Un chatbot AI per e-commerce è un assistente che risponde alle domande di chi sta comprando: taglie, disponibilità, spedizioni, resi, stato di un ordine. Quello che separa uno utile da uno decorativo è se legge il catalogo vero — con le varianti e le giacenze di adesso — o se ripete le informazioni generiche del sito.
Le domande a cui deve rispondere
Non sono quelle che ci si aspetta. In un negozio online il grosso delle domande si concentra su cinque famiglie, e sono quasi tutte ostacoli all'acquisto, non curiosità.
«Questo l'avete nella mia taglia?» È la prima domanda, e la più costosa quando resta senza risposta. Richiede di guardare le varianti disponibili in quel momento, non l'elenco generico delle taglie del modello.
«Quanto ci mette ad arrivare?» e «quanto costa la spedizione»: sono la causa dichiarata di abbandono più frequente in assoluto quando si scoprono tardi. Un assistente che le dice subito, sulla scheda prodotto, sposta più vendite di qualunque messaggio promozionale.
«Che differenza c'è fra questi due?» La domanda che nei negozi fisici fa il commesso e online quasi nessuno fa perché non c'è nessuno a cui chiederla. È la fascia con il valore più alto, perché chi la pone sta scegliendo.
«Se non mi va bene lo posso rendere?» Condizioni, tempi, chi paga il ritorno.
«Dov'è il mio ordine?» Post-vendita puro. Non produce fatturato, produce assistenza — ed è la quota di lavoro più facile da togliere a una persona.
Le prime quattro sono pre-acquisto, e sono la ragione commerciale per avere un assistente. La quinta è la ragione operativa.
Cosa vuol dire «collegato al catalogo»
È il punto in cui le offerte si somigliano tutte e i risultati no.
Un assistente non collegato ha letto il testo del sito. Sa che esistono le scarpe modello X, sa cosa dice la pagina delle spedizioni, e a «avete il 42?» risponde qualcosa di plausibile.
Un assistente collegato interroga il catalogo nel momento in cui arriva la domanda: quali varianti di quel prodotto esistono, quali sono disponibili adesso, a che prezzo, con quale sconto attivo. La differenza non è di qualità della scrittura, è che uno risponde con un dato e l'altro con una supposizione.
E c'è un dettaglio che si scopre solo integrando cataloghi veri: le taglie non sono scritte allo stesso modo da nessuna parte. Su un negozio sono un attributo globale, su un altro un attributo locale del prodotto, su un altro ancora fanno parte del nome della variante. Un assistente che ne conosce una sola forma funziona su un negozio e fallisce sul successivo.
Le tre forme in cui è scritta una taglia
Vale la pena scendere nel concreto, perché è il dettaglio che decide se un'integrazione funziona su un negozio solo o su tutti.
Su una piattaforma come WooCommerce la stessa informazione — «questa scarpa esiste nel 42» — può essere registrata in almeno tre modi:
- come attributo globale, condiviso da tutto il negozio, con un elenco di valori definito una volta;
- come attributo locale del singolo prodotto, con i valori scritti solo lì;
- come parte del nome della variante, senza nessun attributo strutturato dietro.
Le tre convivono anche dentro lo stesso negozio, perché si sono stratificate nel tempo: i prodotti vecchi in un modo, quelli caricati dopo in un altro.
Un assistente che ne conosce una sola risponde bene su una parte del catalogo e sbaglia sul resto — e sbaglia nel modo peggiore, dicendo che una taglia non c'è. È esattamente il guasto raccontato più sotto, e la ragione per cui una batteria di prove su un catalogo vero trova in dieci minuti quello che tre giri di collaudo a chiacchiere non trovano. Il dettaglio tecnico è in WooCommerce e AI.
La ricerca a catalogo, e perché è più difficile di un filtro
«Qualcosa di blu, sotto i 50 euro, per un regalo» non è una query: è una descrizione. Tradurla in una ricerca sul catalogo richiede tre passaggi, e ciascuno può fallire in silenzio.
