Intelligent Selling Services in SAP Commerce Cloud: la personalizzazione con l'AI

I clienti non pensano alla «personalizzazione» e il vostro motore di suggerimenti non li interessa. Se ne vanno quando i prodotti sullo schermo sembrano casuali. Intelligent Selling Services (ISS) è la risposta di SAP a questo problema per Commerce Cloud: un servizio cloud che rileva in tempo reale il comportamento degli acquirenti e lo usa per personalizzare suggerimenti di prodotto e merchandising.

Di seguito: che cosa fa ISS, come funzionano i suoi moduli, qual è il rapporto con Adaptive Search e che cosa serve prima che produca risultati.

In sintesi: Intelligent Selling Services (in precedenza Context-Driven Services) è un servizio cloud che affianca SAP Commerce Cloud. Rileva clic e acquisti e li usa per suggerimenti di prodotto personalizzati e caroselli di merchandising, con reporting e test A/B per dimostrarne l’effetto. L’ordinamento dei risultati di ricerca è compito del modulo Adaptive Search di Commerce Cloud, che i merchandiser configurano con boost e regole. ISS ha bisogno di traffico e di dati di prodotto puliti per imparare; i negozi con poco traffico ottengono benefici minori.

Che cos’è Intelligent Selling Services?

ISS non è un widget di suggerimenti da aggiungere a posteriori. È un servizio cloud SAP a sé stante, che funziona al di fuori dell’application server di Commerce Cloud e in precedenza si chiamava Context-Driven Services (CDS) (SAP Help: Intelligent Selling Services). Lo storefront invia a ISS gli eventi di comportamento (clic, ricerche, aggiunte al carrello, acquisti), ISS li elabora e restituisce risultati personalizzati tramite API. Poiché l’elaborazione avviene fuori dal negozio, lo storefront non rallenta.

ISS è organizzato in moduli:

1. Foundation: rileva e memorizza i dati di comportamento e i profili dei clienti
2. Recommendation: suggerimenti di prodotto personalizzati e basati sul comportamento, per clienti noti e anonimi
3. Merchandising: caroselli di prodotti guidati da strategie che combinano obiettivi commerciali e comportamento
4. Reporting: indicatori sui caroselli, compresi i risultati dei test A/B

Se ISS sia incluso nel vostro abbonamento Commerce Cloud dipende dal contratto: verificate quindi il modulo d’ordine prima di pianificare un progetto.

Come funzionano i suggerimenti di prodotto?

ISS offre diversi approcci, ciascuno adatto a una situazione diversa:

Filtraggio collaborativo. Il classico «chi ha acquistato questo ha acquistato anche…», basato sugli schemi d’acquisto di tutta la clientela. Più transazioni ci sono, migliori sono i suggerimenti.

Filtraggio basato sui contenuti. Suggerisce prodotti con caratteristiche simili (categoria, marca, fascia di prezzo) a quelli visti o acquistati. Funziona anche con poco storico: un visitatore alla prima visita che ha guardato tre prodotti riceve già proposte sensate.

Suggerimenti contestuali. Ciò che si suggerisce dipende da dove si trova il cliente. Un suggerimento nella pagina del carrello (cross-selling) è tutt’altra cosa rispetto a uno nella home page (scoperta).

Prodotti di tendenza. Mette in evidenza i prodotti con domanda in crescita: articoli stagionali, novità, prodotti che all’improvviso vanno a ruba.

I modelli si aggiornano di continuo con i nuovi dati; nessuno deve riaddestrarli manualmente.

Qual è il rapporto tra ISS e Adaptive Search?

Spesso vengono confusi. In Commerce Cloud l’ordinamento della ricerca è compito del modulo Adaptive Search, che fa parte della piattaforma Commerce e non di ISS (SAP Help: Adaptive Search Module). I merchandiser vi definiscono profili di ricerca per catalogo, categoria o segmento di clientela, con facette, regole di boost, articoli messi in evidenza o penalizzati e ordinamenti.

Insieme, i due coprono le leve principali:

Pagine di ricerca e di categoria. Con Adaptive Search si mettono in evidenza le novità, si favoriscono i prodotti ad alto margine o si penalizzano gli articoli non disponibili, in generale o per categorie e segmenti specifici. Le pagine di categoria usano la stessa configurazione di ricerca, ed è lì che si nasconde più fatturato di quanto la maggior parte dei team si aspetti.

