Un raccomandatore di prodotti ben configurato è uno di quegli elementi che lavorano da soli, in silenzio, mentre il team si occupa di altro. Non ha bisogno che qualcuno decida cosa mostrare a ogni visitatore: lo calcola in tempo reale sulla base di ciò che quel contatto ha fatto nello store. E nei momenti di alto traffico come il Black Friday, quando migliaia di visitatori con comportamenti diversi arrivano contemporaneamente, è lì che si nota di più la differenza tra un catalogo statico uguale per tutti e un’esperienza che si adatta a ciascuno.
Questa guida spiega cos’è un raccomandatore di prodotti, come funziona, quali tipi di raccomandazione esistono, come implementarlo in Connectif e come applicarlo in una campagna di Black Friday per aumentare lo scontrino medio e migliorare la conversione.
Cos’è un raccomandatore di prodotti e come funziona
Un raccomandatore di prodotti è un sistema che seleziona e mostra automaticamente al visitatore i prodotti che hanno maggiore probabilità di interessargli, sulla base del suo comportamento nello store: cosa ha visitato, cosa ha aggiunto al carrello, cosa ha acquistato in precedenza e come si comportano altri acquirenti con profili simili.
La differenza tra un raccomandatore e una selezione manuale di prodotti in evidenza è il livello di personalizzazione. Un banner «più venduti» nella homepage è uguale per tutti. Un carosello di raccomandazioni che mescola gli ultimi prodotti visitati da quel contatto con altri automaticamente correlati è diverso per ogni persona, anche se si trovano sulla stessa pagina nello stesso momento.
Come funziona in pratica:
Il sistema registra continuamente l’attività del contatto: quali pagine visita, su quali schede prodotto si ferma più a lungo, cosa aggiunge al carrello, cosa acquista. Con questi dati costruisce un profilo comportamentale che usa per filtrare il catalogo e decidere quali prodotti sono più rilevanti per quel visitatore in quel momento.
Nella maggior parte delle piattaforme di marketing automation, questo meccanismo è gestito da algoritmi di relazione automatica tra prodotti: il sistema impara quali prodotti vengono visitati o acquistati insieme e usa queste relazioni per alimentare le raccomandazioni. Il risultato è un carosello, un blocco email o una notifica push con prodotti che si collegano davvero a ciò che il contatto ha guardato, non un elenco generico del catalogo.
La cosa più rilevante per un ecommerce con traffico anonimo significativo: alcuni sistemi di raccomandazione personalizzano solo per i contatti identificati, escludendo la maggior parte del traffico. Un raccomandatore che funziona dal primo clic, prima che il visitatore abbia lasciato qualsiasi dato, può mostrare contenuto pertinente anche a chi non è ancora nel database, basandosi sul comportamento di quella sessione.
Tipi di raccomandazioni: cross-selling, upselling e personalizzazione con AI
I tre concetti si sovrappongono nella pratica quotidiana, ma rispondono a obiettivi diversi:
Cross-selling: il prodotto che manca nel carrello
La raccomandazione di cross-selling mostra prodotti complementari a ciò che il contatto ha già nel carrello o ha appena acquistato. La meccanica è semplice: qualcuno compra una fotocamera e il sistema gli suggerisce una scheda di memoria, un treppiede o una custodia. Non è una coincidenza: è il meccanismo di relazione automatica tra prodotti che rileva quali articoli vengono acquistati abitualmente insieme.
Nell’ecommerce, il cross-selling si posiziona solitamente in tre momenti: nella scheda prodotto («potrebbe interessarti anche»), nel carrello prima del checkout («altri acquirenti hanno aggiunto») e nell’email post-acquisto («completa il tuo ordine»). Tutti e tre hanno tassi di conversione significativamente più alti rispetto a una comunicazione generica, perché il contesto è già dato: il cliente ha appena espresso la sua intenzione d’acquisto.
Upselling: la versione che si adatta davvero
L’upselling non aggiunge prodotti al carrello, ma propone un’alternativa di maggior valore al prodotto che il contatto sta guardando. Se qualcuno visita un modello base di un prodotto, il sistema gli mostra il modello premium con i miglioramenti che lo distinguono. L’obiettivo è che il contatto riconosca il valore della versione superiore e cambi la sua decisione d’acquisto prima di arrivare al checkout.
L’upselling funziona particolarmente bene quando la differenza di prezzo tra le due opzioni è piccola rispetto alle prestazioni aggiuntive. E quando viene fatto su dati reali di comportamento (quale fascia di prezzo acquista solitamente quel contatto, quali categorie frequenta), la conversione è molto più alta rispetto a quando viene applicato genericamente a tutto il pubblico.
