Question 1

Cos'è una coorte nell'analisi dei dati?

Accepted Answer

Una coorte è un gruppo di utenti che condividono una caratteristica comune in un periodo determinato, più comunemente la data della prima azione (iscrizione, primo acquisto). Raggruppare gli utenti in coorti permette di confrontare il loro comportamento nel tempo e identificare tendenze tra i periodi di acquisizione. È uno strumento fondamentale per misurare la retention e valutare l'impatto dei cambiamenti di prodotto.

Question 2

Qual è il criterio più comune per definire una coorte temporale?

Accepted Answer

Il criterio più comune per definire una coorte temporale è la data della prima iscrizione o del primo acquisto. Il raggruppamento per periodo di acquisizione (settimana, mese, trimestre) consente un confronto obiettivo del comportamento degli utenti acquisiti in momenti diversi. Ciò aiuta a isolare l'effetto del tempo e a rilevare miglioramenti o peggioramenti legati a cambiamenti di prodotto o marketing.

Question 3

Come si legge una tabella di retention per coorte?

Accepted Answer

Una tabella di retention per coorte si legge con le coorti come righe (per periodo di acquisizione) e i periodi successivi come colonne (Mese 0, Mese 1, ecc.). Ogni cella mostra la percentuale di utenti di quella coorte ancora attivi in quel periodo. La prima colonna è sempre al 100% e i valori diminuiscono naturalmente nel tempo. Questo formato consente il confronto visivo della retention tra coorti.

Analisi delle coorti e retention

Cos'è una coorte nell'analisi dei dati?

Risposta

Qual è il criterio più comune per definire una coorte temporale?

Risposta

Come si legge una tabella di retention per coorte?

Risposta

Qual è la differenza tra retention Day-N e retention rolling?

Perché la retention è considerata una metrica più affidabile del numero di utenti attivi?

Altri argomenti di colloquio Data Analytics

Google Sheets - Fondamenti

Google Sheets - Formule avanzate

SQL - Fondamenti

SQL - Aggregazioni e raggruppamenti

SQL - Join

BigQuery - Fondamenti

Data Cleaning - Pulizia dei dati

KPI e metriche di business

Statistica descrittiva

Zapier e automazione No-Code

Principi di data visualization

Python & Pandas - Fondamenti

Google Sheets - Dashboard automatizzate

SQL - Subquery e CTE

SQL - Window Functions

BigQuery - Funzionalità avanzate

Data Modeling

Analisi di funnel e conversione

Google Tag Manager e tracking

API e webhook

dbt - Fondamenti

AB Testing e statistica applicata

Looker Studio (Google Data Studio)

Power BI - Fondamenti

SQL - Query analitiche avanzate

dbt - Funzionalità avanzate

Power BI - DAX e dashboard avanzate

Python Analytics - Analisi avanzata e ML

Padroneggia Data Analytics per il tuo prossimo colloquio