· di Rédaction
Quante donne ci sono sulle chatroulette? Cosa dicono davvero i dati (e cosa non dicono)
Un terzo? Un decimo? I numeri sulla percentuale di donne nelle chat video casuali circolano senza alcuna fonte. Ecco cosa si può misurare realmente, perché le stime si contraddicono e cosa cambia concretamente questo squilibrio per le utenti.

«Sulle chatroulette ci sono solo il 10 % di donne.» La frase l'avete sicuramente incrociata: in un commento, in un articolo, in bocca a un utente che vi spiega perché dovreste sentirvi lusingate di essere lì. A volte è il 10 %, a volte il 20 %, a volte «una donna ogni nove uomini». Mai una fonte. Mai una data. Mai un metodo.
Questa oscillazione non è innocua. Quando un'utente si chiede se incontrerà interlocutori decenti, l'unica informazione che le viene fornita è un numero inventato. E quando una piattaforma vende un filtro di genere, si appoggia alla stessa presunta scarsità per fissare il prezzo.
Questo articolo fa l'opposto della scorciatoia: osserva ciò che è realmente misurabile nel traffico di un servizio di chat video casuale, ciò che le misurazioni pubbliche dicono e non dicono, e perché i quattro bias che le minano cambiano radicalmente l'interpretazione. Alla fine avrete un'idea onesta dello squilibrio — e soprattutto di ciò che implica nella pratica.
Da Dove Arrivano i Numeri Che Leggete
Tre fonti, tre nature molto diverse
Quando un articolo propone una percentuale di donne su un servizio di chat video, attinge quasi sempre a uno di questi tre serbatoi:
- I panel di audience web. Società di misurazione come Similarweb o Comscore pubblicano ripartizioni uomini/donne per sito. Queste ripartizioni sono stime modellizzate, costruite a partire da panel di volontari e da dati dei fornitori di accesso, poi estrapolate. Similarweb indica essa stessa nella propria documentazione che i dati demografici sono stime e che la loro precisione crolla per i siti con traffico ridotto o con un'audience atipica.
- I numeri comunicati dalle piattaforme. Esistono, ma vengono pubblicati quando fanno comodo: un servizio che vuole rassicurare le donne annuncerà una quota femminile in crescita; un servizio che vende un filtro a pagamento non ha alcun interesse a smentire la penuria.
- I lavori accademici. Sono rari, vecchi e riguardano campioni di sessioni, non popolazioni. Il più citato resta lo studio di Xianhua Xu, Yao Liu e Bo Han presentato nel 2011 («Analyzing user behavior on Chatroulette»), che osservava uno squilibrio massiccio a favore degli uomini su migliaia di connessioni campionate. Quindici anni dopo, viene regolarmente citato come se descrivesse lo stato attuale del mercato. Non lo fa.
La cifra che gira è un fossile
È il punto essenziale: la maggior parte delle percentuali che circolano nel 2026 discende da osservazioni compiute tra il 2010 e il 2013, su una singola piattaforma, in un'epoca in cui la chat video casuale si praticava quasi esclusivamente da un computer fisso. Nel frattempo il mobile è diventato maggioritario, la moderazione automatizzata si è generalizzata e il pubblico si è frammentato su decine di servizi. Ricopiare un dato del 2011 per descrivere il 2026 equivale a descrivere i social network di oggi con le statistiche dell'epoca dei blog di MySpace.
Una percentuale senza data né metodo non è una statistica: è una voce di corridoio con un numero dentro.
I Quattro Bias Che Rendono Fragile Ogni Conteggio
Bias 1: non si contano persone, si contano sessioni
Un servizio di chat video non ha quasi mai un account utente obbligatorio. Ciò che vede sono le connessioni. Ora, un utente che infila 200 «next» in un'ora genera molti più eventi di un'utente che sostiene tre conversazioni da venti minuti.
