Community Retail: cosa misuriamo davvero e cosa no

Community Retail è il lavoro sul database proprietario di una catena retail — le persone che hanno già comprato nei tuoi punti vendita e ti hanno lasciato un contatto — e sui canali con cui le richiami dentro: SMS, email e coupon in cassa. Quello che misuriamo, oggi, è la salute di quel database e il comportamento delle coorti contattate rispetto a quelle non contattate in una finestra dichiarata. Quello che non possiamo ancora dire è che tutto questo faccia salire lo scontrino medio o la frequenza d’acquisto: l’analisi di coorte che abbiamo chiuso il 28/07/2026 non lo dimostra, e su questo blog non scriviamo cose che i dati non reggono.

Il resto dell’articolo spiega come ci arriviamo.

Cosa intendiamo per Community Retail

Non è un programma fedeltà con la tessera e i bollini. È l’insieme di tre cose che stanno in piedi solo insieme:

1. Un database proprietario, cioè tuo. Anagrafiche, consensi, storico acquisti collegato allo scontrino, provenienza del contatto (cassa, sito, campagna). Non un pubblico in affitto su una piattaforma altrui, che domani cambia le regole di targeting.
2. Canali live verso quelle persone: SMS, email, coupon emessi in cassa. Sono i tre che oggi lavorano davvero, non un elenco di possibilità.
3. Una misura del ritorno in negozio, con un periodo dichiarato e una popolazione dichiarata.

Se manca il primo pezzo, gli altri due sono rumore. Se manca il terzo, hai una piattaforma proprietaria che manda messaggi e nessuno che sappia dire se sono serviti. Su come si costruisce e si tiene pulita la base di partenza abbiamo già scritto in Il potere del database clienti per vendere di più.

Il database proprietario: le metriche che guardiamo prima delle campagne

Prima ancora di parlare di risultati, guardiamo se il database è vivo. Le domande sono banali e quasi nessuno se le pone per iscritto:

• Quota di anagrafiche contattabili: quante hanno un cellulare valido, quante un’email valida, quante entrambi, quante nessuno dei due.
• Consensi effettivi per canale: avere un numero non vuol dire poterlo usare. Il consenso è una metrica, non un dettaglio legale da mettere in fondo.
• Copertura per punto vendita: quasi sempre due negozi della stessa insegna hanno una qualità di raccolta in cassa molto diversa. È un problema di processo alla cassa, non di software.
• Tasso di aggancio dello scontrino all’anagrafica: se il 100% dei contatti non è collegato agli acquisti, qualsiasi analisi successiva è una supposizione.
• Decadimento: numeri che smettono di ricevere, email che rimbalzano, disiscrizioni per campagna.

Queste sono metriche di stato, non di risultato. Non le raccontiamo come vittorie: servono a sapere su quante persone puoi davvero contare quando parte una promozione.

I canali live: SMS, email, coupon in cassa

Sui canali misuriamo consegne, aperture dove il canale le espone, click, e soprattutto redemption del coupon in cassa, che è l’unico segnale che chiude il cerchio tra “ha ricevuto” e “è entrato”.

Il coupon emesso in cassa merita una nota a parte: è il canale meno digitale dei tre ed è quello con l’aggancio più pulito, perché nasce e muore dentro il sistema di cassa. Nessun problema di attribuzione tra device, nessun dubbio su chi l’ha usato.

Se stai ragionando su cosa mettere dentro una campagna prima ancora che sul canale, 13 idee per le tue promo è un buon punto di partenza operativo.

WhatsApp: ne parleremo quando sarà attivo

WhatsApp è in roadmap. Quando lo apriremo come canale, lo scriveremo qui con le stesse metriche degli altri tre. Oggi non lo vendiamo e non lo conteggiamo, perché non è in produzione.

Il metodo: l’analisi di coorte del 28/07/2026

Il 28/07/2026 abbiamo chiuso un’analisi di coorte sul database di una catena retail nostra cliente. Il metodo, in breve:

• si prende la popolazione del database a una data;
• si separa chi ha ricevuto la campagna (per canale) da chi non l’ha ricevuta;
• si osserva, nella finestra temporale successiva, chi è tornato a fare uno scontrino nei punti vendita;
• si confrontano i comportamenti delle due coorti sullo stesso periodo, non su periodi diversi.

Il punto fermo del metodo è la finestra dichiarata. Un confronto tra “il mese dopo la campagna” e “un mese qualsiasi dell’anno prima” in retail non dice niente: stagionalità, saldi e calendario si mangiano qualsiasi differenza. Sul perché una metrica va sempre letta con il suo denominatore e il suo periodo abbiamo scritto anche in ROAS e ROI: come misurare il digital marketing.

