6 luglio 2026Aggiornato il Fathy Shalaby15 min di lettura
Metriche del product-led growth: cosa misurare in ogni fase del PLG
Lo stack di metriche PLG in quattro livelli, con una formula e un benchmark verificato per ogni metrica, un esempio svolto e gli errori di misurazione che bloccano i funnel self-service.
Le metriche di product-led growth misurano ciò che gli utenti fanno dentro il prodotto e che prevede i ricavi: quante registrazioni raggiungono un valore reale (attivazione), con quale rapidità, se si crea un'abitudine e se gli account si espandono e invitano altri. L'insieme di base comprende tasso di attivazione, time to value, product-qualified lead, conversione free-to-paid, DAU/MAU, net revenue retention e coefficiente virale, letti per fonte di acquisizione e per segmento di clientela.
Punti chiave
La conversione nel PLG è più bassa di quanto si aspettino la maggior parte dei team orientati alle vendite: nei benchmark 2022 di OpenView, i prodotti freemium convertivano il 5% degli utenti gratuiti in paganti e le prove gratuite il 17% (OpenView, 2022).
Monitorare i product-qualified lead o gli account ha aumentato del 61% la probabilità di crescere in fretta nel sondaggio di OpenView e Pendo su 1.000 aziende (OpenView, 2023).
L'attivazione media su oltre 500 prodotti è del 34%, la mediana del 25% (Lenny's Newsletter, 2022).
La migliore net revenue retention si aggira intorno al 110-120% (ChartMogul), ma l'azienda SaaS B2B mediana nel 2025 era all'82% (ChartMogul, 2025).
Un coefficiente virale inferiore a 1 aiuta comunque: con K = 0,3, ogni 100 registrazioni ne portano circa 43 in più nel tempo.
Perché le metriche SaaS standard non funzionano per il product-led growth?
In un modello orientato alle vendite il funnel è lineare: lead, opportunità, demo, chiusura. Si misurano i passaggi di mano tra persone: MQL, SQL, win rate, ciclo di vendita.
Nel PLG i passaggi di mano sono pochi. Il funnel è comportamentale: scoprire, registrarsi, attivarsi, creare un'abitudine, espandersi. Ogni passo dipende da ciò che l'utente fa, o non fa, dentro il prodotto. Stai misurando comportamenti che prevedono i ricavi, non fasi di pipeline che li contengono.
Ecco perché le metriche di vendita copiate così come sono confondono i team PLG. «Abbiamo 10.000 registrazioni» dice poco se 9.800 non hanno mai sperimentato valore. «Il trial-to-paid è all'8%» dice poco se non sai che cosa hanno fatto di diverso quell'8%.
Il PLG ormai è la norma più che l'eccezione. L'adozione di approcci guidati dal prodotto tra i rispondenti di OpenView è passata dal 45% al 55% tra il 2019 e il 2022 (OpenView, 2022). La domanda a cui rispondono le metriche PLG non è «quante persone ci sono in ciascuna fase?», ma «quali comportamenti prevedono retention, espansione e passaparola?».
Quali sono i quattro livelli delle metriche di product-led growth?
Raggruppa le metriche di product-led growth in quattro livelli. Ogni livello risponde a una domanda e ha da due a quattro metriche che vale la pena monitorare.
Livello 1: quanto è buona la tua acquisizione?
Nel PLG la qualità dell'acquisizione conta più del volume. Dieci registrazioni di persone in linea con il tuo ideal customer profile (ICP) valgono più di mille da una campagna generica, perché quei dieci usano davvero il prodotto.
Tasso di registrazione-attivazione per fonte. Scomponi l'attivazione per canale. OpenView ha rilevato che le migliori aziende freemium ottengono il 53% dei nuovi utenti dalla ricerca organica e il 13% dai passaparola guidati dal prodotto, contro il 10% dalla pubblicità a pagamento e l'8% dall'outbound (OpenView, 2022). Il suo sondaggio del 2023 ha mostrato che un eccessivo affidamento all'acquisizione a pagamento era inversamente correlato alla crescita rapida (OpenView, 2023). La tua ripartizione sarà diversa; misurala prima di spostare budget.
Time to first value per segmento ICP. Quanto tempo impiega un utente ICP a raggiungere il primo risultato utile? A titolo illustrativo: se gli utenti ICP si attivano in 3 giorni e quelli non ICP ne impiegano 10 (e la maggior parte se ne va prima), hai trovato sia un problema di targeting sia un problema di attrito nel prodotto.