Conseguenza: se si misura la quota di donne tra le sessioni osservate, si sottostima la loro quota tra le persone presenti. E se si misura la quota di donne tra gli account o i visitatori unici, si ottiene un numero più alto — senza che la realtà vissuta sia cambiata di un millimetro. Entrambi i numeri sono «veri», ma non rispondono alla stessa domanda.
Questo meccanismo è lo stesso descritto nel nostro articolo sulla sindrome del «next» compulsivo: i comportamenti di zapping sono distribuiti in modo molto disomogeneo tra i generi, quindi ogni metrica basata sul volume di azioni è strutturalmente deformata.
Bias 2: il genere è indovinato, non dichiarato
Su un servizio senza registrazione nessuno compila un modulo. Il genere mostrato o presunto deriva quindi:
- da una dichiarazione volontaria nel momento in cui si scegle un filtro o una stanza;
- da un'inferenza automatica sull'immagine (classificazione algoritmica);
- da un'inferenza sul comportamento (nickname, lingua, orari).
Ognuna sbaglia, e non in modo casuale. I classificatori di immagini applicati al genere sono stati documentati come decisamente meno affidabili in funzione della carnagione, dell'illuminazione e dell'angolo di ripresa — è il risultato centrale dei lavori di Joy Buolamwini e Timnit Gebru (Gender Shades, MIT Media Lab, 2018), confermato in seguito dalle campagne di valutazione del NIST sul riconoscimento facciale. Una webcam mal illuminata è sufficiente a far ribaltare una classificazione.
Altro effetto perverso, ben noto alle utenti: una parte delle donne nasconde attivamente il proprio genere — telecamera puntata su un animale, inquadratura alta, microfono spento, nickname neutro. Esistono, sono presenti, e nessun contatore le vede come donne. Le indagini di Women in Games France sulle giocatrici documentano esattamente lo stesso riflesso di camuffamento nelle chat vocali di gioco.
Bias 3: i profili falsi gonfiano artificialmente la colonna «donne»
È il bias più sottovalutato. I video in loop, le registrazioni ritrasmesse e i bot che reindirizzano verso link a pagamento si presentano quasi tutti come profili femminili. Qualsiasi conteggio automatico li somma alle utenti reali.
In altre parole: più un servizio è infestato da profili femminili falsi, più la sua quota di «donne» misurata appare sana. Il numero sale mentre l'esperienza peggiora. Se volete sapere come distinguerli in pochi secondi, abbiamo illustrato il metodo in riconoscere i video in loop e i link a pagamento.
Bias 4: la media schiaccia le differenze che contano
Anche ammettendo una misurazione perfetta, una media globale non descrive nessuno. La composizione di un servizio varia fortemente in base a:
| Variabile | Effetto osservato sulla composizione del pubblico | | --- | --- | | Ora di connessione | Pubblico più misto nelle serate di inizio settimana, più maschile e più aggressivo dopo l'una di notte | | Fuso orario e lingua | I picchi di traffico regionali spostano completamente il profilo degli interlocutori | | Dispositivo | Il mobile allarga il pubblico, soprattutto di giorno e fuori casa | | Presenza di un filtro a pagamento | Concentra da un lato gli uomini paganti, il che modifica ciò che vedono le donne non filtrate | | Livello di moderazione | Un servizio che banna rapidamente trattiene più utenti donne nel tempo |
Avevamo già misurato l'effetto della prima riga di questa tabella in l'ora fa il pubblico: lo stesso servizio, a due ore di distanza, semplicemente non propone le stesse persone.

Ciò Che Si Può Dire Onestamente
Tre affermazioni solide
Incrociando ciò che è documentato con ciò che è metodologicamente difendibile, si possono sostenere tre cose senza mentire:
- Lo squilibrio esiste ed è importante. Tutte le fonti disponibili — panel, vecchi lavori accademici, testimonianze e la semplice esistenza di un mercato del filtro di genere a pagamento — puntano nella stessa direzione. Nessuno vende a caro prezzo l'accesso a una popolazione abbondante.
