
Unit economics, CAC, LTV e marginalità
Unit economics, CAC, LTV e marginalità. Lezione sull'economia unitaria per analisti.
Cosa imparerai
- Comprendere il problema analitico e il contesto decisionale
- Applicare esempi, metriche e controlli a casi reali
Collegamenti
Unit economics, CAC, LTV e marginalità
L’economia unitaria è una scelta operativa, non un esercizio di definizioni. La categoria di questa lezione è Tecnico: il punto non è memorizzare formule, ma capire quale decisione cambia quando il dato diventa più affidabile. Una crescita può sembrare forte e distruggere valore se CAC, LTV, margine e payback non vengono letti insieme. Le unit economics collocano l’analista nel punto in cui marketing, prodotto e finance devono capire se scalare davvero conviene.
Il problema che devi risolvere
Conoscere le unit economics in astratto non basta. Serve decidere cosa fare quando hai dati incompleti, metriche ambigue o vincoli tecnici che rendono fragile la lettura del fenomeno. Leggi questa lezione come la grammatica economica della crescita: ogni metrica ha senso solo se porta a una decisione, che sia aumentare la spesa, cambiare canale, ridurre uno sconto, migliorare la retention o accettare un payback più lungo. Tre domande aiutano a tenere la rotta: quale segmento rende fuorviante la media di CAC o LTV, quale controllo collega margine e payback, quale crescita rifiuteresti perché economicamente fragile.
Una mappa di lavoro
Usa questa sequenza per evitare che una metrica diventi un rituale vuoto. Ogni passaggio deve rendere più chiaro il costo di una decisione sbagliata.
| Passaggio | Domanda da fare | Output atteso |
|---|---|---|
| Decisione | Che cosa cambia se leggiamo bene le unit economics? | Scelta esplicita |
| Segnale | Quale dato osservabile riduce l’incertezza? | Metrica o evento |
| Baseline | Rispetto a cosa interpretiamo il risultato? | Confronto credibile |
| Vincolo | Che cosa può falsare la lettura? | Assunzione da dichiarare |
| Azione | Quale passo operativo segue? | Raccomandazione controllabile |
I tre pilastri della unit economics
La unit economics risponde a una domanda semplice: guadagno più di quanto spendo su ogni cliente? La risposta si scompone in tre domande distinte. Quanto spendo per acquisire un cliente, cioè il CAC. Quanto vale un cliente nella sua vita con noi, cioè l’LTV. Quanto margine genera ogni transazione, cioè il contribution margin.
Il CAC, Customer Acquisition Cost, ha una formula base semplice e un’implementazione no.
CAC = Spesa totale in Sales & Marketing ÷ Numero di nuovi clienti acquisiti
La spesa totale include la spesa pubblicitaria (Google Ads, Facebook, LinkedIn), gli stipendi del team marketing e sales, i costi dei tool come CRM e marketing automation, i costi di agenzia e freelance, gli sconti promozionali e gli incentivi all’acquisizione. Anche i nuovi clienti vanno definiti con precisione: sono i customer che hanno completato una transazione, quelli che si sono registrati o quelli che hanno attivato un abbonamento?
Un caso reale mostra la posta in gioco. Una azienda D2C di cosmetici calcolava il CAC dividendo la spesa Facebook Ads per il numero di acquisti, ottenendo 24€. Sembrava ottimo, ma non includeva gli stipendi del growth team (4 persone, 240K/anno), l’agenzia creativa (60K/anno) e la 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”. Per questo conviene distinguere il blended CAC, la media di tutti i canali, utile per il report direzionale, dal CAC per canale, utile per le decisioni di allocazione del budget: i due numeri non vanno confusi.
L’LTV, Customer Lifetime Value, lega revenue, durata e margine.
