Che cos’è l’AI Commerce?

Introduzione

I team di e-commerce devono gestire cataloghi di prodotti in continua espansione, aspettative dei clienti sempre più elevate, richieste costanti di contenuti, richieste di assistenza e montagne di dati operativi, spesso con lo stesso organico di cui disponevano alcuni anni fa. L’AI Commerce consiste nell’uso dell’intelligenza artificiale per migliorare o automatizzare le attività commerciali rivolte ai clienti e quelle operative, dalla scoperta e personalizzazione dei prodotti ai contenuti, ai servizi, agli acquisti e ai flussi di lavoro interni. Questo articolo illustra le tecnologie alla base dell’AI Commerce, i casi d’uso più comuni, i vantaggi, i rischi e cosa serve per iniziare.

Che cos’è l’AI Commerce?

L’AI commerce è l’applicazione delle tecnologie di intelligenza artificiale alle esperienze di acquisto digitali e ai processi che le aziende utilizzano per gestirle. Termini correlati come “commerce basato sull’intelligenza artificiale” e “AI nell’e-commerce” vengono utilizzati in modo quasi intercambiabile, sebbene l’AI commerce rappresenti in realtà il concetto più ampio. Esso comprende le interazioni rivolte ai clienti, le operazioni interne e le attività sempre più guidate da agenti che operano per conto di un’azienda.

Vale la pena chiarire cosa non è il commercio basato sull’IA. Non è un canale di vendita separato, né un singolo software che si installa. A seconda dell’attività, l’IA può analizzare informazioni, generare contenuti, rispondere a domande, suggerire azioni o portare a termine autonomamente un compito definito. È proprio questa versatilità che rende l’IA nell’e-commerce utile in così tanti ambiti contemporaneamente, sia in primo piano che dietro le quinte.

Nel commercio B2B, ciò potrebbe tradursi nell’aiutare un acquirente a orientarsi in un catalogo vastissimo, nel mettere in evidenza prodotti e prezzi specifici per ogni account, nella gestione degli ordini o nel guidare qualcuno attraverso un processo di acquisto che si svolge nell’arco di settimane anziché di minuti.

Come funziona l’IA nel commercio?

Al di là dei diversi strumenti e nomi dei fornitori, la maggior parte dei sistemi di IA nel commercio segue uno schema simile. I dettagli variano a seconda della tecnologia e del compito che sta svolgendo, ma il flusso di base è il seguente:

1. Collegare le informazioni rilevanti. I dati relativi a prodotti, contenuti, clienti, inventario, ordini e comportamenti, compresa la cronologia degli acquisti dei clienti, vengono raccolti dai sistemi di e-commerce e di back-office, in modo che l’IA non operi sulla base di un quadro parziale.
2. Interpretare la richiesta o il segnale. L’IA viene utilizzata per comprendere una query di ricerca, una domanda del cliente, un modello di comportamento dell’utente, un evento operativo o un trigger del flusso di lavoro.
3. Generare un risultato o un'azione. Il sistema produce una raccomandazione, una risposta, una previsione, un contenuto o un'azione automatizzata, il tutto nel rispetto delle autorizzazioni e delle misure di sicurezza definite.
4. Valutare e migliorare. Il risultato viene misurato, si raccolgono feedback e l’analisi dei dati su ciò che è realmente accaduto contribuisce a perfezionare nel tempo il modello, le regole, i dati o l’esperienza.

Il modo esatto in cui ciò avviene dipende dalla tecnologia di IA e dal caso d’uso sottostante. Un motore di raccomandazione potrebbe semplicemente prevedere ciò che un acquirente desidera successivamente, mentre un agente di IA potrebbe recuperare informazioni ed eseguire autonomamente diverse attività correlate.

Quali tipi di IA vengono utilizzati nel commercio?

Non tutte le forme di IA presenti in un negozio online svolgono lo stesso compito, ed è utile sapere quale tipo si cela dietro una determinata funzionalità. Ecco una breve panoramica dei principali tipi attualmente in uso nel commercio:

Queste categorie non si escludono a vicenda e la maggior parte delle esperienze commerciali ne combina diverse contemporaneamente. Gli algoritmi di apprendimento automatico in genere alimentano le previsioni, la segmentazione e la previsione della domanda sulla base dei dati storici di vendita, mentre l’elaborazione del linguaggio naturale e i modelli linguistici di grandi dimensioni consentono a un sistema di comprendere le richieste in linguaggio naturale e di generare contenuti in risposta, spesso combinando IA generativa, modelli predittivi e altri modelli di IA all’interno di una singola interazione.

