Unit economics, CAC, LTV e marginalità

Una crescita può sembrare forte e distruggere valore se CAC, LTV, margine e payback non vengono letti insieme. Unit economics, CAC, LTV e marginalità colloca l’analista nel punto in cui marketing, prodotto e finance devono capire se scalare davvero conviene.

Una scena da cui partire

Leggi questa lezione come grammatica economica della crescita. Ogni metrica ha senso solo se porta a una decisione: aumentare spesa, cambiare canale, ridurre sconto, migliorare retention o accettare un payback più lungo.

• Contesto: Quale segmento rende fuorviante la media di CAC o LTV?
• Metodo: Quale controllo collega margine e payback?
• Applicazione: Quale crescita rifiuteresti perché economicamente fragile?

I tre pilastri della unit economics

La unit economics risponde a una domanda semplice: “Guadagno più di quanto spendo su ogni cliente?” Ma la risposta si scompone in tre domande distinte:

1. Quanto spendo per acquisire un cliente? → CAC
2. Quanto vale un cliente nella sua vita con noi? → LTV
3. Quanto margine genera ogni transazione? → Contribution Margin

CAC (Customer Acquisition Cost)

La formula base è semplice, l’implementazione no:

CAC = Spesa totale in Sales & Marketing ÷ Numero di nuovi clienti acquisiti

Dove la spesa totale include:

• Spesa pubblicitaria (Google Ads, Facebook, LinkedIn…)
• Stipendi del team marketing e sales
• Costi di tool (CRM, marketing automation)
• Costi di agenzia e freelance
• Sconti promozionali e incentivi all’acquisizione

Dove i nuovi clienti devono essere definiti chiaramente: customer che hanno completato una transazione? O che si sono registrati? O che hanno attivato un abbonamento?

Caso reale — l’errore di calcolo di una D2C:

Una azienda D2C (Direct-to-Consumer) di cosmetici calcolava il CAC dividendo la spesa Facebook Ads per il numero di acquisti. CAC = 24€. Sembrava ottimo. Ma non includeva: stipendi del growth team (4 persone, 240K/anno), agenzia creativa (60K/anno), piattaforma di email marketing (12K/anno). Il CAC reale era 68€. La differenza tra 24 e 68 è la differenza tra “questo canale è profittevole” e “stiamo distruggendo capitale”.

CAC per canale vs blended CAC: Il blended CAC (media di tutti i canali) è utile per il report direzionale. Il CAC per canale è utile per le decisioni di allocazione budget. Non confonderli.

LTV (Customer Lifetime Value)

LTV = ARPU medio mensile × Durata media della relazione (in mesi) × Gross Margin

Le tre componenti:

• ARPU = Revenue medio per utente per periodo (mensile è lo standard)
• Durata media = 1 / Churn Rate mensile (se churn = 5% al mese, durata = 20 mesi)
• Gross Margin = (Revenue - Costi diretti) / Revenue. Cruciale: senza margine, l’LTV è solo una misura di revenue, non di valore.

Caso reale — LTV con e senza margine:

Un servizio di abbonamento cibo a domicilio: ARPU = 60€/mese, churn = 8% (durata = 12.5 mesi), revenue a vita = 750€. Sembra buono. Ma il gross margin era del 22% (costo ingredienti, logistica). LTV reale = 750 × 0.22 = 165€. Con un CAC di 80€, il LTV/CAC è 2x — accettabile ma non eccellente. Se avessero usato il revenue invece del margine, avrebbero visto un falso 9.3x e preso decisioni sbagliate.

LTV/CAC Ratio: il numero che decide tutto

LTV/CAC = LTV ÷ CAC

Range	Interpretazione	Azione
<1x	Distruggi valore su ogni cliente	Ferma acquisizione, sistema il prodotto o il pricing
1-3x	Sostenibile ma non eccellente	Ottimizza CAC o aumenta LTV
3-5x	Eccellente	Aumenta investimento in acquisizione
>5x	Forse stai sotto-investendo	Potresti crescere più velocemente

Payback Period: In quanti mesi recuperi il CAC?

Payback Period (mesi) = CAC ÷ (ARPU × Gross Margin)

Venture capital standard: payback <12 mesi è buono, <6 mesi è eccellente. Questo numero conta più del LTV/CAC per la gestione del cash flow: anche un LTV alto serve a poco se ci metti 3 anni a recuperare il CAC — nel frattempo finisci i soldi.

