Nel primo articolo di questa serie abbiamo sostenuto che il capitale non abbandona il software, ma cambia i criteri con cui lo seleziona, e che nel real estate il valore migra verso l’infrastruttura operativa. È una tesi. Come tutte le tesi, vale quanto i test che la possono smentire.
Partiamo allora dal conto che nessuno fa.
Il consiglio che circola da un anno nel venture capital americano suona più o meno così: smettete di vendere strumenti, vendete il lavoro. Applicato alla lettera, quel consiglio ha un prezzo, e il prezzo si calcola.
Nel 2025 il margine lordo mediano di una società software è stato dell’80%. Quello dei servizi professionali, dentro le stesse aziende, del 30%.1 Cinquanta punti. Il mercato quel divario lo prezza senza sconti. Le società con margine lordo sopra l’80% trattano intorno a 7,2 volte i ricavi; quelle sotto il 60%, intorno a 3,5.2 Metà.
Da cui la domanda che il dibattito italiano sull’ibridazione salta a piè pari: perché un investitore razionale dovrebbe finanziare qualcuno che si dimezza il multiplo per scelta?
Indice degli argomenti
Margini SaaS e servizi: la soglia del moat nel PropTech
C’è una soglia, ed è documentata. Se i servizi professionali superano il 15–20% dei ricavi totali e il loro margine sta sotto il 30%, il margine lordo complessivo scende sotto il benchmark di mercato.3 Non è una previsione: è aritmetica.
Il modello ibrido di cui si parla da mesi — piattaforma più operatività, software più execution — attraversa quella soglia per costruzione. Se non la attraversa, ibrido non è: è un SaaS con un team di onboarding un po’ grande. Quindi delle due l’una. O Sequoia sta dando un consiglio finanziariamente insensato a un’intera generazione di founder. Oppure manca un pezzo al ragionamento.
Dal rapporto umano-macchina nasce il moat nel PropTech
Il pezzo sta in una frase che Julien Bek ha detto e che in Italia non ha ripreso quasi nessuno: invece di dieci umani e una AI, un umano e dieci AI.4 Sembra uno slogan. È una funzione di costo.
Il margine di un servizio non discende da una legge di natura. Dipende da quante ore-uomo servono per unità di output venduto. Un’agenzia sta stabilmente al 30% perché quel rapporto è rigido: raddoppi i clienti, raddoppi le persone, il margine resta dov’era il primo giorno. Una società che consegna lo stesso output con un rapporto umano-macchina che si sposta nel tempo ha una cosa diversa in mano. Ha la partenza di un servizio e la pendenza di un software.
È qui che il consiglio smette di essere assurdo. Nessuno chiede di accettare il 30% e conviverci. Si chiede di partire dal 30% e dimostrare che sale. I numeri dicono che il mercato ha già cominciato a prezzare la pendenza invece del livello.
Nel 2025 le società AI-native hanno registrato margini lordi inferiori di circa cinque punti rispetto ai SaaS tradizionali — il computer costa — crescendo però circa tre volte più in fretta in tutte le fasce di ricavo e battendo i concorrenti sul Rule of 40. Nello stesso campione l’ARR per dipendente sale dal 2022, mentre l’organico mediano delle società sopra i cinque milioni di ARR scende.5 Cinque punti di margine ceduti e accettati dagli investitori. Perché il denominatore — le persone — si stava muovendo nella direzione giusta.
Quattro test per misurare il moat nel PropTech
Da qui si ricavano quattro domande. Non sono retoriche. Hanno una risposta numerica, e la risposta si può sbagliare.
Test 1: il margine lordo dei nuovi clienti
Piatto significa agenzia. Significa che ogni nuovo cliente si porta dietro la sua quota di persone e che il rapporto non si sta spostando di un millimetro. Non c’è nulla di male in un’agenzia: ce ne sono di eccellenti, redditizie, longeve. Semplicemente non è la cosa che il venture capital sta comprando, e chi la presenta come piattaforma sta vendendo il prodotto sbagliato al compratore sbagliato.
