5.2 Metriche di adozione e utilizzo delle funzionalità

Panoramica e motivazione

L’adozione delle funzionalità (feature adoption) misura se le persone per cui una funzionalità è stata costruita la usano davvero, con quale tasso e se quell’uso persiste nel tempo. È, in senso molto diretto, la verifica di realtà su tutto ciò che le Parti dalla 2 alla 4 di questo libro misurano: un’organizzazione può rilasciare di frequente, mantenere un’ottima esperienza degli sviluppatori e consegnare codice impeccabilmente testato, e costruire comunque cose che nessuno vuole. I dati di adozione sono dove un’organizzazione di ingegneria scopre se il proprio output si sia collegato a un qualche risultato reale, che è esattamente la distinzione tra input, output e risultato introdotta dall’argomento 1.3 applicata al caso più concreto di questo libro: una funzionalità specifica, già rilasciata.

La preoccupazione centrale di questo argomento è che i dati di adozione, più di quasi ogni altra famiglia di metriche di questo libro, sono facili da misurare in un modo che lusinga anziché informare. Una funzionalità può mostrare un’adozione iniziale impressionante puramente per curiosità o per esposizione forzata (un modale che compare che l’utente lo voglia o no) mentre la genuina consegna di valore sostenuta, misurata da se le persone continuino a usarla una volta svanita la novità, racconta una storia completamente diversa. Distinguere l’adozione genuina da un picco temporaneo è la sfida tecnica centrale di questo argomento, e sbagliarla porta di routine le organizzazioni a festeggiare funzionalità che falliscono in silenzio e ad abbandonarne altre che stavano appena cominciando a trovare il proprio pubblico.

Per i team grandi, i dati di adozione delle funzionalità sono ciò che rende la prioritizzazione della roadmap basata sulle prove anziché guidata da chi sostiene con più persuasione il lavoro del proprio team. Le organizzazioni enterprise che gestiscono grandi portafogli di prodotti hanno bisogno dei dati di adozione per individuare quali investimenti si guadagnano il posto; le organizzazioni governative che costruiscono servizi digitali rivolti ai cittadini ne hanno bisogno per dimostrare che l’investimento pubblico ha prodotto servizi che le persone usano davvero, non solo servizi che esistono tecnicamente.

Principi chiave

Adozione iniziale e adozione sostenuta sono segnali diversi. Un picco dovuto a curiosità o a esposizione forzata non è la stessa cosa di una consegna di valore genuina e duratura.
L’adozione va misurata rispetto al pubblico per cui è stata costruita, non rispetto all’intera base di utenti in modo indiscriminato.
Una funzionalità con bassa adozione non è automaticamente un fallimento. Potrebbe essere scoperta male, mirata male o semplicemente nuova; indaga prima di concludere.
La fidelizzazione dell’utilizzo conta più di una singola istantanea di adozione. Traccia se chi ha provato una funzionalità continua a tornarci.
I dati di adozione sono esposti alla manipolazione tramite esposizione forzata o dark pattern. Un numero gonfiato rendendo una funzionalità difficile da evitare non è un segnale genuino.

Raccomandazioni

Distingui la prova iniziale dalla fidelizzazione sostenuta

Traccia due numeri separati: la percentuale del tuo pubblico di destinazione che prova una funzionalità almeno una volta (adozione iniziale) e la percentuale che la sta ancora usando dopo un periodo significativo, come quattro o otto settimane (adozione trattenuta). Una funzionalità con alta prova iniziale e bassa fidelizzazione suggerisce che la reperibilità ha funzionato ma la funzionalità stessa non ha consegnato abbastanza valore da far tornare le persone, una diagnosi molto diversa, e una correzione molto diversa, rispetto a una bassa prova iniziale con alta fidelizzazione, che suggerisce una funzionalità davvero preziosa che troppe poche persone conoscono.

Definisci con precisione il pubblico di destinazione prima di misurare l’adozione

L’adozione misurata rispetto all’intera base di utenti può essere fuorviante se una funzionalità era destinata solo a un segmento specifico: una funzionalità per amministratori aziendali misurata rispetto a una base composta per lo più da utenti individuali apparirà sempre con una pessima adozione, a prescindere da quanto bene serva davvero le persone per cui è stata costruita. Definisci esplicitamente il pubblico previsto prima del lancio e misura l’adozione rispetto a quel denominatore specifico, non al tuo conteggio totale di utenti.

