Scoperta

Raccomandazioni di prodotto con IA: come funzionano e quanto valgono

Le raccomandazioni di prodotto con IA promettono carrelli più grandi. Cosa usano davvero i modelli, come misurare l’effetto e dove fallano su Shopify.

Una figura in ceramica color crema legata da una cordicella zafferano a un pacco arancio bruciato con un treppiede impresso, due pacchi di carta kraft dietro, su fondo giallo burro.
Un consiglio è un legame chiaro tra un acquirente e l’articolo che completa la decisione.

Quasi tutti i negozi mostrano raccomandazioni. Pochi commercianti sanno dire quanto rende quel blocco. Il divario pesa di più ora che l’etichetta «IA» compare su quasi ogni app di raccomandazioni dello Shopify App Store, perché le raccomandazioni di prodotto con IA non sono una tecnica sola. Sono una famiglia di metodi con input diversi e modi diversi di fallire.

Questo articolo separa i metodi dal marketing: su cosa si basano davvero i modelli, quanto vale un aumento realistico nel conto economico, i quattro modi in cui questi sistemi falliscono su un catalogo Shopify e le domande che in una sola chiamata dimostrativa dicono se uno strumento funzionerà sui tuoi prodotti.

Su cosa si basano davvero le raccomandazioni di prodotto con IA

Togli il marchio da qualsiasi motore di raccomandazione e resta la stessa domanda: per questo visitatore, in questa sessione, su questa pagina, quale prodotto dovrebbe venire dopo? I sistemi cambiano in base all’evidenza di cui si fidano.

  • Cosa ha fatto questo visitatore. Visualizzazioni, ricerche, un carrello, ordini passati. I sistemi basati sulla sessione pesano di più gli ultimi clic, perché l’intenzione svanisce in fretta: chi sta confrontando tre friggitrici ad aria adesso è più vicino all’acquisto di chi ne ha vista una la settimana scorsa.
  • Cosa hanno fatto visitatori simili. Co-occorrenza di acquisti e visualizzazioni: chi ha comprato A ha comprato anche B. È il cavallo di battaglia delle app di raccomandazione in vetrina e richiede volume. Sotto qualche centinaio di ordini al mese, lo schema che trova è soprattutto rumore.
  • Cos’è il prodotto. Attributi presi da titoli, descrizioni, tag, collezioni e metafield: vestibilità, compatibilità, materiale. La corrispondenza di attributi è ciò che permette di suggerire una custodia per una fotocamera invece di un’altra fotocamera, e vale quanto valgono i tuoi dati prodotto.

Gli strumenti recenti mescolano i tre segnali e ordinano il risultato, spesso con un modello linguistico che legge i dati prodotto e la conversazione. In quell’ordine si vince o si perde la qualità. Un modello che vede gli attributi può rispettare un vincolo rigido come «entra in uno scaffale da 30 cm». Uno che vede solo conteggi di acquisti non può, per quanto ordini bene.

I cinque tipi che userai davvero

Qualunque sia il modello, quasi ogni raccomandazione in un negozio è di uno di cinque tipi. Il tipo decide dove va il blocco e cosa può promettere onestamente.

  • Personalizzato, per te. Costruito dalla cronologia e dalla sessione di questo acquirente. Va in home page e nelle pagine di categoria, dove non c’è un singolo prodotto a cui ancorarsi. Serve traffico di ritorno; alla prima visita ricade sui più venduti.
  • Complementare, cross-selling. Prodotti che completano l’acquisto: una custodia per una fotocamera, un filtro per un obiettivo. Va nella pagina prodotto e nel carrello, dove l’intenzione di completare un corredo esiste già.
  • Alternativo, sostituto. Lo stesso uso a un altro prezzo, misura o colore. Va nella pagina prodotto accanto all’articolo che si guarda, non in un carrello pieno, dove un sostituto più economico sembra un passo indietro.
  • Più venduto o tendenza. Prova sociale, non personalizzazione. Utile in home page e nelle pagine di collezione, perché risponde a cosa hanno comprato gli altri, che non è la stessa domanda di cosa dovrebbe comprare questo acquirente.
  • Bundle o kit. Più articoli venduti insieme a prezzo scontato, come il treppiede offerto con una fotocamera. Va nel carrello e funziona meglio quando il bundle è una SKU reale con un prezzo reale, non uno sconto che il motore inventa a runtime.

