Quasi ogni e-commerce oggi si vanta di offrire un’esperienza “personalizzata”. Home page con “consigliati per te”, email con il nome del cliente incollato in cima, popup che promettono suggerimenti “basati sui tuoi interessi”. Il problema è che nella maggior parte dei casi, dietro quella parola non c’è quasi nulla.
Il “consigliato per te” è spesso il bestseller generale del mese, mostrato a chiunque. Il popup “basato sui tuoi interessi” mostra la stessa promozione a tutti i visitatori della categoria. L’email con il nome inserito nel template resta lo stesso identico messaggio per ogni destinatario, cambia solo un campo. È personalizzazione di facciata: usa una variabile superficiale, il nome, la categoria che stai navigando in quel momento, per dare l’illusione di un trattamento su misura, senza saperne davvero nulla di te.
Non è personalizzazione. È teatro.
Perché il teatro è così diffuso
La personalizzazione cosmetica si diffonde perché è facile da attivare e difficile da smascherare. Un template che inserisce il nome del cliente si configura in un’ora. Un blocco “prodotti consigliati” che in realtà mostra i più venduti si installa con un plugin. Danno l’impressione di movimento, di innovazione, e nessuno controlla davvero se il consiglio era pertinente o casuale.
La vera personalizzazione, quella che usa il comportamento reale di un cliente per mostrargli qualcosa di specifico per lui, richiede due cose che il teatro può saltare: uno storico di comportamento sul cliente, e un catalogo abbastanza ricco di attributi da poter essere incrociato con quello storico in modo intelligente. Senza la seconda, anche il miglior algoritmo di raccomandazione ha poco su cui lavorare, come abbiamo visto parlando del costo nascosto dei dati grezzi. Il catalogo può anche sapere cosa hai comprato, ma se non sa cosa significa quel prodotto, quali bisogni soddisfa, quali occasioni d’uso copre, non può collegarlo a nient’altro in modo sensato.
Cosa cambia con dati arricchiti: due casi concreti
Il modulo Audience di Seken AI lavora esclusivamente sullo storico acquisti, non sul comportamento di navigazione, non prova a predire cosa farai. Può sembrare una limitazione, ed è invece una scelta di onestà: si basa su cosa un cliente ha realmente fatto, non su un’inferenza probabilistica su cosa potrebbe pensare. E proprio perché lavora sullo storico incrociato con un catalogo arricchito, quello storico diventa molto più che una lista di SKU acquistati.
Ci sono due modi in cui questo si traduce in qualcosa di utile, ed è la differenza tra dirlo in astratto e mostrarlo in pratica.
Personalizzare la navigazione, non l’intero sito. Quando un cliente è loggato, alcune pagine, la sua area personale, alcune landing, alcuni widget posizionabili in punti specifici del sito, mostrano caroselli e prodotti pensati per il suo segmento, calcolato sul suo storico d’acquisto reale. Non è l’intero e-commerce che cambia faccia per ogni visitatore: sono punti precisi, dove la personalizzazione ha senso e prova a essere pertinente, non un’etichetta appiccicata ovunque per sembrare avanzati.
Costruire segmenti reali per il marketing, non fasce generiche. Qui il salto di qualità è più evidente. Perché il catalogo è arricchito con attributi, benefici, occasioni d’uso, non solo con categorie merceologiche, è possibile interrogare lo storico clienti con domande specifiche: chi ha comprato creme solari negli ultimi novanta giorni, speso più di cento euro, con almeno due ordini. Chi ha comprato un profumo per ambienti da cinquecento millilitri negli ultimi tre mesi. Segmenti costruiti così, sulla base di comportamento reale e caratteristiche di prodotto reali, si esportano verso le piattaforme di marketing automation o verso le campagne Meta, Google, TikTok, come pubblico o come lookalike. La differenza con un segmento generico (“chi ha acquistato nella categoria cura della persona negli ultimi sei mesi”) è la differenza tra un pubblico approssimativo e un pubblico che condivide davvero un comportamento specifico.
Nessuno dei due casi funziona senza il lavoro fatto a monte sul catalogo. Un segmento come “creme solari, idratanti, per bambini, oltre cento euro, due ordini” presuppone che il catalogo sappia già cosa sia una crema solare, che il prodotto sia per bambini e che sia idratante, non solo per nome ma come attributi, e questo è possibile solo se il catalogo è stato normalizzato e arricchito prima.
Come riconoscere le finte personalizzazioni dal proprio lato
Se vuoi capire se la tua personalizzazione è vera o cosmetica, una domanda concreta aiuta più di qualsiasi definizione: se togliessi il nome del cliente e i “consigliati per te” a due clienti diversi, la pagina cambierebbe davvero, o mostrerebbe la stessa cosa con un’etichetta diversa?
Se la risposta è che cambierebbe poco o nulla, quella non è personalizzazione: è un livello estetico sopra un’esperienza identica per tutti. E il rischio non è solo l’inefficacia. Il cliente, ormai se ne accorge, il “consigliato per te” che non c’entra nulla con quello che ha comprato è più dannoso di nessun consiglio, perché comunica che il sito non ti conosce nemmeno quando finge di farlo.
Il punto di partenza è sempre lo stesso
La personalizzazione, come la ricerca semantica, come la visibilità sugli LLM, condivide la stessa condizione di partenza: senza un catalogo arricchito, con attributi normalizzati e significati reali, ogni sistema costruito sopra è cosmetico per definizione, per quanto sofisticato sembri nel nome che gli viene dato.
Prima di chiedersi che tipo di personalizzazione attivare, la domanda utile è se il catalogo sotto è pronto a sostenerla. Se lo è, anche una personalizzazione semplice, su poche pagine mirate o su segmenti di marketing costruiti bene, rende più di qualsiasi widget “intelligente” costruito su dati poveri.