Di cosa si parla
Il business plan che funziona. Logica e tecnica della previsione dei ricavi
Nell’articolo della scorsa settimana abbiamo scelto il revenue model — l’architettura che trasforma la USP in flussi di ricavo — e abbiamo visto come quella scelta produca da sola un impatto strutturale sul piano: stesso prodotto, stesso mercato, ricavi YR1 fino a tre volte diversi. Oggi facciamo il passo successivo: come si costruisce il forecast.
Il forecast è il momento in cui il business model smette di essere una narrazione e diventa un modello quantitativo. È anche il momento in cui la maggior parte dei piani si rompe — non per errori di Excel, ma per un’architettura logica difettosa alla base. Il problema più comune ha un nome preciso: top-down fallacy.
Il business plan che funziona. Top-down vs bottom-up: perché uno funziona e l’altro no
L’approccio top-down parte dal mercato totale e scende: “Il mercato vale €10 miliardi, conquistiamo l’1%, facciamo €100 milioni”. La logica sembra solida. Il problema è che non spiega come si arriva a quell’1%, né quando, né a quale costo.
⚠️ Un investitore che legge un piano top-down sa già che le assunzioni sono arbitrarie. L’1% di un mercato da €10 miliardi è un’ipotesi, non un forecast. Non è difendibile perché non è costruita dal basso — è calata dall’alto.
L’approccio bottom-up parte dal singolo cliente e sale: quanti clienti possiamo acquisire ogni mese, a quale costo, con quale tasso di conversione, con quale churn? Il forecast emerge come output di un modello logico — non come ipotesi di quota di mercato.
La differenza non è solo metodologica. È una differenza di credibilità: un piano bottom-up è attaccabile su ogni assunzione — e può essere difeso su ogni assunzione. Un piano top-down non ha assunzioni da difendere, perché non le ha mai costruite.
Il business plan che funziona. Il funnel di conversione come struttura del forecast
La struttura portante del forecast bottom-up è il funnel di conversione: la sequenza di fasi che porta un potenziale cliente a diventare un cliente pagante e, poi, un cliente fidelizzato. Ogni fase ha una proxy numerica. La moltiplicazione delle proxy produce il forecast.
Il funnel di una startup si articola tipicamente in sette fasi:
1️⃣Awareness — il potenziale cliente viene a conoscenza del prodotto o servizio
2️⃣Interest — mostra interesse attivo (visita il sito, legge contenuti, chiede informazioni)
3️⃣Evaluation — valuta l’acquisto: richiede una demo, avvia un confronto con alternative
4️⃣Trial — prova il prodotto (freemium, pilot, proof of concept)
5️⃣Conversion — diventa cliente pagante
6️⃣Retention — rimane cliente nel tempo (o churna)
7️⃣Expansion — aumenta il valore generato (upsell, cross-sell, referral)
Ogni fase è quantificata da una proxy. Il forecast dei ricavi è il prodotto delle proxy lungo tutto il funnel — dal volume di awareness iniziale fino all’ARPU dei clienti convertiti e trattenuti.
La tabella seguente riporta per ciascuna fase la proxy di riferimento, come si stima in assenza di dati storici, il benchmark di settore e i red flag — i segnali di allerta che un investitore cerca per identificare le assunzioni ottimistiche.