L’IA predittiva viene talvolta definita IA tradizionale, poiché da anni fa parte della personalizzazione nel commercio. Non tutti i processi automatizzati meritano di essere definiti IA, e il livello di autonomia che ottengono dovrebbe corrispondere al rischio dell’attività. Un chatbot che risponde a domande sulla spedizione è una cosa ben diversa da uno che approva i rimborsi.

Casi d’uso comuni dell’IA nel commercio

L’IA si manifesta nel commercio attraverso strumenti intelligenti che operano in più ambiti di quanto la maggior parte delle persone creda, plasmando le interazioni con i clienti in diversi punti del percorso del cliente, spesso silenziosamente in secondo piano piuttosto che annunciandosi apertamente. Alcune delle applicazioni più comuni includono:

1. Ricerca intelligente dei prodotti. Anziché limitarsi a trovare corrispondenze esatte con le parole chiave, l’IA è in grado di interpretare le query in linguaggio naturale, l’intento del cliente, le caratteristiche del prodotto e il contesto per fornire risultati che corrispondano effettivamente a ciò che il cliente intendeva chiedere, anche quando descrive un prodotto in base alla sua funzione piuttosto che al suo nome effettivo.
2. Consigli sui prodotti. L’IA è in grado di analizzare il comportamento dei clienti e gli acquisti passati per suggerire prodotti complementari, alternative ragionevoli o articoli pertinenti all’account che un acquirente potrebbe non aver trovato da solo.
3. Esperienze di acquisto personalizzate. L’IA è in grado di analizzare i dati dei clienti, il loro comportamento e la cronologia dell’account per adattare contenuti, offerte, navigazione e visibilità dei prodotti in base ai diversi account, segmenti di clientela o fasi del processo di acquisto. Ciò è in linea con le aspettative sempre più diffuse degli acquirenti: secondo il Capgemini Research Institute, infatti, il 71% dei consumatori desidera che l’IA generativa sia integrata nelle proprie esperienze di acquisto.
4. Assistenza conversazionale allo shopping. Gli assistenti basati sull’IA possono rispondere a domande sui prodotti, confrontare le opzioni fianco a fianco, rintracciare informazioni e indirizzare i clienti verso opzioni che corrispondono alle loro preferenze e alle loro effettive esigenze.
5. Creazione di contenuti relativi ai prodotti. Redigere, riassumere, classificare, tradurre o aggiornare le descrizioni dei prodotti e altri contenuti del catalogo, spesso con un occhio di riguardo all’ottimizzazione per i motori di ricerca, è uno dei compiti più noiosi che l’IA può sollevare dal carico di lavoro di un team, sebbene i contenuti generati dall’IA necessitino comunque di un rapido controllo umano prima di essere pubblicati.
6. Servizio clienti e self-service. L’IA può rispondere a domande relative agli ordini, recuperare informazioni sull’account, riassumere un problema di assistenza e inoltrare qualsiasi questione più complessa al collaboratore competente.
7. Flussi di lavoro relativi al commercio e agli ordini. L’aggiornamento delle informazioni sui prodotti, la gestione delle attività di routine legate agli ordini, l’assistenza ai team nella gestione quotidiana dell’inventario, l’attivazione dei flussi di lavoro o la segnalazione a un team quando un’eccezione richiede un controllo umano sono tutte attività che rientrano in questo ambito.
8. Pianificazione commerciale e merchandising. L’IA sta già diventando parte integrante degli acquisti nel settore retail: il 78% degli acquirenti intervistati da Deloitte utilizza strumenti basati sull’IA per ottimizzare le attività di acquisto. Questi strumenti possono analizzare la domanda, le scorte, le prestazioni dei prodotti, i prezzi della concorrenza, le promozioni e i dati sull’assortimento per aiutare i team di pianificazione a prendere decisioni più informate, invece di affidarsi all’istinto e al foglio di calcolo dell’ultimo trimestre.
9. Acquisti e checkout assistiti da agenti. Il confronto tra prodotti, la creazione di un carrello, l’invio di un ordine ricorrente o il completamento di una fase di acquisto approvata tramite sistemi interconnessi stanno iniziando a avvenire con l’intervento dell’IA, in modo simile a come gli strumenti logistici intelligenti stiano iniziando a reindirizzare autonomamente le spedizioni. Le transazioni interamente guidate dagli agenti sono ancora un’applicazione emergente che richiede permessi, autorizzazioni e supervisione ben definiti prima che venga loro conferito un reale potere d’acquisto.