Capire cosa è un filtro e cosa no. «Blu» è un attributo, «sotto i 50 euro» un intervallo di prezzo, «per un regalo» non è né l'uno né l'altro: è un contesto che al massimo suggerisce una categoria.
Trovare i valori veri. Il negozio potrebbe non avere un colore chiamato «blu» ma «navy», «bluette» e «indaco». Un filtro costruito sulla parola dell'utente non aggancia niente, e restituisce zero.
Dire cosa si è fatto. Se la ricerca è stata ristretta o allargata rispetto alla richiesta, va detto: «non ho trovato niente sotto i 50, questi sono i più economici» è una risposta utile. «Non abbiamo nulla» è una risposta falsa.
Il terzo passaggio è quello che quasi nessun sistema fa, ed è quello che distingue un assistente affidabile da uno che ogni tanto mente con convinzione.
In quanti modi sbaglia, con esempi veri
Questa è la sezione che le schede prodotto non scrivono, e sono errori nostri.
Conclude l'assenza da un risultato vuoto. Un cliente chiede quali taglie ci sono. Il sistema filtra le varianti, il filtro non aggancia niente, e l'assistente risponde che l'articolo non ha taglie disponibili. Ne aveva sette. Il filtro era costruito su una tassonomia degli attributi che quel negozio non usava.
Il modello non ha inventato niente: gli è stato consegnato un elenco vuoto, e un elenco vuoto di taglie significa, in italiano, che non ce ne sono. Il difetto sta un livello sotto — nel punto in cui il risultato di una ricerca filtrata viene passato come se fosse un inventario.
Confonde un prodotto con una sua variante. Una richiesta di varianti con un identificativo restituisce vuoto se il prodotto è semplice, e restituisce vuoto anche se quell'identificativo non è un padre — per esempio se è l'identificativo di una variante. Due cause diverse, stesso risultato, e a valle sono indistinguibili.
Questo caso non è emerso in tre giri di collaudo conversazionale. È saltato fuori alla prima batteria di prove costruita contro il negozio vero: diciassette casi in dieci minuti — tre tassonomie diverse per la taglia, filtro per colore, taglia inesistente, taglie a lettera, prodotto semplice, identificativo di variante.
Parla la lingua di un altro settore. Un sistema nato per gli hotel e riusato per un negozio ha detto a un cliente «contatta la struttura se è urgente». Il prompt era stato reso neutro e verificato; il lessico era sopravvissuto nei testi che il modello non attraversa mai — il messaggio che il server scrive quando la chiamata fallisce, e i messaggi di servizio dell'interfaccia.
Il racconto completo dei quattro guasti, con le correzioni, è in quando un concierge AI sbaglia. La regola che ne è uscita vale per qualunque assistente collegato a un catalogo: un risultato vuoto non è una prova di assenza, e se il vuoto ha più di una causa vanno distinte prima di parlare.
Cosa deve saper fare: la lista da portare in trattativa
| Capacità | Come si verifica in demo |
|---|---|
| Varianti e giacenze vere | chiedi una taglia esaurita e vedi se lo sa |
| Prezzi con gli sconti attivi | confronta con la scheda prodotto |
| Ricerca a catalogo | chiedi «qualcosa di blu sotto i 50 euro» |
| Confronto fra due prodotti | è la domanda che vende di più |
| Spedizioni e resi | devono essere dati, non un rimando alla pagina |
| Stato dell'ordine | e con quale verifica dell'identità |
| Passaggio a una persona | fingi un reclamo |
| Comportamento quando il catalogo non risponde | staccalo e guarda cosa dice |
| Archivio delle conversazioni | senza, non correggi niente |
L'ultima riga della parte tecnica merita una nota. Se chiedete di staccare il catalogo e il sistema continua a rispondere con sicurezza, avete visto il difetto peggiore in azione: sta raccontando come «non c'è» quello che è solo «non ho potuto guardare».