- La sua ampiezza esatta è pubblicamente ignota. Non esiste alcuna misurazione indipendente, recente, multipiattaforma e metodologicamente trasparente. Chiunque vi dia una percentuale precisa all'unità sta improvvisando.
- Lo squilibrio vissuto è più marcato di quello demografico. Poiché gli utenti maschi consumano più sessioni a testa, una donna incrocia proporzionalmente ancora più uomini di quanto la ripartizione delle persone lascerebbe prevedere.
Questa terza riga è la più utile, ed è quella che nessun articolo ricopiato formula mai.
Il miglior indicatore disponibile: il vostro taccuino
In assenza di statistiche affidabili, la misurazione più onesta è quella locale. Annotare, su dieci sessioni, quante hanno dato luogo a uno scambio decente, quante sono scivolate in una richiesta inappropriata, quante erano loop video, vi darà in una sera un quadro molto più azionabile di qualsiasi percentuale globale. Basta un semplice taccuino a spirale posato accanto alla tastiera; il punto è proprio non farlo in un file che poi dimenticherete.
Tre colonne sono sufficienti: ora, esito dello scambio, motivo dell'abbandono. Dopo una settimana emergono gli schemi — e spesso sono molto diversi da ciò che si credeva. Molte utenti scoprono così che il loro tasso di scambi decenti dipende innanzitutto dall'ora, poi dalla qualità della propria immagine, e solo marginalmente dal servizio utilizzato.
Perché Questo Numero È Politicamente Carico
La scarsità come argomento commerciale
Lo squilibrio non è soltanto un dato: è un modello economico. Un servizio che fa pagare l'accesso prioritario ai profili femminili monetizza direttamente la penuria. Ha dunque un interesse strutturale a che la penuria sia percepita come forte — e nessun interesse a pubblicare misurazioni trasparenti. Abbiamo smontato questo meccanismo e ciò che si compra realmente in filtri di genere a pagamento.
La scarsità come scusa
L'altro uso del numero è retorico. «Ci sono così poche donne qui, è normale che tutti ti salgano addosso»: la frase trasforma una statistica vaga nella giustificazione di comportamenti che, invece, sono perfettamente definiti dal diritto. L'esibizionismo non sollecitato davanti a una telecamera resta un reato penale, qualunque sia la composizione del pubblico — è il tema del nostro dossier su cosa dice la legge e come segnalare.
Il ragionamento «minoranza dunque ambita dunque tollerante» è esattamente quello che i lavori sulle cyberviolenze contro le donne, censiti in particolare dall'EIGE (Istituto europeo per l'uguaglianza di genere), identificano come un meccanismo di banalizzazione. Una proporzione non ha mai costituito un'autorizzazione.

Cosa Cambia Concretamente per Voi Questo Squilibrio
Venite filtrate prima di parlare
Quando una manciata di profili femminili è distribuita su un numero molto elevato di uomini, l'attenzione che arriva su di voi non è proporzionale a ciò che fate: è satura in anticipo. Due conseguenze pratiche.
Primo, il vostro segnale visivo pesa enormemente, perché è l'unico elemento di selezione disponibile nei primi due secondi. Un'immagine nitida e bene esposta non vi rende più desiderabili: vi rende leggibili, il che riduce la quota di interlocutori che abbandonano per incomprensione. Una piccola lampada LED a intensità regolabile posizionata dietro lo schermo corregge da sola la maggior parte dei problemi di controluce in ambienti interni. Il resto lo dettagliamo in curare lo sfondo e la luce.
Secondo, il vostro audio pesa più di quanto pensiate. In un ambiente in cui l'altro cerca un pretesto per zappare, un suono approssimativo è un pretesto eccellente. Un auricolare con microfono cablato e riduzione del rumore risolve il problema con un budget contenuto ed evita i ritorni di suono che fanno scappare.