Personalizzazione con AI: oltre le regole fisse
I sistemi più avanzati non usano regole statiche del tipo «se acquista X, mostrare Y». Applicano algoritmi che analizzano più segnali contemporaneamente: storico delle visite di quel contatto, comportamento di acquisto di profili simili, stagionalità del catalogo, disponibilità di stock e valutazioni dei prodotti. Il risultato è una raccomandazione che cambia in funzione del momento e del contesto, non solo del profilo statico del contatto.
In Connectif, la relazione automatica tra prodotti combina più criteri nel nodo «Ottieni prodotti»: ultimi prodotti visitati, prodotti automaticamente correlati al carrello, ultimi acquistati, più visitati in un periodo o più venduti. È possibile combinare casi d’uso in un unico nodo, in modo che se non ci sono abbastanza prodotti secondo il criterio principale, il sistema completi automaticamente con il criterio alternativo.
Dove posizionare ogni tipo:
- Homepage: carosello degli ultimi visitati + correlati consigliati. Funziona sia come accesso diretto sia come scoperta del catalogo.
- Scheda prodotto: prodotti della stessa categoria e marca, o i più visitati in quel segmento. Trattiene il contatto indeciso e gli mostra alternative.
- Carrello: cross-selling di complementari prima del checkout. Il momento di maggiore intenzione d’acquisto.
- Email carrello abbandonato: i prodotti lasciati più i correlati. Il promemoria ha un contesto reale.
- Email post-acquisto: cross-selling basato sull’ultimo acquisto. Trasforma la prima vendita nell’inizio di un rapporto ricorrente.
- Web push: un prodotto rilevante per riportare sul sito il visitatore andato via senza acquistare.
Come implementarlo passo dopo passo con Connectif
Il raccomandatore di prodotti in Connectif si costruisce intorno al nodo «Ottieni prodotti», che seleziona automaticamente quali articoli mostrare a ogni contatto secondo il criterio che definisci. Non richiede sviluppatori né integrazione tecnica aggiuntiva: si configura dall’editor di workflow.
Passo 1: Definisci quali prodotti vuoi raccomandare
Il nodo «Ottieni prodotti» offre due famiglie di criteri:
Criteri globali (uguali per tutti):
- Più visitati in un periodo
- Più venduti in un periodo
Criteri personalizzati per contatto:
- Automaticamente correlati alla sua attività
- Ultimi prodotti visitati
- Ultimi prodotti aggiunti al carrello e non acquistati
- Ultimi prodotti acquistati
- Correlati automaticamente a una lista di prodotti o a un carrello specifico
La soluzione più comune è combinare un criterio principale con uno alternativo: «mostrami gli ultimi prodotti visitati da questo contatto; se sono meno di 6, completa con quelli automaticamente correlati alle sue ultime visite». In questo modo il carosello si riempie sempre con contenuto pertinente anche quando il contatto ha poco storico.
Per il dettaglio tecnico della configurazione, nel Centro assistenza trovi l’articolo sul nodo Ottieni prodotti con tutti i parametri disponibili.
Passo 2: Scegli il canale e il formato
Le raccomandazioni possono apparire in tre formati:
- Inline sul sito: un carosello o banner inserito in una sezione della pagina (homepage, scheda prodotto, pagina carrello) senza modificare il codice dello store. Si configura tramite selettore CSS. L’articolo del Centro assistenza sul raccomandatore nella scheda prodotto dettaglia la configurazione.
- Blocco prodotti nell’email: i prodotti selezionati dal nodo «Ottieni prodotti» vengono inseriti dinamicamente nell’email, con immagine, nome, prezzo e link. Ogni destinatario riceve i prodotti calcolati per lui, non una lista fissa.
- Notifica push: una push con il prodotto più rilevante per quel contatto, collegata direttamente alla scheda prodotto.
Passo 3: Configura il workflow
Il raccomandatore si attiva all’interno di un workflow con tre elementi di base: il trigger (l’evento che attiva il flusso, come «visita un prodotto» o «abbandona il carrello»), il nodo «Ottieni prodotti» con il criterio scelto, e l’azione di invio (inline web, email o push).
Connectif ha già strategie di raccomandazione pronte nella libreria di modelli: raccomandatore in homepage, raccomandatore nella scheda prodotto, cross-selling post-acquisto e recupero carrello con raccomandazione. Si accede da Workflow > Crea nuovo workflow > Crea da modello.
Passo 4: Escludi i prodotti già acquistati
Una configurazione importante che spesso viene trascurata: il nodo «Ottieni prodotti» permette di escludere i prodotti che il contatto ha già acquistato. Senza questa impostazione, l’email post-acquisto potrebbe consigliare lo stesso articolo che ha appena comprato.
