4 novembre 2026Aggiornato il Fathy Shalaby13 min di lettura
Sondaggio sul product-market fit: 4 domande, modello e punteggio
Copia le quattro domande del sondaggio sul product-market fit usate da Superhuman, inviale agli utenti giusti e assegna il punteggio alle risposte per segmento. Con modello, tabella delle dimensioni del campione ed esempio svolto.
Un sondaggio sul product-market fit pone alle persone che usano attivamente il tuo prodotto una domanda centrale: "Come ti sentiresti se non potessi più usare [prodotto]?" Se il 40% o più risponde "molto deluso", il parametro di Sean Ellis suggerisce che hai il product-market fit. Tre domande di approfondimento ti dicono chi sono queste persone, cosa apprezzano e cosa frena tutti gli altri.
Punti chiave
Il parametro del 40% viene da Sean Ellis, che ha confrontato quasi un centinaio di startup: quelle in difficoltà ottenevano quasi sempre meno del 40%, quelle con forte trazione quasi sempre di più (First Round Review, 2018).
Intervista solo gli utenti che hanno usato il prodotto principale almeno due volte nelle ultime due settimane. Le iscrizioni appena arrivate falsano il risultato.
Circa 40 risposte danno una lettura indicativa. A quella dimensione, un punteggio del 40% ha un margine di errore di circa ±15 punti.
Superhuman è passata dal 22% al 58% in circa tre trimestri segmentando le risposte e dividendo la roadmap.
Il sondaggio è un indicatore anticipatore. Confermalo con retention, pagamenti e crescita organica.
Quali sono le domande di un sondaggio sul product-market fit?
Il sondaggio standard sul product-market fit ha quattro domande. È l'insieme esatto usato da Rahul Vohra in Superhuman, costruito sulla domanda originale di Sean Ellis (First Round Review, 2018):
Come ti sentiresti se non potessi più usare [prodotto]? Molto deluso / Abbastanza deluso / Per nulla deluso.
Che tipo di persone pensi trarrebbe maggior beneficio da [prodotto]?
Qual è il principale beneficio che ottieni da [prodotto]?
Come possiamo migliorare [prodotto] per te?
Perché ogni domanda merita il suo posto
La D1 misura la perdita, non la soddisfazione. Le persone sono educate riguardo ai prodotti che piacciono loro. Chiedere come si sentirebbero se sparisse filtra gli utenti che ne dipendono.
La D2 lascia che siano i fan a descrivere il tuo cliente migliore. Le risposte degli utenti "molto delusi" descrivono spesso un segmento con più precisione del tuo stesso posizionamento. Superhuman ha trasformato queste risposte in un profilo del suo cliente ad alte aspettative.
La D3 mostra cosa vendi davvero. Conserva le parole esatte dei rispondenti. Diventano il testo dei tuoi titoli.
La D4 trova il blocco. Conta soprattutto per gli utenti "abbastanza delusi" che condividono il beneficio principale indicato dai tuoi fan.
Modello di sondaggio sul product-market fit da copiare
Incollalo in qualsiasi strumento per moduli. Mantieni l'ordine: la domanda di punteggio deve venire per prima, prima che le domande successive influenzino la risposta.
Oggetto: 2 minuti per aiutarci a migliorare [prodotto]?
Ciao [nome],
Hai usato [prodotto] diverse volte di recente, quindi la tua opinione conta.
Quattro domande, circa due minuti. Non ci sono risposte giuste o sbagliate.
1. Come ti sentiresti se non potessi più usare [prodotto]?
( ) Molto deluso
( ) Abbastanza deluso
( ) Per nulla deluso
( ) N/A: non uso più [prodotto]
2. Che tipo di persone pensi trarrebbe maggior beneficio da [prodotto]?
[testo libero]
3. Qual è il principale beneficio che ottieni da [prodotto]?
[testo libero]
4. Come possiamo migliorare [prodotto] per te?
[testo libero]
Facoltative (solo se cambiano una decisione):
5. Cosa useresti al posto di [prodotto] se non fosse più disponibile?
[testo libero]
6. Qual è il tuo ruolo e, più o meno, quante persone lavorano nella tua azienda?
[ruolo] [dimensione dell'azienda]
Grazie. Leggiamo ogni risposta.
L'opzione N/A è un'aggiunta pratica e non fa parte delle tre risposte di Superhuman. Permette agli utenti che hanno smesso di usare il prodotto di segnalarlo, così puoi escluderli dal punteggio invece di contarli come "per nulla delusi".
Domande facoltative per i prodotti di IA
Se l'IA svolge il lavoro principale, aggiungi una domanda dopo la D3: "L'ultima volta che hai usato [prodotto], cosa hai fatto con il risultato?" Offri: usato così com'era / modificato leggermente / riscritto in gran parte / scartato. Questo distingue chi ama l'idea del prodotto da chi si fida del suo output.