Product-qualified lead (PQL). Un PQL è una registrazione in linea con il tuo ICP e che ha mostrato intenzione d'acquisto attraverso il comportamento nel prodotto, ad esempio completando un passo di attivazione o raggiungendo un limite d'uso. Ottimizza questo, non le registrazioni grezze.
Livello 2: le registrazioni raggiungono un valore reale?
L'attivazione è la metrica PLG più importante e più fraintesa. Non è «onboarding completato», «accesso effettuato due volte» o «video introduttivo guardato». È il punto in cui un utente ha sperimentato abbastanza valore da avere buone probabilità di restare. È predittiva, non descrittiva.
Per trovare il tuo vero traguardo di attivazione, fai un'analisi di coorte. Prendi gli utenti ancora presenti a 30 giorni e cerca il comportamento più precoce che hanno compiuto con una frequenza molto più alta di chi se n'è andato. Quel comportamento, non quello che il team presumeva, è il tuo traguardo. Il metodo completo è nella guida all'attivazione SaaS.
Tasso di attivazione (fino al vero traguardo). La quota di registrazioni che compiono il comportamento che prevede la retention. Benchmark: 34% di media e 25% di mediana su oltre 500 prodotti; 36% e 30% per il solo SaaS (Lenny's Newsletter, 2022).
Time to activation. Minuti, ore o giorni dalla registrazione al traguardo. La velocità conta: nei dati 2025 di Amplitude su oltre 2.600 aziende, il 69% dei prodotti con una forte attivazione iniziale era anche tra i migliori per retention a tre mesi, e per metà dei prodotti più del 98% dei nuovi utenti era inattivo due settimane dopo la prima azione (Amplitude, 2025).
Abbandono dell'attivazione per passo. Dove cadono gli utenti prima del traguardo? Un abbandono del 60% a «collega la tua prima integrazione» è un problema diverso da un abbandono del 60% a «invita un collega». Questo elenco è la tua roadmap di onboarding.
Livello 3: gli utenti attivati stanno creando un'abitudine?
La retention è il motore dell'effetto composto del PLG. Un utente attivato che se ne va nel secondo mese non aggiunge nulla al passaparola, all'espansione o alla community.
DAU/MAU (stickiness). Utenti attivi giornalieri divisi per utenti attivi mensili. Andrew Chen osserva che le app sopra il 20% sono di solito considerate buone e quelle dal 50% in su di livello mondiale, con Facebook storicamente sopra il 50% (Andrew Chen). Avverte anche che il rapporto è la metrica sbagliata per i prodotti usati meno spesso. Per uno strumento settimanale, come un prodotto di pianificazione o di reportistica, usa gli attivi settimanali sugli attivi mensili e valuta la tendenza, non un obiettivo assoluto.
Retention d'uso. La quota di una coorte di registrazioni ancora attiva dopo 30 giorni. I rispondenti freemium del sondaggio di OpenView hanno registrato in media il 20%, e le aziende PLG di spicco il 16% (OpenView, 2022). I dati di Userpilot indicano una retention al primo mese del 46,9% in media su 83 aziende SaaS B2B (Userpilot). Le definizioni di «attivo» differiscono, ed è per questo che i due numeri sono così distanti. Confrontati prima con le tue coorti passate.
Profondità di adozione delle funzionalità. Quale quota degli utenti attivati si affida a più di una funzionalità chiave? Userpilot ha rilevato che l'adozione delle funzionalità chiave è in media del 24,5% (mediana 16,5%) su 181 aziende SaaS B2B (Userpilot). L'ipotesi di lavoro è che un'adozione più profonda aumenti il costo di passaggio; verificala sui tuoi dati di retention prima di agire.
Ampiezza d'uso all'interno degli account. Nel PLG B2B conta più l'adozione da parte del team che quella individuale. Un solo power user è un rischio di churn il giorno in cui se ne va. Monitora la quota di account sopra una soglia di postazioni che scegli tu, ad esempio 3 o più postazioni attive a settimana.
Livello 4: gli account si espandono e invitano altri?
È da qui che nasce l'effetto composto del PLG, ed è qui che la maggior parte dei team lascia soldi sul tavolo.
