Analisi di coorte: un’occhiata veloce al com­por­ta­men­to degli utenti

Già da decenni il termine “analisi di coorte” ha giocato un ruolo im­por­tan­te nelle indagini sta­ti­sti­che delle scienze sociali e spe­cial­men­te in quelle de­mo­gra­fi­che. Le unità ele­men­ta­ri di queste analisi, le co­sid­det­te coorti (dal latino cohors, che significa “spazio de­li­mi­ta­to”), sono dei gruppi di persone, che pos­sie­do­no ca­rat­te­ri­sti­che de­mo­gra­fi­che comuni. Ad esempio, queste possono essere l’anno di nascita o quello in cui si è iniziato a lavorare, ma anche l’età che si aveva durante un evento storico ben preciso, come la caduta del Muro di Berlino nel 1989. Qui di solito viene inserito nel campo anche il concetto di “Ge­ne­ra­zio­ne”. Nel settore dell’analisi di coorte, detta anche “studio di coorte”, viene prin­ci­pal­men­te ana­liz­za­to il cam­bia­men­to com­por­ta­men­ta­le di gruppi di persone pre­de­fi­ni­ti entro un periodo di tempo ben preciso. Con l’aiuto dei dati ottenuti, si può:

• Ricavare un quadro esatto grazie alle coorti di ri­fe­ri­men­to (intra cohort study), per ana­liz­za­re, ad esempio, le modifiche nel com­por­ta­men­to di consumo o lo sviluppo del tasso di natalità (per un periodo di tempo lungo o uno limitato);
• Ef­fet­tua­re un confronto con almeno un altro dei gruppi di persone (inter cohort study) per ottenere co­no­scen­ze utili sulla base dei diversi com­por­ta­men­ti.

Già alla fine del XIX secolo, gli sta­ti­sti­ci come Karl Becker (1874) e Wilhem Lexis (1875) hanno posto le basi per la scienza che si occupa dell’analisi di precisi gruppi de­mo­gra­fi­ci. Grazie agli sviluppi del demografo Pascal Whelpton (1949), gli approcci come quello dell’analisi di coorte con­qui­sta­ro­no fi­nal­men­te notorietà in­ter­na­zio­na­le. Lo scopo delle ricerche di Whelptons era quello di ana­liz­za­re l’aumento del tasso di natalità negli USA dopo la Seconda Guerra Mondiale. Oggi il processo viene usato molto anche per gli studi condotti in medicina, politica ed economia di mercato.

Gli studi di coorte si possono eseguire in due modalità diverse: o si co­sti­tui­sco­no le coorti nel presente e si segue la loro evo­lu­zio­ne nel futuro (coorte pro­spet­ti­va), o si ricorre ai dati del passato per ana­liz­zar­li nel presente (coorte re­tro­spet­ti­va). Per attuare entrambi i tipi di analisi di coorte, sono necessari i quattro passaggi seguenti:

1. Definire lo scopo della ricerca: per ottenere in­for­ma­zio­ni rilevanti, bisogna porsi le giuste domande. Solo quando si hanno aspet­ta­ti­ve concrete sul contenuto e lo scopo dell’analisi, si può creare l’im­po­sta­zio­ne ne­ces­sa­ria da dare allo studio.
   
   
2. Definire quali elementi co­sti­tui­sco­no una coorte: nel secondo passaggio bisogna stabilire quali elementi co­sti­tui­sco­no le coorti e che quindi po­treb­be­ro portare a ri­spon­de­re alla domanda sullo scopo della ricerca. 
   
   
3. Stabilire quali coorti sono rilevanti: ora si sta­bi­li­sce quali e quante coorti do­vreb­be­ro essere parte dello studio. È anche possibile dividere ancora una volta le coorti costruite e quindi spe­ci­fi­car­le ul­te­rior­men­te.
   
   
4. Eseguire e ana­liz­za­re lo studio delle coorti: una volta in­di­vi­dua­te le coorti de­si­de­ra­te, si deve eseguire il tipo di studio adatto (pro­spet­ti­vo, re­tro­spet­ti­vo, intra o inter cohort) e in­ter­pre­ta­re alla fine i dati.

Le modifiche del com­por­ta­men­to stabilite dall’analisi di coorte sono con­di­zio­na­te da tre fattori o effetti, la cui va­lu­ta­zio­ne e il bilancio sono il compito prin­ci­pa­le dell’in­ter­pre­ta­zio­ne:

• Effetti di coorte
• Effetti dovuti all’età (dall’inglese age effects)
• Effetti su un certo periodo di tempo (dall’inglese period effects)

Con effetti di coorte si indicano com­por­ta­men­ti diversi e modifiche nelle abitudini tra le diverse coorti. Di regola si possono spiegare con l’esistenza di diverse influenze sociali e am­bien­ta­li. Gli effetti dovuti all’età (age effects) sono quelle modifiche, che si lasciano ri­con­dur­re all’età delle persone e quindi le legano a uno specifico stile di vita. Infine, gli effetti su certi periodi indicano le modifiche nel com­por­ta­men­to che derivano da una modifica delle con­di­zio­ni am­bien­ta­li, in­di­pen­den­te­men­te dai fattori ge­ne­ra­zio­na­li o so­cio­de­mo­gra­fi­ci.