LTV = ARPU medio mensile × Durata media della relazione (in mesi) × Gross Margin
L’ARPU è il revenue medio per utente per periodo, di solito mensile. La durata media è 1 diviso il churn rate mensile: con churn al 5% al mese, la durata è 20 mesi. Il gross margin è (Revenue meno Costi diretti) diviso Revenue, ed è cruciale, perché senza margine l’LTV misura solo revenue, non valore. Un servizio di abbonamento cibo a domicilio aveva ARPU di 60€/mese e churn dell’8%, quindi durata di 12.5 mesi e revenue a vita di 750€. Sembrava buono, ma il gross margin era del 22% per costo ingredienti e logistica, quindi l’LTV reale era 750 × 0.22 = 165€. Con un CAC di 80€ il rapporto LTV/CAC era 2x, accettabile ma non eccellente. Usando il revenue invece del margine avrebbero visto un falso 9.3x e preso decisioni sbagliate.
Il rapporto LTV/CAC è il numero che orienta quasi 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 |
Va letto insieme al payback period, cioè in quanti mesi recuperi il CAC.
Payback Period (mesi) = CAC ÷ (ARPU × Gross Margin)
Lo standard del venture capital considera buono un payback sotto i 12 mesi ed eccellente sotto i 6. Per la gestione del cash flow questo numero conta più del LTV/CAC: anche un LTV alto serve a poco se ci metti 3 anni a recuperare il CAC, perché nel frattempo finisci i soldi.
Analisi di coorte per le unit economics
Le unit economics sono dinamiche, perché 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;
La query mostra come l’LTV evolve per ogni coorte. Se le coorti recenti hanno un LTV più basso, stai peggiorando l’acquisizione o il prodotto.
Laboratorio pratico
Parti da un dataset di 5000 clienti di un servizio SaaS con piano mensile. Nel primo livello calcoli CAC e LTV base. I dati sono spesa marketing 50/mese, churn mensile 4% e gross margin 70%. La soluzione: CAC = 500000/1200 = 1250; LTV = 1250 × 0.7 = $875; LTV/CAC = 875/417 = 2.1x; payback = 417/(50×0.7) = 11.9 mesi.
Nel secondo livello lavori sull’ottimizzazione: cosa succede se riduci il churn dal 4% al 3%, e cosa succede se aumenti il prezzo del 10% lasciando il churn invariato. Nel terzo livello segmenti per canale: i clienti da Google Ads hanno ARPU 45 e churn 3%; calcola quale canale ha il LTV/CAC migliore e dove investiresti budget aggiuntivo.
Esempio di lettura prudente
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 la qualità della crescita, non solo la 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 |
Errore tipico e lab decisionale
L’errore più comune è usare le unit economics 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.
Per consolidare, scrivi una scheda di una pagina con la decisione da supportare, la metrica primaria, la baseline, il rischio principale e l’azione se il segnale è confermato. Poi costruisci una tabella con tre segmenti, periodi o scenari, indicando per ciascuno cosa cambia, quale spiegazione alternativa è plausibile e quale controllo useresti prima di raccomandare un’azione. Come livello più avanzato prepara un decision memo con ipotesi, dati richiesti, criteri di esclusione, controlli di qualità, soglia decisionale, rischio residuo e piano di monitoraggio. Dopo l’intervento definisci una metrica primaria e due guardrail: la metrica primaria misura il miglioramento atteso, le guardrail impediscono di ottenerlo distruggendo retention, fiducia, qualità del dato o sostenibilità operativa.
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.
Riepilogo
Le unit economics diventano utili quando producono una decisione più chiara, non quando aggiungono terminologia. La forma corretta resta sempre la stessa: decisione, segnale, baseline, rischio e azione. Prima di usarle in una scelta controlla completezza, duplicati, timezone, definizioni cambiate e segmenti esclusi, perché molte analisi apparentemente sofisticate falliscono quando il dato di partenza misura un comportamento diverso da quello che il team crede di osservare. Ogni analisi dovrebbe chiudersi con una scelta possibile: continuare, fermare, iterare, investire, rimuovere o approfondire. Categoria: Tecnico. Difficoltà: advanced. Tempo stimato: 18 min.
Percorso collegato
Lezioni da leggere insieme
Questi collegamenti portano la lezione dentro il resto del corso: basi da riprendere, passaggi successivi e connessioni tematiche tra moduli.