L'AI in un e-commerce rende quasi solo in un posto, e non è il chatbot
Dove conviene davvero metterla: catalogo, ricerca interna, resi e previsione. Con la mappa di che cosa costa e che cosa rende, e le tre cose da non fare per prime.
Se avete un negozio online, negli ultimi due anni vi hanno proposto un chatbot. È la cosa che si vede, si mostra in riunione e si installa in una settimana — ed è anche quella che, nella grande maggioranza dei casi, sposta i numeri meno di tutte. Risponde a domande che una pagina di stato ben scritta avrebbe già risolto, e per farlo bene ha bisogno di dati che quasi nessuno gli ha preparato.
Il valore vero sta più indietro, in tre posti che nessuno mostra in riunione perché non hanno una faccia: le schede prodotto, la ricerca interna e la gestione di quello che torna indietro. Questo articolo li smonta uno per uno, e alla fine mette tutto su un piano con due assi — quanto costa, quanto rende — perché la domanda vera non è «l'AI serve», è «da quale cosa comincio lunedì».
1 · Il catalogo, che è il posto dove rende di più
Un e-commerce con qualche migliaio di referenze ha quasi sempre lo stesso problema: le schede prodotto sono quelle che manda il fornitore. Titoli scritti per un listino interno, descrizioni assenti o copiate identiche da altri venditori, attributi che mancano proprio dove servirebbero per filtrare. Non è pigrizia: riscrivere quattromila schede a mano è un lavoro da mesi che nessuno può permettersi.
È esattamente il tipo di compito in cui un modello linguistico è utile: volume alto, errore poco costoso, e una persona che controlla prima della pubblicazione. Guardate la stessa riga prima e dopo — l'interruttore in alto a destra.
catalogo · 3 referenze su 4.180
Avvitatore a batteria 18V con due batterie e valigetta
VT-4180
Avvitatore compatto per montaggio e manutenzione, con coppia regolabile su 20 posizioni. Include due batterie al litio da 2 Ah e caricatore rapido, in valigetta rigida.
18V
cod. 4180
categoria: elettroutensili (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
coppia max 45 Nm (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
batterie incluse: 2 (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
uso: montaggio (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
Guanti monouso in nitrile, taglia L — confezione da 100
VT-2255
Guanti senza polvere in nitrile blu, resistenti a oli e detergenti. Adatti a officina, laboratorio e pulizie professionali. Confezione da 100 pezzi, taglia L.
taglia L
cod. 2255
materiale: nitrile (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
senza polvere (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
pezzi: 100 (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
settore: officina (I campi marcati sono proposti dal sistema e passano da una revisione umana prima della pubblicazione. La distinzione resta visibile per sempre nell'anagrafica.)
Perché questo, prima di tutto il resto
Perché quelle schede sono la materia prima di tutto quello che viene dopo. La ricerca interna non può filtrare per attributi che non esistono, le raccomandazioni non possono collegare prodotti che nessuno ha classificato, e Google non può mostrare una scheda che non dice niente. Ogni euro speso a valle su un catalogo povero rende meno di quanto renderebbe speso qui.
2 · La ricerca interna, che quasi nessuno guarda
In un e-commerce, chi usa la barra di ricerca compra molto più spesso di chi naviga per categorie: sta cercando una cosa precisa, quindi ha già deciso. Ed è anche la parte di sito che riceve meno attenzione, perché non si vede nelle presentazioni.
La ricerca classica confronta parole. Chi scrive «trapano a batteria» non trova «avvitatore 18V» anche se è quello che gli serve, perché nessuna delle due frasi contiene le parole dell'altra. La ricerca semantica confronta significati, e quella corrispondenza la trova.
I sinonimi del vostro settore non stanno in nessun dizionario. «Brugola» e «esagono incassato», «flessibile» e «smerigliatrice»: le sa chi lavora nel ramo. Un sistema che impara dalle ricerche fatte davvero sul vostro sito le raccoglie da solo, e in pochi mesi ne sa più di qualunque elenco compilato a mano.
Le ricerche senza risultati sono l'informazione più preziosa e la più ignorata. Chi cerca qualcosa che non trovate gli sta dicendo che cosa vendere, oppure che il catalogo lo chiama in un altro modo. Quell'elenco andrebbe letto ogni settimana, e in quasi nessuna azienda qualcuno lo apre.