Molti di questi casi d’uso funzionano perché l’IA è in grado di adattarsi alle esigenze dei clienti più rapidamente di quanto potrebbe mai fare un catalogo statico. Nel commercio B2B, le stesse idee si accompagnano a livelli aggiuntivi, tra cui cataloghi di grandi dimensioni, informazioni tecniche sui prodotti, acquisti specifici per account, ordini ricorrenti, prezzi negoziati, gestione della catena di approvvigionamento e requisiti di approvazione, ciascuno dei quali determina il modo in cui questi strumenti vengono effettivamente utilizzati.

Quali sono i vantaggi del commercio basato sull’IA?

Se ben implementato, il commercio basato sull’IA influisce su quasi ogni aspetto della gestione di un’attività di e-commerce, trasformandosi spesso in un vero vantaggio competitivo molto prima che si traduca in un dato numerico più elevato su un dashboard. Tra i vantaggi più evidenti figurano:

• Ricerca più rapida dei prodotti. I clienti possono trovare prodotti pertinenti senza bisogno della parola chiave esatta o di districarsi in un catalogo complesso, eliminando quel tipo di attrito che rende frustrante l’esperienza di acquisto online.
• Esperienze più pertinenti. Le informazioni relative ai clienti, agli account e al comportamento, insieme alle preferenze espresse dai clienti, aiutano a personalizzare i consigli, i contenuti e le interazioni in base a ciò che una persona desidera realmente, il che tende ad aumentare le vendite e il coinvolgimento dei clienti nel tempo.
• Maggiore efficienza operativa. L’IA è in grado di automatizzare le attività di routine e quelle ripetitive legate alle informazioni sui prodotti, agli ordini, ai contenuti e alle richieste dei clienti, consentendo al personale di dedicarsi a mansioni di maggior valore e traducendosi nel tempo in un reale risparmio sui costi.
• Un servizio clienti più scalabile. Le domande di routine vengono gestite automaticamente, mentre le questioni insolite o delicate vengono comunque inoltrate ad agenti umani in grado di risolverle effettivamente, evitando così che la soddisfazione dei clienti cali durante i periodi di maggiore affluenza.
• Produzione di contenuti più rapida. I team di e-commerce e marketing possono creare, aggiornare, sintetizzare e tradurre i contenuti in una frazione del tempo che ci voleva in passato.
• Decisioni commerciali più efficaci. I team di merchandising e operazioni possono individuare modelli di domanda e tendenze di mercato, valutare le esigenze di magazzino e trasformare tutti questi dati in informazioni utili per prendere decisioni in materia di prezzi, promozioni e assortimento, invece di basarsi su supposizioni.

Nulla di tutto ciò garantisce di per sé un aumento dei ricavi, delle conversioni o una maggiore fidelizzazione dei clienti. Il risultato effettivo dipende dal caso d’uso, dai dati su cui si basa, dalle modalità di implementazione, dalle misure di sicurezza in atto e dall’esperienza cliente che ne deriva.

Quali sono le sfide e i rischi dell’AI Commerce?

Il commercio basato sull’IA comporta dei veri e propri compromessi, e fingere il contrario tende a ritorcersi contro in seguito, anche in ambiti consolidati come il rilevamento delle frodi. Alcuni dei rischi più comuni includono:

