni cliente: il mese in cui è entrato nel tuo ecosistema.

Aggiungi una colonna che estrae solo il mese e anno dal primo acquisto. In Google Sheets: =TEXT(data_primo_acquisto, "YYYY-MM"). Questo sarà l'identificativo della coorte.

Step 3: costruire la tabella pivot delle coorti

Torna al foglio degli ordini originale e aggiungi una colonna "cohort_month" facendo una VLOOKUP (o INDEX-MATCH) che abbina ogni ordine alla coorte del cliente che l'ha fatto.

Aggiungi un'altra colonna "months_since_first_purchase" che calcola la distanza in mesi tra la data dell'ordine e la data del primo acquisto. La formula: =DATEDIF(data_primo_acquisto, data_ordine, "M"). Il valore 0 indica il mese del primo acquisto, 1 il mese successivo, e così via.

Ora hai tutto ciò che serve per costruire la tabella pivot. Crea una tabella pivot con:

• Righe: cohort_month (ogni riga è una coorte mensile)
• Colonne: months_since_first_purchase (0, 1, 2, 3... N)
• Valori: conta unica di customer_id (per la retention in numero di clienti) o somma di order_value (per il LTV per coorte)

Il risultato è la tabella delle coorti: ogni cella mostra quanti clienti della coorte X hanno acquistato al mese Y dalla loro prima visita.

Step 4: interpretare i risultati

La prima cosa da calcolare è la retention rate per mese. Dividi ogni cella per il numero totale di clienti nella coorte (colonna mese 0). Il risultato è la percentuale di clienti di quella coorte che ha acquistato in quel mese specifico.

I pattern che cerchi:

Il calo naturale è normale. Quasi ogni coorte mostra un drop significativo tra mese 0 e mese 1: non tutti i clienti che acquistano la prima volta tornano il mese successivo. Un calo dal 100% al 20-35% a mese 1 è nella norma per la maggior parte dei settori DTC. Un calo sotto il 10% a mese 1 è un segnale di problema.

La stabilizzazione dopo mese 3-4 è sana. Le coorti sane mostrano un calo rapido nelle prime settimane e poi una stabilizzazione: c'è un nucleo di clienti fedeli che continua a comprare con frequenza regolare. Se la curva continua a calare progressivamente senza stabilizzarsi, il brand non sta costruendo fedeltà.

Le coorti anomale rivelano i problemi. Se le coorti dei mesi di novembre e dicembre (Black Friday, Natale) hanno retention molto più bassa delle coorti organiche, hai acquisito clienti attratti dallo sconto che non torneranno mai al prezzo pieno. Se una specifica coorte ha retention molto più alta della media, cerca cosa hai fatto quel mese: qual era il canale di acquisizione, il prodotto più venduto, la comunicazione post-acquisto.

Step 5: usare la cohort per le decisioni di budget

Questo è il passaggio che trasforma l'analisi in valore operativo.

La cohort analysis rivela la qualità dei clienti acquisiti in diversi periodi. Se scopri che i clienti acquisiti tramite campagne con forte sconto hanno un LTV a 12 mesi del 40% inferiore a quelli acquisiti a prezzo pieno, hai una ragione concreta per cambiare la tua strategia di acquisizione, indipendentemente da quello che mostra il ROAS nel pannello Meta.

Se le coorti dei clienti acquisiti in certi mesi hanno LTV significativamente più alto, analizza cosa è diverso: il canale di acquisizione, il prodotto come porta d'ingresso, il periodo dell'anno, la comunicazione post-acquisto. Replicare le condizioni delle coorti migliori è la leva di crescita più sottovalutata che esiste.

Un'applicazione diretta: se i tuoi clienti Black Friday hanno retention al 12% a mese 3 contro una media del 28% delle coorti organiche, smettere di ottimizzare per le conversioni del BFCM e ottimizzare per la qualità del cliente acquisito può avere un impatto maggiore sul fatturato a 24 mesi di qualsiasi ottimizzazione delle campagne.

Per leggere il LTV per coorte e capire cosa significa per il rapporto con il CAC: LTV/CAC ecommerce: business o slot machine?. Per approfondire come il dato di retention si calcola e si interpreta: Retention rate ecommerce: calcolo e matematica.

Cosa fare con la tabella una volta costruita

La cohort analysis non è un'analisi one-shot. Va aggiornata ogni mese con i nuovi dati. La versione più semplice è aggiungere le nuove righe al CSV di Shopify ogni mese e aggiornare la pivot.

L'insight più importante che genera nel tempo è la tendenza: le coorti più recenti sono migliori o peggiori di quelle di un anno fa? Se la retention media a mese 3 era del 22% un anno fa ed è del 18% oggi, stai acquisendo clienti di qualità decrescente. Questo segnale, visibile solo nella cohort analysis, dovrebbe cambiare le priorità di tutta la strategia marketing.

Se invece le coorti migliorano nel tempo, hai una prova concreta che le iniziative di retention stanno funzionando, indipendentemente da quello che mostrano le metriche aggregate.

Il Metodo Visio™ include la costruzione di un sistema di analisi della retention, dalla cohort analysis di base alle decisioni operative che ne derivano. Non come esercizio accademico, ma come strumento di allocazione del budget e di verifica delle strategie di crescita. Trovi la logica su visiodp.com/metodo-visio.

Se vuoi aiuto a costruire la tua cohort analysis o a interpretare i dati che hai già, prenota una call: visiodp.com/contattaci.