# Il futuro dell'e-commerce

> Hello Retail svela un cambiamento radicale nel modo in cui funzionano le sue soluzioni di ecommerce, grazie a un nuovo approccio basato sull'AI.

**Author:** Hello Retail
**Published:** January 23, 2023
**Tags:** Product Intelligence

---

Noi di Hello Retail abbiamo lavorato a un cambiamento radicale nel modo in cui funzionano le nostre soluzioni e finalmente siamo pronti a dirti di più al riguardo. Se non l’hai ancora fatto, ti consiglio di leggere il **[post](/en/blog/2023-01-10-a-paradigm-shift/)** introduttivo del nostro CEO sulla nuova direzione. Per prima cosa, qualche informazione di base.

## Cambiamenti nel mercato

Abbiamo tutti notato come il mercato stia cambiando sempre di più, con gli utenti che sono sempre più attenti alla privacy. Il bisogno di privacy può derivare da molte ragioni, una delle quali è probabilmente rappresentata dai giganti dei social media che, storicamente, hanno abusato della raccolta dei dati. Oltre al cambiamento nell’opinione dei consumatori, anche i legislatori hanno preso posizione a favore della privacy introducendo il GDPR.

I produttori di browser si sono adeguati a questo cambiamento eliminando il supporto per i cookie di terze parti. Di conseguenza, è diventato più difficile tracciare gli utenti tra i vari domini e la riduzione della durata dei cookie ha influito sul periodo di tempo per cui era possibile identificare ogni utente.

Non c'è alcun motivo per cui gli utenti, i legislatori o i produttori di browser debbano adottare una posizione meno rigida sulla privacy degli utenti: È una questione destinata a durare.

Anche se gli utenti non vogliono essere tracciati, molti si aspettano comunque consigli personalizzati che offrano suggerimenti di prodotti pertinenti.

Con questi cambiamenti che influenzano il mercato, ci sono due modi per affrontare la questione: Rispettare le regole o giocare al gatto e al topo con le richieste di privacy degli utenti. Quest’ultimo approccio potrebbe avvenire tramite **[il fingerprinting](https://www.mozilla.org/en-US/firefox/features/block-fingerprinting/)**, a volte chiamato “tracciamento senza cookie”. Ricorda che il fingerprinting o il tracciamento senza cookie non ti permetterebbero di aggirare la normativa sui cookie. I clienti devono comunque accettare i tuoi cookie affinché tu possa tracciarli. La normativa sui cookie non riguarda la misura tecnica di inserire un cookie, ma il tracciamento delle persone, anche se effettuato con mezzi diversi dall’uso dei cookie.

Noi di Hello Retail abbiamo deciso di optare per la prima opzione e di rispettare i desideri e le preoccupazioni dei clienti in materia di privacy. Stiamo portando avanti la nostra visione per offrire una soluzione completamente anonima che continui a personalizzare l'esperienza di e-commerce.

<div style="display: Flex; flex-wrap: Wrap; gap: 2rem; justify-content: Center; align-items: Flex-start; margin: 2rem 0;">
  <div style="flex: 1; min-width: 180px; max-width: 220px; text-align: Center;">
    <h3 style="margin-bottom: 0.75rem;">Personalization Solutions Today</h3>
    <img src="/images/blog/the-future-of-ecommerce/pers_sol_today_pie_1.svg" alt="Personalization solutions today" style="max-width: 200px; width: 100%; height: Auto; display: Block; margin: 0 auto;" />
  </div>
  <div style="flex: 1; min-width: 180px; max-width: 220px; text-align: Center;">
    <h3 style="margin-bottom: 0.75rem;">Hello Retail</h3>
    <img src="/images/blog/the-future-of-ecommerce/hr_userintel_pie_1.svg" alt="Hello Retail user intelligence" style="max-width: 200px; width: 100%; height: Auto; display: Block; margin: 0 auto;" />
  </div>
</div>

Storicamente, la personalizzazione nell’e-commerce si basava sul tracciamento comportamentale, che funziona a meraviglia quando i clienti lo consentono – ma noi abbiamo trovato un modo migliore. Crediamo che la vera magia avvenga quando capisci come i prodotti sono collegati tra loro e arricchisci questa conoscenza con le informazioni sugli utenti. Questo significa che abbiamo una soluzione completa e attenta alla privacy, in cui, quando ci viene permesso, possiamo aggiungere un tocco di dati comportamentali.