Come applicarlo nelle campagne di Black Friday
Il raccomandatore di prodotti ha un impatto particolarmente elevato nel Black Friday per due motivi: il volume di traffico è maggiore, quindi ci sono più dati comportamentali per contatto, e l’intenzione d’acquisto è più alta, quindi la raccomandazione giusta al momento giusto converte molto di più rispetto a un giorno normale.
Prima del Black Friday: recupera l’interesse di chi ha già visitato
Le settimane precedenti alla campagna sono il momento in cui molti contatti esplorano il catalogo senza ancora acquistare, aspettando l’offerta. Questi dati di navigazione sono preziosi per il raccomandatore: quando arriverà il 27 novembre e si attiverà la campagna email di accesso anticipato o quella di apertura generale, il blocco di prodotti consigliati in quell’email potrà basarsi esattamente su ciò che quel contatto ha guardato nelle ultime due o tre settimane.
Il risultato pratico: l’email del Black Friday non arriva con gli stessi quattro prodotti per tutta la lista. Arriva con i prodotti che quel contatto ha già visitato, più i correlati, con lo sconto della campagna già applicato.
Durante la campagna: tre momenti critici
In homepage e nelle categorie. Un carosello in homepage con gli ultimi prodotti visitati da quel contatto funziona come accesso diretto proprio quando il traffico è più alto. Per i nuovi visitatori (senza storico in quella sessione), il carosello può mostrare i più venduti della settimana o i più visitati del giorno della campagna.
Nella scheda prodotto. Un visitatore che arriva su una scheda e se ne va senza aggiungere al carrello sta confrontando. Il raccomandatore sulla stessa pagina, con prodotti simili della stessa categoria e fascia di prezzo, può trattenerlo prima che vada a cercare alternative altrove. E il blocco di cross-selling nella scheda, con accessori o complementari, alza lo scontrino medio di chi aggiunge.
Nel carrello prima del checkout. Il momento di maggiore intenzione d’acquisto dell’intero Black Friday. Un blocco di cross-selling nella pagina carrello, con i complementari di ciò che sta per pagare, ha i tassi di conversione più alti di qualsiasi posizionamento del raccomandatore. Il contatto ha già deciso di acquistare: aggiungere qualcosa in più è il passo con minore attrito possibile.
Recupero carrello abbandonato con raccomandazione. L’email di recupero carrello nel Black Friday non dovrebbe mostrare solo i prodotti lasciati: dovrebbe mostrare quei prodotti più i correlati, rafforzando la proposta con ciò che potrebbe mancare per completare il look, il kit o l’esperienza. Il nodo «Ottieni prodotti» con criterio «ultimi aggiunti al carrello + automaticamente correlati» lo fa automaticamente per ogni contatto.
Dopo il Black Friday: il cross-selling che costruisce ricorrenza
L’email post-acquisto del Black Friday è il primo punto di contatto con il nuovo acquirente. Se quell’email arriva con un blocco di prodotti rilevanti basati su ciò che ha appena comprato, invece di una comunicazione generica di ringraziamento, fa due cose insieme: rafforza la decisione d’acquisto e mette sul tavolo quella successiva. È l’inizio di un ciclo di raccomandazioni che, ben alimentato, trasforma l’acquirente occasionale in un cliente ricorrente.
Esempi reali di raccomandatori nell’ecommerce
Gioseppo — calzature e accessori, Spagna e mercato internazionale (80 paesi, 10.000 punti vendita)
Gioseppo è arrivata a una conclusione che riassume bene il filo conduttore di questo articolo: più le raccomandazioni di prodotto che raggiungono il cliente su tutti i canali sono personalizzate, maggiore è l’interazione e migliori i tassi di conversione. Quello che potrebbe sembrare ovvio è, in pratica, ciò che la maggior parte degli ecommerce non fa: il contenuto web di Gioseppo non è uguale per tutti i visitatori. Ogni utente vede i prodotti e le offerte che lo interessano in base al suo storico di navigazione e al suo profilo di valore. E quando quel visitatore lascia il sito, una push con prodotti consigliati e offerte esclusive lo raggiunge prima che il momento si raffreddi. Con il segmento «Campioni» (contatti con almeno cinque acquisti nell’ultimo anno), Gioseppo ha automatizzato l’invio settimanale di una notifica push con raccomandazioni personalizzate. Il risultato cumulativo di questa strategia: il 33% del totale delle vendite online attribuito a Connectif, tassi di apertura email vicini al 60% nelle campagne segmentate e un incremento dell’8% del CLV.