• Dati scadenti, obsoleti o disgiunti. Informazioni incomplete su prodotti, clienti, inventario, ordini, prezzi o consegne possono generare risposte, raccomandazioni o decisioni di acquisto inaccurate. In questo caso, “garbage in” significa davvero “garbage out”.
• Integrazione dei sistemi. Gli strumenti di IA necessitano di un accesso controllato ai sistemi e alle informazioni richieste per ciascuna attività, e i silos di dati tendono a compromettere rapidamente tale accesso.
• Contenuti generati in modo impreciso. L’IA generativa può produrre informazioni sui prodotti e risposte errate, obsolete o non comprovate se nessuno ne verifica il funzionamento.
• Privacy e sicurezza. Le organizzazioni devono proteggere i dati dei clienti, i dettagli degli account, i registri delle transazioni e i dati aziendali riservati, soprattutto quando gli strumenti di IA iniziano a gestirne una quantità maggiore.
• Pregiudizi e decisioni incoerenti. I modelli possono produrre risultati ingiusti o inaffidabili quando i dati o le regole sottostanti sono viziati, e gli algoritmi di IA non sempre segnalano quando ciò accade.
• Trasparenza limitata e fiducia dei clienti. I clienti e i dipendenti potrebbero non sapere come sia stata generata una risposta o una raccomandazione prodotta dall’IA, né se fattori commerciali l’abbiano influenzata in modo occulto.
• Autorizzazione e responsabilità. Qualcuno deve assumersi la responsabilità quando un sistema di IA raccomanda o completa una transazione errata, e tale persona deve essere identificata prima del lancio, non dopo.
• Autonomia eccessiva. Azioni di grande impatto come la modifica dei prezzi, l’emissione di rimborsi, l’invio di ordini o l’approvazione di acquisti potrebbero richiedere limiti di spesa, approvazioni, autorizzazioni definite o una revisione umana.

Un’implementazione responsabile implica una governance che copra l’intero ciclo di vita dell’IA, non una revisione una tantum prima del lancio. Le misure di salvaguardia dovrebbero essere commisurate alle conseguenze dell’azione, con controlli più rigorosi per le transazioni ad alto rischio rispetto a quelle di routine.

Come avvicinarsi all’e-commerce basato sull’IA

Iniziare con l’AI Commerce funziona meglio se si segue una serie di passaggi ponderati e ben definiti, piuttosto che un unico grande lancio, soprattutto perché i cambiamenti del mercato e le aspettative dei clienti evolvono sempre più rapidamente ogni anno. Un percorso ragionevole potrebbe essere il seguente:

1. Scegliere un caso d’uso ben definito. Iniziare da un problema specifico relativo ai clienti o alle operazioni, anziché adottare il commercio basato sull’IA fine a se stesso.
2. Assegnare la responsabilità. Identificare il responsabile aziendale insieme alle parti interessate in ambito tecnico, dei dati, della sicurezza, legale e dell’esperienza cliente responsabili del caso d’uso, in modo che nessuno debba chiedersi chi abbia l’ultima parola.
3. Fissare obiettivi misurabili. Decidere cosa si intende effettivamente per successo. Il successo nelle ricerche, i tempi di risposta, l’accuratezza degli ordini, i tempi di produzione dei contenuti, l’utilizzo del self-service da parte dei clienti e l’accuratezza delle previsioni sono tutti parametri ragionevoli.
4. Esaminate i dati disponibili. Verificate se i dati relativi a prodotti, clienti, inventario, ordini e contenuti siano archiviati in forma pulita e strutturata, con una serie storica sufficientemente ampia da renderli utili. Anche i migliori strumenti basati sull’IA non possono correggere dati di base di scarsa qualità.
5. Mappare i requisiti di sistema. Identificare la piattaforma di e-commerce, il CMS, l’ERP, il CRM, il PIM, l’OMS e gli altri strumenti a cui la funzionalità di IA deve poter accedere.
6. Stabilire misure di sicurezza. Definire le autorizzazioni, le fonti di dati approvate, i limiti di spesa o di transazione, le regole di escalation, i requisiti di revisione umana e tutto ciò che il sistema semplicemente non è autorizzato a fare.
7. Testare, monitorare ed espandere. Iniziare con un progetto pilota controllato, valutare l’accuratezza e i risultati, esaminare le eccezioni e il feedback dei clienti, e adeguare i dati, i prompt, le regole, le autorizzazioni o i modelli secondo necessità. Espandere solo una volta che il caso d’uso ha dimostrato la propria validità.

Le organizzazioni di maggior successo tendono a dare priorità a una manciata di applicazioni utili e gestibili, piuttosto che cercare di integrare l’IA in ogni processo commerciale contemporaneamente, per poi espandersi man mano che le prime dimostrano il proprio valore.

Collegare l’IA e il commercio con Liferay DXP

Liferay DXP e Liferay AI Hub affrontano il commercio basato sull’IA da angolazioni diverse, ed è importante sapere quali sono le rispettive funzioni prima di valutare le soluzioni di IA per il proprio progetto. Liferay DXP è la piattaforma flessibile alla base di e-commerce, contenuti, personalizzazione, self-service per i clienti, integrazioni e flussi di lavoro, con funzionalità di IA integrate direttamente in quel livello di esperienza. Liferay AI Hub, al contrario, è un prodotto SaaS separato e disponibile al pubblico con un ambiente low-code per la creazione, la configurazione e la gestione di agenti di IA.