Fase funnel | Proxy | Come si stima | Benchmark | Red flag |
Awareness | Reach / Impressioni | Piano media + benchmark CPM di settore | CPM SaaS B2B: €8–20 | Budget troppo basso per generare volume sufficiente |
Interest | CTR / Visite qualificate | Benchmark Google Ads / LinkedIn per settore | CTR LinkedIn B2B: 0,5–1% | CTR < 0,2%: messaggio non rilevante per il segmento |
Evaluation | Lead rate | % visite → contatto / richiesta demo | SaaS B2B: 2–5% delle visite | < 1%: landing page o offerta da ottimizzare |
Trial | Conversion rate lead→trial | Benchmark verticale + storico pilot | SaaS con freemium: 10–20% dei lead | < 5%: onboarding troppo complesso o ICP non centrato |
Conversion | Trial→paid rate | Benchmark verticale + dati pilot interni | SaaS B2B assistito: 25–35% | < 15%: problema di pricing o fit prodotto-mercato |
Retention | Churn rate mensile | Benchmark di settore + ipotesi onboarding | SaaS B2B: 1–2% / mese | > 3%: problemi di valore percepito post-acquisto |
Expansion | Expansion revenue % | Modello upsell/cross-sell per coorte clienti | Best-in-class YR2: 20–30% | < 5%: modello di pricing senza leva di espansione |
Il business plan che funziona. TAM / SAM / SOM: metodologia e tre errori da evitare
Il TAM (Total Addressable Market) è il mercato totale teoricamente raggiungibile con il prodotto o servizio. Il SAM (Serviceable Addressable Market) è la porzione del TAM effettivamente raggiungibile con il modello di business e il canale di distribuzione scelti. Il SOM (Serviceable Obtainable Market) è la quota del SAM che si stima di conquistare nell’orizzonte del piano.
I tre errori più comuni nella costruzione del TAM/SAM/SOM:
⚠️ TAM top-down da report di mercato: prendere la cifra di un report (es. “il mercato dell’HR tech vale €4,2 miliardi”) senza verificare se includa davvero il segmento target. Un report aggregato spesso comprende segmenti inaccessibili (grandi imprese, geografie lontane, sotto-verticali diversi). Il TAM deve essere ricostruito bottom-up: numero di potenziali clienti nel segmento × spesa media annua per categoria.
⚠️ SOM come percentuale fissa del TAM: “conquisteremo il 2% del mercato” è una risposta che non spiega nulla. Il SOM deve emergere dal funnel: quanti clienti posso acquisire con il budget di marketing previsto, a quel CAC, in quei mesi? Il SOM è l’output del piano, non un’assunzione di partenza.
⚠️ Assenza del SAM: saltare il SAM e passare direttamente da TAM a SOM produce piani in cui la quota di mercato appare raggiungibile sul mercato totale ma è irrealistica sul mercato effettivamente accessibile. Il SAM è il filtro critico: canale di distribuzione, geografia, fascia di prezzo, modello di acquisto del segmento.
Il business plan che funziona. Le proxy chiave del forecast: CAC, churn rate e LTV
Tre proxy determinano da sole la credibilità e la sostenibilità di qualsiasi forecast bottom-up.
Il CAC (Customer Acquisition Cost) è il costo medio per acquisire un cliente pagante. L’errore più frequente è calcolarlo includendo solo la spesa pubblicitaria (“spendiamo €5.000 al mese in ads e acquisiamo 20 clienti, CAC = €250”). Il CAC corretto include tutto il costo della funzione commerciale e marketing: stipendi del team sales e marketing, strumenti (CRM, automation, analytics), eventi, contenuti, creatività. Un CAC sottostimato produce un LTV/CAC ratio gonfiato e un piano che non regge.
Il churn rate è la percentuale di clienti (o di ricavi) persa in un periodo. Esistono due misure distinte che spesso vengono confuse:
🔑Logo churn (o customer churn): percentuale di clienti che cancellano il contratto. Misura la perdita di numeri assoluti.
🔑Revenue churn (o MRR churn): percentuale di ricavi ricorrenti persi. È più rilevante del logo churn quando i clienti hanno dimensioni diverse — perdere un cliente grande conta più di perderne dieci piccoli.
La formula del LTV (Lifetime Value) più usata nelle startup early-stage è:
LTV = Gross Margin % × ARPU × (1 / Churn Rate mensile)
Il Gross Margin % è fondamentale: il LTV deve essere calcolato sul margine, non sui ricavi lordi. Un SaaS con ARPU €200/mese, gross margin 75% e churn 2%/mese ha un LTV di €200 × 0,75 × (1/0,02) = €7.500. Con un CAC di €600, il ratio LTV/CAC è 12,5x — ampiamente sopra la soglia di 3x.
⚠️ Il LTV/CAC ratio è la proxy più scrutinata dai VC nelle prime fasi di valutazione. Un ratio < 3x segnala un modello non scalabile: il costo di acquisizione è troppo alto rispetto al valore generato dal cliente nel tempo. Un ratio > 10x segnala un’eccellente unit economics — ma deve essere accompagnato da un payback period ragionevole (< 18 mesi).