**Motore di Product Intelligence e database vettoriali**

Il motore di [Product Intelligence](/en/product-intelligence/) è una delle nostre tecnologie di base che ci aiuta a capire i prodotti e le loro correlazioni grazie ad algoritmi avanzati supportati da un database vettoriale all’avanguardia.

Esistono molti tipi di relazioni tra i prodotti, le più comuni sono:

- Prodotti correlati tra loro
- Prodotti che si abbinano bene (vengono acquistati insieme)
- Ordine di acquisto dei prodotti (cosa compreranno le persone prossimamente)

Capire le diverse relazioni tra i prodotti è fondamentale per offrire un’esperienza personalizzata basata sulla conoscenza dei prodotti, anziché solo sui dati comportamentali. Ne parleremo meglio tra poco.

Come già detto, al centro del motore di Product Intelligence c’è un enorme database vettoriale. Questo database è particolarmente efficace nell’individuare somiglianze tra i vari punti dati in uno spazio multidimensionale.

Quando inseriamo nuovi prodotti nel nostro sistema, per prima cosa li trasformiamo tutti in vettori di embedding utilizzando diversi modelli di AI. Una volta rappresentati come vettori di embedding, analizziamo i vettori dei prodotti in diverse dimensioni per individuare somiglianze e mappare le loro relazioni di acquisto.

## Rapporti commerciali

Nell'immagine qui accanto trovi un esempio semplificato. I prodotti correlati sono quelli che si trovano a breve distanza dal prodotto che stai guardando. Nell'immagine di esempio, puoi vedere le diverse scarpe che circondano la scarpa principale (quella grande nell'immagine). Le scarpe che circondano il prodotto principale potrebbero essere varianti o prodotti simili.

È importante tenere presente che, quando si creano i vettori incorporati, non basta confrontare gli SKU per capire quali siano i prodotti simili, per due motivi principali:

- Non tutti i feed di prodotto contengono codici SKU/EAN
- Mostrerà solo i prodotti che sono esattamente uguali

![Tabella dei prodotti correlati 1](/images/blog/the-future-of-ecommerce/related-product_chart1.svg)

Il secondo punto non è l’ideale, perché i prodotti non devono per forza essere identici per condividere delle caratteristiche. Ad esempio, se compri un iPhone 13 con 512 GB di memoria, avrà un codice SKU, ma un altro iPhone 13 con 256 GB di memoria potrebbe averne uno diverso. Nella maggior parte dei casi, questi dovrebbero essere identificati come prodotti simili. Ci sono due vantaggi principali nel farlo:

- Questi prodotti diventano alternativi tra loro, dato che hanno caratteristiche simili.
- Possiamo sfruttare meglio i dati raccolti da entrambe le fonti per consigliare prodotti di upsell più mirati. Più dati hai sulle relazioni di acquisto, migliori saranno i risultati. In questo caso, alla custodia non interessa quanta memoria abbia l’iPhone e, usando la similarità per combinare i modelli di acquisto, possiamo supportare questa scelta con suggerimenti di upsell più precisi.

## Rendere globale il motore di Product Intelligence

Se ci limitassimo a guardare i dati sui prodotti di ogni negozio, molti non avrebbero abbastanza dati per fornire all’AI le informazioni necessarie a diventare abbastanza intelligente da cogliere le correlazioni in modo ottimale. Per fortuna, analizzando i prodotti correlati a livello globale, possiamo individuare anche relazioni di acquisto su un piano più ampio e utilizzare queste informazioni a beneficio di tutti i nostri clienti. Questo significa anche che, man mano che sempre più clienti si uniscono alla piattaforma, la soluzione diventa migliore e più intelligente per tutti.

