Commercio agentico: il problema non è il checkout, è la ricerca interna

Le analisi più recenti sul commercio agentico concordano su un punto: entrare nei risultati di un agente AI è la parte facile. I problemi arrivano dopo, quando feed, disponibilità, pagamenti e rimborsi danno risposte diverse e l'agente si blocca. Per questo quasi tutte guardano al checkout, dove il denaro cambia mano e le incoerenze vengono a galla. È un'attenzione giustificata. Ma tra la visibilità e il checkout c'è un passaggio che nessuno sta misurando.

Prima di comprare, l'agente deve trovare

Per individuare un prodotto, un agente usa gli strumenti che il negozio mette a disposizione: il feed, i dati strutturati e la ricerca interna. Alla ricerca consegna la richiesta dell'utente così com'è, senza riformularla e senza guardare le immagini. Un cliente umano, se non trova, cambia parola o riconosce il prodotto da una foto. Un agente in genere chiede una volta e lavora con ciò che riceve: se la risposta è vuota, per lui il prodotto non esiste, e non esiste nemmeno per il cliente che rappresenta.

Questo guasto non aspetta nuovi protocolli. È già presente, ed è già misurabile.

Sei volte su dieci, nessuna risposta

Lo abbiamo misurato su migliaia di e-commerce italiani, ponendo a ciascuno 25 ricerche costruite a partire dal suo catalogo. Dieci sono nella lingua di chi compra, e cinque di queste sono frasi complete, come cerco una bottiglia da portare in ufficio che non perda: la forma esatta in cui un assistente AI inoltra la richiesta del proprio utente. Il risultato è di 3,7 risposte pertinenti su 10.

La causa sta soprattutto nel testo del catalogo. Nel 24% dei casi il nome di un prodotto non contiene nessuna delle parole con cui il negozio stesso descrive le proprie categorie, e in 98 negozi questa quota supera la metà. Un cliente che legge «XK-2205 nero» guarda la foto e capisce; un agente legge soltanto il testo. È la stessa incoerenza tra sistemi che le analisi descrivono per i pagamenti, ma collocata un passo prima, nella fase di scoperta.

Perché il confronto regga, le domande non sono improvvisate. Derivano dal vocabolario di ciascun catalogo, restano identiche da una misurazione all'altra e vengono giudicate con criteri oggettivi, verificabili anche a distanza di mesi grazie all'archivio di ogni rilevazione. È questo che permette di dire a un negozio non solo come funziona la sua ricerca, ma dove si colloca rispetto al mercato.

Il motore non è sempre il problema

Il riflesso più comune è cambiare motore di ricerca. I dati suggeriscono altro: sui negozi Shopify, chi ha adottato un motore di terze parti ottiene risultati peggiori di chi usa quello nativo. Lo stesso accade con gli assistenti conversazionali in vetrina, perché i negozi Shopify che ne hanno uno rispondono alle richieste in lingua naturale 4,0 volte su 10, contro le 5,4 di chi non ce l'ha. L'investimento è andato all'interfaccia, mentre la ricerca sottostante continua a non trovare. Contano la configurazione e, soprattutto, la lingua del catalogo.

Agenti o no, la domanda resta

Gli agenti arriveranno sui negozi che questi lo vogliano o no, ed è ciò che rende il tema urgente. Sarebbe però imprudente legare tutto a una previsione: nel 2018 si attribuivano al voice shopping 40 miliardi di dollari entro il 2022, e quel mercato non è mai decollato. Ciò che misuriamo non dipende da come andrà il commercio agentico. Riguarda una domanda più semplice: chi chiede qualcosa, persona o software, riceve una risposta nella lingua in cui l'ha chiesta?

Da dove partire

Il primo passo è sapere che cosa troverebbe oggi un agente, o un cliente, sul proprio negozio, e come questo si confronta con il resto del mercato italiano. Da lì il lavoro procede in un ordine preciso: prima il catalogo e la sua lingua, poi il motore, ma solo se i numeri lo giustificano. Una seconda misurazione sulle stesse domande dice se l'intervento ha funzionato.Prima del checkout e prima dei protocolli, l'agente deve poter trovare. Oggi, in Italia, sei volte su dieci non ci riesce