AI per ecommerce: utilizzi pratici - ChatBot e Shopping Assistant

Operativi 24/7, ChatBot e Shopping Assistant alleggeriscono il servizio clienti gestendo tracciamento ordini, cancellazioni e resi, e offrendo esperienze d’acquisto personalizzate in più lingue.

Sono ideali per automatizzare compiti ripetitivi e ridurre il carico di lavoro, raccolgono dati sulle richieste e possono essere configurati secondo le esigenze dello store.

Daniele Pinazzi, CTO di Ecommerce School, ha analizzato uno degli utilizzi pratici più interessanti dell’Intelligenza Artificiale nell’ecommerce: ChatBot e Shopping Assistant.

Che cos’è un ChatBot e cosa può fare

Partiamo con una definizione.

Cos’è un chatbot? Un chatbot è un software progettato per simulare una conversazione con un essere umano.

È un argomento di cui si parla da tanti anni, molti più di quelli che possiamo pensare. Nel 1950, infatti, Alan Turing pubblicò un articolo dal titolo “Computing Machinery and Intelligence”, in cui propose un criterio – oggi definito test di Turing – in grado di determinare se una macchina è in grado di pensare o meno.

I primi tentativi di chatbot nascono nel 1966 con quello che è ELIZA, un chatbot tedesco che imitava un po’ il discorso, il modo di parlare di un essere umano. In realtà non stiamo parlando di software intelligenti: ELIZA non faceva uso di intelligenza artificiale: semplicemente sulla base della domanda provava a prevedere una risposta, attingendo da risposte prestabilite e sostituendo all’interno della risposta alcuni termini che potessero essere utili per simulare un vero e proprio discorso.

Verso gli anni ‘90, quando provavamo anche noi i primi chatbot su MSN, essi avevano tantissimi nomi diversi, però tendenzialmente simulavano il discorso con un essere umano.

Nel 2022, sono arrivati i primi chatbot pubblici. Il 30 novembre 2022 OpenAI ha lanciato ChatGPT, un’intelligenza artificiale che impara da sola, grazie all’apprendimento automatico non supervisionato. Ma già prima di allora era possibile, sul playground di OpenAI, per chi aveva accesso, testare una sorta di chatbot. Era una versione precedente di ChatGPT, non funzionava proprio come una chat, però tendenzialmente si potevano fare richieste e ricevere risposte.

Ma cosa vuol dire apprendimento non supervisionato? Nella maggior parte dei casi, noi sappiamo perché le AI apprendono, ma non sappiamo come lo stanno facendo.

Secondo Luciano Floridi, filosofo e docente all’Università di Oxford, appunto, non c’è alcuna comprensione del testo, semplicemente vanno per probabilità.

Gli algoritmi generativi sono studiati per generare del contenuto in modo probabilistico e questo contenuto può essere inventato: se non fosse così, non sarebbero in grado di realizzare testi nuovi!

Non sono motori di ricerca e il loro utilizzo deve essere limitato alle operazioni per le quali sono pensati.

D’altronde, come diceva Einstein, se giudichiamo un pesce dalla sua capacità di arrampicarsi, lui sicuramente passerà tutta la sua vita a credersi stupido. Allo stesso modo, se noi giudichiamo un’intelligenza artificiale dalla sua capacità di risolvere un problema matematico, quando magari non è stata pensata per questo, o restituire informazioni perfette quando non è stata pensata per questo, allora penseremo sempre di avere davanti a noi un qualcosa di stupido, un qualcosa di non funzionale, un qualcosa che non possiamo effettivamente utilizzare per i nostri scopi.

È quindi possibile ottenere dei risultati soddisfacenti per il proprio ecommerce?

Certo, abbinando un LLM a un framework che ne sfrutta i punti di forza e si occupa di gestire le debolezze.

LangChain, ad esempio, è un framework, un ambiente di sviluppo nel quale io vado a richiamare le mie intelligenze artificiali, ma che riconosce quando l’AI non è in possesso di una determinata informazione e gliela fornisce.

Ad esempio può leggere dei pdf, o l’intero catalogo dell’ecommerce e può ottenere le informazioni relative ai prodotti del mio ecommerce per poi restituirle al cliente.

Allo stesso modo, esistono degli strumenti che vanno a preparare questi dati da passare all’intelligenza artificiale “nella loro lingua”, le RAG.

Shopping Assistant: cosa sono e come sfruttarli

Gli Shopping Assistant sono strumenti che offrono consulenze personalizzate ai clienti su larga scala. Conoscono il catalogo e le caratteristiche dei prodotti, comprendono le esigenze dei clienti e parlano la loro lingua.

