Un raccomandatore di prodotti ben configurato \u00e8 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 ci\u00f2 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, \u00e8 l\u00ec che si nota di pi\u00f9 la differenza tra un catalogo statico uguale per tutti e un’esperienza che si adatta a ciascuno.<\/p>\n\n\n\n
Questa guida spiega cos’\u00e8 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.<\/p>\n\n\n\n
Un raccomandatore di prodotti \u00e8 un sistema che seleziona e mostra automaticamente al visitatore i prodotti che hanno maggiore probabilit\u00e0 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.<\/p>\n\n\n\n
La differenza tra un raccomandatore e una selezione manuale di prodotti in evidenza \u00e8 il livello di personalizzazione. Un banner \u00abpi\u00f9 venduti\u00bb nella homepage \u00e8 uguale per tutti. Un carosello di raccomandazioni che mescola gli ultimi prodotti visitati da quel contatto con altri automaticamente correlati \u00e8 diverso per ogni persona, anche se si trovano sulla stessa pagina nello stesso momento.<\/p>\n\n\n\n
Come funziona in pratica:<\/strong><\/p><\/p>\n\n\n\n Il sistema registra continuamente l’attivit\u00e0 del contatto: quali pagine visita, su quali schede prodotto si ferma pi\u00f9 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 pi\u00f9 rilevanti per quel visitatore in quel momento.<\/p>\n\n\n\n Nella maggior parte delle piattaforme di marketing automation, questo meccanismo \u00e8 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 \u00e8 un carosello, un blocco email o una notifica push con prodotti che si collegano davvero a ci\u00f2 che il contatto ha guardato, non un elenco generico del catalogo.<\/p>\n\n\n\n La cosa pi\u00f9 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, pu\u00f2 mostrare contenuto pertinente anche a chi non \u00e8 ancora nel database, basandosi sul comportamento di quella sessione.<\/p>\n\n\n\n I tre concetti si sovrappongono nella pratica quotidiana, ma rispondono a obiettivi diversi:<\/p>\n\n\n\n Cross-selling: il prodotto che manca nel carrello<\/strong><\/p><\/p>\n\n\n\n La raccomandazione di cross-selling mostra prodotti complementari a ci\u00f2 che il contatto ha gi\u00e0 nel carrello o ha appena acquistato. La meccanica \u00e8 semplice: qualcuno compra una fotocamera e il sistema gli suggerisce una scheda di memoria, un treppiede o una custodia. Non \u00e8 una coincidenza: \u00e8 il meccanismo di relazione automatica tra prodotti che rileva quali articoli vengono acquistati abitualmente insieme.<\/p>\n\n\n\n Nell’ecommerce, il cross-selling si posiziona solitamente in tre momenti: nella scheda prodotto (\u00abpotrebbe interessarti anche\u00bb), nel carrello prima del checkout (\u00abaltri acquirenti hanno aggiunto\u00bb) e nell’email post-acquisto (\u00abcompleta il tuo ordine\u00bb). Tutti e tre hanno tassi di conversione significativamente pi\u00f9 alti rispetto a una comunicazione generica, perch\u00e9 il contesto \u00e8 gi\u00e0 dato: il cliente ha appena espresso la sua intenzione d’acquisto.<\/p>\n\n\n\n Upselling: la versione che si adatta davvero<\/strong><\/p><\/p>\n\n\n\n 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 \u00e8 che il contatto riconosca il valore della versione superiore e cambi la sua decisione d’acquisto prima di arrivare al checkout.<\/p>\n\n\n\n L’upselling funziona particolarmente bene quando la differenza di prezzo tra le due opzioni \u00e8 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 \u00e8 molto pi\u00f9 alta rispetto a quando viene applicato genericamente a tutto il pubblico.<\/p>\n\n\n\n Personalizzazione con AI: oltre le regole fisse<\/strong><\/p>\n\n\n\n I sistemi pi\u00f9 avanzati non usano regole statiche del tipo \u00abse acquista X, mostrare Y\u00bb. Applicano algoritmi che analizzano pi\u00f9 segnali contemporaneamente: storico delle visite di quel contatto, comportamento di acquisto di profili simili, stagionalit\u00e0 del catalogo, disponibilit\u00e0 di stock e valutazioni dei prodotti. Il risultato \u00e8 una raccomandazione che cambia in funzione del momento e del contesto, non solo del profilo statico del contatto.