Caroselli e suggerimenti. ISS popola i caroselli di prodotti delle pagine home, prodotto, categoria e carrello con prodotti personalizzati o basati su strategie.

Giudizio umano e machine learning. I merchandiser fissano le regole commerciali; i modelli di comportamento ordinano i prodotti per ciascun cliente all’interno di quelle regole.

Che cosa fa il merchandising con ISS?

Nella pratica è nel merchandising che ISS rende di più:

Caroselli guidati da strategie. I merchandiser definiscono strategie (per esempio «prodotti simili», «spesso acquistati insieme», «di tendenza in questa categoria») e ISS sceglie i prodotti per cliente e contesto. Il fissaggio manuale resta possibile.

Regole commerciali. Mettere in evidenza marchi, escludere prodotti, rispettare margini o giacenze. L’AI lavora dentro le regole che fissate, non aggirandole.

Test A/B. Confrontate strategie, o caroselli guidati dall’AI con una selezione manuale, e misurate che cosa converte meglio per il vostro catalogo e i vostri clienti. È così che si scopre se la personalizzazione conviene nel proprio negozio, invece di darlo per scontato.

Quali risultati aspettarsi?

L’effetto di ISS dipende da dimensioni del catalogo, traffico, qualità dei dati e maturità della personalizzazione esistente. Per questo non indichiamo percentuali di miglioramento generiche. Nei progetti procediamo così: fissare una base di riferimento (per esempio il tasso di clic di un carosello statico «più venduti», il valore del carrello, il tasso da ricerca a carrello), attivare una strategia ISS e confrontare con un test A/B.

Due condizioni decidono il risultato. La prima è il traffico: i modelli imparano dal comportamento, e i negozi con poco traffico vedono effetti minori. La seconda sono i dati di prodotto: i suggerimenti basati sulle caratteristiche valgono quanto le caratteristiche stesse. Per un quadro più ampio dell’AI oltre il commercio, la nostra panoramica SAP CX AI: cosa funziona e cosa è roadmap aiuta a fare ordine; il lato AI dello storefront è trattato nell’articolo sull’MCP server di SAP Commerce Cloud e il commercio agentico.

Per capire se ISS è adatto al vostro negozio, parlate con il nostro team Commerce o visitate la nostra pagina SAP Commerce Cloud.

Domande frequenti

ISS è incluso in Commerce Cloud?

ISS è un servizio cloud SAP distinto che affianca SAP Commerce Cloud. Che faccia parte del vostro abbonamento dipende dal contratto: verificate il modulo d’ordine o chiedete a SAP prima di pianificare l’introduzione.

Di quanto traffico ha bisogno ISS per essere efficace?

Non esiste una soglia fissa, ma ISS impara dal comportamento: più sessioni e ordini passano dal negozio, migliori diventano i suggerimenti. I negozi con poco traffico traggono più vantaggio dalle strategie basate sui contenuti e dalle regole dei merchandiser che dal filtraggio collaborativo.

Si può controllare che cosa suggerisce ISS?

Sì. I merchandiser definiscono strategie e regole commerciali: mettere in evidenza marchi, escludere prodotti, fissare articoli in posizioni specifiche o rispettare limiti di margine e giacenza. L’AI personalizza all’interno di queste regole.

ISS funziona con il Composable Storefront?

Sì. Il Composable Storefront dispone di una libreria di integrazione per ISS che fornisce il tracciamento e i caroselli di merchandising come componenti standard (documentazione del Composable Storefront). Sullo storefront in sé, vedete la nostra introduzione al Composable Storefront.

Come si confronta ISS con i motori di suggerimento di terze parti?

Il vantaggio di ISS è la stretta integrazione con Commerce Cloud: stesso catalogo, stessi dati dei clienti e stesso storico degli ordini, senza sincronizzazioni aggiuntive. Soluzioni di terze parti come Algolia, Nosto o Dynamic Yield possono offrire più algoritmi o un uso multipiattaforma, ma richiedono integrazione e sincronizzazione dei dati in più. In breve: ISS vince sulla semplicità, le soluzioni di terze parti sulla flessibilità.