Proprio perché questi strumenti conoscono il catalogo e le caratteristiche dei prodotti, è fondamentale in ottica di implementazione dell’Intelligenza Artificiale avere un catalogo con delle caratteristiche ben precise.

Molto spesso si utilizza un’intelligenza artificiale dando in ingresso poche informazioni o informazioni sbagliate.

Se il sistema non conosce le caratteristiche del prodotto, perché ad esempio non utilizziamo un PIM, quindi un software che raccoglie tutte le informazioni dei prodotti, che sono presenti solo nella parte finale, quella che vedono gli utenti, ma non nel gestionale, l’AI quelle informazioni le inventa tendenzialmente, quindi avremo sempre un qualcosa di meno preciso e potenzialmente sbagliato.

Nel momento in cui ho un catalogo ordinato con tutti gli attributi del prodotto ben precisi, allora posso effettivamente fare un utilizzo efficace dell’Intelligenza Artificiale.

Gli Shopping Assistant nella Customer Journey Map

Gli Shopping Assistant vanno inseriti all’interno di una Customer Journey Map.

Ma quand’è che sono effettivamente efficaci?

Partiamo dalla fase cosiddetta di Consideration.

In questa fase, gli assistenti basati su AI possono rispondere ai dubbi pre-acquisto che hanno i potenziali clienti.

Avendo le domande frequenti tra i dati da valutare, possono anche infrangere alcune barriere che bloccano l’acquisto e guidano i clienti verso i prodotti che soddisfano i loro bisogni.

“Che caratteristiche deve avere la giacca che stai cercando?”

Quindi io posso raccogliere, sulla base della mia esperienza, sulla base dei commenti, delle recensioni, sulla base dei commenti sui social network, sia relativi al mio brand sia relativi al mio prodotto in generale, tutte le informazioni utili e darle in pasto a un’intelligenza artificiale.

Così, nel momento in cui un utente si troverà sul mio sito per chiedere ad esempio se un paio di scarpe è adeguato o meno per un certo percorso, a quel punto l’AI lo può guidare e può anche eventualmente capire quando contattare una persona che può guidarlo.

Può arrivare a capire il bisogno effettivo del cliente, quindi fargli domande, del tipo “che caratteristiche ha il prodotto che stai cercando?”, per consigliare quello giusto.

Andiamo avanti e guardiamo la fase di Decision.

Questa fase consiste nella comprensione dell’intento del cliente per proporre il prodotto adeguato al contesto.

Es. “Mi serve un vestito per un colloquio di lavoro”
“Vorrei fare un bel regalo per San Valentino”
“Mi consigli delle belle scarpe?”

Apprende le abitudini del cliente e ne intuisce i gusti per offrire prodotti adeguati.

Il punto di forza di questi applicativi è dato dal fatto che parlano la stessa lingua del cliente. Utilizzano un linguaggio naturale per supportare le loro scelte, guidandoli come farebbe un esperto (o quasi) in materia.

In questo caso, il cliente effettivamente sta per acquistare un prodotto e ha bisogno di un’intelligenza artificiale che gli consigli quale prodotto scegliere.

Anche in questo caso, aiuta se io ho dei dati all’interno del mio ecommerce perché magari ho all’interno di un sistema di Marketing Automation le informazioni relative al cliente, raccolte nelle Customer Data Platform, che si stanno evolvendo in Customer Intelligence Platform, cioè strumenti che sono predisposti per l’intelligenza artificiale e restituiscono già le informazioni che servono.

C’è un bellissimo caso studio, quello di Domino’s. Tramite la sua applicazione, studiava il percorso di acquisto dell’utente, la frequenza di acquisto etc e calcolava quanto era probabile che quel determinato utente comprasse poi effettivamente la pizza, per poi mandarla in cottura ancora prima del check-out. Questo era reso estremamente efficace anche dal fatto che Domino’s riusciva proporre a ogni utente la sua pizza preferita, sulla base dello storico ma anche sulla base dell’abitudine di altri utenti, quindi poteva effettivamente prevedere la scelta per mandarla già in produzione e consegnarla addirittura nel giro di meno di un minuto da quando il cliente effettuava il checkout.

Quindi quanto è importante utilizzare un software che sia in grado di capire l’utente che naviga sul nostro sito?

