Jingxin "Lele" Xu e il metodo per testare la domanda prima di sviluppare il prodotto

Provetta di laboratorio tridimensionale in ceramica gialla con tappo su sfondo oro monochromatic

Jingxin "Lele" Xu ha costruito la sua carriera imprenditoriale su un principio che molti founder ignorano: la domanda esiste solo se i clienti sono disposti a pagare o ad agire. Nel caso analizzato da Analytics Insight, Xu non ha iniziato dalla tecnologia o dal design del prodotto, ma dalla misurazione dell'interesse del mercato. Questo approccio, spesso definito come validazione della domanda, trasforma l'idea imprenditoriale in un problema di analytics: quanti lead qualificati si ottengono? Qual è il costo per acquisirli? Quanto sono disposti a spendere?

La storia di Xu si inserisce in un contesto in cui il rischio di costruire prodotti non richiesti resta alto. I dati storici mostrano che un'alta percentuale di startup fallisce proprio perché investe risorse in sviluppo senza aver prima verificato l'esistenza di un bisogno reale. La lezione centrale di questo caso è che il marketing non è una fase successiva al prodotto, ma lo strumento primario per testare l'ipotesi di business.

Dalla teoria all'esecuzione: i tre step della validazione

Xu struttura il processo di test in tre fasi distinte, ciascuna con metriche specifiche da monitorare. La prima fase è la generazione dell'interesse, in cui l'obiettivo è attirare traffico verso una pagina che descriva il problema e la soluzione proposta, senza mostrare un prodotto completo. Qui le metriche chiave sono il volume di visitatori e il tasso di conversione verso una next step, come la compilazione di un modulo o la prenotazione di una call.

La seconda fase è la qualificazione del lead. Non tutti gli interessati sono clienti potenziali: Xu utilizza criteri per distinguere tra curiosità occasionale e intent d'acquisto. Questo passaggio è critico perché filtra i dati da analizzare nella fase successiva. Se i numeri appaiono alti ma i lead non superano la qualificazione, il problema non è la domanda ma la comunicazione o il targeting.

La terza fase è la misurazione della willingness to pay, cioè la disponibilità a pagare. Xu ha utilizzato pre-ordini o depositi non rimborsabili per trasformare l'interesse in un segnale economico concreto. Questo metodo elimina il bias dei survey: dire "mi piacerebbe" è diverso dal mettere da parte 50 euro per essere tra i primi acquirenti.

Metriche chiave per le tre fasi di validazione della domanda
FaseMetrica principaleSoglia di successo tipica
Generazione interesseTasso di conversione verso next stepSuperiore al 2,5% del traffico
Qualificazione leadPercentuale di lead qualificati sul totaleSuperiore al 40%
Willingness to payTasso di conversione a pre-ordine a pagamentoSuperiore al 10% dei lead qualificati

Il ruolo dell'attribuzione nelle prime campagne di test

Quando Xu ha lanciato le prime campagne di generazione lead, ha dovuto confrontare diversi canali per capire quale generasse i segnali di interesse più forti. L'attribuzione, cioè il processo per assegnare il merito di una conversione a un canale specifico, è complessa nelle prime fasi perché i dati sono scarsi. In questo contesto, ha optato per un modello di attribuzione a ultimo click per la qualificazione e a primo click per la generazione, una scelta pragmatica che permetteva di vedere immediatamente quali canali portavano traffico e quali portavano lead.

Questa scelta si discosta dal marketing mix modeling, un approccio statistico che richiede mesi di dati per funzionare correttamente e che è poco adatto alle fasi di early stage. Per testare una domanda, la velocità di feedback conta più della precisione assoluta dell'attribuzione. L'obiettivo non è sapere con certezza matematica quale canale ha generato la vendita, ma identificare il canale che genera il maggior numero di lead qualificati al minor costo.

Il costo per acquisire un lead qualificato (CPA, Cost Per Acquisition) diventa la metrica di confronto tra i canali. Se un canale ha un CPA di 20 euro e un altro di 60 euro, ma genera lead della stessa qualità, il primo è da privilegiare nel budget. Xu ha ridimensionato i canali a bassa performance entro due settimane dal lancio, riallocando le risorse verso i canali che mostravano un CPA sostenibile rispetto al prezzo del prodotto.

