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.