Avete un potere di selezione inusuale — usatelo
Il rovescio meccanico dello squilibrio: non avete alcun obbligo di rendere redditizia una conversazione. Dove un utente maschio deve incalzare per sperare in uno scambio, voi potete permettervi di essere esigenti già dalla prima frase. Zappare non è sgarbato in un ambiente progettato per questo; è lo strumento di selezione che il formato vi mette in mano.
In pratica, questo significa:
- Fissare un criterio unico e attenervisi: per esempio, chi non ha detto una parola in cinque secondi passa. Decidere in anticipo risparmia la fatica decisionale.
- Dosare la durata delle sessioni. Oltre una certa durata, la stanchezza vi fa accettare scambi che avreste scartato a inizio serata. È il meccanismo descritto in la fatica dello zapping.
- Cambiare ora invece che piattaforma quando una sessione va male. La leva è molto più efficace.
Cosa aspettarsi da un primo scambio
Poiché l'offerta di attenzione è abbondante, la soglia ragionevole è alta: una persona che si presenta, che fa una domanda su qualcosa che non sia il vostro aspetto e che accetta un «no» senza insistere. È poco, ed è comunque il filtro che elimina la maggior parte delle sessioni. Se volete conoscere la versione speculare di questa esigenza — ciò che fa zappare dal punto di vista delle donne — i nostri due articoli sulle molestie ricorrenti alle donne in diretta e sui primi cinque secondi si completano bene.
Come Leggere un Numero la Prossima Volta
Prima di dare credito a una percentuale sulla composizione di una chat video, bastano quattro domande:
| Domanda | Se la risposta manca… | | --- | --- | | Qual è la data di raccolta? | Il numero potrebbe descrivere un internet che non esiste più | | Chi ha misurato, e con quale interesse? | Un servizio che vende un filtro non è una fonte neutrale | | Si contano persone o sessioni? | I due approcci danno risultati molto diversi | | Il genere è dichiarato o inferito? | L'inferenza automatica sbaglia, e non in modo casuale |
Tutte e quattro mancano nella quasi totalità dei contenuti che circolano sul tema. È in sé un'informazione: se nessuno può rispondere, è perché nessuno ha misurato.
Per quanto riguarda ciò che è verificabile e datato sul versante degli usi della chat video, la nostra pagina statistiche del settore raccoglie ciò che si può documentare, e la pagina provare la chat video permette di confrontare la teoria con una serata reale. Se preferite continuare a leggere prima di collegarvi, gli articoli del blog coprono la maggior parte delle situazioni che incontrerete.
Un'ultima parola sul metodo: leggere due o tre pagine di un'opera divulgativa di statistica — del tipo guida pratica alla cultura statistica — cambia durevolmente il rapporto con questo genere di numeri. Si impara soprattutto a distinguere ciò che è misurato da ciò che è raccontato. In un ambito in cui quasi tutto è raccontato, è lo strumento più utile.
Da Ricordare
- La cifra «10 % di donne» non ha una fonte datata: discende da osservazioni compiute all'inizio degli anni 2010 su una sola piattaforma.
- Quattro bias rendono fragile ogni conteggio: sessione ≠ persona, genere inferito invece che dichiarato, profili femminili falsi contati come donne, e medie che schiacciano le differenze di ora, lingua e dispositivo.
- Lo squilibrio è reale e importante, ma la sua ampiezza esatta è pubblicamente ignota — e lo squilibrio vissuto supera quello demografico, perché gli uomini consumano più sessioni a testa.
- La scarsità serve da argomento commerciale (filtri a pagamento) e da scusa retorica. Non autorizza nulla: una proporzione non è un diritto.
- L'unica misurazione utile è locale: dieci sessioni annotate, tre colonne, una settimana. Vi dirà più di qualsiasi percentuale ripresa senza fonte.