<\/p>\n\n\n\n In Connectif, la relazione automatica tra prodotti combina pi\u00f9 criteri nel nodo \u00abOttieni prodotti<\/a>\u00bb: ultimi prodotti visitati, prodotti automaticamente correlati al carrello, ultimi acquistati, pi\u00f9 visitati in un periodo o pi\u00f9 venduti. \u00c8 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.<\/p><\/p>\n\n\n\n Dove posizionare ogni tipo:<\/strong><\/p><\/p>\n\n\n\n Il raccomandatore di prodotti in Connectif si costruisce intorno al nodo \u00abOttieni prodotti\u00bb<\/strong>, che seleziona automaticamente quali articoli mostrare a ogni contatto secondo il criterio che definisci. Non richiede sviluppatori n\u00e9 integrazione tecnica aggiuntiva: si configura dall’editor di workflow.<\/p>\n\n\n\n Passo 1: Definisci quali prodotti vuoi raccomandare<\/strong><\/p><\/p>\n\n\n\n Il nodo \u00abOttieni prodotti\u00bb offre due famiglie di criteri:<\/p>\n\n\n\n Criteri globali (uguali per tutti):<\/p>\n\n\n\n Criteri personalizzati per contatto:<\/p>\n\n\n\n La soluzione pi\u00f9 comune \u00e8 combinare un criterio principale con uno alternativo: \u00abmostrami gli ultimi prodotti visitati da questo contatto; se sono meno di 6, completa con quelli automaticamente correlati alle sue ultime visite\u00bb. In questo modo il carosello si riempie sempre con contenuto pertinente anche quando il contatto ha poco storico.<\/p>\n\n\n\n Per il dettaglio tecnico della configurazione, nel Centro assistenza trovi l’articolo sul nodo Ottieni prodotti<\/a> con tutti i parametri disponibili.<\/p>\n\n\n\n Passo 2: Scegli il canale e il formato<\/strong><\/p><\/p>\n\n\n\n Le raccomandazioni possono apparire in tre formati:<\/p>\n\n\n\n Passo 3: Configura il workflow<\/strong><\/p><\/p>\n\n\n\n Il raccomandatore si attiva all’interno di un workflow con tre elementi di base: il trigger (l’evento che attiva il flusso, come \u00abvisita un prodotto\u00bb o \u00ababbandona il carrello\u00bb), il nodo \u00abOttieni prodotti\u00bb con il criterio scelto, e l’azione di invio (inline web, email o push).<\/p>\n\n\n\n Connectif ha gi\u00e0 strategie di raccomandazione pronte nella libreria di modelli: raccomandatore in homepage<\/a>, raccomandatore nella scheda prodotto<\/a>, cross-selling post-acquisto<\/a> e recupero carrello con raccomandazione<\/a>. Si accede da Workflow > Crea nuovo workflow > Crea da modello<\/strong>.<\/p><\/p>\n\n\n\n Passo 4: Escludi i prodotti gi\u00e0 acquistati<\/strong><\/p><\/p>\n\n\n\n Una configurazione importante che spesso viene trascurata: il nodo \u00abOttieni prodotti\u00bb permette di escludere i prodotti che il contatto ha gi\u00e0 acquistato. Senza questa impostazione, l’email post-acquisto potrebbe consigliare lo stesso articolo che ha appena comprato.<\/p>\n\n\n\n Il raccomandatore di prodotti ha un impatto particolarmente elevato nel Black Friday per due motivi: il volume di traffico \u00e8 maggiore, quindi ci sono pi\u00f9 dati comportamentali per contatto, e l’intenzione d’acquisto \u00e8 pi\u00f9 alta, quindi la raccomandazione giusta al momento giusto converte molto di pi\u00f9 rispetto a un giorno normale.<\/p>\n\n\n\n Prima del Black Friday: recupera l’interesse di chi ha gi\u00e0 visitato<\/strong><\/p><\/p>\n\n\n\n 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 arriver\u00e0 il 27 novembre e si attiver\u00e0 la campagna email di accesso anticipato o quella di apertura generale, il blocco di prodotti consigliati in quell’email potr\u00e0 basarsi esattamente su ci\u00f2 che quel contatto ha guardato nelle ultime due o tre settimane.