Da dove viene la regola del 40% del product-market fit?
Sean Ellis ha usato per la prima volta la domanda "molto deluso" in Xobni e ha continuato a usarla in Dropbox e nelle aziende successive, secondo la sua intervista di settembre 2024 nel podcast di Lenny (Lenny's Newsletter, 2024). L'obiettivo era un filtro per gli utenti a cui il prodotto stava davvero a cuore.
La soglia del 40% è arrivata dopo. Secondo il racconto di Vohra, Ellis ha fatto un benchmark di quasi un centinaio di startup con il sondaggio e ha scoperto che le aziende in difficoltà nella crescita ottenevano quasi sempre meno del 40%, mentre quelle con forte trazione ottenevano quasi sempre di più (First Round Review, 2018).
Tre avvertenze dello stesso Ellis in quell'intervista del 2024:
Definisce il sondaggio un indicatore anticipatore. Dà una lettura fin dal primo giorno, mentre i dati di retention richiedono mesi.
Non tratta il 40% come una legge fissa. Il suo valore principale è dare al team un obiettivo condiviso prima di spendere in crescita.
Costi di passaggio elevati possono gonfiare i punteggi. Le persone possono essere "molto deluse" di perdere uno strumento semplicemente perché abbandonarlo è doloroso.
Come riferimento, il sondaggio di Hiten Shah del 2015 su 731 utenti di Slack ha rilevato che il 51% sarebbe stato molto deluso senza, in un periodo in cui Slack aveva circa mezzo milione di utenti paganti (First Round Review, 2018).
A chi inviare un sondaggio PMF?
Intervista persone che hanno sperimentato di recente il valore principale. La regola di Superhuman erano gli utenti che avevano usato il prodotto almeno due volte nelle ultime due settimane, estratti da un gruppo di 100-200 utenti dell'epoca (First Round Review, 2018). Ellis descrive la stessa regola: un campione casuale di persone che hanno davvero usato il prodotto più di due volte nell'ultima settimana o nelle ultime due (Lenny's Newsletter, 2024).
Non intervistare:
Persone che si sono iscritte ma non hanno mai raggiunto il flusso di lavoro principale.
Persone che hanno visto solo una demo o la homepage.
I tuoi amici, gli investitori o i cinque clienti con cui parli ogni settimana.
Adatta la finestra al ritmo del lavoro da svolgere
"Due volte in due settimane" va bene per uno strumento giornaliero o settimanale. Per un lavoro mensile come le buste paga o il reporting, usa "ha completato l'attività principale in ciascuno degli ultimi due cicli". Scrivi la regola prima di inviare il sondaggio e mantienila costante tra un round e l'altro. Altrimenti un punteggio più alto può riflettere un campione diverso, non un prodotto migliore.
Intervista ogni persona una sola volta
Superhuman in seguito ha intervistato i nuovi utenti man mano che diventavano idonei e non ha mai intervistato nessuno due volte. I rispondenti ripetuti imparano cosa vuoi sentirti dire e vanno in quella direzione.
Di quante risposte ha bisogno un sondaggio PMF?
Circa 40 risposte bastano per avere la direzione giusta, secondo l'indicazione che Vohra riporta da Ellis. Ecco cosa significa in termini di precisione. La tabella mostra il margine di errore al 95% per un punteggio vicino al 40%, con la consueta approssimazione normale:
Risposte
Margine di errore con un punteggio del 40%
Lettura onesta di "40%"
20
±21 punti
Tra il 19% e il 61%
40
±15 punti
Tra il 25% e il 55%
100
±10 punti
Tra il 30% e il 50%
200
±7 punti
Tra il 33% e il 47%
400
±5 punti
Tra il 35% e il 45%
Due conseguenze:
I segmenti sono più piccoli dei totali. Un punteggio del 55% su un segmento di 25 persone è una pista da seguire, non un fatto.
Oscillazioni di 5-10 punti da una settimana all'altra sono di solito rumore con le dimensioni di campione di una fase iniziale. Cerca una tendenza su tre o più round.
L'errore di campionamento è il problema minore. Conta di più chi ha scelto di rispondere. Riporta il tasso di risposta accanto al punteggio.
Come si assegna il punteggio e si analizzano i risultati?
Il punteggio in sé è semplice:
Punteggio PMF = risposte "molto deluso" ÷ tutte le risposte che non sono N/A
Raggruppa le risposte in base alla risposta alla D1. Molto, abbastanza e per nulla deluso.
Profila il gruppo "molto deluso". Usa le loro risposte alla D2 insieme ai dati su ruolo e azienda. Superhuman ha scoperto che i suoi fan erano fondatori, manager, dirigenti e persone di business development.