Molte app confondono questi tipi in un’unica riga intitolata consigliati per te. È lì che nascono la maggior parte dei cattivi consigli: un sostituto dove serviva un complementare, o un più venduto travestito da personalizzazione. Abbina il tipo alla pagina prima di giudicare l’algoritmo.

Quanto valgono e come verificarlo

I fornitori citano percentuali di miglioramento. Quei numeri vengono dal catalogo, dai prezzi e dal traffico di qualcun altro, di solito da un periodo di test con gruppo di controllo. I tuoi saranno diversi. Quattro numeri, tutti dalle analisi di Shopify o da un semplice export, dicono quanto rende davvero un blocco:

  1. Tasso di righe per ordine. La quota di ordini con due o più righe. Si muove prima dei ricavi, quindi è il primo segnale onesto che i suggerimenti vengono cliccati.
  2. Valore medio dell’ordine. Ricavi divisi per ordini. BuyScout riferisce che i negozi che usano il suo Agente di negozio IA aumentano di solito il valore medio dell’ordine del 15% al 25% con upsell e cross-selling. È un dato del fornitore su risultati tipici, non una garanzia, da confrontare con la tua base di 28 giorni.
  3. Ricavi per sessione. Distingue un carrello più grande da meno ordini ma più alti. Un blocco che alza il valore dell’ordine e abbassa in silenzio la conversione non ti ha aiutato.
  4. Tasso di reso degli articoli consigliati. Un accessorio che non va bene, o una taglia suggerita male, costa in resi e tempo di assistenza più di quanto renda la riga in più.

Poi sottrai quello che hai ceduto. Una raccomandazione che porta un visitatore da un articolo da 60 dollari a un’alternativa da 45 dollari non alza nulla. Uno sconto su ogni suggerimento può alzare la conversione e tagliare il margine insieme. La prova onesta è il margine di contribuzione per sessione, prima e dopo, sullo stesso periodo. Ventotto giorni sono una finestra praticabile, e Shopify non ha un test A/B nativo in vetrina, quindi quasi tutti confrontano periodi e osservano la stagionalità.

Un’altra avvertenza: la raccomandazione non è incrementale se mostra solo ciò che il visitatore avrebbe comprato comunque. Un blocco che ripete i prodotti correlati della pagina prodotto non aggiunge nulla. Il valore nasce quando emerge qualcosa che il visitatore non aveva considerato, nel momento in cui il suggerimento gli risparmia una decisione.

Dove fallano in un negozio Shopify

Quasi tutti i fallimenti sono problemi di dati travestiti da algoritmo. Quattro ricorrono:

  • Avvio a freddo. Un negozio nuovo, una collezione nuova o un prodotto senza storico non hanno nulla da cui imparare. I modelli di co-occorrenza mostrano i più venduti: sicuro e noioso. La corrispondenza di attributi e una conversazione funzionano dal primo giorno; l’ordinamento basato sullo storico no.
  • Esaurito e catalogo vecchio. Se il motore non legge le scorte a livello di variante, consiglierà un colore esaurito da martedì. Controlla il blocco su un prodotto la cui variante popolare è esaurita.
  • Relazione sbagliata. Le alternative stanno nella pagina prodotto, i complementi nel carrello. Un motore tarato su uno si comporta male nell’altro: un sostituto più economico sotto un carrello pieno sembra un declassamento, e una custodia per ogni articolo in una pagina di collezione è rumore.
  • Sicurezza sbagliata. Uno strato di modello linguistico può produrre una raccomandazione che suona precisa ed è falsa: un filtro che non va bene, un bundle scontato mai esistito. La soluzione è l’ancoraggio ai tuoi dati, non una scrittura migliore: ogni affermazione deve risalire ai dati prodotto o alle policy.