È fondamentale perché, come vediamo nello schema del Messy Middle che ha rilasciato Google, non sappiamo esattamente cosa succeda dal momento in cui l’utente sul sito valuta cosa comprare e guarda altri prodotti, non abbiamo idea di quali siano esattamente le fasi. In un sistema quindi con così tante variabili avere una guida, avere un elemento che ti consiglia, che ti toglie dei dubbi è fondamentale perché può simulare quello che farebbe un esperto in materia, ovviamente senza gli stessi risultati ma sicuramente con un costo molto più sostenibile, perché sarebbe impensabile di avere un supporto clienti per ogni cliente sul sito.

Google dice che l’88% dei clienti di determinati brand trova fondamentale avere informazioni durante tutto il Customer Journey ma pochissimi lo fanno. Solo i brand più grossi probabilmente hanno la possibilità di dare tutte queste informazioni e di guidare il cliente attraverso ogni fase.

Oggi ci troviamo di fronte alla prima volta in cui abbiamo degli strumenti tecnologici che possono effettivamente supportare questa cosa e toglierci del lavoro.

Infine l’ultima fase è l’assistenza Post Purchase.

Nella fase di supporto post vendita, se fornite i giusti dati, gli Shop Assistant possono automatizzare molto lavoro come:

Assistenza nella tracciabilità degli ordini

Gestione dei resi e dei cambi

Supporto post-vendita sui prodotti specifici

Raccolta feedback

Informazioni su politiche di garanzia

Quando il cliente tendenzialmente ha più domande, non relative al prodotto ma all’ordine (quando arriverà, cos’è successo…) tendenzialmente non va a vedere nella sua pagina del profilo cosa sta succedendo, trova molto più facile chiedere e questa richiesta porta una grande mole di lavoro per chi gestisce l’ecommerce.

Con le informazioni giuste e se ben configurati questi software possono rispondere alla maggior parte di queste richieste. Nel momento in cui io ad esempio inserisco un ID ordine, possono recuperare da un database una risposta certa sulla fase in cui è l’ordine e possono restituire al cliente l’informazione che sta cercando.

Se un ordine magari è fermo da tre mesi, a quel punto possono segnalare la cosa a chi può gestirla in modo migliore, contattare l’utente, contattare il cliente e rassicurarlo. Possono restituire informazioni relative alla politica di garanzia, anche qui andando a recuperare un testo certo. E possono anche raccogliere feedback per eventualmente aggiornare le informazioni relative ai prodotti.

Vediamo però anche quali sono alcune soluzioni già pronte per essere utilizzate, perché tendenzialmente posso sviluppare questi software in due grandi modi: uno internamente, con svariate migliaia di euro di investimento, sviluppo e persone dedicate – e pochi probabilmente al mondo possono ottenere dei risultati soddisfacenti – l’altro facendo uso di software già pronti.

Gli Shopping Assistant: soluzioni ready to use

Una delle ultime uscite in questo campo è Amazon Rufus, un chatbot di assistenza ai clienti all’interno di Amazon stesso.

Per ora è in demo solamente negli Stati Uniti e solo per alcuni clienti, ma è potenzialmente molto funzionale, perché:

È addestrato su tutto il catalogo Amazon, quindi ha una varietà di prodotti enorme
Può rispondere a delle domande sui prodotti o fare confronti, può rispondere a delle domande su necessità del cliente
Fornisce raccomandazioni basate sul contesto
Facilita la scoperta di prodotti

Altra soluzione è Shopify Shop Assistant AI, attivo sull’app SHOP di Shopify, con le seguenti caratteristiche:

È addestrato su tutto il catalogo Shopify
Fornisce consigli sulla base dei bisogni dell’utente
Facilita la scoperta di prodotti simili
Fornisce una funzione di ricerca di prodotti simili sulla base dell’immagine

E ancora, spicca Chatfuel AI e WhatsApp che, integrato con Whatsapp, Facebook e Instagram possiede le seguenti funzionalità:

Offre promo code prestabiliti
Offre funzioni di cross-sell
Avvisa i clienti quando vengono lanciati nuovi prodotti in target
Accetta pagamenti in chat

Poi c’è una soluzione italiana, Tiledesk, integrabile tramite Tag Manager, che offre:

Controllo completo delle automazioni
Funziona sul web e sui social
Interfaccia di progettazione drag and drop
Fornisce strumenti di analisi delle conversazioni

In conclusione, capire come usare questi strumenti e come sfruttarli al meglio può portare un grande vantaggio competitivo a qualsiasi tipologia di ecommerce.

Arrivederci alla prossima puntata!