Calcolare il ROAS e il CLV per definire il break-even

La domanda successiva a "c'è interesse?" è "quanto possiamo spendere per acquisire un cliente e restare in utile?" La risposta passa per due metriche: il ROAS (Return On Ad Spend, il rapporto tra il ricavo generato e la spesa pubblicitaria) e il CLV (Customer Lifetime Value, il valore totale che un cliente porta nel corso del rapporto). Xu ha stimato il CLV non sulla base di ipotesi ottimistiche, ma sul prezzo medio dell'ordine moltiplicato per la frequenza di acquisto attesa e per la durata della relazione, considerando anche la marginalità del prodotto.

Con il CLV stimato a 200 euro e una marginalità del 60%, il valore netto per cliente era di 120 euro. Questo significa che il budget massimo spendibile per acquisire un cliente, senza contare i costi fissi operativi, era intorno agli 80 euro, lasciando un margine per i costi di gestione. Il ROAS minimo accettabile per la campagna di validazione era quindi calcolato come il rapporto tra il prezzo medio di vendita e il CPA target. Se il prodotto era venduto a 100 euro e il CPA era di 80 euro, il ROAS era di 1,25. Un valore inferiore avrebbe significato una perdita diretta su ogni lead convertito.

Questi calcoli hanno permesso a Xu di definire un budget di test finito, con un tetto massimo di spesa. Se entro quel tetto il ROAS non raggiungeva la soglia minima, il test era considerato fallito e la strategia di go-to-market doveva essere ricalibrata prima di procedere allo sviluppo del prodotto completo.

Strumenti di misurazione e dashboard per il management

Per monitorare in tempo reale i risultati del test, Xu ha implementato una dashboard che unificava i dati dalle piattaforme di advertising e da uno strumento di analytics web. L'obiettivo era eliminare la necessità di scaricare report manualmente da ogni piattaforma, processo che introduce errori e ritardi nella decisione. La dashboard mostrava tre livelli di dettaglio: il performance aggregato, la performance per canale e il trend giornaliero delle metriche chiave.

La scelta degli strumenti ha seguito un criterio di semplicità: un tool di attribution e marketing mix modeling avanzato sarebbe stato sovradimensionato per un test di due settimane. Ha utilizzato invece un CRM semplice per tracciare lo stato dei lead e una piattaforma di reporting che aggregava i dati da Google Ads e da un pixel di conversione. L'importante era che i dati fossero disponibili al mattino per prendere decisioni sul budget del giorno, non in tempo reale minuto per minuto.

La reportistica per il management, in questo contesto, si riduce a una domanda: "Il test sta producendo i segnali attesi?" Se la risposta è no, la discussione non è su quale grafico guardare, ma su quale leva modificare. Il formato della comunicazione è stato un documento di una pagina con il traffico, i lead, il CPA, il ROAS e una raccomandazione operativa per la settimana successiva.

Applicare il metodo di Xu alla propria azienda

Il modello di Jingxin Lele Xu è replicabile anche per chi non sta lanciando una startup, ma per un'azienda che vuole testare un nuovo prodotto o un nuovo mercato. Il punto di partenza è sempre la stessa: definire l'ipotesi di domanda in modo falsificabile. "I clienti di un certo segmento sono disposti a pagare X euro per una soluzione che risolve Y" è un'ipotesi testabile; "ci sarà una forte domanda per il nostro prodotto" non lo è.

La seconda step è costruire il minimo funnel di validazione: una landing page che descrive la proposta di valore, un meccanismo di conversione che misuri l'interesse (modulo, pre-ordine, demo), e un canale di traffico a pagamento o organico per generare visitatori. La terza step è definire le soglie di successo prima di lanciare: quale tasso di conversione è accettabile, qual è il CPA massimo, qual è il ROAS minimo. Senza queste soglie, i dati non dicono nulla, perché non c'è un riferimento contro cui misurare la performance.

Infine, il test deve avere una durata finita e un budget finito. Il rischio principale non è il fallimento del test, ma il prolungamento indefinito di una situazione in cui si spende senza un verdetto chiaro. Il metodo di Xu insegna che il dato serve a prendere decisioni, e le decisioni hanno bisogno di un orizzonte temporale definito.