Indaga la bassa adozione prima di concludere che una funzionalità è fallita

Un numero di adozione basso ha diverse cause possibili che richiedono risposte molto diverse: la funzionalità non è davvero preziosa, la funzionalità è preziosa ma poco reperibile (gli utenti non sanno che esiste), la funzionalità è preziosa ma spiegata male (gli utenti la vedono ma non ne capiscono lo scopo), oppure la finestra di misurazione è semplicemente troppo breve perché una funzionalità a adozione più lenta abbia trovato il proprio pubblico. Indaga quale di queste si applichi prima di decidere se investire ancora, riprogettare o ritirare.

Fai attenzione all’adozione gonfiata da esposizione forzata o dark pattern

Un numero di adozione guidato dal fatto che una funzionalità sia difficile da evitare, un flusso di inserimento invadente, un modale che l’utente deve chiudere, un valore predefinito difficile da cambiare, non misura una consegna di valore genuina, e festeggiarlo come se lo fosse ripete in forma di prodotto lo schema di manipolazione per sostituzione dell’argomento 1.2. Abbina i numeri grezzi di adozione a un segnale di soddisfazione o in stile Net Promoter per la specifica funzionalità dove fattibile, così che l’esposizione forzata che non si traduce in genuina soddisfazione venga intercettata anziché festeggiata.

Ricollega i trend di adozione a decisioni specifiche di prodotto e di ingegneria

Quando l’adozione sale o scende in modo inatteso, ricostruisci il cambiamento fino a una decisione specifica, una modifica dell’interfaccia, un cambio di impostazioni predefinite, una spinta di marketing, un miglioramento o un peggioramento di prestazioni, anziché trattare il movimento come un mistero inspiegato. Questo collega i dati di adozione a un apprendimento azionabile di prodotto e di ingegneria, chiudendo il cerchio tra un cambiamento specifico e il suo effetto misurato sull’utilizzo reale.

Compromessi: pro e contro

Approccio	Pro	Contro
Misurare rispetto all’intera base di utenti	Semplice, un solo denominatore	Fuorviante per funzionalità rivolte a un segmento specifico
Misurare rispetto a un pubblico di destinazione definito	Equo, riflette con accuratezza la portata prevista	Richiede una definizione deliberata del pubblico prima del lancio
Solo prova iniziale	Segnale rapido, disponibile subito dopo il lancio	Perde se la funzionalità consegni valore duraturo
Prova iniziale più fidelizzazione	Distingue la curiosità dal valore genuino	Richiede di aspettare di più (settimane) prima che emerga un quadro completo

La tensione centrale è velocità contro onestà. I dati di prova iniziale sono disponibili quasi subito dopo il lancio e soddisfano la pressione organizzativa a riportare risultati precoci, ma da soli non sanno distinguere la curiosità o l’esposizione forzata dal valore genuino e duraturo. Si risolve la tensione riportando presto i dati di prova iniziale, chiaramente etichettati come preliminari, e impegnandosi pubblicamente a una lettura successiva della fidelizzazione a un intervallo fisso e predeterminato, così che l’entusiasmo iniziale non si cristallizzi in una storia di successo non esaminata prima che il segnale reale abbia avuto il tempo di emergere.

Domande da discutere con il vostro team

Per la funzionalità rilasciata più di recente, conosciamo separatamente la prova iniziale e l’utilizzo trattenuto, o solo un singolo numero combinato? Se esiste solo un numero combinato, quella lacuna nasconde esattamente la distinzione tra curiosità e valore che questo argomento tratta come centrale.
Il pubblico di destinazione di questa funzionalità è stato definito esplicitamente prima del lancio, e stiamo misurando l’adozione rispetto a quel gruppo specifico? Controllate se il vostro attuale denominatore di adozione corrisponda a chi la funzionalità era davvero destinata, o se sia diluito dalla misurazione rispetto a una popolazione più ampia e irrilevante.
Per una funzionalità con bassa adozione, abbiamo indagato quale delle diverse cause possibili, poco valore, scarsa reperibilità, spiegazione insufficiente, tempo insufficiente, si applichi davvero? Ripercorrete questo specifico elenco diagnostico per una funzionalità reale e attuale a bassa adozione anziché ripiegare su «non deve essere preziosa».
Una parte del nostro numero di adozione riportato è gonfiata da esposizione forzata, un valore predefinito invadente o un modale da chiudere, anziché da uso genuino e volontario? Siate onesti qui; è uno schema comune e facile in cui cadere, soprattutto sotto pressione di mostrare risultati positivi precoci.
Quando l’adozione di una funzionalità si è mossa in modo significativo, abbiamo potuto ricondurre quel movimento a un cambiamento specifico che avevamo fatto? Se la risposta è di solito «non ne siamo sicuri», quella lacuna limita quanto la vostra organizzazione possa davvero imparare nel tempo dai propri dati di adozione.
Abbiniamo i numeri di adozione a un qualche segnale di soddisfazione per la stessa funzionalità, o tracciamo solo l’utilizzo grezzo? Un numero di adozione alto abbinato a una bassa soddisfazione è un segnale d’allarme che il solo utilizzo grezzo perderebbe del tutto.