<\/p>\n\n\n\n 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 gi\u00e0 visitato, pi\u00f9 i correlati, con lo sconto della campagna gi\u00e0 applicato.<\/p>\n\n\n\n Durante la campagna: tre momenti critici<\/strong><\/p><\/p>\n\n\n\n In homepage e nelle categorie.<\/strong> Un carosello in homepage con gli ultimi prodotti visitati da quel contatto funziona come accesso diretto proprio quando il traffico \u00e8 pi\u00f9 alto. Per i nuovi visitatori (senza storico in quella sessione), il carosello pu\u00f2 mostrare i pi\u00f9 venduti della settimana o i pi\u00f9 visitati del giorno della campagna.<\/p><\/p>\n\n\n\n Nella scheda prodotto.<\/strong> 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, pu\u00f2 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.<\/p><\/p>\n\n\n\n Nel carrello prima del checkout.<\/strong> Il momento di maggiore intenzione d’acquisto dell’intero Black Friday. Un blocco di cross-selling nella pagina carrello, con i complementari di ci\u00f2 che sta per pagare, ha i tassi di conversione pi\u00f9 alti di qualsiasi posizionamento del raccomandatore. Il contatto ha gi\u00e0 deciso di acquistare: aggiungere qualcosa in pi\u00f9 \u00e8 il passo con minore attrito possibile.<\/p>\n\n\n\n Recupero carrello abbandonato con raccomandazione.<\/strong> L’email di recupero carrello nel Black Friday non dovrebbe mostrare solo i prodotti lasciati: dovrebbe mostrare quei prodotti pi\u00f9 i correlati, rafforzando la proposta con ci\u00f2 che potrebbe mancare per completare il look, il kit o l’esperienza. Il nodo \u00abOttieni prodotti\u00bb con criterio \u00abultimi aggiunti al carrello + automaticamente correlati\u00bb lo fa automaticamente per ogni contatto.<\/p><\/p>\n\n\n\n Dopo il Black Friday: il cross-selling che costruisce ricorrenza<\/strong><\/p><\/p>\n\n\n\n L’email post-acquisto del Black Friday \u00e8 il primo punto di contatto con il nuovo acquirente. Se quell’email arriva con un blocco di prodotti rilevanti basati su ci\u00f2 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. \u00c8 l’inizio di un ciclo di raccomandazioni che, ben alimentato, trasforma l’acquirente occasionale in un cliente ricorrente.<\/p><\/p>\n\n\n\n <\/p>\n\n\n\n Gioseppo<\/strong><\/a> \u2014 calzature e accessori, Spagna e mercato internazionale (80 paesi, 10.000 punti vendita)<\/p>\n\n\n\n Gioseppo \u00e8 arrivata a una conclusione che riassume bene il filo conduttore di questo articolo: pi\u00f9 le raccomandazioni di prodotto che raggiungono il cliente su tutti i canali sono personalizzate, maggiore \u00e8 l’interazione e migliori i tassi di conversione. Quello che potrebbe sembrare ovvio \u00e8, in pratica, ci\u00f2 che la maggior parte degli ecommerce non fa: il contenuto web di Gioseppo non \u00e8 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 \u00abCampioni\u00bb (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<\/strong>, tassi di apertura email vicini al 60%<\/strong> nelle campagne segmentate e un incremento dell’8% del CLV<\/strong>.<\/p>\n\n\n\n Farmaciasdirect<\/strong><\/a> \u2014 farmacia online, Spagna e Portogallo (480.000+ clienti, 20.000+ referenze di 600 marchi)<\/p>\n\n\n\n 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 \u00e8 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 \u00abNeonati e Mamme\u00bb; 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 pi\u00f9 probabilit\u00e0 di convertire, non sulla stessa homepage generica. Il risultato: +15% di tasso di conversione<\/strong> e 3x di CTOR<\/strong> nelle campagne email segmentate rispetto agli invii di massa precedenti.<\/p>\n\n\n\nTipi di raccomandazioni: cross-selling, upselling e personalizzazione con AI<\/h2>\n\n\n\n
\n
\r\n \t
\r\n \t
\r\n \t
\r\n \t
\r\n \t
\r\n \t
Come implementarlo passo dopo passo con Connectif<\/h2>\n\n\n\n
\n
\n
\n
\r\n \t
\r\n \t
\r\n \t
Come applicarlo nelle campagne di Black Friday<\/h2>\n\n\n\n
Esempi reali di raccomandatori nell’ecommerce<\/h2>\n\n\n\n