\*Avviso legale:
In qualità di cliente di Hello Retail, sei il proprietario di tutti i tuoi dati e puoi, in qualsiasi momento, richiedere che vengano cancellati. Ti garantiamo che non vengono condivise tra i clienti né informazioni che consentano l’identificazione personale né informazioni sui prezzi. I prodotti nel nostro sistema sono memorizzati come coordinate in un database vettoriale. I vettori vengono incrociati con altri vettori per individuare, ad esempio, quali articoli sono stati acquistati insieme. Tutti i vettori sono sottoposti a hash, il che significa che anche i prodotti sono anonimi, poiché non è possibile risalire a un prodotto dalla sua rappresentazione vettoriale. \*

![Tabella dei prodotti correlati 2](/images/blog/the-future-of-ecommerce/related-product_chart2.svg)

Con il Global Product Intelligence Engine, otterrai risultati decisamente migliori dai tuoi siti in lingue specifiche rispetto a quanto otterresti utilizzando un servizio di personalizzazione tradizionale che si basa esclusivamente sul tracciamento comportamentale. Il motivo è che i fornitori convenzionali non dispongono di dati sufficienti sui tuoi siti in lingue meno diffuse per garantire risultati soddisfacenti. Inoltre, il nostro Product Intelligence Engine identifica i diversi prodotti presenti nei tuoi negozi, il che significa che il tuo negozio principale contribuirà a garantire ottime relazioni di acquisto, ad esempio, con i tuoi domini in altre lingue.

## La Product Intelligence può rivoluzionare il modo di prevedere le preferenze degli utenti

Il motore di Product Intelligence non è stato creato solo per potenziare le nostre soluzioni di raccomandazione: Lo usiamo anche per prevedere il comportamento degli utenti e sfruttare queste informazioni in tutte le soluzioni che offriamo.

Quando è nato Hello Retail, le nostre soluzioni di tracciamento funzionavano grazie ai cookie di terze parti. I cookie ci aiutavano a creare un profilo utente per ogni visitatore su tutti i siti, in modo da offrirgli contenuti personalizzati già dalla prima visita. Per farlo, abbiamo raccolto tutte le caratteristiche dei prodotti e definito un profilo di affinità dell’utente.

Un profilo di affinità è un profilo utente che mostra i principali interessi e le preferenze dell'utente – vedi, ad esempio, l'immagine qui sotto.

![Blog di una ragazza 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **MARCHI:** Nike, Adidas, Champion
- **Categoria:** Scarpe, Camicie
- **Taglie:** MEDIA
- **SESSO:** DONNA

Dato che i browser bloccano i cookie di terze parti, i profili di preferenze degli utenti vengono creati per il singolo sito anziché a livello trasversale tra i vari siti. Per ottenere risultati di personalizzazione soddisfacenti, servono più dati per creare questi profili e fare previsioni accurate.

Grazie al motore di Product Intelligence, ora possiamo creare questo profilo di affinità dell'utente senza sapere chi sei, basandoci semplicemente su un singolo prodotto che hai visualizzato. Ciò significa che, pur rispettando le esigenze dei clienti in materia di privacy, possiamo comunque offrire ai visitatori un'esperienza di personalizzazione di altissimo livello, sfruttando la nostra comprensione delle correlazioni tra i prodotti.

## Come viene utilizzata l’affinità dei nuovi utenti per le pagine delle categorie e dei marchi

Se dai un'occhiata a un prodotto, ad esempio delle scarpe Nike, possiamo usare il nostro motore di Product Intelligence per vedere che si abbinano bene alle magliette Adidas e ai pantaloncini Under Armour. Osservando quel singolo prodotto, capiamo quali potrebbero essere le tue preferenze.

Se poi quell'utente va su una pagina della categoria delle scarpe, basandoci solo sul singolo prodotto che ha guardato, saremo in grado di dare la priorità ai seguenti marchi: **1. Nike, 2. Adidas, 3. Under Armour**

![Blog di una ragazza 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **MARCA:** Nike
- **Categoria:** Scarpe

![Blog di una ragazza 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **MARCHI:** Nike, Adidas, Under Armour
- **Categoria:** Scarpe, Camicie, Pantaloncini

L'interazione descritta migliora l'esperienza di personalizzazione, in questo caso del nostro prodotto Pages, quando le informazioni disponibili sul visitatore sono davvero poche. La personalizzazione basata sull'affinità degli utenti, ovviamente, funziona bene con i nostri [boost](https://support.helloretail.com/t/35h5hsg/introduction-to-pages#product-order-amp-boosts).

NOTA: Questo esempio è, ovviamente, semplificato. L'affinità dell'utente è molto più complessa e la priorità dei diversi attributi e valori non è la stessa per tutti.

## Fammi vedere le statistiche

Prima di lanciare il nostro nuovo algoritmo per i prodotti acquistati insieme, basato sulla nostra visione globale nello spazio vettoriale, l’abbiamo testato con un A/B test sulle raccomandazioni di upsell per assicurarci che i risultati fossero pari o migliori rispetto a quelli del vecchio algoritmo. I risultati sono stati sbalorditivi: I nostri clienti hanno riscontrato in genere:

| Sistema metrico                       | Valore             |
| ------------------------------------- | ------------------ |
| Aumento del tasso di clic             | **fino al 30%**    |
| Aumento del tasso di conversione      | **fino a 2 volte** |
| Aumento del valore medio degli ordini | **fino al 73%**    |

È un segnale chiaro che analizzare le conoscenze globali raccolte da migliaia di negozi e applicare queste informazioni al singolo negozio online migliora notevolmente le prestazioni.

Dopo aver ottenuto questi risultati, abbiamo esteso il miglioramento dell'algoritmo a tutti i clienti.

## AI + Uomo

Anche se l’AI è in grado di interpretare i big data, non sarà perfetta in tutti i casi. Chi ti dice il contrario ti sta mentendo. Vogliamo assicurarci che i nostri clienti continuino ad avere il controllo sui propri risultati. Per i consigli, abbiamo aggiunto “Alternative” e “Acquistati insieme” come due algoritmi fondamentali che puoi personalizzare in base ai tuoi obiettivi. Un esempio potrebbe essere, ad esempio, dare la priorità ai prodotti acquistati insieme dei tuoi marchi white label rispetto ad altri marchi. Insomma, anche se la nostra AI migliora continuamente, hai comunque il controllo se vuoi modificare i risultati.

## Questo è solo l'inizio

Comprendere il catalogo prodotti complessivo di tutti i nostri oltre 2000 clienti ci permette di ricavare informazioni dai vari settori verticali, che possono poi essere utilizzate in modo aggregato. Possiamo capire quali gruppi di prodotti e marchi potrebbero registrare un picco di interesse. Seguiranno ulteriori **[approfondimenti](/en/blog/2022-05-22-announcing-insights/)** e altri post sul blog che descrivono come questa tecnologia sia già utilizzata nelle nostre soluzioni, come Ricerca, Recommendations e Pages, oltre all’impatto che ha avuto.

## Unisciti a noi

Crediamo che il futuro dell’e-commerce stia nel capire le correlazioni tra i prodotti e nel rispettare la privacy degli utenti, per offrire soluzioni intelligenti, personalizzate e conformi alle normative. Speriamo che ti unisca a noi in questo entusiasmante viaggio!

---

*This content is from the Hello Retail blog. For the full experience with images and formatting, visit [helloretail.com/it/blog/2023-01-23-the-future-of-ecommerce](https://helloretail.com/it/blog/2023-01-23-the-future-of-ecommerce)*