La misura è elementare e quasi nessuno la pubblica: margine lordo per coorte di clienti, per anno di acquisizione. Se la coorte 2023 oggi rende più di quanto rendeva nel 2023 a parità di perimetro, il rapporto si sta spostando. Se rende uguale, no. Chiedetela in due righe di e-mail: è la domanda più economica che esista per capire con chi si ha a che fare.
Test 2: l’origine del dato proprietario
Qui va detta una cosa senza attenuanti. Buona parte di ciò che nel proptech italiano viene presentato come dato proprietario è catasto, quotazioni OMI, visure camerali e annunci scrapati dai portali: informazione pubblica o acquistabile, ripulita e reimpacchettata dentro un’interfaccia migliore. Non è un asset difendibile. È un costo di licenza con sopra un layer di presentazione, e ha una vita utile pari al tempo che serve a un concorrente per firmare lo stesso contratto di fornitura.
Il dato che costruisce un moat ha una caratteristica sola: nasce come sottoprodotto di un lavoro che stai già facendo per il cliente, e migliorando accresce il valore del servizio che lo genera. Tempi reali di rilascio di un titolo edilizio per comune. Scostamenti tra prezzo richiesto e prezzo rogitato per micro-zona, per tipologia, per stagione. Tassi di conversione per canale e per agente. Non lo puoi comprare, perché non esiste finché non operi.
Test 3: il controllo del canale di acquisizione
Chi acquisisce clienti sui portali o sull’asta pubblicitaria di Google affitta. Il canone lo decide il proprietario, e storicamente sale. Il tempo di recupero del costo di acquisizione, misurato al netto del margine lordo, è cresciuto del 12,5% dal 2022.6 Un CAC che si allunga su un canale che non controlli è una tassa indicizzata, e la paghi in perpetuo.
Possedere il canale, nel real estate, ha una forma poco tecnologica e per questo sottovalutata: reti di agenti, rapporti diretti con costruttori e property manager, presenza dentro i processi transazionali, il telefono che squilla prima che l’immobile finisca su un portale. Costa anni. Non si finanzia con un round. Ed è esattamente per questo che regge.
Test 4: il costo operativo dell’uscita
La differenza è verificabile a contratto. Se il cliente può uscire con trenta giorni di preavviso e sostituirti in due settimane, quello che hai è un abbonamento. Se per sostituirti deve rifare processi, riformare persone e ricostruire storici che vivono nel tuo sistema, allora il moat c’è, e si vede nei rinnovi prima che nelle slide.
Un riferimento utile: nei SaaS B2B la Gross Revenue Retention mediana si colloca intorno all’88%, con il quartile superiore oltre il 93%.7 Chi sostiene di avere costruito infrastruttura e ritiene di poter stare sotto quella soglia sta descrivendo due cose incompatibili.
Il moat nel PropTech europeo passa dal territorio
Il real estate americano è un mercato relativamente omogeneo: MLS diffusi, dati transazionali accessibili, procedure comparabili tra stati. Da noi nulla di tutto questo. Ogni paese ha il suo catasto, il suo notariato, la sua fiscalità, i suoi tempi. In Italia si somma la frammentazione comunale su titoli edilizi e oneri, dove due amministrazioni confinanti possono divergere di mesi sullo stesso procedimento. Per un investitore americano questo è un ottimo motivo per non investire: mercato frizionato, lento, difficile da scalare per replica.
Visto da dentro la lettura si rovescia. Dove l’attrito è alto, chi lo attraversa ogni giorno accumula un vantaggio che non si compra e non si replica clonando un repository. In Europa il territorio non è un’opzione strategica. È un dazio d’ingresso, e chi l’ha già pagato ha un vantaggio sui nuovi entranti che l’AI non tocca.
Il che, per inciso, spiega perché il test numero due sia così severo proprio qui. In un mercato frammentato il dato operativo vale molto di più che in uno standardizzato, perché non esiste un’alternativa pubblica di qualità comparabile. Ma proprio per questo il ricorso al catasto reimpacchettato è così diffuso: è l’unico dato disponibile senza operare. Ed è disponibile anche a chiunque altro.
Il margine convergente come prova del moat nel PropTech
Cinquanta punti di margine ceduti, il multiplo dimezzato. Chi accetta quel prezzo senza una risposta documentata al primo test non sta costruendo infrastruttura. Sta costruendo un’agenzia e chiamandola piattaforma, in una stagione in cui il mercato è ancora disposto a crederci.
