Product-Market Fit

Marc Andreessen ha reso popolare il termine come «essere in un buon mercato con un prodotto capace di soddisfare quel mercato». La sua descrizione è famosamente percepita piuttosto che calcolata: l'uso cresce tanto velocemente quanto riuscite ad aggiungere server, i soldi si accumulano, state assumendo vendite e supporto quanto più velocemente potete. Prima del PMF spingete il prodotto sul mercato; dopo il PMF il mercato lo strappa dalle vostre mani.

Entrambe le metà contano. «Prodotto» è se la cosa funziona ed è voluta; «mercato» è se abbastanza persone la vogliono con sufficiente intensità da sostenere un business. Un ottimo prodotto in un mercato minuscolo o indifferente non ha fit, e un prodotto mediocre in un mercato disperato può averlo. Il PMF è il momento in cui questi due lati si incastrano per un segmento specifico e nominabile — non «tutti», ma un chi concreto.

Lo strumento più citato è il test di Sean Ellis: intervistate gli utenti che hanno sperimentato il valore centrale del prodotto e chiedete: «Come vi sentireste se non potessi più usare questo prodotto?» Se almeno il 40% risponde «molto deluso», probabilmente avete fit. La soglia del 40% è un punto di riferimento empirico dal lavoro di Ellis, non una legge — trattatela come un segnale forte, e leggete il segmento degli utenti «molto delusi» per scoprire chi è il vostro mercato reale.

La retention è il segnale più difficile e più vero. Tracciate una curva di retention (la quota di una coorte ancora attiva nel tempo) e cercate che si appiattisca invece di decadere a zero — una coda piatta significa che un gruppo stabile continua a tornare, che è la forma quantitativa della domanda. Abbinatela alla trazione organica: referenze da passaparola, iscrizioni non richieste, e un costo decrescente per acquisire ogni nuovo utente. Quando la crescita viene da utenti che portano altri utenti, il mercato sta vendendo per voi.

Il PMF non è un lancio, un round di finanziamento, o un picco di iscrizioni. Il traffico di top-of-funnel e gli inizi di trial misurano l'interesse, non il fit — una grande landing page può fabbricare un'ondata di iscrizioni che la retention poi cancella in due settimane. Se i nuovi utenti non ritornano, avete domanda per il pitch, non per il prodotto.

Non è nemmeno permanente, né binario, né un unico numero. Il fit è specifico per segmento (potete averlo per le startup e non averlo per l'enterprise), si erode mentre mercati e concorrenti si muovono, e può regredire quando vi espandete in segmenti adiacenti che non condividono il job originale. Anche il fatturato da solo può ingannare: sconti pesanti o pochi grandi account a rischio possono sostenere l'MRR mentre la retention sottostante marcisce silenziosamente. La lettura onesta del PMF triangola il sondaggio di delusione, la curva di retention, e da dove viene realmente la trazione organica.

Ogni segnale di PMF vive per default in un posto diverso: le risposte al sondaggio in uno strumento di feedback, la retention per coorte negli analytics di prodotto, le referenze e le iscrizioni negli analytics web, e il fatturato nel billing. Per leggere il fit onestamente dovete unirli — quale segmento è «molto deluso», se quello stesso segmento trattiene, e se il suo fatturato è sano piuttosto che sostenuto da sconti.

Un product operating system costruito su una base condivisa unisce questi record per progettazione. Gli analytics di prodotto e web condividono gli stessi identificatori dei dati di fatturato sulla base, feedback e insight si collegano al record del cliente, e Customer 360 mostra l'uso, le richieste e il fatturato di un segmento in un'unica vista — così potete tagliare la retention e il segnale di delusione per il segmento che conta, invece di ricomporre esportazioni. Questo rende la lettura del PMF più netta; non fabbrica il fit in sé.