Quali KPI usare per valutare un AI shopping assistant

Il numero di conversazioni non basta a dire se un AI shopping assistant funziona. Un volume alto può indicare interesse, ma anche difficoltà nel trovare prodotti. Per valutarlo servono indicatori collegati a qualità della risposta, avanzamento della scelta, comportamento sul sito e risultati commerciali.

Utilizzo e copertura

Partite da quante sessioni vedono l'assistente, quante lo aprono e quali pagine precedono l'interazione. Segmentate per dispositivo, fonte di traffico, categoria e cliente nuovo o di ritorno. Il dato diventa utile quando chiarisce dove la conversazione viene scelta e dove resta invisibile.

Valen registra sessioni ed eventi del percorso sullo storefront. Questo consente di leggere l'uso della conversazione nel contesto della visita, senza trattare ogni messaggio come un evento isolato.

Qualità delle risposte

Costruite un campione di conversazioni e classificate correttezza, pertinenza, chiarezza e aderenza alle fonti. Monitorate risposte senza soluzione, correzioni del cliente, ripetizioni e domande abbandonate. La valutazione umana resta importante per casi ambigui e informazioni commerciali sensibili.

Separate inoltre le richieste che l'assistente dovrebbe coprire da quelle fuori perimetro. Un rifiuto appropriato può essere un risultato migliore di una risposta apparentemente completa ma inaffidabile.

Scoperta e avanzamento della scelta

Osservate se dopo la conversazione il cliente apre una scheda prodotto, confronta alternative, seleziona una variante o aggiunge un articolo al carrello. Non attribuite automaticamente ogni azione all'assistente: confrontate percorsi simili e considerate posizione, categoria e intento iniziale.

Valen permette di cercare il catalogo e fare domande sui prodotti in conversazione. Può mostrare raccomandazioni lasciando il catalogo navigabile. Per questo è utile misurare sia l'interazione in chat sia ciò che accade subito dopo sul catalogo.

Esito commerciale senza scorciatoie

Ordini, ricavi e valore del carrello possono entrare nel quadro, ma non dimostrano da soli un rapporto causale. Segmentate per intento e confrontate periodi e gruppi compatibili. Annotate contemporaneamente promozioni, cambi di assortimento e modifiche al sito che potrebbero spiegare il risultato.

Evitate una singola metrica universale. Un assistente orientato alla scoperta può essere valutato sulla qualità dei prodotti esplorati; uno dedicato a domande pre-acquisto sulla risoluzione e sull'affidabilità delle risposte.

Efficienza e salute del sistema

Tenete sotto controllo errori tecnici, tempi di risposta, sessioni interrotte e aggiornamento del catalogo. Aggiungete una revisione delle conversazioni segnalate dal team. Una variazione improvvisa può indicare un problema di dati prima ancora di apparire nei risultati commerciali.

Creare un cruscotto utile

Scegliete pochi indicatori per ogni livello: adozione, qualità, avanzamento, esito e affidabilità. Definite proprietario, fonte e frequenza di revisione. Affiancate esempi di conversazioni ai grafici: spiegano perché un numero si muove e suggeriscono cosa correggere.

Come si inserisce Valen

Il limite di un KPI basato solo sui messaggi è che non descrive il percorso successivo. Servono eventi di sessione e capacità di collegare la conversazione all'esplorazione del catalogo, senza trasformare una correlazione in causalità. Valen registra sessioni ed eventi del percorso sullo storefront, come dimostrato su store demo. Permette di cercare nel catalogo e porre domande sui prodotti, come dimostrato su store demo. Propone raccomandazioni mantenendo il catalogo navigabile, come dimostrato su store demo. Valen può quindi essere valutato oltre una chat isolata, osservando conversazione e navigazione insieme; il merchant deve comunque definire metriche, confronti e interpretazione degli esiti.

Prenota una demo per definire un piano di misurazione coerente con il catalogo e il percorso del tuo store.