Due articoli esistenti approfondiscono le parti difficili: Raccomandazioni di prodotto con IA conversazionale tratta la progettazione della conversazione stessa, e la checklist del catalogo Shopify tratta l’audit dei dati prodotto che decide se un motore può essere accurato.

Puoi giudicare uno strumento più in fretta di quanto si aspetti la presentazione commerciale. Quattro domande, fatte sul tuo catalogo:

  1. Vede scorte e varianti? Chiedigli di consigliare da un prodotto con una variante esaurita. Se propone quella esaurita, il suo strato dati è sottile.
  2. Sa dire perché? Un suggerimento deve arrivare con un motivo che il visitatore può verificare: «compatibile con il tuo modello», «stessa taglia del tuo ultimo ordine». Le raccomandazioni senza motivo vengono ignorate.
  3. Sa applicare un vincolo? Nomina un filtro reale del tuo catalogo, larghezza, compatibilità, tipo di pelle o taglia dell’animale, e guarda se la lista lo rispetta o si limita a citarlo.
  4. Quanto costa per ordine e dove vanno i dati? Confronta la quota mensile con il margine di contribuzione, non con i ricavi, e verifica che lo strumento sia chiaro sul trattamento dei dati. BuyScout indica la conformità a GDPR e Regolamento IA come base.

La quarta domanda pesa più negli Stati Uniti di due anni fa, ma le prime tre decidono se lo strumento funziona davvero.

Cosa cambia una conversazione

Una fila di raccomandazioni deduce l’intenzione dal comportamento. Una conversazione la chiede. BuyScout® Agente di negozio IA è un’app gratuita per i negozi Shopify che mette un agente di negozio IA nella vetrina; lavora sui tuoi dati prodotto e sulle tue policy, più il contesto di pagina, navigazione, carrello e conversazione. Questo cambia cosa può essere una raccomandazione:

  • Può rispondere a un vincolo direttamente. «Quale entra in uno scaffale da 30 cm?» è un filtro che una fila di miniature non sa eseguire.
  • Può confrontare sull’attributo che conta. Due proiettori affiancati sulla luminosità è un lavoro diverso dal mostrarne altri tre.
  • Può suggerire nel momento dell’esitazione. Quando una fotocamera entra nel carrello, l’agente può proporre il bundle con treppiede al 10% di sconto, l’esempio usato da BuyScout sul proprio sito.
  • Può spiegare la vestibilità. La guida a taglie e vestibilità risponde al dubbio che altrimenti trasforma una raccomandazione in un reso.

BuyScout riferisce che i negozi che usano l’agente alzano di solito la conversione del 10% al 30%, aumentano il valore medio dell’ordine del 15% al 25% e riducono del 41% i ticket di assistenza ripetitivi. Sono i numeri del fornitore, descritti come tipici e non garantiti; catalogo, prezzi e traffico decidono cosa vedrai.

Parti più in piccolo di quanto pensi. Apri dieci pagine prodotto e leggi i sei articoli che il blocco mostra. Correggi prima gli errori evidenti: esaurito, collezione sbagliata, un sostituto più economico dello stesso prodotto. Poi registra 28 giorni di tasso di righe per ordine, valore medio dell’ordine e ricavi per sessione, installa lo strumento e confronta la stessa finestra.

BuyScout® Agente di negozio IA è gratuito per sempre e si installa dallo Shopify App Store in circa un minuto. Mettilo su una pagina prodotto e fagli una domanda che farebbe un cliente vero, che sia un vincolo, un confronto o un dubbio di taglia. È un test più rapido di un’altra prova gratuita, e non costa nulla.

Altri articoli

Tutti gli articoli

Provalo ora

Aiuta i clienti a trovare prima il prodotto giusto

Gratis per sempre, attivo in 1 minuto.