Analisi di coorte per le unit economics

La unit economics è dinamica: CAC e LTV cambiano nel tempo. L’unico modo per vederlo è l’analisi di coorte:

WITH cohort_revenue AS (
  SELECT
    DATE_TRUNC('month', first_purchase_date) AS cohort,
    DATE_TRUNC('month', purchase_date) AS period,
    DATEDIFF('month', first_purchase_date, purchase_date) AS period_number,
    SUM(revenue) AS total_revenue,
    COUNT(DISTINCT customer_id) AS customers
  FROM customers
  GROUP BY 1, 2, 3
)
SELECT cohort, period_number,
  total_revenue / customers AS arpu,
  SUM(total_revenue) OVER (PARTITION BY cohort ORDER BY period_number)
    / FIRST_VALUE(customers) OVER (PARTITION BY cohort ORDER BY period_number)
    AS cumulative_ltv
FROM cohort_revenue;

Questa query mostra come LTV evolve per ogni coorte. Se le coorti recenti hanno LTV più basso, stai peggiorando l’acquisizione o il prodotto.

Laboratorio pratico

Dataset: 5000 clienti di un servizio SaaS con piano mensile.

Livello 1 — CAC e LTV base: I dati: spesa marketing $500K/anno, nuovi clienti 1200/anno, ARPU $50/mese, churn mensile 4%, gross margin 70%. Calcola CAC, LTV, LTV/CAC, e payback period.

Soluzione: CAC = 500000/1200 = $417. Durata media = 1/0.04 = 25 mesi. Revenue a vita = 50 × 25 = $1250. LTV = 1250 × 0.7 = $875. LTV/CAC = 875/417 = 2.1x. Payback = 417/(50×0.7) = 11.9 mesi.

Livello 2 — Ottimizzazione: Cosa succede se riduci il churn dal 4% al 3%? E se aumenti il prezzo del 10% (con churn invariato)?

Livello 3 — Segmentazione per canale: I clienti da Google Ads hanno ARPU $60 e churn 5%. I clienti da referral hanno ARPU $45 e churn 3%. Quale canale ha LTV/CAC migliore? Dove investiresti budget aggiuntivo?

---

Riferimenti:

• Mauboussin, M. & Callahan, D. (2014). “Calculating Return on Invested Capital.” Credit Suisse Global Financial Strategies.
• Skok, D. (2015). “SaaS Metrics 2.0: A Guide to Measuring and Improving What Matters.” For Entrepreneurs.
• McCarthy, E. (2020). “The LTV/CAC Ratio.” Andreessen Horowitz Blog.

Controllo di qualità

Prima di usare unit economics, cac, ltv e marginalità in una decisione, controlla sempre completezza, duplicati, timezone, definizioni cambiate e segmenti esclusi. Molte analisi apparentemente sofisticate falliscono perché il dato di partenza misura un comportamento diverso da quello che il team crede di osservare.

Interpretazione per segmenti

La media aggregata è solo il punto di partenza. Segmenta per canale, coorte, piano, paese, device e maturità dell’utente. Se due segmenti si muovono in direzioni opposte, la media non rappresenta nessuno dei due e può portare a una decisione sbagliata.

Decisione operativa

Ogni analisi deve terminare con una scelta possibile: continuare, fermare, iterare, investire, rimuovere o approfondire. Se unit economics, cac, ltv e marginalità non cambia una decisione, probabilmente manca ancora il collegamento tra metrica e azione.

Metriche di verifica

Dopo l’intervento, definisci una metrica primaria e due guardrail. La metrica primaria misura il miglioramento atteso; le guardrail impediscono di ottenere quel miglioramento distruggendo retention, fiducia, qualità del dato o sostenibilità operativa.

Problema reale

Nel dominio di direzioni analitiche, Unit economics, CAC, LTV e marginalità serve a risolvere questo problema: capire quali competenze, strumenti e criteri cambiano tra marketing, prodotto, finanza e analytics leadership. La lezione non va trattata come teoria isolata, ma come un modo per migliorare una scelta concreta con dati, assunzioni esplicite e controlli minimi.

Obiettivo operativo: Comprendere il problema analitico e il contesto decisionale; Applicare esempi, metriche e controlli a casi reali. Se alla fine non sai indicare quale decisione cambia, quale dato osservi e quale errore vuoi evitare, la lezione non è ancora diventata competenza applicata.

