Units Economics Avanzata

0.0(0)
Studied by 0 people
call kaiCall Kai
Locked
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
GameKnowt Play
Card Sorting

1/3

encourage image

There's no tags or description

Looks like no tags are added yet.

Last updated 7:43 PM on 7/8/26
Name
Mastery
Learn
Test
Matching
Spaced
Call with Kai
Chat

No analytics yet

Send a link to your students to track their progress

4 Terms

1
New cards

Perché il Payback Period è una metrica di sopravvivenza più importante del LTV totale?

  • Flusso di Cassa: Misura esattamente quanti giorni o mesi servono per recuperare il costo di acquisizione di un singolo utente, se l’LTV si spalma su più tempo ci metti di più a recuperare il CAC e andare in break even.

  • Saturazione del Capitale: Un Payback Period lungo blocca il capitale circolante, impedendo all'app di scalare senza iniezioni continue di fondi esterni.

  • Autofinanziamento: Abbattere il Payback Period (es. tramite trial annuali) permette di reinvestire gli stessi euro in pubblicità decine di volte l'anno.

2
New cards

LTV lordo e netto. Quali elementi differenziano il Gross LTV dall'LTV Netto e perché ignorarli distrugge il business?

  • Costi Variabili Inevitabili: L'LTV Netto sottrarre dal ricavo lordo l'IVA, le commissioni degli store (15-30%) e i costi variabili per utente (server, API).

  • Vero Tetto del CAC: Il Costo di Acquisizione non deve mai superare l'LTV Netto, altrimenti l'azienda va in perdita operativa (unit economics negative).

  • Illusioni di Bilancio: L'uso del Gross LTV genera metriche vanitose che nascondono emorragie di cassa letali durante la scalabilità.

3
New cards

Cohort Analysis. Cos'è l'Analisi per Coorti e perché è l'unico strumento valido per misurare l'efficacia degli aggiornamenti dell'app?

  • Isolamento Temporale: Raggruppa gli utenti esclusivamente in base al loro momento di acquisizione (es. mese o settimana di download).

  • Test Causa-Effetto: Permette di verificare isolatamente se una modifica al codice o al design (rilasciata in una data precisa) ha migliorato le conversioni.

  • Prevenzione delle Medie: Impedisce che il comportamento storico degli utenti vecchi (che inquinano la media) nasconda i risultati delle ottimizzazioni più recenti.

4
New cards

Statistica nel Cohort analysis per gli aggiornamneti dell’app

Costruisci la tua tabella di contingenza:

  • Gruppo A (Coorte di Giugno - Vecchia UI): 1.000 utenti totali 120 attivi al Giorno 7, 880 persi.

  • Gruppo B (Coorte di Luglio - Nuova UI): 1.200 utenti totali 216 attivi al Giorno 7, 984 persi.

A questo punto lanci il test del Chi-quadrato di indipendenza per calcolare il p value, che se è minore di 0,05, significa che l'esposizione alla nuova interfaccia ha modificato in modo statisticamente significativo il comportamento degli utenti. La UI funziona meglio.