Net revenue retention (NRR). I ricavi mantenuti dai clienti esistenti dopo churn, downgrade ed espansione, di solito su 12 mesi. Una NRR sopra il 100% significa che la base clienti cresce senza nuovi logo. ChartMogul colloca la migliore NRR intorno al 110-120%, e al 115-125% per il B2B che vende a mid-market ed enterprise (ChartMogul). La mediana è molto più bassa: 82% per le aziende SaaS B2B sopra i 250.000 $ di ARR nel 2025, con il quartile superiore al 97% (ChartMogul, 2025). Conta anche la fascia di prezzo: nei dati 2022 di ChartMogul, il 41,1% delle aziende con ricavi medi per account superiori a 500 $ al mese aveva una NRR sopra il 100% (ChartMogul).
PQL di espansione. Gli utenti degli account paganti che raggiungono i limiti d'uso, invitano spesso colleghi o usano funzionalità avanzate sono lead di espansione caldi. Indirizzali a un upgrade self-service o a una persona, in base al valore dell'account.
Coefficiente virale (K-factor). Quanti nuovi utenti porta ciascun utente esistente. La formula di David Skok è K = inviti inviati per utente × tasso di conversione degli inviti, e K deve superare 1 per avere vera crescita virale (For Entrepreneurs). Mostra anche che il tempo di ciclo virale, cioè quanto dura un ciclo di invito, conta più di K: nel suo modello, un ciclo di 2 giorni raggiunge 20.470 utenti dopo 20 giorni, mentre un ciclo di 1 giorno supera i 20 milioni.
Time to expansion. Quanto tempo dopo la registrazione si espande tipicamente un account? A titolo illustrativo: se l'espansione mediana avviene al mese 3 ma il contatto commerciale parte al mese 6, perdi la finestra. Avvia il lavoro di espansione in base al comportamento, non al calendario.
Quali sono le formule delle metriche PLG?
Metrica
Formula
Benchmark verificato
Tasso di attivazione
Utenti che raggiungono il traguardo nella finestra ÷ registrazioni della coorte
Usa i benchmark come verifica di buon senso, non come obiettivo. Ogni fonte definisce «attivo» e «attivato» in modo diverso, e i prodotti freemium e quelli con prova gratuita non vanno mai confrontati tra loro.
Freemium o prova gratuita: quali benchmark valgono per te?
La «storia di 1.000 visitatori» di OpenView mostra perché il modello conta più di qualsiasi singolo tasso di conversione (OpenView, 2022):
Ogni 1.000 visitatori del sito
Freemium (mediana)
Prova gratuita (mediana)
Registrazioni gratuite
60 (6%)
40 (4%)
Conversione free-to-paid
5%
17%
Clienti paganti
3
7
Convertiti senza contatto commerciale
Circa 2
Circa 1
Il freemium crea più utenti e meno clienti; le prove creano meno utenti e più clienti. Un team freemium che festeggia una conversione del 5% e un team con prova gratuita preoccupato per il 15% possono essere entrambi sulla mediana. Scegli i benchmark dal tuo modello.
Come si costruisce un product-qualified lead (PQL)?
OpenView ha rilevato che quasi un terzo delle aziende freemium contattava ogni registrazione, mentre le aziende PLG di spicco ne contattavano in media solo il 14%. Solo il 45% delle aziende freemium e il 19% di quelle orientate alle vendite aveva una metrica PQL (OpenView, 2022). Un PQL risolve il problema concentrando le persone sugli account che probabilmente compreranno.
Scegli il risultato. Di solito la conversione a pagante entro 30 o 60 giorni, o un upgrade a un piano superiore.
Elenca i comportamenti candidati. Traguardo di attivazione raggiunto, colleghi invitati, limite d'uso raggiunto, pagina dei prezzi vista, integrazione collegata.
Confronta chi converte con chi non converte. Per le registrazioni degli ultimi 3-6 mesi, trova i comportamenti che chi ha convertito ha compiuto molto più spesso.
Aggiungi l'affinità. Combina il comportamento con l'affinità all'ICP (dimensione dell'azienda, ruolo, caso d'uso), così che uno studente curioso non passi davanti a un team di 20 persone.
Imposta una soglia e instrada. Sopra la soglia, una persona prende contatto o scatta un invito all'upgrade nel prodotto. Sotto, il prodotto continua a fare il suo lavoro.
Verifica ogni mese. Misura la conversione da PQL a pagante rispetto a quella dei non PQL. Se il divario è piccolo, la definizione è sbagliata.