Su quali piattaforme si innesta
WooCommerce e Shopify espongono entrambi il catalogo in modo leggibile da un sistema esterno, e sono i due casi più semplici. Su WooCommerce il collegamento passa da credenziali dedicate e permette di leggere prodotti, varianti, categorie e giacenze; il dettaglio pratico, incluse le tre tassonomie delle taglie, è in WooCommerce e AI.
Le piattaforme proprietarie e i gestionali fatti su misura richiedono più lavoro ma quasi sempre si possono collegare: la domanda da fare è se esiste un modo per leggere prodotti e giacenze dall'esterno, e con quale frequenza si aggiorna.
Il punto architetturale conta più della piattaforma: la giacenza va chiesta al catalogo ogni volta, non copiata in un archivio aggiornato la notte. Una copia notturna, in un giorno di saldi, è vecchia di ore proprio quando l'errore costa di più.
Quanto costa, e quanto deve rendere
I modelli sono gli stessi del resto del settore: canone mensile, eventuale attivazione, a volte un tetto di conversazioni. La scomposizione per esteso, con le voci che non compaiono nel preventivo, è in quanto costa un chatbot AI.
Il conto del ritorno è più semplice che nell'ospitalità, perché lo scontrino medio è noto. Con un carrello medio da 80 euro e un margine del 40%, un canone da 100 euro al mese si ripaga con tre vendite in più al mese che altrimenti non ci sarebbero state — perché qualcuno non avrebbe saputo se c'era la sua taglia.
Il modo onesto di misurarlo non è attribuire all'assistente tutte le vendite arrivate dopo. È guardare:
- le conversazioni che contengono una domanda su un prodotto specifico;
- quante finiscono con un aggiunta al carrello;
- le domande rimaste senza risposta, che sono l'unica metrica che dice cosa migliorare;
- e le richieste di assistenza post-vendita che non sono più arrivate a una persona.
L'effetto che quasi nessuno misura: i resi
C'è un ritorno economico che non compare fra le metriche di vendita e vale spesso più di quelle.
Una quota consistente dei resi nell'abbigliamento e nelle calzature nasce da un dubbio non risolto prima dell'acquisto: la taglia sbagliata, un colore diverso da come appariva, una misura che non era chiara. Sono acquisti che il negozio ha registrato come vendite e che tornano indietro portandosi via il margine, la spedizione di andata, quella di ritorno e il tempo di chi li rimette a magazzino.
Un assistente che risponde bene prima — «questo modello veste stretto, con il 42 abituale prendi il 43», «la misura interna è 27 centimetri» — riduce proprio quella quota. È un effetto misurabile e va misurato separatamente dalle vendite, perché altrimenti si perde: il tasso di reso per categoria, prima e dopo, sullo stesso periodo dell'anno precedente.
Vale la pena dirlo anche perché ribalta una preoccupazione comune. Un assistente che sconsiglia un acquisto — «per quello che cerchi questo non va bene» — sembra una vendita persa. È una vendita non fatta al posto di un reso: costa meno, e lascia un cliente che si fida. Il tema per esteso è in ridurre i resi con l'assistenza pre-acquisto.
Quando non serve
Un catalogo di pochi prodotti semplici, senza varianti, con condizioni di spedizione uguali per tutto: lì un assistente conversazionale risolve un problema che non c'è, e una buona scheda prodotto fa lo stesso lavoro meglio.
Serve quando la scelta è complicata: molte varianti, taglie che non corrispondono fra marche, prodotti che si somigliano, condizioni diverse per categoria. Cioè quando in un negozio fisico ci sarebbe un commesso.
Domande frequenti
Un chatbot aumenta davvero le vendite di un e-commerce?
Sposta le vendite che si sarebbero perse per un dubbio non risolto — la taglia, la spedizione, la differenza fra due modelli. Quanto valga dipende dal catalogo: su prodotti con molte varianti l'effetto è consistente, su un catalogo semplice è marginale. Il modo di stimarlo prima di comprare è contare quante domande pre-acquisto arrivano oggi via email e chat: sono quelle che si automatizzano, più tutte quelle che oggi non vengono poste perché non c'è nessuno a cui porle.