Il business plan che funziona. Stagionalità e driver di crescita
Un forecast credibile non proietta ricavi in linea retta. La realtà dei mercati introduce due variabili che il piano deve modellare esplicitamente: stagionalità e driver di crescita.
La stagionalità è la variazione ricorrente delle performance commerciali legata al calendario. Non riguarda solo il retail: anche i mercati B2B hanno stagionalità — rallentamenti ad agosto e dicembre, picchi nei Q1 e Q3 legati ai cicli di budget aziendali. Un piano che mostra ricavi identici ogni mese per tre anni segnala che la stagionalità non è stata modellata.
I driver di crescita sono i fattori che determinano il ritmo con cui il funnel si riempie nel tempo. Si classificano in due categorie:
🔑Driver organici: SEO/content marketing, referral, product-led growth (PLG), network effects. Crescita più lenta all’inizio, ma CAC decrescente nel tempo — la più sostenibile economicamente.
🔑Driver paid: advertising, eventi, outbound sales. Crescita immediata ma CAC costante o crescente — sostenibile solo se il LTV/CAC ratio lo giustifica.
Nel piano a tre anni, il mix tra driver organici e paid deve essere esplicitato e coerente con il budget di marketing. Un piano che promette crescita del 200% YoY senza aumentare proporzionalmente il budget di acquisizione — o senza spiegare il meccanismo di crescita organica — contiene un’assunzione implicita non giustificata.
Il business plan che funziona. Un esempio pratico: forecast bottom-up per una startup SaaS B2B
Costruiamo il forecast YR1 per una startup SaaS B2B con le seguenti assunzioni di funnel:
▶️ Budget marketing mensile — €8.000 → reach stimata: 40.000 impressioni (CPM €10 su LinkedIn) → 400 click qualificati (CTR 1%) → 16 lead (lead rate 4%) → 4 trial (conversion lead→trial 25%) → 1,2 clienti paganti/mese (trial→paid 30%)
▶️ ARPU — €299/mese (piano standard). Gross margin: 78%. Churn rate: 1,5%/mese
▶️ Crescita — +10% budget marketing ogni trimestre. Driver organici (SEO): +2 clienti/mese da Q3
Output del modello:
🔑Clienti attivi a fine YR1: ~42 (acquisizioni cumulate al netto del churn)
🔑MRR a dicembre YR1: €12.558 (42 clienti × €299)
🔑ARR run-rate a fine YR1: €150.696
🔑LTV per cliente: €299 × 0,78 × (1/0,015) = €15.548
🔑CAC fully-loaded: ~€1.200 (budget mensile / clienti acquisiti, incluse ore team)
🔑LTV/CAC ratio: 12,9x — ampiamente sopra la soglia di 3x
Ogni numero di questo forecast è la conseguenza diretta di una proxy. Qualsiasi assunzione può essere cambiata — e il modello ricalcola automaticamente. Questo è ciò che rende un forecast difendibile: non i numeri, ma la struttura logica che li genera.
Il business plan che funziona. Riflessioni conclusive
Il forecast bottom-up non è più difficile di quello top-down: è più lavoro, ma produce un risultato qualitativamente superiore. Ogni numero è tracciabile, ogni assunzione è esplicitata, ogni sensitivity è testabile.
La chiave operativa è costruire il modello come un sistema di proxy collegate: dall’awareness al CAC, dal CAC al cliente acquisito, dal cliente acquisito al churn, dal churn al LTV. Quando il sistema è coerente, il forecast è difendibile. Quando non lo è, il problema non è nei numeri — è nella logica che li precede.
___________________________________________________________________________________________
Nel prossimo articolo passeremo dal lato dei ricavi al lato dei costi: vedremo come costruire il budget di marketing a partire dal revenue model con la logica del backward-engineering, come mappare i costi funzionali sulle attività del business model e come introdurre il concetto di cost-per-promise — la proxy che verifica che ogni euro di costo sostenga una promessa strategica.