Ricalcola il punteggio solo per quel segmento. Il 22% di Superhuman è diventato 33% prima ancora di cambiare una riga di codice.
Leggi le risposte dei fan alla D3. Quale unico beneficio citano? Per Superhuman era la velocità.
Dividi il gruppo "abbastanza deluso". Tieni solo chi cita lo stesso beneficio principale. Le loro risposte alla D4 sono la tua roadmap per convertirli. Metti da parte gli altri, insieme alle risposte "per nulla deluso".
Dividi la roadmap a metà. Una metà raddoppia ciò che i fan amano. L'altra elimina ciò che blocca i quasi-fan.
Intervista di nuovo a intervalli regolari i nuovi utenti idonei. Superhuman ha monitorato il punteggio ogni settimana, ogni mese e ogni trimestre ed è arrivata al 58% in tre trimestri.
Esempio svolto: uno strumento da note delle chiamate a CRM (illustrativo)
Supponiamo che un team di sei persone venda uno strumento di IA che trasforma le chiamate di vendita in aggiornamenti del CRM. Invita 310 utenti che rispettano la regola dei due utilizzi in due settimane. Rispondono in 92 (tasso di risposta del 30%); 6 scelgono N/A, lasciando 86 risposte valutate.
Risposta
Numero
Quota
Molto deluso
26
30%
Abbastanza deluso
41
48%
Per nulla deluso
19
22%
Il 30% è sotto la soglia. Segmentare per ruolo racconta un'altra storia:
Segmento
Molto deluso
Rispondenti
Punteggio
Account executive, aziende da 20-200 persone
18
34
53%
Sales manager
5
27
19%
Fondatori che vendono in prima persona
3
25
12%
Tredici dei 18 fan citano lo stesso beneficio: non dover più digitare le note delle chiamate nel CRM. Anche nove dei 12 account executive "abbastanza delusi" lo citano, e sei di questi nove indicano un blocco: campi personalizzati del CRM che non si mappano.
La decisione: posizionarsi per gli account executive, dedicare metà del prossimo ciclo alla velocità di sincronizzazione e metà alla mappatura dei campi personalizzati, poi intervistare di nuovo gli utenti diventati idonei tra sei settimane. Con 34 rispondenti, il 53% porta un errore di circa ±17 punti, quindi il prossimo round confermerà o scarterà la scelta del segmento.
E se il tuo punteggio è inferiore al 40%?
Un punteggio basso è un'informazione, non un verdetto. Tre situazioni, tre mosse diverse:
Un segmento supera il 40%, il totale no. Restringi posizionamento e onboarding a quel segmento, come ha fatto Superhuman.
Nessun segmento arriva al 40%, ma i fan concordano su un beneficio. Ricostruisci l'esperienza di primo utilizzo attorno a quel beneficio. Ellis racconta che Lookout partì dal 7%, scoprì che la maggior parte di quel 7% apprezzava l'antivirus, fece della configurazione dell'antivirus il primo passo dell'onboarding e raggiunse il 40% in circa due settimane e il 60% sei mesi dopo (Lenny's Newsletter, 2024).
I punteggi sono bassi e i benefici sono sparpagliati. Probabilmente hai una lacuna di scoperta del problema, non una lacuna di prodotto. Torna alle interviste prima di costruire altro. La nostra guida alle domande per le interviste ai clienti è un buon punto di partenza, e la mappatura delle assunzioni ti aiuta a scegliere quale convinzione testare per prima.
Rispondono a domande diverse. Usa il sondaggio di Ellis all'inizio, l'NPS quando hai una base clienti stabile e la retention sempre.
Sondaggio di Sean Ellis
Net Promoter Score
Retention per coorti
Domanda
Come ti sentiresti se non potessi più usarlo?
Quanto è probabile che ci consiglieresti a un amico o collega? (0-10)
Gli utenti tornano?
Misura
Dipendenza dal prodotto
Disponibilità a consigliare
Comportamento ripetuto effettivo
Parametro
40%+ "molto deluso"
Promotori (9-10) meno detrattori (0-6)
La curva si appiattisce nel tempo
Fase migliore
Prima di scalare, prima della spesa in crescita
Dopo il fit, per monitorare la fedeltà
Sempre
Origine
Sean Ellis, reso popolare da Superhuman
Frederick Reichheld, HBR, dicembre 2003
Analisi per coorti
Le definizioni dell'NPS vengono da Bain & Company, che ne detiene il marchio insieme ad altri (Bain, Net Promoter System). Reichheld ha presentato il punteggio sulla Harvard Business Review nel dicembre 2003 (HBR, 2003).
La retention è la conferma a posteriori. Il test di Brian Balfour, citato da Lenny Rachitsky, è se la curva di retention di una coorte si appiattisce invece di scendere verso zero (Lenny's Newsletter, 2020). Per l'intero ciclo di misurazione, vedi la nostra guida al product-market fit per l'IA.