Attenzione a non esagerare: un motore che «capisce» troppo restituisce di tutto e smette di essere affidabile. La soglia giusta è quella per cui una ricerca senza corrispondenze dice che non c'è niente, invece di mostrare qualcosa di vagamente simile.
3 · Quello che torna indietro, e quello che finirà
Due lavori poco appariscenti e con un ritorno diretto, perché non toccano le vendite: toccano i costi che le mangiano.
I resi, classificati mentre arrivano. Il modello legge il motivo scritto dal cliente e lo mette in una categoria: taglia sbagliata, non conforme alla descrizione, danneggiato, ripensamento. Dopo tre mesi l'elenco dice quali schede prodotto stanno mentendo — e correggere quelle vale più di qualunque campagna, perché ogni reso costa due spedizioni più il magazzino.
La previsione della domanda. Non serve un modello sofisticato: bastano storico, stagionalità e tempi del fornitore per dire che cosa finirà e quando ordinarlo. È il caso con il ritorno più diretto in assoluto, perché una rottura di stock si misura in vendite mancate e un magazzino fermo in soldi immobilizzati.
Lo smistamento delle richieste. Le email in arrivo vengono classificate e instradate, e per le più frequenti si prepara una bozza che una persona approva. È il posto giusto per l'AI nell'assistenza: non risponde al cliente, prepara la risposta a chi risponde.
La console dove tutto questo si vede — live
Coda ordini che scorre, eccezioni che si risolvono, e in fondo un agente che risponde sui dati. È la demo dell'articolo sugli agenti, ed è il posto dove i tre lavori qui sopra arrivano a chi lavora davvero.
Ecco le sette cose di cui si parla di più, messe su un piano. In orizzontale quanto costano da mettere in piedi, in verticale quanto spostano i numeri. Tocca un punto per i dettagli — e guardate soprattutto il quadrante in alto a sinistra: poco sforzo, molta resa.
sforzo
resa
Costo indicativo
Tempo
Arricchimento schede
22
84
6.000 – 15.000 €
3 – 6 settimane
Ricerca semantica
34
76
8.000 – 20.000 €
4 – 8 settimane
Previsione riordini
40
80
10.000 – 25.000 €
6 – 10 settimane
Classificazione resi
18
55
3.000 – 8.000 €
2 – 4 settimane
Smistamento richieste
30
58
7.000 – 16.000 €
4 – 6 settimane
Raccomandazioni
62
46
12.000 – 30.000 €
8 – 12 settimane
Chatbot sul sito
74
30
15.000 – 40.000 €
8 – 14 settimane
Arricchimento schede — Titoli, descrizioni e attributi generati sul catalogo esistente, con revisione umana prima della pubblicazione. Migliora insieme conversione, ricerca interna e posizionamento organico, perché tutti e tre leggono le stesse schede. È il punto di partenza quasi sempre.
Ricerca semantica — La barra di ricerca capisce il significato invece delle parole. Rende molto se il catalogo è ampio e le schede sono già decenti — e quasi niente se le schede sono quelle del fornitore, motivo per cui viene dopo l'arricchimento.
Previsione riordini — Storico, stagionalità e tempi di consegna del fornitore per dire che cosa ordinare e quando. Il ritorno è il più diretto di tutti: meno rotture di stock, meno capitale fermo. Richiede però due anni di storico ordinato, e quello ce l'hanno in pochi.
Classificazione resi — Il motivo del reso letto e messo in categoria. Piccolo, veloce, e produce l'elenco delle schede prodotto che mentono. Non sposta le vendite domani, ma toglie un costo ricorrente e migliora il catalogo con dati veri.
Smistamento richieste — Le email in arrivo classificate, arricchite con lo storico del cliente e instradate, con una bozza pronta per le più frequenti. Rende in proporzione al volume: sotto le cento richieste al mese non vale il lavoro di manutenzione.
Raccomandazioni — «Chi ha comprato questo ha comprato anche…». Funziona bene su cataloghi grandi con molto traffico, e quasi per niente sotto una certa soglia di dati: senza abbastanza acquisti da cui imparare, propone accostamenti casuali che erodono la fiducia. Da valutare dopo, non prima.
