Cheat Sheet — Product Analysis

Questa cheat sheet va letta come un passaggio decisionale, non come una definizione isolata. Collega domanda, dato, controllo e azione, così il lavoro tecnico resta ancorato a una scelta verificabile anche sotto incertezza.

Il problema vero

Nell’analisi di prodotto la sfida concreta è capire dove il prodotto genera valore reale e dove invece mostra solo attività apparente. Non è una teoria astratta, ma un processo per migliorare le decisioni con dati, assunzioni esplicite e qualche controllo essenziale. Finché non riesci a indicare quale decisione cambia, quale dato osservi e quale errore eviti, la lezione non è ancora diventata competenza.

Il modello di lettura

Per orientarsi sotto pressione serve uno schema semplice.

Phase	What to clarify	Output
Question	Which real choice needs improvement?	Decision to make
Measure	Which observable signal represents the problem?	Metric or source data
Control	Which baseline makes the result interpretable?	Credible comparison
Action	What changes after the analysis?	Next operational step

Lo schema serve a mantenere il focus: ogni approfondimento tecnico dovrebbe rafforzare almeno una di queste righe.

Come definire l’analisi

Per rendere l’analisi riproducibile e condivisibile, definisci con precisione l’unità di analisi (utente, coorte, evento prodotto, feature o journey) e il segnale principale che osservi (activation, retention, frequenza, conversione, churn o valore per coorte). Fissa la baseline, che può essere un periodo precedente, un gruppo comparabile, un benchmark o uno scenario controfattuale. Dichiara la decisione attesa, sia essa una diagnosi, un esperimento, una prioritizzazione o un intervento UX. E tieni sempre a mente il rischio di scambiare un numero disponibile per una prova sufficiente. Solo così un altro analista può replicare la logica, criticare le assunzioni e arrivare alla stessa decisione.

La checklist prima della review

Prima di una product review, questa tabella guida il controllo dei segnali.

Observed evidence	Cautious interpretation	Recommended action
The number improves	Could be a real effect or normal variation	Cercare confronto e segmentazione
One segment changes more than others	La media aggregata nasconde differenze importanti	Separate cohorts or use cases
Cost grows along with the result	L’impatto va valutato sul margine	Estimate trade-offs and sustainability

L’obiettivo è arrivare in riunione con una diagnosi ordinata, non con una collezione di grafici.

Esercizio

A livello base, scrivi una scheda sintetica che indichi per la tua analisi la decisione da supportare, la metrica primaria, la baseline, il rischio principale e l’azione da prendere se il segnale si conferma.

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

A livello research-grade, prepara un decision memo con ipotesi, dati richiesti, criteri di esclusione, controlli di qualità, soglia decisionale, rischio residuo e piano di monitoraggio dopo la decisione.

Per i materiali, parti da dati reali come eventi prodotto, funnel, sessioni, survey, CRM, ticket di supporto ed esperimenti. Se non li hai, crea un dataset sintetico con almeno 200 righe, una dimensione temporale, una dimensione segmento e una metrica di outcome.

L’errore da evitare

Il rischio più comune è usare questa checklist come etichetta anziché come processo. Succede quando si mostra un grafico senza decisione, una metrica senza baseline o una conclusione senza dire quale assunzione potrebbe invalidarla. La domanda di controllo è semplice: se questo risultato fosse instabile, quale scelta sbaglierei? Se non hai una risposta concreta, manca ancora il collegamento tra analisi e azione.

Checkpoint

1. Quale decisione concreta dovrebbe migliorare questa analisi?
2. Which unit of analysis makes the problem measurable?
3. Which baseline would you use to avoid a naive reading?
4. Which typical mistake could change the conclusion?
5. Which output would you deliver to a non-technical stakeholder?

Operational Summary

L’analisi di prodotto collega comportamento utente, risultati di business e decisioni di roadmap. Le metriche non servono a decorare dashboard, ma a scegliere dove investire. Il punto da non dimenticare è che le medie aggregate ingannano: conviene segmentare per coorte, comportamento, canale e fase del ciclo di vita, perché il prodotto reale vive nelle differenze tra segmenti, non nella media.