Modello concettuale

Fase	Cosa chiarire	Output
Domanda	Quale scelta reale deve migliorare?	Decisione da prendere
Misura	Quale segnale osservabile rappresenta il problema?	Metrica o dato sorgente
Controllo	Quale baseline rende il risultato interpretabile?	Confronto credibile
Azione	Che cosa cambia dopo l’analisi?	Prossimo passo operativo

Il modello concettuale è intenzionalmente semplice: decisione, dato, controllo, azione. Ogni approfondimento tecnico deve rafforzare almeno uno di questi quattro punti.

Formalizzazione rigorosa

Per rendere Unit economics, CAC, LTV e marginalità analizzabile, definisci prima l’unità di lavoro: ruolo, stakeholder, metrica, specializzazione o portfolio. Poi collega questa unità a una metrica osservabile: impatto, seniority, trasferibilita, rischio politico e valore decisionale. Infine dichiara la decisione attesa: scelta di percorso, rubrica competenze, progetto o mappa stakeholder.

Elemento	Specifica richiesta
Unità di analisi	ruolo, stakeholder, metrica, specializzazione o portfolio
Segnale principale	impatto, seniority, trasferibilita, rischio politico e valore decisionale
Baseline	Periodo precedente, gruppo comparabile, benchmark o scenario controfattuale
Decisione	scelta di percorso, rubrica competenze, progetto o mappa stakeholder
Rischio	Scambiare un numero disponibile per una prova sufficiente

La formalizzazione e solida quando un altro analista può riprodurre la logica, criticare le assunzioni e ottenere la stessa decisione partendo dagli stessi dati.

Esempio o caso studio

Un canale porta molti clienti a CAC basso, ma con margine ridotto e payback lungo; un altro costa di più ma genera rinnovi e upsell. Il caso mostra perché le unit economics servono a scegliere qualità della crescita, non solo quantità.

Evidenza osservata	Lettura prudente	Azione consigliata
Il numero migliora	Potrebbe essere effetto reale o variazione normale	Cercare confronto e segmento
Un segmento cambia più degli altri	La media aggregata nasconde una differenza	Separare coorti o casi d’uso
Il costo cresce insieme al risultato	L’impatto va letto sul margine	Stimare trade-off e sostenibilità

Lab / esercizio

Livello base

Scrivi una scheda di una pagina per Unit economics, CAC, LTV e marginalità: decisione da supportare, metrica primaria, baseline, rischio principale e azione se il segnale e confermato.

Livello intermedio

Costruisci una tabella con tre segmenti, periodi o scenari. Per ciascuno indica cosa cambia, quale spiegazione alternativa e plausibile e quale controllo useresti prima di raccomandare un azione.

Livello research-grade

Prepara un decision memo: ipotesi, dati richiesti, criteri di esclusione, controlli di qualità, soglia decisionale, rischio residuo e piano di monitoraggio dopo la decisione.

Dataset e materiali consigliati

Usa job description, portfolio, rubriche hiring, casi business e stakeholder map. Se non hai accesso a dati reali, crea un dataset sintetico con almeno 200 righe, una dimensione temporale, una dimensione segmento e una metrica di outcome.

Errore tipico da evitare

L’errore più comune e usare Unit economics, CAC, LTV e marginalità come etichetta invece che come processo. Succede quando il team mostra un grafico senza decisione, una metrica senza baseline, o una conclusione senza indicare quale assunzione potrebbe invalidarla.

La domanda di controllo è: se questo risultato fosse instabile, quale scelta sbaglierei? Se la risposta non è concreta, manca ancora il collegamento tra analisi e azione.

Quiz o checkpoint

1. Quale decisione concreta dovrebbe migliorare questa lezione?
2. Quale unità di analisi rende il problema misurabile?
3. Quale baseline useresti per evitare una lettura ingenua?
4. Quale errore tipico potrebbe cambiare la conclusione?
5. Quale output consegneresti a uno stakeholder non tecnico?

Riepilogo operativo

Unit economics, CAC, LTV e marginalità diventa utile quando produce una decisione più chiara, non quando aggiunge terminologia. Usa il framework problema, modello, formalizzazione, esempio, lab e checkpoint per trasformare la lezione in pratica verificabile. Categoria: Tecnico. Difficoltà: advanced. Tempo stimato: 18 min.