Il ritorno può essere grande: nel sondaggio 2023 di OpenView e Pendo, monitorare i PQL o gli account product-qualified ha aumentato del 61% la probabilità di crescere in fretta, la leva più forte dello studio (OpenView, 2023). È una correlazione emersa da un sondaggio, non la prova che i PQL causino la crescita, ma nessun'altra leva si è avvicinata.
Esempio svolto: leggere un funnel PLG dall'inizio alla fine
Esempio illustrativo. Ipotizziamo che uno strumento B2B freemium riceva 20.000 visitatori al mese sul sito.
Acquisizione: il 6% si registra, cioè 1.200 registrazioni gratuite.
Attivazione: il 30% raggiunge il traguardo di attivazione entro 7 giorni: 360 utenti attivati. Time to activation mediano: 2 giorni.
Abitudine: il 25% dei 1.200 iniziali è ancora attivo al giorno 30: 300 utenti.
Conversione: il 5% delle registrazioni diventa account pagante: 60 nuovi clienti al mese.
Virale: ogni nuovo utente invia in media 2 inviti e il 15% viene accettato, quindi K = 2 × 0,15 = 0,3. Se ogni nuovo utente invita una sola volta, subito dopo la registrazione, le 1.200 registrazioni ne portano 1.200 × 0,3 ÷ (1 − 0,3) ≈ 514 in più nel tempo.
Dodici mesi dopo, i clienti che a inizio anno pagavano 20.000 € di MRR hanno aggiunto 3.000 € di espansione e perso 500 € in downgrade e 1.500 € in churn:
Che cosa dovrebbe fare questo team? L'attivazione (30%) è vicina alla mediana SaaS, quindi la leva più grande è probabilmente quel 70% che non si attiva mai. Un K di 0,3 non è crescita virale, ma aggiunge gratis circa il 43% all'acquisizione, quindi accorciare il ciclo di invito è la seconda leva. Una NRR sopra il 100% dice che i clienti esistenti trovano valore continuativo: proteggila.
Cosa dovrebbe mostrare una dashboard PLG, e con quale frequenza?
Polso settimanale (tattico):
Nuovi PQL questa settimana rispetto alla scorsa
Tasso di attivazione dell'ultima coorte di 7 giorni
Time to activation mediano, questa coorte rispetto alla media a 30 giorni
Tendenza degli attivi settimanali (o DAU/MAU per i prodotti giornalieri)
Revisione mensile (strategica):
Tasso di attivazione per fonte di acquisizione
Retention a 30/60/90 giorni per coorte di attivazione
Distribuzione della profondità di adozione delle funzionalità
Quota di account sopra la tua soglia di postazioni attive
NRR e GRR
Pipeline dei PQL di espansione
Approfondimento trimestrale:
Rifare l'analisi di coorte: il vero traguardo di attivazione è cambiato?
Quali sono gli errori di misurazione più comuni nel PLG?
1. Usare il traguardo di attivazione sbagliato. «Checklist di onboarding completata» misura la compilazione di un modulo, non il valore. Fai l'analisi di coorte e ricostruisci tutto attorno al comportamento che prevede la retention.
2. Contare gli utenti attivi mensili senza segmentare. Chi accede una volta al mese per eliminare una notifica non è attivo in alcun senso utile. Segmenta per profondità di coinvolgimento, affinità all'ICP e potenziale di espansione.
3. Ignorare i segnali a livello di team nel B2B. Un'azienda in cui una sola persona usa intensamente il tuo prodotto è a rischio nel momento in cui quella persona se ne va. Monitora attivazione, ampiezza e crescita delle postazioni a livello di account come metriche di prima classe.
4. Trattare la NRR come una metrica finanziaria. Una NRR in calo significa che il prodotto non offre abbastanza valore continuativo da giustificare rinnovo ed espansione. È un problema di prodotto, non solo di gestione degli account.
5. Costruire il ciclo virale come un ripensamento. Se gli inviti sono sepolti nelle Impostazioni, K sarà vicino a zero. Metti la condivisione nel flusso di attivazione e nel primo momento collaborativo, e accorcia il tempo di ciclo.
6. Confrontarsi con il benchmark sbagliato. Un prodotto freemium giudicato sulla conversione delle prove gratuite sembrerà rotto, e un prodotto nativo AI giudicato sulla retention del SaaS classico sembrerà ancora peggio: ChartMogul ha rilevato una NRR mediana del 48% per le aziende native AI nel 2025 (ChartMogul, 2025). Anche il prezzo plasma l'espansione, quindi riconsidera se il prezzo per postazione si adatta a un prodotto AI.