All’interno di Liferay DXP, l’IA si integra con l’esperienza utente per gestire aspetti quali:

• Generazione e aggiornamento delle descrizioni dei prodotti
• Fornire consigli sui prodotti basati sui contenuti e personalizzati utilizzando i dati relativi ai prodotti e agli ordini
• Creazione, revisione e traduzione dei contenuti e-commerce
• Generazione e tagging delle risorse digitali
• Personalizzazione delle esperienze per diversi clienti, account e segmenti

Liferay AI Hub può implementare chatbot o collegare agenti di intelligenza artificiale a sistemi esterni. Collegandolo a Liferay DXP, tuttavia, tali agenti ottengono accesso ai dati di e-commerce, ai contenuti, alla ricerca, alle autorizzazioni e ai flussi di lavoro di Liferay, il che apre una serie di nuove possibilità:

• Aggiornamento delle informazioni sui prodotti
• Gestione delle attività relative agli ordini
• Avanzamento o attivazione dei flussi di lavoro di e-commerce
• Segmentazione automatica dei clienti
• Offrire esperienze di chat conversazionali per domande relative a prodotti, vendite o servizi
• Recupero di informazioni da sistemi di e-commerce, documentazione sui prodotti e altre fonti approvate

Inserisci l’IA nella tua strategia commerciale

L’e-commerce basato sull’IA può migliorare l’esperienza dei clienti, le decisioni commerciali e i processi interni, ma solo se ha accesso a informazioni accurate e a sistemi effettivamente interconnessi. Iniziate con casi d’uso ben definiti, obiettivi misurabili, misure di sicurezza concrete, monitoraggio continuo e un controllo umano sufficiente per individuare gli errori del sistema.

Il commercio basato sull’IA è in realtà solo una parte di un cambiamento molto più ampio. La maggior parte delle organizzazioni sta affrontando le stesse questioni relative alle priorità, ai dati e alla governance anche nei settori del marketing, dei servizi, dell’IT e della finanza. Per scoprire come passare dalla fase pilota alla produzione senza che queste questioni aziendali più ampie ti rallentino, esplora la trasformazione aziendale basata sull’IA e come estendere l’IA a tutta l’organizzazione.

Domande frequenti sull'AI Commerce

Qual è la differenza tra AI Commerce ed e-commerce?

L'e-commerce consiste semplicemente nell'acquisto e nella vendita attraverso canali digitali, ovvero il negozio online stesso. Il commercio basato sull'intelligenza artificiale descrive qualcosa che va oltre, utilizzando l'intelligenza artificiale per migliorare o automatizzare parti di tali esperienze e delle operazioni che le supportano, dalla ricerca e dai consigli ai contenuti e alla gestione degli ordini.

Qual è la differenza tra AI Commerce e commercio conversazionale?

Il commercio conversazionale consiste nell’effettuare acquisti e fornire assistenza ai clienti tramite chat, messaggistica, comandi vocali o altre interfacce conversazionali. Si tratta di una delle applicazioni della categoria molto più ampia del commercio basato sull’intelligenza artificiale, non di un suo sinonimo. Gran parte del commercio basato sull’intelligenza artificiale avviene completamente al di fuori di una finestra di chat, nei risultati di ricerca, nelle pagine dei prodotti e negli strumenti di pianificazione del back-office.

Che cos’è il commercio agentico?

Il commercio agentico utilizza agenti di intelligenza artificiale per pianificare e portare a termine attività commerciali in più fasi attraverso sistemi e strumenti interconnessi, confrontando prodotti, effettuando ordini o aggiornando informazioni senza che qualcuno debba seguire manualmente ogni singolo passaggio. Tali azioni devono comunque rimanere entro i limiti definiti in termini di autorizzazioni, limiti di transazione, regole e requisiti di approvazione. «Agentico» non significa «senza supervisione».

Il commercio basato sull’IA sostituisce i dipendenti umani?

Non proprio. L’IA è solo uno strumento, più adatto ad attività definite, ripetitive, ad alta intensità di dati o di supporto piuttosto che a decisioni che richiedono un giudizio. I dipendenti devono ancora fissare gli obiettivi, esaminare le decisioni delicate, gestire le eccezioni, valutare le prestazioni e garantire la governance, ovvero quelle parti del lavoro che non si riducono facilmente a un insieme di regole.