Il setup
Il founder di un’app fitness bootstrapped è venuto da me con una richiesta diretta: aiutaci a scalare con gli ad a pagamento.
Sulla carta, tutto sembrava promettente:
- Budget: 1.500 $/giorno
- Creative: oltre 40 varianti pronte per il test
- Target: 15 $ di costo per trial
- Fondamenta: trazione organica, economics unitaria positiva, base utenti fedele
L’obiettivo era chiaro. Le risorse c’erano. Ci siamo messi al lavoro.
Cosa abbiamo fatto
Abbiamo migliorato il tracking. Conforme a iOS 14.5. Eventi di conversione corretti che scattavano. Abbiamo impostato una misurazione blended su quattro piattaforme (Meta, App Store Connect, RevenueCat, Mixpanel). Nessuna singola fonte racconta tutta la verità.
Scoperta rapida: Meta catturava solo una parte delle conversioni reali rispetto agli strumenti interni. Ovvio. I gap di attribution sono reali.
Abbiamo testato le audience. Fasce d’età. Mercati geografici (US, UK). Abbiamo attraversato i concept creativi in modo metodico.
I progressi
Ha funzionato. Più o meno.
Il CPT è sceso da 60-90 $ al lancio a 30-40 $ in poche settimane. Mi aspettavo di più.
Poi si è fermato.
Il muro
30 $ di CPT. È qui che ci siamo bloccati.
Oltre 40 creative testati. L’algoritmo ha concentrato il 90% della spesa su due “vincitori”. Nessuno dei due ha raggiunto il nostro target di 15 $.
Ecco cosa abbiamo capito: a 30 $ di CPT, ogni nuovo test è costoso.
- Testare un concept creativo correttamente? 300 $+ prima di ottenere segnale.
- Ogni test richiede 7 giorni per via delle finestre del trial. La conversione a pagante è influenzata da molti elementi.
- L’algoritmo ha bisogno di 50+ eventi a settimana per imparare.
Avevamo comunque delle idee.
Contenuti da influencer. Nuovi mercati. Approfondimenti per fascia d’età. Ottimizzazione per acquisto diretto.
Semplicemente non potevamo permetterci di testarle correttamente a questo CPT.
L’altro problema
Scavando più a fondo, abbiamo trovato qualcosa di più fondamentale dell’ottimizzazione di campagna.
Due audience. Un prodotto.
Audience A: appassionati. Già esperti. Vogliono allenarsi a casa e hanno bisogno dell’hardware giusto. Convertono bene. Problema: troppo piccola. Meta non riesce a trovarli su scala.
Audience B: principianti. Curiosi. Vogliono imparare da zero. Mercato grande. Problema: l’esperienza del prodotto non era ancora costruita per loro.
I nostri creative migliori attiravano l’audience A. Ma A è troppo di nicchia perché l’algoritmo di Meta la targettizzi in modo efficiente. L’audience B cliccava, ma poi faceva churn perché l’app dava per scontato troppa competenza.
Questo è un problema di product-market-marketing fit che si manifesta nella performance degli ad.
La conversazione onesta
Giorno 25. Ci siamo seduti e ci siamo posti la vera domanda:
“Dovremmo continuare a spendere?”
Il CPT era alto per noi. Era alto anche rispetto ai benchmark di settore. Piccoli aggiustamenti creativi non avrebbero dimezzato i costi. Servivano cambiamenti strutturali.
Bruciare budget sperando in segnali “forse” non aveva senso.
A volte “non ancora” è la risposta più onesta che puoi dare a un founder.
Cosa ci sarebbe voluto?
Abbiamo mappato cosa sarebbe dovuto succedere perché Meta funzionasse.
Sul lato test:
- Partnership con influencer per creative autentici
- Nuovi mercati con CPM più bassi
- Ottimizzazione per fascia d’età
- Flusso di acquisto diretto (saltare del tutto i trial)
Sul lato prodotto:
- Pagine App Store personalizzate per ogni audience
- Flussi di onboarding separati in base al livello di competenza
- Esperienza di contenuti su misura
Un prodotto può servire due audience. Ma non con un solo funnel.
L’esito
Abbiamo messo in pausa.
Non perché Meta “non funziona”. Le condizioni perché funzionasse non erano ancora in atto.
Il piano:
- Mettere in pausa la spesa Meta. Fermare l’emorragia.
- Lavoro sul prodotto. Costruire funnel separati per ogni audience.
- Costruire riserve. Risparmiare budget per test corretti più avanti.
- Tornare tra 6 mesi. Con chiarezza e risorse per testare correttamente.
5 lezioni da questa esperienza
- Un CPT alto rende ogni test costoso. A 30 $ per trial, non puoi iterare velocemente. La velocità di test conta.
- Sapere cosa testare è diverso dal potersi permettere di testarlo. Avevamo le idee. Non avevamo l’economics per validarle.
- I prodotti di nicchia affrontano venti contrari algoritmici. L’algoritmo di Meta ha bisogno di volume. Le audience piccole sono più difficili da trovare in modo profittevole.
- I gap di prodotto si manifestano come problemi di performance degli ad. Se il tuo prodotto non converte le persone che i tuoi ad attraggono, nessuna quantità di ottimizzazione lo risolve.
- Mettere in pausa è una strategia valida. 30 giorni di chiarezza battono 6 mesi di congetture costose.
Gli ad a pagamento sono uno strumento diagnostico. Ti dicono, abbastanza rapidamente, se il tuo product-market fit è abbastanza forte per il targeting algoritmico.
La domanda sbagliata: “Meta può funzionare per me?” La domanda migliore: “Cosa deve essere VERO perché Meta funzioni?”
- Il prodotto converte le persone che i tuoi ad attraggono
- I creative filtrano per l’audience giusta
- Il budget sostiene il test al tuo CPT reale
Non puoi ottimizzare per aggirare questi punti.
Questo incarico si è concluso con una pausa. Ma quella pausa è arrivata con qualcosa di più prezioso: una diagnosi chiara e una roadmap su cosa sistemare.
A volte il miglior esito è sapere esattamente perché non sei ancora pronto, e cosa fare al riguardo.