Prospettiva settoriale

Startup. L’adozione delle funzionalità è spesso il singolo segnale più importante che un’azienda giovane ha, strettamente legato al product-market fit stesso. Traccia la fidelizzazione in particolare, non solo la prova iniziale, fin dal primo lancio di funzionalità, dato che distinguere il valore genuino dalla curiosità precoce è cruciale quando la sopravvivenza dell’azienda può dipendere dal fare bene questa diagnosi.

Piccola impresa. La maggior parte delle piattaforme di analytics riporta dati d’uso di base con una configurazione minima; la disciplina principale è definire con chiarezza il pubblico di destinazione prima di misurare, anziché riportare l’adozione rispetto all’intera base clienti a prescindere da chi una funzionalità specifica fosse davvero destinata.

Enterprise. I dati di adozione a questa scala sono essenziali per una prioritizzazione equa e basata sulle prove della roadmap in un grande portafoglio di prodotti, e la disciplina di distinguere prova iniziale da fidelizzazione sostenuta conta ancora di più qui, dato che una base di utenti abbastanza grande può produrre un picco iniziale dall’aspetto impressionante per quasi qualsiasi lancio a prescindere dal valore reale.

Settore pubblico. L’adozione di un servizio digitale rivolto ai cittadini è una misura diretta e concreta del fatto che l’investimento pubblico si sia tradotto in un beneficio reale per il pubblico, ed è spesso una metrica molto più persuasiva per un organo di controllo di un conteggio di consegne o di attività. Misurate l’adozione rispetto alla popolazione che il servizio era davvero destinato a servire, e siate onesti sulle barriere (alfabetizzazione digitale, accesso, consapevolezza) che possono spiegare una bassa adozione al di là del progetto del servizio stesso.

Esempi

Enterprise. Un’azienda di software di gestione dei progetti lanciò una nuova funzionalità di modifica collaborativa e festeggiò un impressionante tasso di prova iniziale del 60% nelle prime due settimane. Una lettura successiva della fidelizzazione a otto settimane mostrò che solo l’8% di quegli iniziali sperimentatori usava ancora la funzionalità con regolarità, rivelando che l’alto tasso di prova era stato guidato quasi interamente da un tooltip di inserimento vistoso e difficile da chiudere anziché da un interesse genuino e sostenuto. L’indagine sul feedback qualitativo di chi l’aveva provata e poi smesso di usare la funzionalità rivelò uno specifico problema di usabilità correggibile, uno schema di interazione poco intuitivo, che una riprogettazione mirata risolse, e l’utilizzo trattenuto quasi triplicò dopo la correzione, anche se non si avvicinò mai al numero di prova iniziale fuorviantemente alto.

Settore pubblico. Un servizio nazionale per l’impiego lanciò un nuovo strumento online di abbinamento ai lavori, riportando inizialmente l’adozione rispetto all’intera base di utenti registrati dell’agenzia, ottenendo una percentuale scoraggiantemente bassa che minacciava il proseguimento del finanziamento del programma. Un’analisi rivista, che misurava l’adozione specificamente rispetto al sottoinsieme di utenti registrati che cercavano attivamente lavoro nei settori di destinazione dello strumento, il pubblico effettivamente previsto, mostrò un tasso di adozione sostanzialmente più alto e più accurato. Combinata con una campagna mirata di sensibilizzazione specificamente rivolta a quel pubblico definito, e con una lettura successiva della fidelizzazione che mostrava un uso sostenuto forte tra chi aveva adottato, il programma ottenne la continuazione del finanziamento sulla base della metrica corretta e onestamente mirata anziché della cifra originale fuorviantemente diluita.

Business case: motivazioni, ROI e TCO

Il ritorno di una misurazione rigorosa dell’adozione delle funzionalità è un investimento in roadmap basato sulle prove: un’organizzazione che sa distinguere il valore genuino e trattenuto dalla prova iniziale guidata dalla curiosità può investire ancora con fiducia nelle funzionalità che funzionano davvero e reindirizzare lo sforzo lontano da quelle che non funzionano, anziché inseguire un picco iniziale fuorviante o abbandonare prematuramente una funzionalità davvero preziosa ma lenta da scoprire.