Chi invece la risposta ce l’ha, e la sa mostrare per coorte, ha in mano qualcosa che nel 2021 non era costruibile: un business con la partenza di un servizio e la pendenza di un software, protetto da barriere che l’intelligenza artificiale non abbassa. Perché l’AI abbassa il costo del codice. Non abbassa il costo di stare su un territorio da dieci anni.
La domanda giusta da porre a un operatore PropTech, oggi, non riguarda quanta tecnologia abbia. Riguarda se il suo margine converge.
Resta la domanda più difficile, quella di chi parte oggi da zero e i quattro test non li passa ancora. In che ordine si costruisce un margine che converge? È il tema del terzo e ultimo articolo.
* * *
Fonti principali
Aleph × Benchmarkit, SaaS & AI Performance Benchmarks (dati 2025, 342 società). getaleph.com
Benchmarkit, 2025 B2B SaaS Performance Metrics. benchmarkit.ai
High Alpha, 2025 SaaS Benchmarks Report (800+ società). growthunhinged.com
Sequoia Capital — J. Bek, Services: The New Software. sequoiacap.com
- Aleph × Benchmarkit, «SaaS & AI Performance Benchmarks» (dati full-year 2025 su 342 società SaaS e AI-native): margine lordo mediano sul software 80%, margine lordo mediano sul totale ricavi 76%. Il margine lordo mediano dei servizi professionali (~30%) è rilevato da Benchmarkit, «2025 B2B SaaS Performance Metrics». Dato notevole del 2025: al mediano i costi di inferenza AI non hanno ancora eroso il margine software. ↩
- Elaborazioni su SEG SaaS Index, Q2 2025, riprese da fonti secondarie di consulenza: società con margine lordo superiore all’80% trattate a una mediana di 7,2x EV/ricavi TTM, contro 3,5x per quelle sotto il 60%; sopra l’85% di margine, multipli sull’ARR superiori di circa il 27% in raccolta e M&A. Trattandosi di fonte secondaria, il dato va letto come ordine di grandezza, non come misura puntuale. ↩
- Benchmarkit, «2025 B2B SaaS Performance Metrics». Al mediano i servizi professionali pesano circa il 15% dei ricavi totali. La regola empirica indicata dal report: se i servizi superano il 15–20% dei ricavi e/o il loro margine lordo scende sotto il 30%, il margine lordo totale finisce sotto il benchmark mediano del 77%. ↩
- Julien Bek (partner, Sequoia Capital), intervista al programma TBPN, 2026, e saggio Sequoia «Services: The New Software» (2025). Traduzione nostra. Il rapporto è esplicitamente presentato da Bek come variabile mobile: migliora al migliorare dei modelli. ↩
- High Alpha, «2025 SaaS Benchmarks Report» (9ª edizione, oltre 800 società, rilevazione agosto–settembre 2025), in partnership con Customers Bank, Growth Unhinged e Visible. Le società AI-native registrano circa 5 punti di margine lordo in meno — imputabili ai costi di compute — ma crescita mediana circa tripla rispetto ai SaaS B2B tradizionali in tutte le fasce di ARR, e Rule of 40 superiore. Nel campione, l’ARR per dipendente cresce dal 2022 mentre l’organico mediano cala nelle società sopra i 5 milioni di ARR. ↩
- Benchmarkit, dati 2025: il periodo di recupero del costo di acquisizione cliente (CAC payback), calcolato al netto del margine lordo, è cresciuto del 12,5% dal 2022. La metrica è fortemente correlata all’Annual Contract Value e va letta per fascia, non in assoluto. ↩
- Rilevazioni 2025 su SaaS B2B privati: Gross Revenue Retention mediana 88% (quartile superiore oltre il 93%), Net Revenue Retention mediana intorno al 101%. Fonte secondaria su base Benchmarkit / SaaS Capital; da intendersi come ordine di grandezza. Nota: si tratta di benchmark software, non immobiliari — nel real estate europeo non esistono rilevazioni comparabili con questo grado di standardizzazione. ↩
Partecipa alla community