Serve che legga il catalogo, o basta che risponda alle domande generiche?
Per spedizioni, resi e condizioni basta un buon testo. Per taglie, disponibilità e prezzi serve il catalogo, e la differenza è netta: sono esattamente le domande che precedono un acquisto. Un assistente che su quelle rimanda alla scheda prodotto ha spostato il problema di un clic.
Può gestire il post-vendita e lo stato degli ordini?
Sì, ed è la parte che toglie più lavoro ripetitivo. L'attenzione va sulla verifica dell'identità: lo stato di un ordine è un dato personale, e va mostrato a chi ha diritto di vederlo — non a chiunque scriva un numero d'ordine plausibile. I dati del cliente, poi, non hanno motivo di passare per il modello linguistico: come si tiene quella corsia separata è in dati personali e chatbot.
Che succede se il catalogo non risponde?
Deve dirlo. È il caso in cui un sistema mal fatto fa il danno peggiore, perché una chiamata fallita produce un risultato vuoto e un risultato vuoto raccontato come «non disponibile» è una vendita persa e un'affermazione falsa. È la prova migliore da fare in demo: chiedete di staccare il catalogo e guardate cosa risponde.
Meglio un assistente AI o una live chat con persone?
Non sono alternativi e risolvono momenti diversi. Una persona è insostituibile su reclami, casi particolari e trattative; è costosa e non è disponibile alle undici di sera, che è quando una quota consistente degli acquisti online si decide. L'impostazione che funziona è l'assistente in prima battuta sulle domande ripetitive — taglie, spedizioni, resi, stato ordine — con il passaggio a una persona immediato e visibile quando serve. Un sistema che rende difficile parlare con qualcuno fa più danni di uno che non c'è.
Quanto tempo ci vuole per metterlo in funzione?
Il collegamento al catalogo, su una piattaforma standard, è questione di configurazione. Il tempo vero se ne va in due cose: scrivere le informazioni che nel catalogo non ci sono — condizioni di spedizione per destinazione, politica di reso, tempi reali — e provarlo su casi veri. La batteria di diciassette prove che ha trovato il difetto raccontato sopra si riscrive per un negozio nuovo in pochi minuti: cambia solo l'elenco degli identificativi.
Come si accorge un negozio che il suo assistente sta sbagliando così?
Non dai reclami: un cliente a cui è stato detto che la sua taglia non c'è se ne va e basta. Serve leggere l'archivio delle conversazioni filtrando le risposte negative — «non abbiamo», «non è disponibile», «non risulta» — e verificarne una ventina a campione contro il catalogo vero. È mezz'ora, non richiede competenze tecniche, e ogni volta trova qualcosa.
Funziona anche in inglese e nelle altre lingue?
Sì, senza che nessuno traduca il catalogo: il modello risponde nella lingua di chi scrive. Quello che resta indietro sono i testi che il sistema scrive da solo — messaggi d'errore, etichette, note di servizio — che vanno tradotti a mano e sono proprio quelli che nessuno controlla. È lo stesso difetto per cui un negozio di scarpe si è sentito dire «contatta la struttura».
Continua a leggere
- F3WooCommerce e AI: collegare il catalogo a un assistentenel cluster
- F4Ridurre i resi con l'assistenza pre-acquistonel cluster
- F5Carrello abbandonato: perché succede e cosa si recupera davveronel cluster
- A1Chatbot AI per hotel: guida completa 2026guida
- B1Prenotazioni dirette: come l'AI riduce la dipendenza dalle OTAguida
- C1GEO per hotel: farsi consigliare da ChatGPT, Perplexity e AI Overviewsguida
- D1AI per agriturismi: guida praticaguida
- E1Il concierge su tutti i canali: sito, WhatsApp, Messenger, Instagram, QRguida
- G1AI e dati degli ospiti: GDPR e AI Act per le strutture ricettiveguida