Il costo totale di proprietà è per lo più strumentazione di analytics, di solito già disponibile nella maggior parte delle moderne piattaforme di analytics di prodotto, più la disciplina di definire esplicitamente i pubblici di destinazione e di impegnarsi in letture successive della fidelizzazione anziché fermarsi a un segnale precoce e incompleto. Quella disciplina costa poco e previene l’errore molto più costoso di leggere male un falso successo o un falso fallimento.

Antipattern e insidie

Riportare solo la prova iniziale, mai la fidelizzazione: non sa distinguere curiosità o esposizione forzata dal valore genuino e duraturo.
Misurare l’adozione rispetto al denominatore sbagliato: diluisce o gonfia il segnale per funzionalità rivolte a un segmento specifico di pubblico.
Concludere che una funzionalità è fallita senza indagare la causa specifica della bassa adozione: rischia di abbandonare una funzionalità davvero preziosa ma scoperta male o lanciata nel momento sbagliato.
Festeggiare un’adozione gonfiata da esposizione forzata o dark pattern: un caso, lato prodotto, della manipolazione per sostituzione dell’argomento 1.2.
Non ricondurre mai il movimento dell’adozione a decisioni specifiche: limita l’apprendimento organizzativo dai dati dell’organizzazione stessa.
Tracciare l’utilizzo senza alcun segnale di soddisfazione abbinato: perde il caso in cui un alto utilizzo convive con basso valore genuino o bassa soddisfazione.

Modello di maturità

Livello 1, Avvio (Initiate): L’adozione non è misurata, oppure viene riportato solo un singolo numero di prova iniziale, precoce e non trattenuto.
Livello 2, Sviluppo (Develop): Esiste un certo tracciamento dell’adozione, ma i pubblici di destinazione non sono definiti con precisione e la fidelizzazione è misurata in modo incoerente.
Livello 3, Standardizzazione (Standardize): Prova iniziale e adozione trattenuta sono entrambe tracciate in modo coerente rispetto a un pubblico di destinazione definito con precisione per ogni funzionalità importante.
Livello 4, Gestione (Manage): Le funzionalità a bassa adozione sono indagate sistematicamente per la causa radice specifica prima di decidere di riprogettare o ritirare; l’adozione è abbinata ai dati di soddisfazione.
Livello 5, Orchestrazione (Orchestrate): I dati di adozione informano direttamente e di routine la prioritizzazione della roadmap e le decisioni di investimento, e l’organizzazione sa ricondurre con fiducia specifici movimenti di adozione a specifiche decisioni di prodotto e di ingegneria.

Spunti di discussione

Qual è una funzionalità recente in cui prova iniziale e adozione trattenuta hanno raccontato storie molto diverse?
Il pubblico di destinazione della nostra ultima funzionalità è stato definito con precisione prima del lancio, o solo dopo?
Quale funzionalità a bassa adozione merita un’indagine onesta sulla causa radice prima di decidere il suo destino?
Una parte della nostra attuale reportistica sull’adozione è gonfiata da esposizione forzata?
Che cosa rivelerebbe l’abbinare i dati di adozione ai dati di soddisfazione per la nostra funzionalità più usata?

Punti chiave

Distingui la prova iniziale dalla fidelizzazione sostenuta; un picco dovuto a curiosità o a esposizione forzata non è valore genuino e duraturo.
Misura l’adozione rispetto a un pubblico di destinazione definito con precisione, non a una base di utenti più ampia e irrilevante.
Indaga la causa specifica della bassa adozione prima di concludere che una funzionalità è fallita; cause molto diverse richiedono risposte molto diverse.
Fai attenzione all’adozione gonfiata da esposizione forzata o dark pattern, e abbina l’adozione a un segnale di soddisfazione per intercettarla.
Ricollega il movimento dell’adozione a decisioni specifiche per trasformare i dati in genuino apprendimento organizzativo.

Riferimenti e letture di approfondimento

Lean Analytics, di Alistair Croll e Benjamin Yoskovitz (metriche azionabili contro metriche di vanità applicate ai dati d’uso del prodotto).
Continuous Discovery Habits, di Teresa Torres (collegare le decisioni di prodotto alle prove sui risultati per i clienti, inclusi i dati di adozione).
Hooked: How to Build Habit-Forming Products, di Nir Eyal (fidelizzazione e formazione di abitudini, e il confine etico tra valore genuino e dark pattern).
Measure What Matters, di John Doerr (definizione degli obiettivi orientata ai risultati applicabile alla definizione degli obiettivi di adozione).