Quando questo stack di metriche non è adatto?
I prodotti molto giovani, con meno di qualche centinaio di registrazioni al mese, non riescono a leggere in modo affidabile la retention per coorte né le soglie dei PQL; i numeri si muovono per una manciata di utenti. Parla con gli utenti e monitora l'attivazione a mano finché il volume non rende lo stack significativo; un sondaggio sul product-market fit dà una lettura più rapida quando il volume è basso. I prodotti puramente orientati alle vendite, senza un percorso self-service, hanno bisogno di metriche di pipeline, anche se attivazione e NRR valgono comunque dopo la chiusura dell'accordo.
Dove si inserisce Specky
La maggior parte dei team PLG ha i dati. Si trovano in PostHog, Pendo e in un foglio di calcolo, scollegati dalle decisioni che dovrebbero orientare. Specky legge le analytics insieme a chiamate con i clienti, feedback e ticket in un Product Graph. La sua vista Feature Adoption prende i trend e i funnel di PostHog o le visualizzazioni di pagina di Pendo e mostra per ogni funzionalità la quota d'uso e la tendenza, con un suggerimento di promuovere, mantenere o ritirare, aggiornato ogni settimana. È un supporto alle decisioni, non un elenco automatico di funzionalità da ritirare (la differenza è spiegata in product intelligence vs product analytics): quando l'uso di una funzionalità cambia, puoi aprire le interviste e i ticket che ne spiegano il motivo prima di decidere.
Domande frequenti
Quali sono le metriche di product-led growth più importanti?
Le metriche di product-led growth più importanti sono tasso di attivazione, time to activation, product-qualified lead, conversione free-to-paid, net revenue retention e coefficiente virale. L'attivazione conta di più all'inizio, perché prevede la retention. La net revenue retention conta di più su larga scala, perché mostra se i clienti esistenti continuano a trovare valore e a espandersi.
Qual è un buon tasso di conversione free-to-paid per il PLG?
Dipende dal modello. I benchmark 2022 di OpenView indicano come mediana il 5% delle registrazioni gratuite per i prodotti freemium e il 17% per le prove gratuite. Confrontati solo con prodotti che usano lo stesso modello e monitora il tasso per coorte e fonte di acquisizione, anziché come un unico dato aggregato.
Che cos'è un product-qualified lead?
Un product-qualified lead è un utente o un account in linea con il tuo ideal customer profile che ha mostrato intenzione d'acquisto attraverso il comportamento nel prodotto, ad esempio raggiungendo il traguardo di attivazione, invitando colleghi o toccando un limite d'uso. I team lo costruiscono confrontando ciò che hanno fatto le registrazioni che convertono e quelle che non convertono, poi instradando gli account sopra una soglia al team commerciale o a un invito all'upgrade.
Qual è una buona net revenue retention?
Secondo ChartMogul, la migliore NRR si aggira intorno al 110-120%, e al 115-125% per le aziende B2B che vendono a mid-market ed enterprise. La mediana è più bassa: 82% per le aziende SaaS B2B sopra i 250.000 $ di ARR nel 2025, con il quartile superiore al 97%. La NRR cresce con la fascia di prezzo, perché gli account di maggior valore abbandonano meno e si espandono di più.
Come si calcola il coefficiente virale?
Moltiplica il numero medio di inviti che ogni utente invia per la quota di inviti che si trasforma in nuovi utenti. Due inviti con un tasso di accettazione del 15% danno K = 0,3. Un K superiore a 1 significa che ogni utente ne porta più di uno nuovo, ed è vera crescita virale. Sotto 1, gli inviti aggiungono comunque utenti, e accorciare il ciclo di invito è ciò che ha l'effetto maggiore.
Il DAU/MAU è una buona metrica per il SaaS B2B?
Solo per i prodotti che servono ogni giorno. Andrew Chen descrive il 20%+ come buono e il 50%+ come di livello mondiale, ma avverte che il rapporto è fuorviante per i prodotti usati ogni settimana o ogni mese. Molti strumenti B2B sono settimanali per natura, quindi gli utenti attivi settimanali sugli attivi mensili, letti come tendenza per coorte, sono di solito la metrica d'abitudine migliore.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing