# La Product Intelligence è alla base dei nostri consigli

> Scopri l'impatto della nostra Product Intelligence sulla qualità dei consigli sui prodotti su Hello Retail.

**Author:** Hello Retail
**Published:** February 21, 2023
**Tags:** Product Intelligence

---

Se non hai ancora letto i post precedenti sul nostro motore di Product Intelligence, ti consiglio di dare prima un'occhiata a quelli:

- [Il futuro dell'e-commerce](/en/blog/2023-01-23-the-future-of-ecommerce/)
- [Product Intelligence: Un’opportunità di AI incentrata sul prodotto](/en/blog/2023-01-10-a-paradigm-shift/)

## Scopri l'impatto della nostra Product Intelligence

In questo post vedremo l’impatto della nostra [Product Intelligence](/en/product-intelligence/) sulla qualità dei consigli sui prodotti di Hello Retail. L’integrazione del nostro Product Intelligence Engine ha portato alla creazione di un sistema in continuo miglioramento, che utilizza tecniche come il riconoscimento delle immagini e l’analisi semantica avanzata. Ad esempio, se vendi vino, il nostro motore ora è in grado di identificarne il profilo aromatico e suggerire vini simili che potrebbero piacere ai tuoi clienti.

## Sembra fantastico!..

## ...ma come usiamo il nostro motore proprietario di Product Intelligence per i consigli sui prodotti?

Beh, questo è il nostro argomento principale di oggi. La soluzione di consigli sui prodotti di Hello Retail utilizza l’Product Intelligence in due modi: **per capire le relazioni tra i prodotti e per offrire una personalizzazione migliore agli utenti.**

Noi di Hello Retail abbiamo **sempre offerto l’accesso** a uno strumento avanzato per la creazione di consigli, che ti permette di personalizzare i risultati in base alle tue preferenze e a quelle dei tuoi clienti: Hai bisogno di un consiglio di upsell con due prodotti che rientrino nella stessa categoria di quello che stai visualizzando? Vorresti che i tuoi clienti scoprissero prodotti popolari con un prezzo simile a quello dell’articolo nel loro carrello, ma appartenenti a un’altra categoria?

Non c'è problema! **Puoi fare tutto questo e molto altro ancora.**

Come se non bastasse, **abbiamo potenziato e reso pienamente operativi** due dei nostri algoritmi di raccomandazione dei prodotti grazie al motore Product Intelligence. I due algoritmi, nuovi e migliorati, sono disponibili sia singolarmente che in combinazione!

## Alternative

La maggior parte dei fornitori di soluzioni di personalizzazione punta su un approccio semplificato, proponendo alternative che mostrano prodotti della stessa categoria di quello che stai guardando – però, questo non funziona bene se non hai dati sulle categorie ben strutturati. L’altro problema è che, se confronti solo prodotti della stessa categoria, potresti ritrovarti con centinaia di prodotti: Quali sono quindi quelli più simili a quello che stai guardando?

L'algoritmo di alternative di Hello Retail utilizza diversi modelli di machine learning per trasformare i prodotti in vettori integrati che possiamo inserire nel nostro database vettoriale. Questa trasformazione comprende una serie di operazioni che vanno dall'analisi del testo indipendente dalla lingua all'analisi dei prezzi e delle immagini.

Usando queste tecniche, possiamo trovare facilmente prodotti simili. Il vantaggio è che facciamo un’analisi molto più dettagliata e riusciamo a capire quanto i prodotti siano simili tra loro. Mentre altri fornitori usano le categorie e potrebbero avere centinaia di prodotti simili tra loro, noi possiamo scegliere i pochi più simili, abbinandoli a qualsiasi strategia aggiuntiva che vogliamo applicare.

Scopri *[di](/en/blog/2023-01-23-the-future-of-ecommerce/)* più

\*Nota: Avere prodotti ben classificati ti offre comunque dei vantaggi, soprattutto per i filtri nelle pagine di ricerca e nelle schede delle categorie; quindi, il tempo che dedichi a garantire una buona qualità dei dati è tempo ben speso. \*

![Tabella dei prodotti correlati 1](/images/blog/how-our-product-intelligence-engine-is-used-for-ou/related-product_chart1.svg)

## Upsell

**Una delle principali sfide per le aziende di e-commerce** è che i negozi online più piccoli, dedicati a una lingua specifica, spesso non dispongono di dati sufficienti sulle vendite e sul traffico per fornire consigli di upsell pertinenti e convincenti.

**Hello Retail risolve questo problema analizzando** i modelli di acquisto nei tuoi negozi per individuare i prodotti che vengono acquistati spesso insieme. Il nostro motore di Product Intelligence sfrutta i dati del tuo negozio principale per migliorare le prestazioni dei tuoi negozi più piccoli.

Un altro problema che il motore di Product Intelligence affronta riguarda i frequenti cambiamenti nelle collezioni di prodotti. Se quest’anno viene lanciata una nuova versione di una scarpa Nike e lo SKU cambia, agli altri venditori potrebbe sembrare un prodotto nuovo. Hello Retail, però, riconosce la somiglianza tra la versione vecchia e quella nuova basandosi sui modelli di dati dell’anno scorso. In questo modo, ti offre consigli accurati anche quando ci sono nuove versioni dei prodotti in magazzino. Così, i tuoi consigli sui prodotti rimangono sempre di alta qualità, indipendentemente dai cambiamenti nelle collezioni.

