AI nell'e-commerce italiano: molta vetrina, poco magazzino
Le aziende la usano soprattutto per personalizzare e raccomandare. Sono le applicazioni più visibili e le più difficili da collegare al margine.
In sintesi
Secondo il report Casaleggio Associati sull'e-commerce in Italia, oltre il 70% delle aziende che usano l'AI la applica alla personalizzazione dell'esperienza e il 60% alle raccomandazioni di prodotto, mentre più di tre aziende su dieci non la usano attivamente. Sono le applicazioni più visibili ma le più difficili da collegare al conto economico: il ritorno più misurabile arriva da previsione della domanda, gestione dei resi e deflessione dell'assistenza clienti.
- L'adozione dell'AI negli e-commerce italiani si concentra sulle applicazioni in vetrina: personalizzazione e raccomandazioni.
- Sono anche le applicazioni dove è più difficile isolare l'effetto sul margine, perché il risultato si confonde con stagionalità e promozioni.
- Le applicazioni a monte — previsione della domanda, resi, assistenza — hanno ritorni più lenti da mostrare ma più facili da misurare.
- Un test valido richiede un gruppo di controllo: senza, si misura il mercato, non lo strumento.
- Chi non usa ancora l'AI non è necessariamente in ritardo: il ritardo vero è non avere i dati che la renderebbero utile.
Indice dell'articolo
I dati del report annuale di Casaleggio Associati sull'e-commerce in Italia raccontano una storia interessante, ma non quella che di solito viene ripresa nei titoli.
Il titolo facile è: l'AI sta trasformando il commercio digitale italiano. Il dato meno comodo è dove le aziende la stanno usando — e dove no.
Dove si concentra l'adozione
Tra le aziende che dichiarano di utilizzare l'intelligenza artificiale, oltre il 70% la impiega per personalizzare l'esperienza di acquisto, il 60% per generare raccomandazioni di prodotto, il 50% per assistenti virtuali allo shopping. Sul fronte delle aspettative, circa un terzo delle imprese percepisce un'influenza già significativa sui modelli di business del settore, mentre più di tre aziende su dieci dichiarano di non sfruttare attivamente questa tecnologia.
Guardando l'elenco, salta agli occhi una cosa: sono tutte applicazioni in vetrina. Stanno davanti al cliente, si vedono, si presentano bene in una riunione. E sono anche, non per caso, le tre in cui è più difficile dimostrare un effetto sul conto economico.
Perché la vetrina è difficile da misurare
Prendiamo la personalizzazione. Si attiva, il tasso di conversione sale del 6%, si dichiara il successo. Ma nello stesso periodo è cambiato il mix di traffico, è partita una promozione, si è entrati in stagione alta. Quanto di quel 6% è merito del sistema?
Senza un gruppo di controllo — una quota di traffico che non riceve la personalizzazione, per un tempo sufficiente a coprire un ciclo di acquisto — quella domanda non ha risposta. E nella maggior parte delle implementazioni che ho visto il gruppo di controllo non esiste, perché "sarebbe uno spreco non personalizzare a tutti".
È una logica comprensibile e costosa: rinunciando al confronto si rinuncia a sapere se lo strumento vale il canone che si paga.
Dove il ritorno è più facile da dimostrare
Le applicazioni meno appariscenti sono anche quelle dove il risultato si isola meglio, perché agiscono su numeri che l'azienda già misura con precisione:
| Applicazione | Effetto misurabile | Perché è più semplice |
|---|---|---|
| Previsione della domanda | Rotture di stock, giorni di giacenza | Il confronto è con lo storico del riordino |
| Gestione dei resi | Tasso di reso per categoria e taglia | Il dato è già registrato per obbligo operativo |
| Deflessione dell'assistenza | Ticket gestiti senza operatore | Il conteggio è nativo nel sistema di ticketing |
Nessuna delle tre si nota navigando il sito. Tutte e tre incidono direttamente su margine e capitale circolante. La previsione della domanda, in particolare, è il caso in cui la stessa applicazione agisce contemporaneamente su due voci opposte: meno capitale immobilizzato e meno vendite perse.
Sui resi vale la pena aggiungere un dettaglio che nel dibattito passa spesso in secondo piano: nei settori a resi alti — moda ed elettronica su tutti — la restituzione non è un fastidio logistico, è una voce di costo che erode il margine dell'ordine originale. Ridurla di un paio di punti percentuali vale spesso più di una campagna di acquisizione.
Il ritardo vero non è tecnologico
Torniamo al dato sulle aziende che non usano attivamente l'AI. Viene naturale leggerlo come un ritardo da colmare in fretta. Nella mia esperienza è più utile leggerlo al contrario.
Il ritardo non è nell'adozione dello strumento, è nei dati che lo renderebbero utile. Un'azienda che non riconosce lo stesso cliente tra e-commerce, CRM e assistenza, che non ha un margine per prodotto affidabile, che conta gli ordini in modo diverso a seconda del reparto, non ottiene nulla dall'AI — se non risposte sbagliate prodotte più in fretta.
Adottare la tecnologia prima di aver messo ordine nei dati sposta il problema, non lo risolve. E costa un abbonamento.
Da dove cominciare
Prima: verifica se hai un margine di contribuzione affidabile per prodotto o almeno per categoria, e se lo stesso cliente è riconoscibile su tutti i canali. Se manca uno dei due, quello è il progetto, non l'AI.
Poi: scegli un'applicazione a monte invece che in vetrina. La previsione della domanda su una singola categoria, per un trimestre, confrontata con il metodo di riordino attuale.
Sempre: quando arrivi alla personalizzazione, tieni un 10% di traffico fuori dal sistema. Sembra uno spreco, ed è l'unica cosa che ti dirà se stai comprando un risultato o un'impressione.
Fonti
Questo articolo è stato scritto con il supporto dell'intelligenza artificiale e curato da Patrizio Musilli.
Domande frequenti
Quante aziende e-commerce italiane usano davvero l'intelligenza artificiale?
Secondo il report annuale di Casaleggio Associati sull'e-commerce in Italia, più di tre aziende su dieci dichiarano di non sfruttare attivamente questa tecnologia, mentre circa un terzo percepisce già un'influenza significativa dell'AI sui modelli di business del settore.
Da quale applicazione dell'AI conviene partire in un e-commerce?
Da quella collegata alla decisione più costosa che oggi prendi con poche informazioni. Per la maggior parte degli e-commerce con magazzino è la previsione della domanda, perché agisce insieme su capitale immobilizzato e vendite perse. La personalizzazione dà soddisfazione più immediata ma è molto più difficile da attribuire.
Come si misura il ritorno di un progetto di personalizzazione?
Solo con un gruppo di controllo: una quota di traffico che non riceve la personalizzazione, per un periodo abbastanza lungo da coprire un ciclo di acquisto. Senza confronto, l'aumento di conversione osservato può essere stagionalità, mix di traffico o una promozione concomitante.