Chatbot sul sito — È la cosa che tutti propongono e quella che rende meno, per due motivi: risponde a domande che una buona pagina di stato ordine avrebbe già risolto, e per rispondere bene ha bisogno di un catalogo e di dati d'ordine puliti — cioè di tutto il lavoro che sta più in basso in questa mappa. Fatto per ultimo funziona; fatto per primo diventa l'esempio che si porta in giro per dire che «l'AI non funziona».
cominciare da qui
I numeri sono ordini di grandezza per un e-commerce con qualche migliaio di referenze, e vanno verificati sul vostro caso: un catalogo di ottocento articoli costa meno di uno da quarantamila, e uno con lo storico ordinato costa molto meno di uno da ricostruire. La posizione relativa dei sette punti però cambia poco da un'azienda all'altra — ed è quella che serve per decidere l'ordine.
5 · Le tre cose da non fare per prime
Non sono errori tecnici: sono errori di sequenza. Tutte e tre diventano ragionevoli più avanti, e tutte e tre fanno danni se messe all'inizio.
Il chatbot come primo progetto. È il quadrante in basso a destra della mappa: molto sforzo, poca resa, e soprattutto costruito sopra dati che non sono ancora pronti. Quando risponde male — e all'inizio risponde male — l'azienda conclude che l'AI non serve, e chiude la porta anche alle cose che avrebbero funzionato.
Pubblicare testi generati senza rilettura. Su qualche centinaio di schede si può fare a campione; su tutte no. Una descrizione che attribuisce a un prodotto una caratteristica che non ha non è un errore di stile: è una promessa fatta al cliente, e in Italia le informazioni sul prodotto hanno anche un peso legale. La revisione umana non è prudenza eccessiva, è la condizione perché il lavoro sia utilizzabile.
Comprare uno strumento prima di aver deciso il caso d'uso. La scelta dello strumento è la decisione meno importante e la più facile da cambiare; il caso d'uso e i dati sono quelle difficili. Chi comincia dall'abbonamento si ritrova a cercare un problema che giustifichi la spesa, ed è il modo più rapido per fare un progetto che nessuno userà.
Mezz'ora sul vostro catalogo, non sull'AI in generale
Nell'audit apriamo il vostro catalogo e guardiamo tre cose concrete: quante schede hanno una descrizione vera, quanti attributi utili ci sono per filtrare, e che cosa cercano le persone che non trova niente. Da lì si capisce in mezz'ora se il primo punto della mappa vale per voi e quanto costerebbe.
Se il catalogo è già in ordine, si passa al secondo punto e si guarda la ricerca interna. E se il volume non giustifica nessuno dei sette, ve lo dico — succede sotto una certa dimensione, e in quel caso la cosa più utile che potete fare non ha niente a che vedere con l'AI.
Dove conviene usare l'intelligenza artificiale in un e-commerce, per prima cosa?
Sulle schede prodotto. È il punto in cui la stessa spesa produce il ritorno più alto, perché ogni scheda incompleta è una pagina che non si posiziona e un filtro che non funziona: il nome che arriva dal fornitore diventa un titolo leggibile, una descrizione e gli attributi con cui si cerca. Costa fra i 6.000 e i 15.000 euro e si mette in produzione in tre-sei settimane. Il chatbot, che è la prima cosa che tutti chiedono, è l'ultimo della lista.
Quanto costa un chatbot AI per un e-commerce, e conviene farlo?
Fra i 15.000 e i 40.000 euro, con otto-quattordici settimane di lavoro: è il più caro dei sette usi che abbiamo mappato e quello che rende meno. Il motivo non è la tecnologia. Un chatbot utile deve leggere catalogo, ordini e politica dei resi, cioè poggia su dati che nella maggior parte dei negozi non sono ancora in ordine — e sistemare quei dati è il progetto che serve davvero, che spesso rende già da solo.
Come si capisce se i dati di un negozio online sono pronti per l'AI?
Si guarda il catalogo. Se le descrizioni mancano, gli attributi sono vuoti e lo stesso prodotto compare con tre nomi diversi, nessun modello linguistico rimedia a valle: risponderà con la stessa confusione che trova. La prova pratica dura un minuto — cercate un vostro prodotto sul vostro sito usando le parole di un cliente, non il codice interno. Se non lo trovate, il problema è il catalogo, non il motore di ricerca.
Che cosa cambia la ricerca semantica rispetto alla ricerca interna normale?
La ricerca normale confronta stringhe: chi scrive «trapano senza filo» non trova l'«avvitatore a batteria», che è esattamente quello che voleva. Quella semantica confronta significati, e recupera le vendite che oggi finiscono su una pagina di risultati vuota. Costa fra gli 8.000 e i 20.000 euro. Vale la pena guardarci, perché è la funzione che quasi nessuno misura e su cui passa chi ha già deciso di comprare.