Corso di Lean Analytics

Lezione 1 • Concetti e termini analitici chiave

Tratta il vocabolario essenziale — rapporti, tassi, coorti e segmenti — utilizzato durante tutto il corso. Garantisce che tutti gli studenti condividano un linguaggio analitico comune.

Lezione 2 • Cultura data-driven vs. data-informed

Distingue tra il seguire ciecamente i dati e l'utilizzarli come uno dei tanti input. Prepara gli studenti a costruire culture analitiche più sane.

Lezione 3 • Cosa significa Lean Analytics

Definisce la Lean Analytics contrapponendola agli approcci analitici tradizionali. Fornisce agli studenti le basi filosofiche prima di introdurre i framework.

Lezione 1 • Abbinare le metriche ai modelli di business

Collega ogni modello di business alle sue metriche critiche di successo. Gli studenti si esercitano a selezionare metriche pertinenti anziché copiare dashboard generiche.

Lezione 2 • Scegliere un framework per il proprio contesto

Guida gli studenti nell'adattare o combinare i framework anziché applicarli rigidamente. Rafforza il concetto di OMTM all'interno di un'architettura di metriche più ampia.

Lezione 3 • Il framework delle metriche pirata

Introduce il funnel AARRR — Acquisizione, Attivazione, Retention, Ricavi, Referral. Gli studenti mappano il proprio prodotto su ogni fase del funnel.

Lezione 1 • Stabilire obiettivi appropriati alla fase

Collega ogni fase a obiettivi specifici e misurabili piuttosto che a dichiarazioni aspirazionali. Gli studenti si esercitano a scrivere ipotesi verificabili legate agli obiettivi di fase.

Lezione 2 • Le cinque fasi della Lean Analytics

Introduce Empatia, Vischiosità, Viralità, Ricavo e Scala come fasi sequenziali di crescita. Fornisce la tabella di marcia che gli studenti utilizzano per sequenziare il lavoro analitico.

Lezione 3 • Transizione tra le fasi

Definisce i criteri che segnalano la prontezza per avanzare alla fase successiva. Gli studenti imparano a evitare la trappola di ottimizzare la fase sbagliata.

Lezione 1 • Strumentazione e tracciamento degli eventi

Tratta la progettazione di schemi di eventi e il posizionamento delle chiamate di tracciamento nei prodotti. Collega una strumentazione adeguata a un'analisi a valle affidabile.

Lezione 2 • Metodi di raccolta dati qualitativi

Introduce interviste, sondaggi e test di usabilità come complementi ai dati quantitativi. Gli studenti imparano quando i dati qualitativi risolvono ciò che i numeri non possono spiegare.

Lezione 3 • Privacy e pratiche etiche sui dati

Tratta consenso, minimizzazione dei dati e diritti degli utenti come vincoli di raccolta non negoziabili. Gli studenti allineano i propri piani di tracciamento alle aspettative etiche e normative.

Lezione 1 • Analisi di coorte in profondità

Insegna la costruzione e l'interpretazione di tabelle e curve di retention per coorte. Gli studenti identificano modelli di retention che le metriche aggregate nascondono.

Lezione 2 • Evitare le trappole analitiche

Affronta il bias di sopravvivenza, il paradosso di Simpson e la confusione correlazione-causalità. Gli studenti applicano domande diagnostiche per mettere in discussione le proprie conclusioni analitiche.

Lezione 3 • Analisi del funnel e diagnosi degli abbandoni

Applica la visualizzazione del funnel per identificare dove gli utenti abbandonano i flussi di conversione. Gli studenti stabiliscono le priorità su quali fasi del funnel ottimizzare in base all'impatto e allo sforzo.

Lezione 1 • Formulare ipotesi verificabili

Insegna la struttura di un'ipotesi ben formulata che collega un cambiamento a un risultato misurabile. Gli studenti convertono idee vaghe in progetti di esperimenti falsificabili.

Lezione 2 • Fondamenti del test A/B

Tratta la randomizzazione, i gruppi di controllo e trattamento e il calcolo della dimensione del campione. Gli studenti progettano un test A/B per uno scenario di crescita realistico.

Lezione 3 • Interpretare e agire sui risultati

Insegna a leggere i risultati degli esperimenti, inclusi quelli inconcludenti e negativi. Gli studenti si esercitano a scrivere riassunti di esperimenti che guidano chiare azioni successive.

Lezione 1 • Analisi dei canali di acquisizione

Valuta i canali a pagamento, organici, virali e di partnership utilizzando metriche di costo e qualità. Gli studenti calcolano l'efficienza del canale e identificano le fonti con la migliore prestazione.

Lezione 2 • Costruire un backlog di crescita

Insegna i framework di prioritizzazione — ICE, RICE — per classificare gli esperimenti di crescita in base a impatto e sforzo. Gli studenti producono un backlog prioritizzato pronto per la pianificazione dello sprint.

Lezione 3 • Tecniche di ottimizzazione dei ricavi

Applica l'analisi dei prezzi, i trigger di upsell e la modellazione del LTV per massimizzare il ricavo per utente. Gli studenti calcolano il rapporto LTV:CAC e identificano opportunità di espansione dei ricavi.

Lezione 4 • Ottimizzazione dell'attivazione e dell'onboarding

Analizza l'esperienza critica del primo utilizzo utilizzando il tasso di attivazione e le metriche del tempo al valore. Gli studenti riprogettano i flussi di onboarding basandosi sui dati di abbandono e coinvolgimento.

Lezione 1 • Incorporare l'analisi nei flussi di lavoro del team

Integra le revisioni delle metriche nelle cerimonie di sprint, nelle revisioni di prodotto e nelle decisioni di assunzione. Gli studenti mappano i punti di contatto dell'analisi nel flusso di lavoro esistente del loro team.

Lezione 2 • Principi di progettazione delle dashboard

Applica le best practice di visualizzazione dei dati per costruire dashboard che comunichino con chiarezza. Gli studenti criticano e riprogettano una dashboard mal strutturata.

Lezione 3 • Comunicare approfondimenti agli stakeholder

Insegna l'inquadramento narrativo, i riassunti esecutivi e lo storytelling dei dati per un pubblico non tecnico. Gli studenti traducono un'analisi complessa in un brief di una pagina per gli stakeholder.