Sulla base di questi tre effetti si possono rilevare in maniera chiara dei trend relativi al com­por­ta­men­to dei singoli gruppi di persone, che per­met­to­no di svi­lup­pa­re di nuovo pre­vi­sio­ni future o strategie di ri­so­lu­zio­ne. Il compito prin­ci­pa­le consiste nel separare tra loro gli effetti di coorte, quelli dovuti all’età e quelli legati a un certo periodo di tempo, che si ri­pre­sen­ta­no più volte per ogni elemento. Solo chi include questi fatti nell’analisi di coorte, co­no­sciu­ti come problemi di iden­ti­fi­ca­zio­ne, ottiene risultati ri­ve­la­to­ri sui quali siano le vere cause delle modifiche del com­por­ta­men­to. 

L’analisi del mercato e del target è una com­po­nen­te fon­da­men­ta­le nella pia­ni­fi­ca­zio­ne della strategia, che precede ogni campagna di marketing. In par­ti­co­la­re, nell’online marketing si cerca di av­vi­ci­na­re sempre di più gli utenti o i clienti al proprio obiettivo. Spesso i milioni di dati già raccolti servono come base per la suc­ces­si­va pia­ni­fi­ca­zio­ne, ma queste in­for­ma­zio­ni devono in­nan­zi­tut­to essere valutate in maniera ap­pro­fon­di­ta. Chi non vuole ottenere solo co­no­scen­ze sul com­por­ta­men­to degli utenti in generale, ma vorrebbe osservare i diversi utenti anche basandosi su criteri specifici, può usare le pos­si­bi­li­tà offerte dall’analisi di coorte. Nell’e-commerce il metodo è da tempo uno strumento in­di­spen­sa­bi­le ad esempio per esaminare il com­por­ta­men­to dei clienti nuovi e vecchi o per ve­ri­fi­ca­re come i trend regionali vengano percepiti.

Il seguente esempio illustra come una campagna di marketing riesca a esaminare ancora meglio i suoi effetti quando si esegue uno studio di coorte.

Un gestore di un e-commerce decide di dare un nuovo slancio al suo negozio online e di mo­di­fi­car­ne il layout. Per con­trol­la­re gli effetti del nuovo design sui clienti, vuole orien­tar­si sulle ope­ra­zio­ni di acquisto re­gi­stra­te e ca­te­go­riz­za­re i suoi clienti in clienti già esistenti (coorte 1) e nuovi (coorte 2). Dopo due mesi analizza i risultati e constata che il numero degli acquisti ef­fet­tua­ti è calato. Senza ulteriori in­for­ma­zio­ni si potrebbe sem­pli­ce­men­te affermare che il nuovo layout in generale non piaccia molto. Ma un’occhiata ai numeri separati ottenuti da entrambe le coorti potrebbe rivelare altri due scenari:

1. La coorte 1 (clienti già esistenti) ha ef­fet­tua­to più ope­ra­zio­ni d’acquisto di quante ne abbia mai re­gi­stra­te il negozio prima. Al contrario ci sono stati meno acquisti nella coorte 2 (i nuovi clienti).
2. Nella coorte 2 (nuovi clienti) si sono re­gi­stra­ti più acquisti che mai e per questo gli acquisti della coorte 1 (clienti già esistenti) sono diminuiti.

L’esempio dimostra quale vantaggio porta l’analisi di coorte: l’essere de­ci­sa­men­te più fles­si­bi­le e specifica rispetto a una semplice analisi del com­por­ta­men­to pre­va­len­te degli utenti. Grazie alle funzioni ef­fi­cien­ti dei tool più comuni in materia di raccolta dati, come Google Analytics, una dif­fe­ren­za tra clienti nuovi e vecchi non è l’unica pos­si­bi­li­tà di analisi che si ha a di­spo­si­zio­ne; infatti i tool vi aiutano a ve­ri­fi­ca­re il com­por­ta­men­to di molte coorti più complesse. Così potete, ad esempio, tenere conto nella ca­te­go­riz­za­zio­ne anche dell’età e della regione di pro­ve­nien­za del cliente o del di­spo­si­ti­vo in uso e arrivare a in­for­ma­zio­ni, grazie alle quali potete esaminare in maniera mirata i desideri dei singoli gruppi di clienti.