Cosa non dimostra, e perché lo diciamo

Tre limiti, dichiarati:

1. Le coorti non sono randomizzate. Chi riceve la campagna è chi ha lasciato un contatto valido e un consenso: cioè, tipicamente, chi era già più legato all’insegna. Confrontarlo con chi un contatto non l’ha mai lasciato significa confrontare due popolazioni diverse in partenza. Qualsiasi differenza osservata è una correlazione, non una prova di causa.

2. Non dimostra un aumento dello scontrino medio. Anzi: nella rilevazione del 28/07/2026 lo scontrino di chi è stato contattato risulta leggermente più basso, e la spiegazione più semplice è la più probabile — la campagna porta con sé uno sconto, e lo sconto si vede in cassa. Chi ti racconta che una campagna promozionale alza contemporaneamente traffico e scontrino medio ti sta vendendo una diapositiva.

3. Non dimostra un aumento della frequenza d’acquisto. Per dirlo servirebbe seguire le stesse persone su più cicli di campagna e su una finestra più lunga di quella che abbiamo osservato. Non l’abbiamo ancora fatto, quindi non lo scriviamo.

Quello che l’analisi ci dà è una base di lettura: una fotografia del comportamento delle coorti su una finestra dichiarata, ripetibile alla prossima campagna con lo stesso metodo. È da lì che si costruisce un risultato verificabile, non da una slide con una freccia verso l’alto.

Perché pubblichiamo anche la parte scomoda

Lavoriamo con reti commerciali e catene retail che, prima di firmare, vogliono il numero prima del contratto. Se quel numero arriva da un’analisi con i limiti nascosti sotto il tappeto, salta al primo controllo interno fatto dal loro CFO — e a quel punto salta anche il rapporto.

Preferiamo dichiarare adesso che l’analisi del 28/07/2026 misura il ritorno in negozio per coorte e non l’effetto sullo scontrino. È un’affermazione più piccola, ma sta in piedi. Gli altri progetti su cui abbiamo lavorato li trovi in Casi e progetti.

Cosa serve per dire di più nei prossimi mesi

Per passare dalla correlazione a qualcosa di più solido, il piano è questo:

• coorti di controllo costruite per assomigliarsi, non “contattati contro tutti gli altri”;
• hold-out: una quota di contattabili che, per una campagna, non viene contattata di proposito;
• più cicli di campagna sulla stessa popolazione, per guardare la frequenza su una finestra lunga;
• stessa finestra, stesso denominatore a ogni rilevazione, così i confronti restano confrontabili.

Sono cose che richiedono che tu accetti di non parlare a una parte del tuo database per un giro. È il prezzo di sapere davvero se il canale funziona.

FAQ

Che cos’è Community Retail?

È il modello con cui lavoriamo sulla fedeltà e sul ritorno in negozio delle catene retail: un database proprietario del cliente (anagrafiche, consensi, scontrini collegati) e i canali con cui si richiamano quelle persone nei punti vendita — oggi SMS, email e coupon emessi in cassa. Non è un programma a punti: è l’infrastruttura dati più i canali, misurati insieme.

Quali canali sono attivi oggi in Community Retail?

Tre: SMS, email e coupon in cassa. WhatsApp è in roadmap e non è un canale attivo: quando lo apriremo, lo diremo con le stesse metriche degli altri.

Community Retail fa aumentare lo scontrino medio?

Non lo sappiamo e non lo affermiamo. L’analisi di coorte del 28/07/2026 non dimostra un aumento dello scontrino medio né della frequenza d’acquisto; nella rilevazione lo scontrino di chi è stato contattato risulta anzi leggermente più basso, coerentemente con il fatto che la campagna veicola uno sconto. Quello che l’analisi osserva è il comportamento di ritorno delle coorti in una finestra temporale dichiarata.

Perché non pubblicate le percentuali dell’analisi?

Perché una percentuale senza popolazione, finestra temporale e disegno dello studio è un numero decorativo. Le cifre le portiamo nel confronto con te, sul tuo database e sul tuo periodo, insieme al metodo con cui sono state calcolate — così puoi contestarle, che è esattamente il punto.

In sintesi

Community Retail, per noi, è un database proprietario più tre canali live e un metodo di lettura per coorti. Al 08/08/2026 misuriamo contattabilità e consensi, consegne e redemption dei coupon in cassa, e il comportamento di ritorno delle coorti nella finestra dichiarata dell’analisi del 28/07/2026. Non attribuiamo a queste attività aumenti di scontrino medio o di frequenza d’acquisto, perché quell’analisi non li dimostra.

Se gestisci una catena e vuoi capire che cosa il tuo database può già dirti — e cosa gli manca per dirti di più — parliamone partendo dai dati che hai in cassa oggi.