# Analisi delle coorti e retention (Data Analytics)

> Coorti temporali, retention per coorte, analisi RFM, segmentazione clienti, churn prediction

- 20 domande da colloquio
- Mid-Level
- [Domande da colloquio: Data Analytics](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio.md)

## 1. Cos'è una coorte nell'analisi dei dati?

**Risposta**

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.

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

**Risposta**

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.

## 3. Come si legge una tabella di retention per coorte?

**Risposta**

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.

## Altre 17 domande disponibili

- 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?

Registrati gratis: https://sharpskill.dev/it/login

## Altri argomenti di colloquio Data Analytics

- [Google Sheets - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-basics.md): 20 domande, Junior
- [Google Sheets - Formule avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-advanced.md): 20 domande, Junior
- [SQL - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-basics.md): 25 domande, Junior
- [SQL - Aggregazioni e raggruppamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-aggregations.md): 20 domande, Junior
- [SQL - Join](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-joins.md): 20 domande, Junior
- [BigQuery - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/bigquery-fundamentals.md): 20 domande, Junior
- [Data Cleaning - Pulizia dei dati](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-cleaning.md): 20 domande, Junior
- [KPI e metriche di business](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/kpis-metrics.md): 20 domande, Junior
- [Statistica descrittiva](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/descriptive-statistics.md): 20 domande, Junior
- [Zapier e automazione No-Code](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/zapier-automation.md): 20 domande, Junior
- [Principi di data visualization](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-viz-principles.md): 20 domande, Junior
- [Python & Pandas - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/python-pandas-basics.md): 20 domande, Junior
- [Google Sheets - Dashboard automatizzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-dashboards.md): 20 domande, Mid-Level
- [SQL - Subquery e CTE](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-subqueries-ctes.md): 20 domande, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-window-functions.md): 20 domande, Mid-Level
- [BigQuery - Funzionalità avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/bigquery-advanced.md): 20 domande, Mid-Level
- [Data Modeling](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-modeling.md): 20 domande, Mid-Level
- [Analisi di funnel e conversione](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/funnel-analysis.md): 20 domande, Mid-Level
- [Google Tag Manager e tracking](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/gtm-tracking.md): 20 domande, Mid-Level
- [API e webhook](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/apis-webhooks.md): 20 domande, Mid-Level
- [dbt - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/dbt-fundamentals.md): 20 domande, Mid-Level
- [AB Testing e statistica applicata](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/ab-testing.md): 20 domande, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/looker-studio.md): 20 domande, Mid-Level
- [Power BI - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/power-bi-fundamentals.md): 20 domande, Mid-Level
- [SQL - Query analitiche avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-advanced-analytics.md): 20 domande, Senior
- [dbt - Funzionalità avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/dbt-advanced.md): 20 domande, Senior
- [Power BI - DAX e dashboard avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/power-bi-dax.md): 20 domande, Senior
- [Python Analytics - Analisi avanzata e ML](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/python-analytics-advanced.md): 20 domande, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/cohort-retention