Farmaciasdirect — farmacia online, Spagna e Portogallo (480.000+ clienti, 20.000+ referenze di 600 marchi)
Nell’articolo abbiamo parlato di dove posizionare il raccomandatore: homepage, scheda prodotto, carrello, email. Farmaciasdirect aggiunge una variante che viene spesso ignorata: la landing page come destinazione personalizzata. Con un catalogo di 600 marchi, il suo problema non era il volume di prodotti ma decidere quali mostrare a chi. La soluzione è stata creare pagine specifiche per marca e categoria dove i prodotti venivano selezionati automaticamente in base allo storico acquisti e al comportamento di navigazione di ogni contatto, con un approccio di cross-selling: chi ha acquistato prodotti per neonati arriva alla landing della categoria «Neonati e Mamme»; chi ha visitato articoli per il sonno e il relax, alla sua. Queste landing venivano usate come destinazione nelle newsletter segmentate, nelle campagne sui social e negli annunci. Ogni contatto atterrava dove aveva più probabilità di convertire, non sulla stessa homepage generica. Il risultato: +15% di tasso di conversione e 3x di CTOR nelle campagne email segmentate rispetto agli invii di massa precedenti.
Xiaomi Store — distributore ufficiale Xiaomi in America Centrale (8 paesi, 45 store, +200 dipendenti)
Se l’articolo spiega che il raccomandatore agisce in modo diverso a seconda del momento del journey, Xiaomi Store è il caso che lo dimostra con i numeri. Tre livelli, tre obiettivi, tre risultati. Quando il visitatore arriva sul sito e naviga senza una meta precisa, compaiono popup e contenuto fullscreen con prodotti affini alle sue ricerche e ai suoi interessi di quella sessione. Risultato: +7,5% di CTR, visitatori indecisi che passano dalla curiosità al clic. Quando quel visitatore ha aggiunto articoli al carrello ma non completa l’acquisto, la vetrina inline gli mostra prodotti correlati a ciò che ha già dentro, rafforzando la decisione proprio prima che abbandoni. Risultato: +12,2% nel tasso di conversione. E quando lo storico di navigazione indica che quell’utente è incline a spendere di più in quella categoria, il carosello di upselling gli presenta la versione superiore del prodotto che sta guardando. Risultato: +30% di scontrino medio. L’impatto dei tre livelli combinati: il 40% delle vendite totali di Xiaomi Store attribuito a Connectif.
Se vuoi vedere come funzionerebbe il raccomandatore di prodotti nel tuo catalogo e come integrarlo nei tuoi flussi di Black Friday, richiedi una demo e lo configuriamo insieme.
Domande frequenti sui raccomandatori di prodotti
Cos’è un raccomandatore di prodotti nell’ecommerce?
È un sistema che seleziona e mostra automaticamente a ogni visitatore i prodotti con maggiore probabilità di interessargli, sulla base del suo comportamento nello store: pagine visitate, articoli aggiunti al carrello, acquisti precedenti e comportamento di utenti simili. A differenza di una selezione manuale di prodotti in evidenza, il raccomandatore personalizza il contenuto per ogni persona in tempo reale.
Qual è la differenza tra cross-selling e upselling?
Il cross-selling mostra prodotti complementari a ciò che il contatto ha già nel carrello o ha appena acquistato: accessori, prodotti che vanno insieme, articoli che altri acquirenti hanno aggiunto. L’upselling suggerisce una versione di maggior valore del prodotto che il contatto sta guardando: un modello più avanzato, un piano più completo, una variante premium. Entrambi aumentano lo scontrino medio, ma agiscono in momenti e con meccaniche diverse.
Il raccomandatore funziona anche con i visitatori anonimi?
Dipende dalla piattaforma. I sistemi che personalizzano solo per i contatti identificati escludono la maggior parte del traffico (circa l’80% dei visitatori di un ecommerce sono anonimi). Quelli che, come Connectif, registrano il comportamento dal primo clic, prima che il visitatore abbia lasciato qualsiasi dato, possono mostrare raccomandazioni basate sulla sessione attuale: cosa ha visitato negli ultimi minuti, quali categorie ha esplorato.
In quali pagine conviene posizionare il raccomandatore?
I posizionamenti con maggiore impatto sono: la homepage (ultimi visitati + correlati), la scheda prodotto (simili della stessa categoria + complementari), la pagina carrello (cross-selling subito prima del checkout) e le email di carrello abbandonato e post-acquisto. Nel Black Friday, il blocco raccomandazioni nell’email della campagna ha anche una conversione significativamente più alta rispetto a una selezione fissa di prodotti.