Come devono adattare il sondaggio i prodotti di IA?
Il playbook di Bessemer per i fondatori di IA usa la stessa soglia oltre il 40%, ma consiglia di valutare i risultati per caso d'uso anziché sull'intera base di utenti (Bessemer, 2025). Se sei ancora alla fase di prototipo, leggi prima dal prototipo vibe-coded a un prodotto finanziabile; servono utenti ricorrenti reali prima che un sondaggio abbia significato. Tre accorgimenti aiutano:
Aspetta che passino i curiosi. a16z osserva che i prodotti di IA attirano utenti che si iscrivono e se ne vanno nel giro di un paio di mesi, e che le curve di retention spesso si appiattiscono intorno al mese 3 (a16z, 2025). Intervista chi è ancora attivo dopo il primo mese, oppure riporta separatamente le coorti iniziali e quelle successive.
Segmenta per caso d'uso. Uno strumento di scrittura con IA usato per email di vendita e per riassunti legali sono due prodotti con due punteggi.
Chiedi dell'output. Aggiungi la domanda "cosa hai fatto con il risultato?" dal modello. I fan che riscrivono la maggior parte degli output ti dicono che il valore sta nel flusso di lavoro, non nel modello.
Quali sono gli errori più comuni nei sondaggi PMF?
Intervistare tutte le iscrizioni. Misuri l'onboarding, non il fit.
Cambiare la regola di idoneità tra un round e l'altro. La tendenza perde significato.
Riportare il punteggio senza la dimensione del campione. "45%" su 11 persone e su 400 persone sono affermazioni diverse.
Formulazione tendenziosa. "Quanto ami la nostra nuova funzionalità di IA?" non è la domanda di Ellis.
Costruire ogni richiesta della D4. Solo i quasi-fan che condividono il tuo beneficio principale dovrebbero dare forma alla roadmap.
Ignorare i costi di passaggio. Un punteggio alto per uno strumento difficile da lasciare può riflettere un vincolo, non affetto.
Trattare il 40% come un traguardo. È un segnale per verificare retention e unit economics, non per smettere di imparare.
Dove si inserisce Specky
Un sondaggio sul product-market fit è utile solo se le risposte restano legate alle decisioni che guidano. Specky legge risposte ai sondaggi, note delle interviste, ticket di supporto e dati d'uso in un Product Graph, così puoi vedere quale segmento ha risposto "molto deluso" e cosa ha chiesto. Alex, l'agente di ricerca IA di Specky, può poi condurre interviste di approfondimento con i tuoi fan a partire da un link condivisibile.
Domande frequenti
Cos'è il test di Sean Ellis?
Il test di Sean Ellis è un sondaggio a una sola domanda: "Come ti sentiresti se non potessi più usare [prodotto]?" Se almeno il 40% degli utenti attivi risponde "molto deluso", probabilmente hai il product-market fit. Ellis ha stabilito il parametro dopo aver confrontato quasi un centinaio di startup con il sondaggio. Superhuman ha poi aggiunto tre domande di approfondimento per trasformare il punteggio in una roadmap.
Quante domande dovrebbe avere un sondaggio sul product-market fit?
Quattro. La domanda di Ellis, poi chi ne trae più beneficio, il beneficio principale e come migliorare. Aggiungine una o due solo se ogni risposta cambierebbe una decisione, come il ruolo del rispondente per la segmentazione. Ogni domanda in più abbassa i tassi di completamento e ti spinge a intervistare solo gli utenti più pazienti.
Quando una startup dovrebbe fare un sondaggio PMF?
Invialo quando hai abbastanza utenti che hanno usato il flusso principale almeno due volte in due settimane da raccogliere circa 40 risposte. Prima, usa le interviste ai clienti. Dopo, intervista di nuovo gli utenti diventati idonei con una cadenza regolare, per esempio mensile, e non intervistare mai la stessa persona due volte.
Il 40% di "molto deluso" garantisce il product-market fit?
No. È una correlazione che Ellis ha osservato tra le startup, e la definisce un indicatore anticipatore, non una prova. I campioni piccoli oscillano molto e costi di passaggio elevati possono gonfiare il punteggio. Conferma un risultato del 40%+ con una retention per coorti che si appiattisce e con clienti che pagano e rinnovano.
Qual è un buon tasso di risposta a un sondaggio?
Non esiste uno standard pubblicato. Ciò che conta è che i rispondenti somiglino ai tuoi utenti idonei. Riporta il tasso di risposta accanto al punteggio, confronta l'utilizzo dei rispondenti con quello dei non rispondenti e diffida se hanno risposto solo i tuoi utenti più assidui, perché questo gonfia la quota di "molto deluso".
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