*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 nessuna informazione personale identificabile o relativa ai prezzi viene condivisa tra i clienti. 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 1](/images/blog/how-our-product-intelligence-engine-is-used-for-ou/related-product_chart2_1.svg)

## Affinità dell'utente

L'affinità dell'utente è il modo in cui cerchiamo di capire chi visita il negozio e le sue preferenze. **Usiamo il motore di Product Intelligence per prevedere** cosa potrebbe interessargli, anche se ha visto solo un singolo prodotto. Con pochi dati, riusciamo a capire in anticipo quali altri articoli potrebbe essere propenso ad acquistare.

Certo, usiamo l’affinità degli utenti in modo da non mostrare gli stessi prodotti a tutti i clienti – ma allora, dov’è la personalizzazione?

**Un modo per** utilizzare la personalizzazione in base alle preferenze degli utenti è nella fase di upsell. In questo modo puoi assicurarti di mostrare prima due prodotti acquistati insieme dei marchi preferiti dal visitatore, prima di proporgli altri articoli acquistati insieme.

Ti mostriamo come fare

- Vai alla strategia di raccomandazione e applica un filtro al marchio che corrisponde all’UserBias (affinità dell’utente). Ricordati di specificare il numero di prodotti che vuoi visualizzare con il filtro.
- Poi aggiungi un altro passaggio "Acquistati insieme" e imposta il numero massimo di prodotti su 0.

![Affinità utente 1024x570](/images/blog/how-our-product-intelligence-engine-is-used-for-ou/user-affinity-1024x570.webp)

In questo modo verranno recuperati due prodotti di upsell dalle preferenze dell'utente, e poi completeremo il resto con altri validi suggerimenti di upsell.

Ciò che rende **questo sistema unico è il modo in cui utilizziamo il motore di Product Intelligence** per individuare altri marchi che potresti acquistare. Se stai guardando una scarpa Nike, potremmo sapere che hai un’affinità anche per marchi come Adidas e Under Armour. Quindi, nell’esempio illustrato, **ti consiglieremo prodotti di upselling** di Adidas e Under Armour, oltre al prodotto Nike che hai visualizzato. Questo significa che, con pochi dati, possiamo ampliare il profilo dell’utente basandoci sulla nostra comprensione delle relazioni tra i prodotti.

Ovviamente, i marchi dedotti non avranno un posizionamento così alto come quello del tuo marchio preferito, con cui il legame è più forte.

![Blog di una ragazza 1024x935](/images/blog/how-our-product-intelligence-engine-is-used-for-ou/girl_user_blog-1024x935.webp)

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

![Blog di una ragazza 1024x935](/images/blog/how-our-product-intelligence-engine-is-used-for-ou/girl_user_blog-1024x935.webp)

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

## Fammi vedere le statistiche

Abbiamo effettuato dei test A/B per alcuni clienti per verificare e garantire prestazioni migliori. I test A/B sono stati impostati sulle alternative e sui suggerimenti di upsell, con e senza il nostro motore di Product Intelligence, mettendo alla prova le sue capacità.

| Sistema metrico                                | Valore                                          |
| ---------------------------------------------- | ----------------------------------------------- |
| Miglioramento del CTR                          | **dal 35% al 117%**                             |
| Impatto positivo sulle conversioni soft e hard | **Dall'8% al 41% (soft), dal 2% al 99% (hard)** |

La maggior parte dei negozi che hanno partecipato alla fase di test ha registrato un miglioramento del CTR compreso tra il 35% e il 117% grazie al motore di Product Intelligence.

Tutti i clienti che hanno partecipato ai test hanno riscontrato un impatto positivo sulle conversioni soft e hard\*. L'aumento delle conversioni soft è stato compreso tra l'8% e il 41%, mentre le conversioni hard sono aumentate in un intervallo compreso tra il 2% e il 99% (!). Anche se non pensiamo che tutti i clienti vedranno un aumento del 99% in quest'ultimo caso, abbiamo comunque prove significative dei benefici positivi che il nostro Product Intelligence Engine apporta ai consigli sui prodotti.

\*Si parla di "conversione soft" quando un cliente clicca sui suggerimenti, ma poi acquista un prodotto diverso da quello su cui ha cliccato. Le conversioni "hard" sono invece quelle in cui un cliente acquista esattamente il prodotto su cui ha cliccato nel suggerimento.

## Prossimamente

Resta sintonizzato per il nostro prossimo articolo, in cui potrai scoprire **come abbiamo utilizzato questa soluzione per personalizzare ogni risultato di ricerca.**

---

*This content is from the Hello Retail blog. For the full experience with images and formatting, visit [helloretail.com/it/blog/2023-02-21-how-our-product-intelligence-engine-is-used-for-ou](https://helloretail.com/it/blog/2023-02-21-how-our-product-intelligence-engine-is-used-for-ou)*
